机理分辨的分数阶–Volterra 热危害筛查模型：因果记忆通道、PDE 迁移与 NIST 热中断排序

《Journal of Hazardous Materials Advances》：Mechanism-resolved fractional–Volterra modeling for thermal-hazard screening

　　

机理分辨的分数阶–Volterra 建模用于热危害筛查。因果热模型分离分数阶持续性（fractional persistence）与延迟储库回归（delayed-reservoir return）。数值验证与偏微分方程（PDE）迁移区分拟合与物理机制。归一化干预时机将 NIST 即发点火曲线下面积（AUC）提高至 0.881。在 42 记录电池预测审计中，持续性（persistence）优于记忆模型。校正后的稳定性边界为 10.44；加热器停止时间仍未验证。

论文解读：作者 Maha Moussa、Sayed Youssef、Khater Gad、A. Nafea 围绕热危害筛查提出机理分辨的分数阶–Volterra 模型族。经典 Fourier 热传导在局部平衡和短记忆本构行为下有效，但异质、多孔、分层、相变或跨尺度系统可能出现长尾松弛、异常输运和延迟热释放，因此需要分数阶或记忆感知描述。锂电池热行为已有实验约束降阶模型、网络模型、不确定性分析和分数阶电热模型；NIST 也表征电池火灾风险并量化安全阀破裂（safety-valve breakage, SVB）后的热中断窗口。问题在于，NIST 热中断实验中部分延迟点火病例在加热器移除后表面温度先降后升，这与未解析内部热释放超过后续热损失一致，但不能识别 Volterra 核或分数阶本构律。该研究因此构建因果三区模型族，将分数阶持续性、延迟储库回归、保守空间交换、非线性热损失和随机扰动分离，并开展数值验证、非族偏微分方程（PDE）迁移和电池热中断排序。其意义在于把“拟合优度”与“物理机制识别”区分开，为有限时域预失控/中断筛查和后加热持续性或回弹提供条件性工具。

技术方法概述：研究人员采用 Caputo 分数阶随机微分方程与因果指数 Volterra 记忆状态，构造三区网络，包含局部传导矩阵、图拉普拉斯空间交换、tanh 环境恢复和乘性噪声。数值上使用隐式乘积积分求解器、精确指数记忆递推、制造解验证、嵌套 Brownian 路径自收敛和几何 Brownian 端点检验。模型判别比较经典 RC、仅分数阶、仅 Volterra 和组合模型，并以贝叶斯信息准则（BIC）惩罚复杂度。外部测试使用 90 单元三层非线性 PDE 迁移。电池队列来自已发表 NIST 圆柱锂离子电池热中断实验，主分析使用 51 个中断加热实验，轨迹留出使用 42 个非即发记录；辅助队列为 NOAA ERSST.V3B Ni?o 1+2 月度海温记录。还进行敏感性、重复激发可识别性、条件随机化和影响分析。

研究结果如下。5.1 确定性与随机数值验证：通过制造解，平滑状态和弱正则态最终收敛阶分别约 1.00 和 0.95；嵌套 Brownian 自收敛斜率 0.87；几何 Brownian 端点强、弱均值斜率 0.71 和 0.99，支持数值实现。5.2 合成恢复与四模型机制判别：在分数–Volterra 真实机制下，全模型中位留出均方根误差（RMSE）为 0.006，经典 RC 为 0.049，BIC 每次选择全模型；在经典 RC 真实机制下，经典 RC 在 95% 复现中被选，说明选择程序可恢复简单结构。5.3 非族非线性 PDE 验证与迁移：生成 PDE 不含分数阶或显式 Volterra；BIC 在 100% 复现中选择仅分数阶，但组合模型获得最低中位 PDE 留出 RMSE 0.046 和最低未重新拟合迁移 RMSE 0.213，说明分数阶项可作为有效代理，而非直接物理证据。5.4 锂离子电池热中断结果：NIST 中断加热子集含 20 个无点火、23 个延迟点火、8 个即发点火。归一化干预时机的格式分层 AUC 为 0.881，原始干预时间为 0.634，配对 AUC 差 0.247；有序、状态荷电（SOC）调整、不确定性传播、留一影响和精确条件随机化支持该方向。42 记录轨迹留出中，原始 Volterra 相对一态 RC 的 60 s RMSE 中位降低 1.69°C；但观测条件审计中，持续性中位 RMSE 为 4.62°C，Volterra 为 13.45°C，故未建立竞争性预测优势。5.5 辅助 NOAA 跨域基准：在四个机制候选中，验证 BIC 选经典 RC，仅分数阶盲测 RMSE 最低，为 0.961°C，而 RC 为 1.049°C；但锁定 1950–1989 气候态更好，盲测 RMSE 为 0.801°C，因此仅支持分数阶持续性优于 RC 的窄结论。5.6 记忆机制实际可识别性：(??,?_v) 与 (?_v,??) 近优区强相关；增加受控脉冲后，(??,?_v) 的 95% 信息椭圆面积减少 26.7%，相关从 0.88 降至 0.79；(?_v,??) 面积仅减少 6.4%，相关仍约 0.97；低频复合增益 ??₀=?_v/?? 更稳定。5.7 主随机响应与机制消融：主运行使用 350 路径、??=0.82、????=0.025，最终均值范数 0.1143，保留归一化二次存储为初始值的 0.92%；移除时间记忆降低积分存储，移除空间非局部性增加积分存储，移除环境恢复产生最大增加。5.8 分数阶与随机强度敏感性：降低分数阶增加持续性；改变 ?? 对最终均值范数影响小，但增加路径离散。5.9 热损失与噪声模型敏感性：tanh、Newton 和 Newton 加辐射恢复律的积分存储差约 1.3%；乘性噪声换为匹配加性噪声后，积分存储从 0.4772 增至 0.4844，保留存储从 0.92% 增至 1.10%，仍保持耗散。5.10 有限时域稳定裕度与记忆–空间交互：精炼时间记忆扫描给出 ??^?=14.55，路径 bootstrap 95% 区间 14.51–14.59；嵌套计算将转变置于 14.43–14.51，因此报告有限时域交叉近 14.5；更强保守空间交换将 ??_q=1 转变小幅推向更大记忆反馈。5.11 渐近特征边界与有限时域交叉：确定性局部稳定性需包含 tanh 雅可比，定义 ??₀=??+?_s???????，??₀=?0.6527019202；零频交叉为 ?^?_v,∞=?????₀=0.7832423042，??^?_∞=10.44。先前 9.00 漏掉 ????? 雅可比，已校正；该边界是确定性线性化，不是随机均方稳定阈值，有限时域交叉 14.5 未变。

讨论部分总结：科学解释支持将四种降阶表述视为竞争模型，而非假定组合分数–Volterra 形式必然优选。组合模型在两种记忆机制生成数据时被恢复，经典 RC 在经典真实机制下被恢复；非族 PDE 中组合模型原始迁移误差最低，但 BIC 选择更简约的仅分数阶模型，说明存在有效代理压缩。NIST 分析评估特征时间归一化对事件级排序的作用，在参考延迟不确定性、删除即发点火、SOC 调整、有序评分和精确条件随机化下方向稳健。NOAA 中分数阶持续性优于 RC，但锁定气候态优于所有机制候选。热损失和噪声敏感性表明名义耗散结果在所考察范围内不特定于 tanh 项或乘性噪声。重复激发选择性改善可识别性，但 ?_v 与 ?? 仍强相关，复合增益 ??₀=?_v/?? 更可识别。基线审计表明，Volterra 相对一态 RC 的小幅族内优势在观测条件后仍存在，但持续性和局部趋势更具竞争力；原始拟合轨迹存在非零截断误差，重建截断时间不确定，排除即发记录和缺失热电偶记录限制泛化。与热风险筛查的相关性在于：安全评估需区分快速被动松弛与持续或延迟热负荷；保留存储交叉不是毒性终点、点火温度或通用安全阈值；校正确定性边界 10.44 可先于模拟有限时域交叉 14.5；有限时域状态演化和实验验证干预窗口是筛查量。局限包括：分数阶和 Volterra 项是现象学降阶通道，无一对应；模型无 Arrhenius 反应源，不是完整自加速热失控起始模型；NIST AUC 增加验证的是归一化排序规则，而非 ??、?_v、??；即发点火仅 8 例；非族 PDE 显示分数阶可作为代理；NOAA 仅为标量辅助基准；重复激发下 ?_v 与 ?? 仍强相关。

研究结论翻译：开发了一个机理分辨的分数阶–Volterra 模型族用于热危害筛查，其中“机理分辨”指数学降阶通道的分离，而非电池化学的一一识别。制造解收敛、嵌套 Brownian 自收敛、精确随机端点、模型判别和非族 PDE 迁移支持数值实现，同时显示分数阶动力学可作为有效代理，而非直接物理证据。在 51 个 NIST 热中断实验中，特征时间归一化将格式分层即发点火 AUC 从 0.634 提高至 0.881，不确定性、影响、有序、SOC 调整和精确条件随机化分析支持增益方向。单独的 42 记录重建截断轨迹分析揭示更窄结果。原始未锚定 Volterra 对一态 RC 比较的配对中位 60 s RMSE 降低 1.69°C，但附加观测条件审计发现持续性中位 RMSE 为 4.62°C，Volterra 为 13.45°C。因此，小的族内优势不建立竞争性预测。近经典拟合分数阶以及 ??=1 的 Volterra 特化与双模线性松弛模型精确等价，阻止识别独特非经典电池记忆机制。校正确定性稳定边界为 10.44，而原始随机有限时域交叉仍近 14.5；这些是不同端点。重复激发表明复合增益 ?_v/?? 比其组成强度和衰减参数更好识别。因此，该框架最好视为数值验证和条件筛查工具。化学特异性点火预测需要验证事件时序、多通道装置校准和显式反应动力学。