論文の概要: Single-Cycle Battery Remaining Useful Life Prediction with Compressed Continuous Wavelet Features and Deep Neural Networks

• arxiv url: http://arxiv.org/abs/2610.34159v1
• Date: Sun, 25 Oct 2026 08:40:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.549223
• Title: Single-Cycle Battery Remaining Useful Life Prediction with Compressed Continuous Wavelet Features and Deep Neural Networks
• Title（参考訳）: 圧縮連続ウェーブレット特徴とディープニューラルネットワークを用いた一サイクル電池の寿命予測
• Abstract要約: リチウムイオン電池は工業用途で広く使われているが、性能は徐々に低下している。 最近のデータ駆動型アプローチは、初期の数サイクルのみからバッテリーの寿命のサイクルを予測することを目指している。 本稿では,サイクルワイド電圧,電流,キャパシティ信号を時間周波数の表現に変換する連続ウェーブレット変換を提案する。
• 参考スコア（独自算出の注目度）: 6.352312888564462
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Lithium-ion batteries are widely used in industrial applications, but their performance gradually degrades over time, making accurate lifetime prediction important for safety and reliability. However, reliable lifetime assessment generally requires extensive degradation testing, which is both costly and time-consuming. To reduce this burden, recent data-driven approaches have sought to predict the end-of-life cycle of batteries from only the initial few cycles. Nevertheless, identifying reliable degradation patterns from such limited early-cycle data remains challenging because early aging dynamics are often subtle and nonlinear. To address this issue, we adopt the continuous wavelet transform to convert cycle-wise voltage, current, and capacity signals into time-frequency representations, enabling multi-resolution characterization of degradation behavior. Building on this representation, we apply scale compression to reduce redundancy while preserving structural information in the scalograms. We evaluate the proposed framework on eight benchmark datasets derived from seven public battery datasets covering diverse electrode chemistries, cell form factors, and cycling protocols. Experimental results show that the proposed framework consistently outperforms prior approaches in single-cycle remaining useful life prediction and remains robust as the number of input cycles increases from 1 to 100. In addition, redundancy-fidelity analysis characterizes the trade-off introduced by scale compression, and gradient-based visual explanations indicate that the model focuses on localized time-frequency regions associated with structured signal transitions during charge-discharge operation. These results demonstrate the effectiveness and interpretability of the proposed framework for early-cycle battery remaining useful life prediction.
• Abstract（参考訳）: リチウムイオン電池は工業用途で広く使われているが、その性能は徐々に低下し、安全性と信頼性の面で正確な寿命予測が重要である。 しかし、信頼性のあるライフタイムアセスメントは一般的に、コストと時間の両方がかかる大規模な劣化テストを必要とする。 この負担を軽減するため、最近のデータ駆動型アプローチでは、初期の数サイクルのみからバッテリーの寿命を予測しようと試みている。 しかし、初期の老化ダイナミクスは微妙で非線形であるため、そのような制限された初期サイクルデータから信頼性の高い劣化パターンを特定することは依然として困難である。 この問題に対処するため、サイクルワイド電圧、電流、容量信号を時間周波数表現に変換するために連続ウェーブレット変換を導入し、劣化挙動のマルチレゾリューション解析を可能にする。 この表現に基づいて,頭蓋骨の構造情報を保存しながら,冗長性を低減するためにスケール圧縮を適用した。 本研究では, 各種電極化学, セル形成因子, サイクリングプロトコルをカバーする7つの公開電池データセットから得られた8つのベンチマークデータセットについて, 提案フレームワークの評価を行った。 実験の結果, 提案手法は, 1サイクルの寿命予測において, 従来手法よりも常に優れており, 入力サイクルの数が1から100に増加するにつれて, 頑健であることがわかった。 さらに, スケール圧縮によるトレードオフを特徴付け, 勾配に基づく視覚的説明から, 電荷放電時の構造信号遷移に伴う局所的な時間周波数領域に着目したモデルであることが示唆された。 これらの結果は, 早期サイクル電池の寿命予測におけるフレームワークの有効性と解釈性を示すものである。

関連論文リスト

• ITSY: Causal Discovery From Irregular Time-Series Data [52.81244148804183]
  ITSYは線形モデルの下で不規則時系列から因果発見のための最初の連続最適化手法である。 重み付けされた再構成目標は、この再構成によって引き起こされる雑音変換を補正する。 結果は不規則線形一階力学の集中解を確立する。
  論文  参考訳（メタデータ） (2026-09-20T10:10:07Z)
• Cycle-World: Mitigating Error Accumulation in Long-term Video World Models via Reverse-Prediction Cycle Consistency [123.12549538776109]
  Cycle-Worldは、安定的で時間的に一貫した長ビデオ生成のために設計されたフレームワークである。 提案手法は,トレーニング段階と推論段階の両方に厳密な時間的可逆性を付与することにより,誤差の漂流に対処する。 VBenchベンチマークの実験では、Cycle-Worldの2相相相のシナジーがエラードリフトを著しく緩和することを示した。
  論文  参考訳（メタデータ） (2026-07-13T17:27:13Z)
• Continuous ageing trajectory representations for knee-aware lifetime prediction of lithium-ion batteries across heterogeneous dataset [0.0]
  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。
  論文  参考訳（メタデータ） (2026-04-17T14:22:54Z)
• A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting [81.73338008264115]
  時系列予測の現在のアプローチは、時間領域であれ周波数領域であれ、主に線形層やトランスフォーマーに基づいたディープラーニングモデルを使用する。 本稿では,多種多様な時系列を数学的に抽象化する統合周波数領域分解フレームワークFIREを提案する。 火は長期予測ベンチマークで最先端のモデルを一貫して上回る。
  論文  参考訳（メタデータ） (2025-10-11T09:59:25Z)
• 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)
• Enhancing Data Efficiency and Feature Identification for Lithium-Ion Battery Lifespan Prediction by Deciphering Interpretation of Temporal Patterns and Cyclic Variability Using Attention-Based Models [2.47152718796794]
  より浅い注意層を基礎モデルに統合する3つの革新的なモデルを紹介します。 提案手法はキーサイクルを効果的に識別し,より高速な予測を行うための入力サイズを戦略的に削減する。 改良されたモデルでは高い回帰能力を示し,58サイクルの平均偏差で高速キャパシティフェードの開始を正確に予測した。
  論文  参考訳（メタデータ） (2023-11-17T02:30:19Z)
• Digital Twin for Real-time Li-ion Battery State of Health Estimation with Partially Discharged Cycling Data [16.637948430296227]
  リチウムイオン電池(LIB)の健康状態(SOH)推定は劣化特性と密接な関係がある。 提案したディジタルツインソリューションは、リアルタイムなSOH推定を可能にする3つのコアコンポーネントから構成される。 本手法は, サイクル中のサンプリング時間の大半に対して, 誤差が1%未満のリアルタイムSOH推定を行う。
  論文  参考訳（メタデータ） (2022-12-09T01:30:10Z)
• 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)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。