融合大语言模型与电池物理的驾驶员感知电动汽车行驶管理
该研究提出一种物理与AI混合框架，将LLM作为高层行为推理层嵌入物理驱动的监督架构，通过解读文本用户意图与结构化电池反馈生成有界行为参数，塑造放电电流包络，再由物理安全滤波器强制约束后计算可行车速建议。基于Lyapunov的分析证明了在电池模型与提示不准确情况下推荐误差有界，仿真结果显示该架构可实现自适应、用户感知的运行且不牺牲物理安全。
#机器学习
#机器学习
今日 4 条arXiv · battery（eess.SY 系统与控制）AI 评分2727
arXiv · battery（eess.SY 系统与控制）AI 评分4141 OLAH-BD：在线学习自适应混合 Benders 分解用于风险规避最优 sizing
针对电池储能系统最优 sizing 的两阶段随机规划中 Benders Decomposition 收敛慢的问题，研究者提出在线学习自适应混合 BD 算法 OLAH-BD，通过在主问题中嵌入精选场景并在迭代中引入基于在线学习的尾部相关场景选择器，避免每轮求解全部场景集。
关键词流·设计优化与参数辨识AI 评分6262 面向锂离子电池寿命测试的成本感知序贯贝叶斯最优实验设计
该研究提出一种成本感知的序贯贝叶斯最优实验设计方法，用于锂离子电池寿命测试。原文仅提供标题，未给出具体方法细节、实验数据或结果。
arXiv · battery（eess.SY 系统与控制）AI 评分3232 基于代价感知强化学习与动作掩码投影的 BESS 调度：价差收窄市场下的 PPO 研究
研究提出一种 PPO 控制器，将物理动作掩码与紧急投影同因果的预测经济建议分离，用于 BESS 调度。在 336 小时 T1、T2 窗口上，开启建议的净利润为 30.59 和 18.04 USD，低于 proxy-cost MPC 的 36.77 和 22.94 USD；建议使 T2 利润从 16.45 升至 18.04 USD 并降低吞吐量，T1 影响不显著。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6262 基于充电信号估计放电增量容量特征的锂离子电池老化监测框架
该论文提出一种神经网络框架，直接从充电信号预测放电增量容量（IC）特征，从而免去低电流放电测量。模型在 53 个电芯、多种快充协议的数据集上训练，能在未见过的电池数据上估计老化指标；在评估的多种架构中，LSTM 在预测精度与计算效率之间取得最佳平衡。作者称该方法可实时集成到 BMS，在不干扰电池正常运行的条件下增强老化监测。
推荐理由：该工作用充电信号预测放电 IC 特征，省去低电流放电测量，为快充场景下的在线老化监测提供了一条可迁移思路。
arXiv · battery（eess.SY 系统与控制）AI 评分4040 基于序列化集合卡尔曼反演的非线性随机状态空间模型递归参数辨识
该论文提出序列化集合卡尔曼反演方法，用于从流式测量中递归辨识非线性随机状态空间模型的参数。方法以演化集合表示参数后验并随新测量序贯更新，对每个集合成员用隐式粒子滤波近似参数校正所需的预测观测统计量。在强非线性基准和双电容锂离子电池模型上验证，数值结果实现了准确的递归参数辨识与隐状态估计。
arXiv · battery（eess.SY 系统与控制）精选AI 评分6161 R2D：从异构多时间尺度时序直接学习电池能量管理控制策略
该论文提出 Representation-to-Decision（R2D）端到端模仿学习框架，通过模块化 Temporal Feature Extractors（TFEs）与共享隐表示，将异构多时间尺度时序输入直接映射为电池控制决策，无需显式的负荷与光伏预测步骤，控制最优性由老化感知的 MILP 专家经行为克隆锚定。
推荐理由：该工作把电池能量管理从先预测后优化改为直接从多时间尺度时序决策，并在五个工业站点上与六种控制器对比，可供做控制策略选型时参考。
arXiv · battery（eess.SY 系统与控制）AI 评分3535 BESS 多市场投标的随机 Mean-CVaR 框架
针对 BESS 参与日前能量市场与 mFRR 市场的协同优化，该研究提出风险感知的随机优化框架，用非参数 KDE 生成保留欧洲平衡市场经验特征的联合价格场景，并将 CVaR 纳入 Mean-CVaR 目标函数。两阶段随机规划让决策者可调节风险厌恶水平，在盈利性与稳健性之间寻找有效前沿。仿真显示该联合 CVaR 方法相比确定性基准显著提升了收益稳定性。
arXiv · battery（eess.SY 系统与控制）AI 评分4242 TREDD：基于趋势参考评估的可解释电池老化检测方法
TREDD 是一种可解释的老化检测方法，将老化判定为相对早期参考状态的持续性趋势偏离，融合滚动窗口平滑、基线估计、方向相关老化指数、长期趋势提取与持续漂移检测。该方法在 NASA 锂离子电池老化数据集上以放电循环容量为老化相关状态变量进行验证，能识别清晰的老化轨迹，并对微弱、渐变或非典型趋势降低置信度。
arXiv · battery（physics.app-ph）精选AI 评分6262 Artiphy 代理加速的 SPMe 物理模型参数反演框架
作者提出基于单粒子模型加电解液动力学（SPMe）的代理加速反演框架，前向映射用其 Artiphy 代理框架快速可微地计算电压与部分内部状态。去除结构冗余后，反演非冗余的传输、动力学与容量参数组，包括浓度相关的固相与电解液扩散系数。
推荐理由：该工作用 Artiphy 代理加速 SPMe 参数反演，并以 DFN 合成数据给出已知参考参数下的误差与可辨识性分析，可供做参数辨识的研究者参考其框架与敏感性结论。
arXiv · battery（physics.app-ph）精选AI 评分6262 将多尺度力学耦合引入锂离子电池模型
作者推导了一个降阶的电化学-力学耦合模型，把锂化膨胀在活性颗粒、非活性基体、电极和电芯堆叠中产生的应力纳入考虑。模型将电极视为嵌入均匀化弹性非活性基体中的球形活性颗粒周期阵列，利用非活性基体刚度远小于活性材料以及颗粒、电极与电芯之间的尺度分离，得到对活性颗粒化学势和过电位的有效力学修正，该修正取决于颗粒膨胀、电极尺度应变以及夹持或外加压力等宏观边界条件。
推荐理由：该工作把颗粒、电极与电芯堆叠的多尺度力学耦合降阶为对化学势和过电位的修正项，可直接嵌入 DFN、SPMe 与 SPM 框架。
IEEE Trans. Intelligent Transportation SystemsAI 评分2626 基于利润可预测 MILP 的含储能系统电动汽车快充在线调度
针对电网容量受限下 EV 与储能系统（ESS）充放电协调难题，该研究提出一种在线优化算法，用精心设计的 MILP 模拟神经网络来预测未来利润以辅助功率分配决策。算法同时考虑 EV 最大充电功率随电量接近满充而下降、到达与离开时间未知、等待行为不可预测及 TOU 电价波动等不确定性。基于生成的最优充电数据仿真显示，该方法较现有基线方法性能提升最高达 50%。
IEEE/ASME Trans. MechatronicsAI 评分2222 PFR-DD：原型融合重构与域解耦实现广义零样本故障诊断
针对广义零样本故障诊断（GZSFD）中未见故障被误判为已知故障、未知故障原型偏移的问题，研究者提出 PFR-DD 模型，结合域解耦策略与改进的 OpenMax（利用 Cramér–Rao 下界优化参数拟合），并通过原型融合重构整合专家先验与提取特征、经聚类动态校正原型。在三个平台的十二组复合故障实验中，PFR-DD 优于经典与当前最优模型。
IEEE Trans. Industrial InformaticsAI 评分4040 面向电动汽车的MEIW锂离子电池SOC估计框架通过实验验证
一种记忆嵌入与创新加权（MEIW）的锂离子电池SOC估计框架在−20 °C至50 °C、不同SOH水平下完成实验验证，MAE稳定低于0.4%。该方法将SOC递归更新重构为记忆嵌入表示以纳入长期电化学动态，并引入创新加权校正机制，配合协同蝠鲼觅食优化算法辨识分数阶模型参数，在自适应平方根容积卡尔曼滤波框架内实现。
IEEE Trans. Industrial InformaticsAI 评分2222 ATOM：面向轻量级多变量时间序列异常检测的自适应时序全视混合器
ATOM 是一个超轻量多变量时间序列异常检测框架，将表示学习解耦为时序、频谱和空间三个互补视角，仅用 0.137 k 可训练参数和 55.94—362.11 K MAC 运算。它引入认知失调分数，利用时序与频谱重建的跨视角不一致暴露局部被稀释的异常，在八个工业基准上四个数据集排名第一、三个第二，Mars Science Lab 上 F1 达 0.9509。
IEEE Trans. Industrial InformaticsAI 评分2626 AST-GNN：面向工业预测的多变量时序动态跨传感器时序依赖建模
针对多变量时序分析中常被忽略的动态跨传感器时序依赖（DCTD），研究者提出自适应时空图神经网络 AST-GNN，通过长程时延图矩阵、空间时延图矩阵、空间演化图矩阵和自适应滑动图卷积机制四项设计，建模跨长时间滞后的时序依赖、不同距离传感器的空间关系及同一传感器对随时间演化的关系。在两个工业 MTS 数据集上，AST-GNN 性能优于现有最先进方法。
arXiv · battery（physics.app-ph）AI 评分4141 金刚石量子磁强计实现6 mm内窥探头，无屏蔽环境下91 pT/√Hz灵敏度并成像锂离子软包电芯电流
研究人员提出一款微型化金刚石量子磁强计，内窥传感头直径仅6 mm，在无磁屏蔽环境下实现91 pT/√Hz的磁场灵敏度和2 kHz测量带宽。该器件通过将激发与收集分离到熔融多芯光纤束的不同纤芯，并配合定制高数值孔径微物镜，突破了荧光收集瓶颈，后端由紧凑型FPGA完成微波控制、锁相检测与实时共振跟踪。团队用该传感器对商用锂离子软包电芯充放电过程的磁场成像，重建了深度积分电流密度分布图。
IEEE Trans. Transportation ElectrificationAI 评分1515 耦合张量环补全：低秩耦合 TR 模型实现多张量缺失项补全
该研究提出低秩耦合张量环（TR）模型，用于补全共享隐因子的多个张量的缺失项，支持任意数量张量间的灵活耦合，并通过交替最小二乘算法高效求解。其超额风险界从理论上证明该模型相较其他耦合核范数方法具有性能优势。合成数据验证了理论分析，多个真实数据集上的实验结果优于现有最先进方法。
IEEE Trans. Transportation ElectrificationAI 评分1010 基于知识迁移隐因子分析的自适应模糊双C均值聚类
针对不完整数据的模糊C均值聚类难以兼顾精细插补与聚类效果的问题，研究者提出NA聚类算法，由NRNLF_KT模型与AFD_SS算法构成。NRNLF_KT通过非线性映射放松非负约束并构建无约束优化问题，同时建立与目标矩阵模式不同的辅助矩阵以提取有用知识；AFD_SS引入稀疏自表示技术兼顾全局与局部信息，并用粒子群优化算法为特定数据集选取合适参数。真实数据集实验验证了该方法的优越性。
IEEE Trans. Transportation ElectrificationAI 评分2626 ADAD：基于自适应序列分解的多变量时间序列异常检测
研究提出自适应分解的多变量时间序列异常检测算法 ADAD，在频域将序列分解建模为频谱分割问题，为每条序列动态学习变量专属的分割点，使趋势与季节分量同时反映变量特异性和时间特异性。该方法在模式挖掘中引入跨分量连接，以一个分量学到的模式指导另一分量的学习。在公开基准上，ADAD 性能优于当前最先进方法。
arXiv · battery（physics.app-ph）AI 评分2222 熔融 FeCl2 与 FeCl3 的原子尺度结构解析
研究结合 HEXRD、EPSR 与基于 MACE 机器学习势的 MD 模拟，确定了熔融 FeCl2 和 FeCl3 的结构。模拟复现了实验结构因子与径向分布函数，揭示 FeCl3 熔化时 Fe 由八面体配位转为四面体配位，FeCl2 中亦存在类似转变。链统计表明两种熔体主要以含六个及以上 Fe 中心的延伸链存在，而非离散 Fe2Cl6 单元。
arXiv · battery（physics.app-ph）精选AI 评分5858 物理信息学习加速电化学器件建模：面向实时控制的框架与展望
文章评估了 PINN、PIDeepONet 和 PINO 三种物理信息机器学习框架在电化学器件实时控制中的潜力，从训练成本、推理速度和泛化能力三方面进行对比。PINN 适合固定问题但参数变化需重新训练，PIDeepONet 支持跨工况算子学习且无需网格，PINO 在规则网格上性能更优、外推能力最强。
推荐理由：文章对比 PINN、PIDeepONet 与 PINO 三种物理信息学习框架的训练成本、推理速度与外推能力，为电化学器件实时控制选型提供依据。
arXiv · battery（physics.app-ph）AI 评分2929 硅基物理 Kolmogorov-Arnold 网络实现非线性突触学习，用于锂离子电池动态预测
研究团队在绝缘体上硅器件中实现物理 Kolmogorov-Arnold 网络（KAN），通过训练突触非线性而非线性权重提升任务性能。该器件称为 Synaptic Nonlinear Elements（SYNEs），在室温、微安电流、2 MHz 速度下工作，每次非线性操作约 750 fJ，10^13 次测量及数月时间尺度内未观察到退化。
arXiv · battery（physics.app-ph）精选AI 评分6262 PINN 代理建模单粒子模型：三种架构精度与泛化对比
该研究对三种物理信息神经网络（PINN）架构建模电池单粒子模型进行基准对比，包括两种常规 PINN 架构和一种基于 DeepONet 的架构，并在多种电流工况下评估其精度与泛化能力。结果显示 PINN 在电池物理建模上有潜力，但常规 PINN 架构在高动态电流条件下存在局限；其中 Fourier 增强的 DeepONet 泛化性能更优，相比数值求解器带来近 10 倍加速。
推荐理由：对比三种 PINN 架构在单粒子模型上的精度与泛化，给出高动态电流下的适用边界与约 10 倍加速。
arXiv · battery（physics.app-ph）AI 评分5151 从从头算原子模拟到电极尺度：钠离子电池正极材料锰六氰基铁酸盐的跨尺度建模
作者提出一个可推广的跨尺度计算框架，用于嵌入型电极材料的预测建模，并以钠离子电池正极材料锰六氰基铁酸盐为例。该方法采用主动学习策略，通过迭代的混合巨正则蒙特卡洛与分子动力学采样训练矩张量势，覆盖各钠化程度的构型空间。
arXiv · battery（physics.app-ph）AI 评分2222 SoDip：基于 Dirichlet 过程的分层堆叠优化加速接枝聚合设计
研究提出分层堆叠优化框架 SoDip，融合 DeepSeek-R1、TabNet、XGBoost、GPR 与 DPMM，用于辐射诱导接枝聚合的加速设计。该框架在交叉验证中较 GPR 提升约 33%，并提供可校准的置信区间以识别低重现性区间。
arXiv · battery（physics.app-ph）AI 评分2525 数据增强机器学习预测钠离子电池生物质硬碳负极性能
研究用四种机器学习模型预测生物质硬碳负极的容量与首次库仑效率（ICE），并借助 TabPFN 数据增强提升小数据条件下的模型稳健性。XGBoost 表现最佳，容量预测 R² 达 0.854、RMSE 为 23.290 mAh g⁻¹，ICE 预测 R² 达 0.868、RMSE 为 3.813%。
arXiv · battery（physics.app-ph）AI 评分4141 4D operando X 射线纳米全息断层扫描揭示硅-石墨负极的多尺度化学力学
研究利用 operando 同步辐射 X 射线纳米全息断层扫描结合 Digital Volume Correlation，在颗粒和电极两个尺度追踪高容量硅-石墨负极化成循环中的化学力学动态。
Google News · NREL battery（降级通道）AI 评分1818 人工智能模型提升电池诊断效率
人工智能模型可提升电池诊断效率。该进展由 nlr.gov 报道，聚焦 AI 模型在电池诊断环节的效率改进。
Google News · NREL battery（降级通道）AI 评分3030 NREL 用基于物理的机器学习加速电芯性能、寿命与安全表征
NREL 将基于物理的机器学习用于电池研究，加速电芯性能、寿命与安全的表征。该进展面向电芯性能、寿命与安全三项表征任务。