太原理工大学人工智能学院王莉教授团队在电池寿命早期预测领域研究成果被CCF A类会议ICML 2026录用

近日，太原理工大学人工智能学院王莉教授团队在电池寿命早期预测领域研究论文《DITING: A Weak Degradation Listener for Battery Lifetime Early Prediction》被国际机器学习大会ICML 2026录用。太原理工大学为该论文唯一完成单位，王莉教授为通讯作者，博士研究生苗昊为论文第一作者，博士研究生张妮为共同第一作者，博士研究生宁泽飞为合作者。

电池寿命早期预测对于新能源汽车、储能系统和智能装备的安全评估、健康管理与运行维护具有重要意义。然而，在电池使用早期，退化信号通常较为微弱，且易受测试波动、工况变化和随机噪声影响，实现准确、稳定的寿命预测面临挑战。

针对上述问题，该论文提出了一种受生物双耳效应启发的电池寿命早期预测方法DITING。该方法借鉴双耳听觉系统通过左右通道差异增强感知可靠性的机制，不再简单地将噪声视为需要完全滤除的干扰，而是通过构建稳健的健康状态原型，为早期电池状态建立结构化参照；在此基础上，进一步提取相对于健康原型的退化残差，并设计三重耦合退化显化机制，构建左右对称的动态响应结构，从而抑制随机噪声对退化表征的影响，使具有方向一致性的真实退化信号表现为稳定的双侧差异特征。

大量数据实验结果表明，DITING 能够在高噪声背景下有效捕捉早期弱退化特征，并提升电池寿命早期预测的准确性与稳定性。该研究将差异感知机制引入弱退化建模，为复杂工业系统高噪声场景下的退化信号提取以及新能源电池寿命早期预测提供了新的研究思路。

该项研究得到国家自然科学基金委区域创新发展联合基金项目（U22A20167）和山西省科技成果转化引导专项项目（202404021301033）的资助。