共计 863 个字符，预计需要花费 3 分钟才能阅读完成。
电动汽车（EV）作为可持续交通的支柱，其广泛应用面临着一个关键的安全挑战：锂离子电池（LIB）中的锂枝晶现象。锂枝晶现象发生在锂离子在电池负极表面积累，而非正常嵌入石墨结构时。这种现象通常在快速充电、低温或高充电状态下发生，可能导致电池容量迅速衰减，甚至引发灾难性安全事故。传统的检测方法要么需要专用设备，要么在实际应用中缺乏足够的准确性。上海理工大学的研究人员现已开发出一种可行的解决方案，可以优化电动汽车电池的安全监控。
这项新研究引入了一种基于随机森林机器学习算法的智能锂枝晶检测和预警系统。这种创新方法通过分析脉冲充电期间收集的数据，识别出表明锂枝晶正在发生的细微电信号特征。该方法的独特之处在于，仅通过外部电测量即可以超过 97.2% 的准确率检测锂枝晶现象。这意味着该技术可以在不修改现有电池系统的情况下实施。
- 
- 
- 
- 
- 
- 
该研究的关键创新之一是将有限的电池数据转化为丰富的多维特征的特征提取方法。研究人员证明，仅使用单一特征时检测准确率仅为 68.5%，而他们的多维方法将准确率提高到了 97% 以上。该系统分析脉冲充电期间的归一化内阻模式和弛豫电压特性，提取出在锂枝晶现象变得危险之前就表明其存在的细微模式。这种早期检测能力可以防止电池退化以及潜在灾难性安全事故的发生。该技术可立即应用于电动汽车制造商和电池管理系统开发商。由于它仅需要标准的电测量，因此可以作为软件更新部署到现有的电池管理系统中，或在基于云的监控平台上实施。
展望未来，研究人员计划扩展其数据集，以包括不同类型的锂离子电池，增强模型在各种电池化学和形态因素中的通用性。这将使该技术不仅适用于电动汽车，还适用于储能系统、消费电子产品和其他依赖锂离子技术的应用。该团队还在探索如何将该技术与快速充电协议集成，以根据实时锂枝晶风险评估动态调整充电参数，从而在不妨碍电池寿命或安全性的情况下实现更快的充电。
随着电动汽车在全球范围内继续取代内燃机，像这种智能锂枝晶检测系统这样的技术将在确保向电动交通的过渡不仅对环境有益，而且对所有用户来说都是安全可靠的过程中发挥至关重要的作用。
