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
Sourav Das, Arka Goswami, Subhajit Kar
2026-07-01

фильтр Калманацифровой двойниклитий-ионная батареяобучение с учетом физических законовоценка состояния здоровья
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.
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.

литий-ионные аккумуляторы из наборов данных NASA (B0033, B0034 и B0036), подвергающиеся деградации

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
Access Type
Author Information
Authors
Sourav Das
Arka Goswami
Subhajit Kar
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%