EIS 数据驱动锂离子电池 SoH 与 RUL 估计综述
比利时布鲁塞尔自由大学 MOBI-Electromobility Research Centre 发布综述，系统梳理基于 EIS 的数据驱动 SoH 与 RUL 估计方法。文章先归类从 EIS 谱中提取性能指标的特征工程方法，再对数据驱动估计技术分类并比较不同算法表现，总结常用机器学习与深度学习算法、关键性能指标及与电池健康强相关的直接和间接特征。该综述旨在为后续研究选择建模策略提供参考。
#RUL
#RUL
今日 0 条Zenodo · battery 数据与软件AI 评分4040
关键词流·SOX 与寿命预测AI 评分2424 AI 驱动的锂离子电池健康预测：SOC、SOH 与 RUL 估计技术综述
这篇综述梳理了基于 AI 与深度学习的锂离子电池 SOC、SOH 和 RUL 预测方法，重点覆盖 transformer 网络、自编码器潜变量建模、神经基展开、注意力机制及混合优化框架。文章指出传统电化学与经验方法难以刻画非线性衰减、工况不确定性和动态环境波动，并给出优化辅助框架、混合物理信息学习与可解释 AI（XAI）等未来方向，以支撑可靠的 BMS 方案。
Renewable and Sustainable Energy ReviewsAI 评分4545 数据驱动 EIS 方法用于锂离子电池 SoH 与 RUL 估计的综合综述
一篇发表于 Renewable and Sustainable Energy Reviews 的综述系统梳理了数据驱动的电化学阻抗谱（EIS）方法在锂离子电池健康状态（SoH）与剩余使用寿命（RUL）估计中的应用。