Advanced Energy Materials· Yuanzhe Tao,
Yonggang Hu,
Zhifeng He,
Meifang Ding,
Yufan Peng,
Shijun Tang,
Huiyan Zhang,
Ke Zhang,
Ying Lin,
Wenhao Wu,
Yanting Jin,
Wenhua Zuo,
Jinding Liang,
Zhengliang Gong,
Yiming Wei,
Yong Yang·· 2 天前精选AI 评分72
机理锚定的锂电池健康管理框架实现跨数据集 SOH 估计与轨迹预测
Generalizable Mechanism‐Anchored Health Management for Lithium‐Ion Batteries Across Complex Degradation Trajectories
模型导读
研究提出一种机理锚定的可泛化健康管理框架，在 LFP/石墨电芯中识别出 3.3–3.4 V 充电窗口作为老化敏感特征，并与增量容量指纹关联。框架结合条件感知软混合专家模型、跨数据集持续学习和自适应无迹卡尔曼滤波，将逐点 SOH 估计转化为可在线更新的老化轨迹，在多应力老化条件下实现稳健 SOH 估计和 100–300 步前向轨迹预测。
推荐理由
该框架把 3.3–3.4 V 充电特征与混合专家模型、UKF 轨迹更新串联，为跨数据集 SOH 估计提供可迁移思路。
来源：Advanced Energy Materials · advanced.onlinelibrary.wiley.com