🔍 耿同学打假报告

论文信息

• 标题：Estimating the Temperature Distribution of Pouch-Type Li-Ion Batteries Based on a Distributed-Parameter Electrothermal Coupling Model
• 作者：Jiale Xie, Mingyu Song, Zongyang Song, Zhongbao Wei, Zhekang Dong
• 期刊：IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS (TIE)
• DOI：10.1109/TIE.2026.3690860
• 发表年份：2026 (Early Access / In press)
• 论文来源：Estimating_the_Temperature_Distribution_of_Pouch-Type_Li-Ion_Batteries_Based_on_a_Distributed-Parameter_Electrothermal_Coupling_Model.pdf

综合评定：✅ 清白

详细发现

本次检测基于“耿同学六式”对这篇关于软包锂电池二维分布参数电热耦合模型的 IEEE TIE 论文进行了全面审查。由于仅提供文本与公式内容，无法进行像素级图片分析，但在数据逻辑、时间线和统计特征上，本文表现出了极高的严谨性。

发现 1：数据逻辑自洽，未发现“随机数生成器”造假痕迹

• 位置：Table I (Page 9) / Section IV.B
• 描述：对论文中的温度仿真误差数据进行了数学自洽性检验。文本声称 T1, T5, T8 的平均绝对误差（MAE）分别为 0.23, 0.11, 0.16。
• 证据：
  1. Table I 中的 RMSE 均大于对应的 MAE（如 T1: 0.2267 > 0.1502），符合均方根误差与绝对误差的数学关系；最大绝对误差也均大于 RMSE，完全合法。
  2. 数据的末位数字没有出现过度集中于 0/5 的情况，具有真实测量和计算带来的随机性特征。
  3. 论文坦承了模型在 2C 高倍率放电下存在微小偏差，并在文中给出了合理的物理解释（SEI 膜再生或锂枝晶生长），这种“承认不完美”的写法通常比“全图满分”的论文更可信。
• 严重程度：✅ 正常

发现 2：时间线严丝合缝，未触发“穿越”预警

• 位置：References / 文章首页收稿日期
• 描述：基于当前日期（2026-06-04）核对论文的实验、成文与引用时间线。
• 证据：
  1. 审稿周期合理：论文收稿于 2025-10-26，修回于 2026-03-27，录用于 2026-04-28。作为 IEEE 顶级期刊，半年左右的审稿周期非常符合常理。
  2. “未来文献”现象解释合理：参考文献中出现了 2026 年发表的文献（如 Ref [5] 和 [15] 的 J. Power Sources, vol. 663, 2026）。由于本文在 2026 年 3 月经历了一次大修，作者在修回时补充了最新上线的 2026 年文献，这在学术出版中极为常见，非但不是造假，反而体现了严谨的文献追踪。
• 严重程度：✅ 正常

发现 3：方法学描述前后一致，无内部矛盾

• 位置：Section II - Section IV
• 描述：交叉比对实验设置与模型参数。
• 证据：
  1. 实验声称使用了 8 个 T型热电偶，分布在表面，并在验证部分选取了 T1, T5, T8 三个代表点进行展示。这与前后文完全对应。
  2. 模型提到了 \(3 \times 3\) 的网格离散化，讨论部分也明确提到了单步仿真时间小于 20ms，这在工程计算逻辑上是自洽的。
• 严重程度：✅ 正常

发现 4：未触发图片拼接与复用检测

• 位置：全篇图片说明
• 描述：由于输入内容为纯文本提取版，文本中未提供可供图像法医分析的原始像素信息，无法确认是否存在 Western Blot 条带复用或 PS 拼接痕迹。
• 证据：根据图片注释和上下文逻辑推断，文中的热成像图和曲线图均是为了展示不同倍率下的温度分布，从行文逻辑上看不出刻意重复使用图片的动机。
• 严重程度：⚪ 无法基于文本判断（客观局限）

耿同学辣评

做电池电热耦合模型的文章，能像这样把等效电路、热阻热容网络和实验台的搭建写得如此逻辑闭环，确实见功夫。没搞出那种“Excel 拉出来一条平滑到底的完美曲线”，而是老老实实交代了误差和局部热点，这就很专业！虽然因为只有文本，耿同学的“火眼金睛”没法扫描你的红外热成像图是不是 P 的，但单从数据和行文逻辑来看，这属于一篇硬核且干净的工程论文。继续保持，发 TIE 妥妥的凭实力！

建议后续行动

• 无需联系作者提供原始数据（未发现异常）
• 无需在 PubPeer 上提出质疑
• 建议读者放心引用该文献的模型方法

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。
特别说明：本次检测受限于纯文本输入，无法对像素级造假（如图片翻转、局部克隆）进行判定。本评定仅基于文本逻辑、数学自洽性和时间线做出的“文本级清白”判定。