基于KAN-Koopman的电池热异常快速检测及诊断保证
系统与控制
2026-03-23 v2 系统与控制
摘要
电池热异常的早期诊断对于通过防止灾难性热失效来确保安全可靠的电池运行至关重要。电池诊断主要依赖于电池表面温度测量和/或核心温度的估计。然而，老化引起的电池模型变化和有限的训练数据仍然是基于模型和基于机器学习的电池状态估计和诊断的主要挑战。为了解决这些问题，我们提出将Kolmogorov-Arnold网络（KAN）与基于Koopman的检测算法相结合，利用两种方法的独特优势。首先，轻量级KAN提供无模型的核心温度估计，以确保快速检测电池热异常。其次，利用KAN估计的核心温度和电池测量的表面温度实时学习Koopman算子，为诊断残差生成提供核心和表面温度预测。这种在线学习方法克服了模型变化的挑战。此外，我们推导了分析条件，为我们的KAN-Koopman检测方案提供诊断保证。我们的仿真结果表明，与基线仅Koopman算法相比，所提出的算法显著减少了检测时间。
引用
@article{arxiv.2602.21155,
title = {KAN-Koopman Based Rapid Detection Of Battery Thermal Anomalies With Diagnostics Guarantees},
author = {Sanchita Ghosh and Tanushree Roy},
journal= {arXiv preprint arXiv:2602.21155},
year = {2026}
}
备注
9 pages, 1 figure, Accepted to The 2026 American Control Conference