研究背景与目标
各类移动载具正快速走向电动化、智能化和低碳化。载具能源系统不仅需要满足续航和动力需求，还需要综合考虑电池寿命、安全风险、出行需求、运行成本和实时控制能力。
服务对象
地面载具
飞行载具
具身智能
研究内容
1. 先进的人工智能算法：融合电池寿命、出行需求与成本的多目标优化模型。
2. 端云协同智慧管理体系： 融合人工智能模型与算法，实现端云协同管理。
3. 模型轻量化部署技术： 结合蒸馏与裁剪技术，实现模型轻量化工程部署。
应用场景
可应用于动力电池寿命预测、电池安全预警、续航能力预测与优化、智能充电策略优化、具身智能能量管理和无人机能量管理等场景。
科研成果
Jing H, Ou S*, Lv Z, et al. Battery Safety: Mechanisms, Monitoring, and Machine Intelligence[J]. Advanced Energy Materials, 2026. JCR, Q1, IF 24.4.
Lv Z, Ou S*, Jing H, et al. Self-supervised learning for electric vehicle battery remaining useful life prediction using real-world unlabeled data[J]. Energy, 2026. JCR, Q1, IF 9.0
Qi H, Ou S*, Jia Y H, et al. Cross-temporal framework for driving behavior impact on electric vehicle battery health[J]. Communications in Transportation Research, 2026. JCR Q1, IF 14.5
Jing H, Hu J, Ou S*, et al. A data-driven and physics-based model for assessing real-world usage behavior impacts on electric vehicle battery life[J]. Journal of Energy Storage, 2026, JCR Q1, IF 9.8