Архитектура цифрового двойника с усовершенствованием на основе трансформера для надежного и интерпретируемого прогнозирования состояния здоровья литий-ионных аккумуляторов
Transformer-Enhanced Digital Twin Architecture for Robust and Interpretable Lithium-Ion Battery State-of-Health Prognostics
2026-07-01
SCID: 54.1/yzd42nup
Discuss with AI
фильтр Калманацифровой двойниклитий-ионная батареяобучение с учетом физических законовоценка состояния здоровья
Figures from the paper
Abstract (AI)
Точная оценка состояния здоровья аккумулятора (SOH) необходима для надежной эксплуатации электромобилей. В статье представлена унифицированная архитектура цифрового двойника, объединяющая моделирование последовательностей на основе механизма внимания с обучением с учетом физических закономерностей для надежного прогнозирования SOH. Для повышения устойчивости отслеживания в условиях нелинейной деградации включена коррекция на основе фильтра Калмана. Архитектура также предусматривает визуализацию и анализ неопределенности для повышения интерпретируемости. Экспериментальные результаты, полученные на наборах данных NASA по литий-ионным аккумуляторам (B0033, B0034 и B0036), демонстрируют по сравнению с традиционными методами более высокие точность прогнозирования и устойчивость, а также лучшую обобщающую способность между аккумуляторами. Практическая применимость системы для мониторинга, оценки остаточного срока полезного использования и принятия решений с учетом рисков дополнительно подтверждена панелью мониторинга на основе искусственного интеллекта, работающей в реальном времени.
Key Findings
1
Уточнение на основе фильтра Калмана повышает стабильность отслеживания SOH при нелинейной деградации батарей.
2
Работающий в реальном времени ИИ-дашборд демонстрирует практическую применимость для мониторинга батарей и оценки оставшегося срока службы.
3
Единая архитектура цифрового двойника объединяет моделирование последовательностей с механизмом внимания и физически обусловленное обучение для прогнозирования SOH литий-ионных батарей.
4
Эксперименты на наборах данных NASA B0033, B0034 и B0036 показывают повышение точности прогнозирования, стабильности и обобщения между батареями по сравнению с традиционными методами.
5
Визуализация и анализ неопределённости повышают интерпретируемость прогнозов SOH и поддерживают принятие решений с учётом рисков.
Research Object
литий-ионные аккумуляторы из наборов данных NASA (B0033, B0034 и B0036), подвергающиеся деградации
Research Subject
робастное и интерпретируемое прогнозирование состояния здоровья, стабильность отслеживания, неопределённость и обобщение между аккумуляторами в процессе деградации
Publication Details
Publication Date
2026-07-01
Journal
Publisher
ISSN
Cited by
0
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest