近期，机械与汽车工程学院汽车动力部件健康监测与控制研究团队刘新田副教授作为通讯作者指导学生发表的研究成果“Structural optimization of lithium-ion battery for improving thermal performance based on a liquid cooling system入选ESI高被引论文，位列全球Engineering学术领域最优秀的1%之列。
该成果于2019发表在Elsevier旗下工程技术领域重要期刊《International Journal of Heat and Mass Transfer》（系中科院SCI分区2020年基础版工程技术大类二区Top期刊，IF=5.584）。为研究动力电池的最佳散热效果，研究团队基于单因素分析和正交试验，探究电池热性能的质量流量、入口温度、冷却板宽度等三个影响因素，设计并优化了一种变接触面锂离子电池液体冷却系统。
此外，刘新田副教授作为通讯作者指导学生取得的研究成果“Hybrid optimization strategy for lithium-ion battery's State of Charge/Health using Joint of dual Kalman filter and Modified Sine-cosine Algorithm”于2021年在Elsevier旗下工程技术领域重要期刊《Journal of Energy Storage》发表（系中科院SCI分区2020年基础版工程技术大类二区期刊）。该项研究聚焦：电池用双拓展卡尔曼滤波(DEKF)被分为状态估计滤波和参数估计滤波，电池模型为二阶RC模型。通过改进的正弦-余弦算法(SCA)优化状态估计滤波中Q, R,来改善状态估计滤波的精度(SCA-DEKF)。同时在多尺度条件下，对电池模型的参数进行在线估计。该算法对参数的初始误差有较强的校正能力，在欧姆内阻10倍误差下仍然能恢复正常值，可根据实验步长修正参数减少计算成本。
同时，团队近期还取得以下阶段性研究成果：(1) 针对随机载荷信号的不确定性问题，提出了一种将载荷信号转化为区间载荷信号的处理方法，以“Uncertainty-based analysis of random load signal and fatigue life for mechanical structures”为题发表在Springer旗下工程技术领域重要期刊《Archives of Computational Methods in Engineering》（系中科院SCI分区2020年基础版工程技术大类二区Top期刊，IF=6.73）。(2) 针对结构动力可靠度分析模型中参数的随机性、区间性和模糊性等不确定性，提出了一种混合不确定参数的结构动力可靠度模型。以“Mixed uncertainty analysis for dynamic reliability of mechanical structures considering residual strength”为题发表在Elsevier旗下工程技术领域重要期刊《Reliability Engineering & System Safety》（系中科院SCI分区2020年基础版工程技术大类二区期刊，IF=5.04）。
