这篇文档属于类型a,即报告了一项原创性研究。以下是针对该研究的学术报告:
作者及发表信息
本研究由Yu Chang(中国科学技术大学精密机械与精密仪器系)、Yu Cheng(中国科学院深圳先进技术研究院仿生传感与智能中心)、Rui Jia(中国科学院深圳先进技术研究院先进储能技术研究中心)等来自中国科学技术大学、中国科学院深圳先进技术研究院、丹麦奥胡斯大学等机构的学者共同完成,发表于National Science Review期刊(2025年4月25日在线发表,DOI: 10.1093/nsr/nwaf151)。
学术背景
研究领域:本研究属于锂离子电池(Lithium-ion Batteries, LIBs)的原位监测技术领域,聚焦于开发一种新型的离子电子学传感(iontronic sensing)装置,用于实时监测电池内部的物理化学事件。
研究动机:
1. 问题背景:锂离子电池在快充过程中易出现锂枝晶(Li dendrites)生长、固体电解质界面(Solid Electrolyte Interphase, SEI)增厚等问题,导致容量衰减和安全隐患。传统的光学监测手段(如光纤布拉格光栅传感器,FBG)因材料脆性、系统复杂性和兼容性不足难以长期稳定工作。
2. 技术瓶颈:现有柔性传感器在腐蚀性电解液中稳定性不足(通常仅能维持数小时),且封装材料易被电解液渗透。
3. 目标:开发一种无需封装、与电池材料兼容的原位传感装置,实现长期稳定的压力监测,以评估电池老化状态并预警安全隐患。
研究流程与方法
1. 传感装置设计与制备
- 核心机制:基于超级电容电极/电解质界面的离子电子学压力传感原理,利用电池现有材料(如聚丙烯隔膜、金电极)构建传感单元。
- 关键组件:
- 压力传感单元:环形叉指电极覆盖微结构聚丙烯(PP)薄膜,压力通过PP微结构变形改变电极/电解质接触面积,从而调节电容输出。
- 参考单元:直接暴露于电解质的电极,用于实时监测电解质离子电导率(Unit Area Capacitance, UAC),补偿电解液性质变化对压力信号的干扰。
- 制备工艺:
- 微结构PP薄膜:通过热压法在粗糙喷砂金属板上成型(150°C,10 MPa,40分钟),激光切割出中心参考单元暴露区域(直径1.7 mm)。
- 柔性电极:采用传统蚀刻技术制备多层结构(PI基底/铜电路/镍镀层/金镀层),金层直接接触电解液以防止腐蚀。
2. 性能验证实验
- 机械性能测试:
- 灵敏度达0.1 nF/kPa(<200 kPa),线性度>0.99,可检测1 pF的背景噪声。
- 在1300 kPa高压下仍保持稳定,塑性变形率<0.5%。
- 长期稳定性测试:
- 对比四种弹性体(PDMS、TPU、EVA、PP)在电解液中的稳定性,仅PP因结晶结构抗溶剂渗透,30天后杨氏模量无变化。
- UIS装置在电解液中连续工作1个月(400次充放电循环)无性能衰减,而传统封装柔性传感器因电解液渗透导致功能失效(如石墨/聚合物复合电阻传感器30天后信号衰减99%)。
3. 锂离子电池集成与监测
- 实验设置:
- 将UIS装置植入软包电池(LiFePO₄正极/石墨负极),置于定制夹具中与外部负载细胞同步监测压力。
- 充电速率测试范围:0.5 C至3 C,加速老化实验(400次循环)。
- 数据分析:
- 通过压力变化率(dP/dQ)识别锂枝晶生长(如3 C充电时dP/dQ超过阈值)。
- 结合SEM验证阳极表面SEI层和锂枝晶的形貌变化。
主要结果
- 压力监测准确性:UIS装置与外部负载细胞的压力曲线高度吻合(图3f),可捕捉石墨阳极插层(LiC₆→LiC₁₂→LiC₁₈)导致的非线性体积变化(图3g)。
- 快充预警:3 C充电时压力振幅达32.5 kPa(0.5 C时为28.5 kPa),且压力曲线不对称性表明不可逆锂沉积(图4c)。SEM显示阳极表面出现苔藓状锂枝晶(图4g)。
- 老化分析:400次循环后,电池容量衰减至30%,压力波动振幅以-0.018 kPa/cycle的速率下降,反映活性锂的持续消耗(图5c)。
结论与价值
科学价值:
- 提出首个基于电池自身材料的原位离子电子学传感机制,突破了传统传感器在腐蚀环境中的稳定性瓶颈。
- 揭示了压力信号与锂枝晶生长、SEI增厚的定量关系,为电池健康状态(State of Health, SOH)评估提供了新指标。
应用价值:
- 无需额外封装,可直接集成至商用电池生产线,成本低且兼容现有工艺。
- 为电动汽车快充安全预警和储能电站寿命管理提供了可靠工具。
研究亮点
- 材料创新:利用电池现有材料(PP隔膜、金电极)构建传感界面,无需引入不稳定物质(如水凝胶)。
- 长期稳定性:在电解液中连续工作1个月无衰减,覆盖电池全生命周期。
- 多参数补偿:通过参考单元实时校正电解液电导率变化,提升压力监测准确性。
其他价值
- 该技术可扩展至其他电池体系(如NCM三元电池,图S19),具有普适性。
- 结合深度学习算法,压力分布图谱可进一步优化SOH预测模型(图S11)。
(注:文中所有专业术语首次出现时均标注英文原词,如“离子电子学(iontronic)”“固体电解质界面(SEI)”等。)