Computers & Chemical Engineering·2026-10-29 20:09· 17 小时前精选AI 评分52

数据驱动多任务学习框架同时预测锂离子电池RUL与拐点

A data-driven multi-task learning framework for lithium-ion battery remaining useful life and knee point prediction

模型导读

Haoyu Sun 等人提出一种数据驱动的多任务学习框架，用于同时预测锂离子电池的剩余使用寿命（RUL）与容量衰减拐点。该工作发表于 Computers & Chemical Engineering 第 217 卷，摘要未给出数据集、电芯体系与误差指标等细节。

推荐理由

该框架把RUL与拐点预测放在同一多任务模型中，为关注寿命末期非线性衰减的读者提供了一种联合建模思路。