本文由Nan Zhou、Kunbai Wang、Xiang Shi和Zeyu Chen共同撰写，分别来自东北大学机械工程与自动化学院、振动与航空推进系统控制重点实验室、重庆理工大学汽车零部件先进制造技术重点实验室以及西安交通大学机械工程学院。该研究于2024年5月24日发表在《World Electric Vehicle Journal》期刊上，题为《基于声学特性的圆柱形锂离子电池异常高电流放电检测与分析》。

研究背景与动机

锂离子电池（LIBs）因其高效、高能量密度和广泛的应用场景，成为全球能源战略中的重要组成部分，尤其是在电动汽车（EVs）领域。然而，随着电池组规模的扩大，电池状态检测和故障预测的复杂性也随之增加。传统的电池管理系统（BMS）主要依赖于电极数据和温度监测，但在高电流放电等极端条件下，这些方法可能无法准确捕捉电池内部结构的变化。因此，开发新的监测技术以增强BMS的能力，尤其是在高电流放电条件下的早期故障检测，成为当前研究的重点。

声学监测技术作为一种非侵入性方法，能够通过分析电池发出的声学信号来检测其内部状态的变化，从而提供早期故障预警。本研究旨在探索声发射（AE）技术在高电流放电条件下的应用，通过分析声学信号的时域和频域特性，揭示电池内部结构对高电流放电的响应。

研究流程与方法

研究采用了18650型圆柱形锂镍锰钴氧化物（NMC）电池作为实验对象，电池由天津力神电池股份有限公司生产。实验在恒温25摄氏度的环境中进行，分别设置了0.5 C和3 C两种放电电流。实验系统包括一个声学分析系统，通过控制器局域网（CAN）连接上位机和电池管理系统，完成充放电循环。声学信号采集使用了NDT Xducer公司的超声波针传感器，数据采集设备为HIOKI MR6000系统。

实验流程包括以下几个步骤： 1. 数据采集：在电池的充放电过程中，同步记录电压、电流和声学信号。 2. 信号预处理：使用有限脉冲响应（FIR）滤波器对原始声学信号进行滤波，以去除噪声并提取与电池操作状态相关的声学响应。 3. 时域分析：通过分析声学信号的上升时间、信号持续时间和振幅变化范围等参数，量化不同放电电流下的声学响应。 4. 频域分析：采用快速傅里叶变换（FFT）方法，分析声学信号的频率特性，揭示电池内部结构在不同放电电流下的变化。

主要研究结果

1. 时域分析结果：在3 C高电流放电条件下，声学信号的波动更为显著，表明电池内部结构在高电流下发生了明显变化。声学信号的延迟响应与放电电流的变化密切相关，尤其是在高电流放电时，声学信号的延迟时间（∆t1）和持续时间（∆t2）显著增加。
2. 频域分析结果：在0.5 C低电流放电条件下，声学信号的中心频率振幅较高，表明电池内部结构变化较小。而在3 C高电流放电条件下，中心频率振幅显著降低，且出现了多峰现象，表明高电流放电对电池内部结构产生了较大的影响。

结论与意义

本研究通过声学诊断技术成功捕捉了锂离子电池在高电流放电条件下的内部结构变化，证明了声学信号在电池健康监测中的潜力。研究结果表明，声学信号对放电电流的变化高度敏感，尤其是在高电流放电条件下，声学信号的振幅和延迟时间显著增加，反映了电池内部结构的应力变化。这一发现为电池管理系统的优化提供了新的思路，能够通过声学信号实时监测电池的健康状态，从而提高电动汽车的安全性和可靠性。

研究亮点

1. 创新性方法：本研究首次将声发射技术应用于锂离子电池的高电流放电检测，提供了一种非侵入式的电池健康监测方法。
2. 高灵敏度：声学信号对高电流放电的响应具有高度敏感性，能够捕捉电池内部结构的微小变化。
3. 应用前景：该技术有望集成到现有的电池管理系统中，用于实时监测电池的健康状态，特别是在电动汽车等高电流应用场景中。

未来展望

未来的研究将致力于进一步优化声学诊断技术，提升其在电池管理系统中的应用效果。具体方向包括开发更高效的信号处理算法、探索声学信号与其他诊断数据的融合，以及将该技术推广到不同类型的电池和更广泛的操作条件中。通过这些努力，声学诊断技术有望成为电池健康监测领域的重要工具，推动电动汽车技术的进一步发展。