<p>科研成果隨著全球電動車市場蓬勃發(fā)展，電池安全問題日益受到關(guān)注。電池的性能和健康狀態(tài)直接關(guān)系到電動設(shè)備的運行效率和安全性。近日，嶺南大學科學教研組的助理教授唐曉鵬教授攜手上海理工大學、上海工程技術(shù)大學和同濟大學的研究團隊，在電池檢測技術(shù)方面取得了重大突破。他們的研究成果《基于小樣本學習的多場景電池阻抗譜在線生成》不僅發(fā)表在國際學術(shù)期刊《細胞報告物質(zhì)科學》上，還因其創(chuàng)新性和實用性獲得了業(yè)界的認可。</p> <p>&nbsp;</p> <p><strong>01研發(fā)背景：</strong></p> <p>電池安全至關(guān)重要鋰離子電池作為現(xiàn)代電子產(chǎn)品和電動車的核心部件，其性能穩(wěn)定性和安全性至關(guān)重要。然而，傳統(tǒng)的電池檢測方法往往需要依賴昂貴的專業(yè)儀器和復雜的管理系統(tǒng)，不僅成本高，而且檢測周期長，難以普及應用。此外，不同電池之間的溫度、老化程度和效能差異大，需要海量的數(shù)據(jù)來準確描述電池狀態(tài)，這無疑增加了檢測的難度和成本。</p> <p>&nbsp;</p> <p><strong>02創(chuàng)新方法：</strong></p> <p>小樣本學習引領(lǐng)技術(shù)革新針對上述問題，唐曉鵬教授及其研究團隊提出了一種創(chuàng)新的電池阻抗測量方法。他們采用&ldquo;小樣本學習方法&rdquo;（small-sample learning approach），通過模擬技術(shù)生成大量&ldquo;虛擬電池&rdquo;樣本數(shù)據(jù)，訓練深度學習模型。這些虛擬樣本涵蓋了多種電池狀況，包括不同的化學物質(zhì)、老化程度、剩余容量和溫度等。隨后，研究團隊再利用少量（少于30組）真實的電池樣本，對模型進行微調(diào)，最終實現(xiàn)了高精度、低成本的在線電池檢測。</p> <p>&nbsp;</p> <p><strong>03技術(shù)優(yōu)勢：</strong></p> <p>高效、低成本、高準確性這項技術(shù)的最大亮點是高效、低成本和高準確性。傳統(tǒng)的電池檢測方法需要大量數(shù)據(jù)支持或?qū)I(yè)設(shè)備，而新方法則通過小樣本學習和深度學習模型，顯著降低了檢測成本和時間。通過該方法獲取的檢測結(jié)果誤差低至百分之五，優(yōu)于大多數(shù)需要海量訓練數(shù)據(jù)的同類算法。</p> <p>&nbsp;</p> <p><strong>04應用前景：</strong></p> <p>全面提升電池系統(tǒng)安全性這項技術(shù)的應用前景廣闊。以電動車為例，一輛電動車包含數(shù)百至數(shù)千個電池，任何一個單體電池的故障都可能影響整個電池組的性能，甚至帶來安全隱患。唐曉鵬教授表示，新技術(shù)降低了電化學阻抗技術(shù)在工程場景中的應用門檻，為分析電池失效機制提供了快速且廉價的工具，可以有效提升電池風險的預警能力，從而提升電動車的安全性。</p> <p>&nbsp;</p> <p><img src="https://info.compassedu.hk/sucai/content/1729496162081/1729496162081.jpg" width="809" height="607" /></p> <p style="margin-bottom: 0px; text-wrap-mode: wrap;">嶺南大學唐曉鵬教授及其研究團隊的創(chuàng)新成果，不僅為電池檢測技術(shù)帶來新的突破，也為電動車等電動設(shè)備的安全運行提供了有力保障，期待這項技術(shù)在未來能夠得到更廣泛的應用和推廣。</p> <p style="margin-bottom: 0px; text-wrap-mode: wrap;">&nbsp;</p> <p style="text-wrap-mode: wrap;">此外，唐曉鵬教授在鋰離子電池領(lǐng)域的另一項研究獲得了<strong>第25屆IEEE中國系統(tǒng)仿真技術(shù)及其應用學術(shù)會議（CCSSTA 2024）的&ldquo;最佳論文獎&rdquo;</strong>。會議共收到278份投稿論文，涵蓋航空、模擬機器人、信息處理、智慧決策、再生能源等多個領(lǐng)域。在眾多優(yōu)秀論文中，唐教授的論文脫穎而出，成為僅有四份獲得此殊榮的論文之一。這篇論文提出了通過半監(jiān)督學習方法來篩選退役電池，提升退役電池的重用率。</p>