预测锂电池的健康状况和剩余使用寿命是限制电动汽车广泛使用的一大难题。随着时间的推移，电池性能会通过一系列复杂的精细化学过程而下降。单独来看，这些过程对电池性能没有太大的影响，但合在一起，它们会严重缩短电池的性能和寿命。
来自剑桥大学和纽卡斯尔大学的研究人员设计了一种新的方法，通过向电池发送电脉冲并测量其响应来监测电池。然后，他们利用机器学习算法对测量数据进行处理，以预测电池的健康状况和使用寿命。
“安全性和可靠性是最重要的设计标准，因为我们开发的电池可以在一个小空间里储存大量能量，”剑桥大学卡文迪什实验室的阿尔法·李博士(Dr。 Alpha Lee)说，“通过改进监测充放电的软件，并使用数据驱动软件来控制充电过程，我相信我们可以大大改善电池性能。”
研究人员设计了一种通过向电池发送电脉冲并测量其反应来监测电池的方法。然后使用一个机器学习模型来识别电反应的具体特征，这些特征是电池老化的信号。研究人员进行了超过20,000次的实验测量来训练模型。重要的是，该模型学会了如何从无关的噪声中区分重要的信号。他们的方法是无创的，是一个简单的附加系统。
研究人员还发现，机器学习模型可以为退化的物理机制提供线索。该模型可以告知哪些电信号与老化最相关，进而允许他们设计特定的实验来探究电池退化的原因和方式。
“机器学习是对物理理解的补充和增强，”第一作者之一、同样来自卡文迪什实验室的张云伟博士(Dr。 Yunwei Zhang)说。“我们的机器学习模型识别出的可解释信号是未来理论和实验研究的起点。”
该研究结果发表在《自然通讯》杂志上。
