論文の概要: Continuous ageing trajectory representations for knee-aware lifetime prediction of lithium-ion batteries across heterogeneous dataset

• arxiv url: http://arxiv.org/abs/2604.16580v1
• Date: Fri, 17 Apr 2026 14:22:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.087576
• Title: Continuous ageing trajectory representations for knee-aware lifetime prediction of lithium-ion batteries across heterogeneous dataset
• Title（参考訳）: 不均一データセットを用いたリチウムイオン電池の膝対応寿命予測のための連続時効軌道表現
• Authors: Agnieszka Pregowska, Stefan Marynowicz,
• Abstract要約: 本研究では、電圧容量とキャパシティサイクルの連続的な表現に基づく電池寿命解析のための統一的なフレームワークを提案する。 250以上の細胞で、膝の発症と終末期の間に統計的に有意な相関が観察された。 初期のモデルでは、観測サイクルの数が増加するにつれて、より安定したRUL予測が提供される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate assessment of lithium-ion battery ageing is challenged by cell-to-cell variability, heterogeneous cycling protocols, and limited transferability of data-driven models across datasets. In particular, robust identification of degradation transitions, such as the knee point, and reliable early-life prediction of remaining useful life (RUL) remain open problems. This study proposes a unified framework for battery ageing analysis based on continuous representations of voltage-capacity and capacity-cycle trajectories learned from heterogeneous public datasets (NASA, CALCE, ISU-ILCC). The continuous formulation enables consistent extraction of degradation descriptors, including curvature, plateau length and knee-related metrics, while reducing sensitivity to dataset-specific discretisation. Across more than 250 cells, statistically significant correlations between knee onset and end-of-life (Pearson 0.75-0.84) are observed. Additional early-life analysis confirms that knee-related features retain predictive value when estimated from partial trajectories. Early-life models provide increasingly stable RUL predictions as the number of observed cycles increases, with meaningful predictive performance emerging within the first 5-20 cycles and remain robust under cross-dataset domain shift. The framework integrates continuous modelling, feature extraction and uncertainty-aware prediction, providing an interpretable and dataset-consistent approach demonstrating robustness across heterogeneous dataset types. Compared with conventional discrete or feature-based methods, the proposed representation reduces sensitivity to sampling resolution and improves cross-dataset consistency. The study is limited to laboratory-scale datasets and capacity-based end-of-life definitions.
• Abstract（参考訳）: リチウムイオン電池の劣化の正確な評価は、セル間ばらつき、不均一なサイクリングプロトコル、データセット間のデータ駆動モデルの転送可能性の制限などによって困難である。 特に、膝点などの劣化遷移の堅牢な同定と、生き残る有用生命(RUL)の信頼性の高い早期生命予測は未解決の問題のままである。 本研究では、異種公共データセット(NASA, CALCE, ISU-ILCC)から得られた電圧容量と容量サイクル軌道の連続表現に基づく電池寿命解析のための統一的なフレームワークを提案する。 連続的な定式化により、曲率、プラトー長さ、膝関連メトリクスを含む劣化記述子を一貫した抽出が可能となり、データセット固有の離散化に対する感度が低下する。 250以上の細胞で、膝の発症と終末期(Pearson 0.75-0.84)の統計的に有意な相関が観察された。 追加の早期分析により、膝に関連する特徴が部分軌跡から推定された場合の予測値を維持することが確認された。 初期のモデルでは、観測サイクルの数が増加するにつれて、より安定したRUL予測が提供され、最初の5～20サイクルで有意義な予測性能が出現し、データセット間のドメインシフトの下では堅牢である。 このフレームワークは、継続的モデリング、特徴抽出、不確実性を考慮した予測を統合し、異種データセットタイプ間の堅牢性を示す解釈可能でデータセット一貫性のあるアプローチを提供する。 従来の離散的手法や特徴的手法と比較して,提案手法はサンプリング分解能に対する感度を低減し,データセット間の整合性を向上させる。 この研究は、実験室スケールのデータセットとキャパシティベースの終末定義に限られている。

関連論文リスト

• Hybrid Deep Learning with Temporal Data Augmentation for Accurate Remaining Useful Life Prediction of Lithium-Ion Batteries [10.601010008014587]
  CDFormerは、畳み込みニューラルネットワーク、深い残留収縮ネットワーク、トランスフォーマーエンコーダを統合するハイブリッドディープラーニングモデルである。 正確で信頼性の高い予測を提供し、効果的なバッテリヘルスモニタリングとデータ駆動メンテナンス戦略をサポートする。
  論文  参考訳（メタデータ） (2026-03-28T08:19:28Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• Relational Conformal Prediction for Correlated Time Series [56.59852921638328]
  時系列における不確実性定量化の問題を相関配列を利用して解決する。 共形予測フレームワークと量子レグレッションに基づく分布自由な新しい手法を提案する。 我々の手法は正確なカバレッジを提供し、関連するベンチマークで最先端の不確実性定量化を実現する。
  論文  参考訳（メタデータ） (2025-02-13T16:12:17Z)
• State-of-Health Prediction for EV Lithium-Ion Batteries via DLinear and Robust Explainable Feature Selection [14.672460390509334]
  電気自動車(EV)に適した、説明可能な、データ駆動型健康状態予測(SOH)フレームワークを提案する。 我々は、電圧、電流、温度、時間プロファイルから20種類の有意な特徴を抽出し、ピアソン相関法とシェープリー加法説明法(SHAP)を用いて鍵となる特徴を選択する。 SHAPによる選択は複数の細胞に一貫した機能的重要性をもたらし、細胞間変動(CtCV)を効果的に捉える
  論文  参考訳（メタデータ） (2025-01-20T15:28:20Z)
• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 この設定では、一般化されたクロスバリデーション推定器(GCV)がサンプル外リスクを正確に予測できないことを示す。 さらに、テストポイントがトレーニングセットと非自明な相関を持つ場合、時系列予測でしばしば発生する設定にまで分析を拡張します。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Cerberus: A Deep Learning Hybrid Model for Lithium-Ion Battery Aging Estimation and Prediction Based on Relaxation Voltage Curves [7.07637687957493]
  本稿では,ディープラーニングに基づくキャパシティ老化推定と予測のためのハイブリッドモデルを提案する。 提案手法は, チャージサイクルと放電サイクルを含む新しいデータセットに対して, 様々な速度で検証する。
  論文  参考訳（メタデータ） (2023-08-15T15:07:32Z)
• Interpretable Battery Cycle Life Range Prediction Using Early Degradation Data at Cell Level [0.8137198664755597]
  量的回帰フォレスト(QRF)モデルを導入し、不確かさを定量化してサイクル寿命範囲を予測する。 データ駆動方式は, 電池劣化機構の最小限の知識で, 電池サイクル寿命のポイント予測を行う手法として提案されている。 最終QRFモデルの解釈可能性については,2つの大域的モデルに依存しない手法を用いて検討した。
  論文  参考訳（メタデータ） (2022-04-26T16:26:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。