arXiv · battery（eess.SY 系统与控制）· Meng Yuan·2026-10-16 08:55· 14 天前精选AI 评分60

滤波增强强化学习实现 SOH 与析锂感知的电池快充

Filter-Augmented Reinforcement Learning for Battery Fast Charging with State of Health and Plating-Aware Reward Design

模型导读

作者提出基于 TD3 的滤波增强强化学习框架，用于兼顾健康状态的锂电池快充，奖励函数结合 SOH 信息与源自恒流恒压过电位策略的 SOH 相关电压惩罚项。针对车载 SOH 估计噪声，框架在噪声统计未知时用 EMA 滤波、已知时用 Kalman 滤波，并将滤波估计同时嵌入智能体状态与奖励计算。

推荐理由

在 LG M50 电芯参数化下，该工作把带噪 SOH 估计经 EMA 或 Kalman 滤波后嵌入 TD3 的状态与奖励，量化了噪声对快充寿命收益的影响。