振动环境中动力SSB蓄电池的失效机制与寿命延长——关键综述
2026-07-20 08:14:07 点击:次
随着全球向清洁能源的转型和低碳经济的发展,电池已成为车辆推进系统中最有前景的能源来源。然而,运输工具的运行伴随机械振动的产生,这对电池容量、循环寿命、热失控风险和电路安全构成重大问题。近年来,电力电池领域的研究人员建立了多种测试方法和数值模型,以阐明动力电池在振动环境中的工作机制。还引入了先进的诊断技术和预测模型,以确保操作安全和可靠性。本综述强调了在振动下失效维护和安全运行的重要性,如振动环境模拟、电池管理系统控制技术、故障机制、故障检测、预测性维护和寿命提升。动力电池的电气和热管理性能研究应结合机械振动,讨论动力电池在机械激励下电能衰减和温度变化的特性。基于振动频率、幅度和加速度,综述介绍了多参数监测和智能预测策略应用于电力电池系统。我们还讨论了在电池系统中耗散振动能量的技术。通过对现有研究的批判性评估,本综述提出了高性能电池未来的研究方向和见解,有助于提升安全性和可靠性。
为了缓解温室效应和能源危机,车辆的驱动能源正从化石燃料转向电力[1,2]。作为电力的核心储能装置,电池已成为交通应用的主要动力来源之一,为绿色低碳经济的发展做出了重要贡献 [[3], [4], [5]]。因此,全球各国正在加速交通系统的电气化进程[[6], [7], [8]]。预计到2030年,全球纯电动车销量将达到2800万辆,相应的电池产能需求将达到1525吉瓦时[9]。到2030年,航空应用电池的能量密度预计将达到600 Wh·kg。−1,使飞行任务能够执行[10]。到2035年,如果美国为传统舰艇加装电推进系统,温室气体排放量有望大幅减少,使年排放量比2022年水平低27%[11]。然而,车辆中的电力电池会受到振动环境的影响,机械振动会导致放电性能下降并最终失效[[12], [13], [14]]。为了满足下一代无人机、垂直起降飞机、飞行汽车和通用电动机对电池本质安全和超高能量密度的需求,必须有效减轻车辆振动导致的性能下降和故障。机械振动是一种由机器内部应力共同作用引起的往复运动。根据机械系统的输出特性,车辆会产生多种振动,包括谐波、周期性、瞬态和随机振动。其中,瞬态振动和随机振动是当前交通诱导振动研究的主要焦点。主要来源包括电机操作、传动系统振荡、气流引起的振动、地面共振和机翼颤振,如图1所示。此外,振动引起的效应在高速放电过程中产生更多热量[15]。电池以自然频率振动,产生最高水平的热量。热管理控制方法需要在整个电力电池生命周期内不断改进。振动对电动汽车的电池寿命有显著影响[16]。目前,大多数研究忽视了振动条件下的电热耦合,且在确保热安全和预测动力电池寿命方面仍存在挑战。因此,解决这些问题对于确保电力电池在交通应用中安全且持久地运行至关重要。
电池正朝着更高的充电速率、更高的能量密度和更高的安全性发展,以克服交通应用中短续航和长时间充电的挑战。高能量密度的电池在放电时产生更多热量,增加了热失控或爆炸的可能性[17]。此外,车辆车身结构无法完全隔离振动,从而增加了非线性和时间变化的行为[18]。路况、气流和环境温度等因素会使其在运行过程中暴露于随机或周期性的振动激发。在高温条件下,电池的电解液、SEI薄膜和活性材料的性能会加速下降,导致放电容量下降。高温和振动都会增加电池内部的电阻。在低温条件下,振动会在电池内部材料中诱发微裂纹,导致加速电荷状态(SOC)耗尽。电解液的粘度在低温下增加,减缓锂离子迁移速度,从而降低放电能力。在低温和低振动条件下,电池的内阻增加2 mΩ[19]。当电池系统的固有频率与外部激励频率重合时,可能发生共振,导致振动能量的积累和振幅的增加。随着振幅的增加,电池内部的结构应力也会上升,这可能对其电化学性能和整体系统安全性产生不利影响。在恶劣振动条件下,优化性能并确保电池安全至关重要。这不仅能使其在合理的电压、电流和温度范围内工作,还能确保电池的长寿命和高可靠性。因此,针对交通电气化的新需求,关于电热耦合、失效机制、故障检测及振动条件下电力电池的预测性维护的研究,将为提升电池系统的安全性和可靠性提供理论基础。
车辆的局部振动和过热会加速电池寿命,表现为内部电阻增加、活性材料流失和结构损坏,间接降低电池的充放电性能。电池振动期间的垂直和水平方向定义见参考文献[19]。Awan等人[20]研究了电力电池在高达2000 Hz的机械振动下的性能。通过循环测试和电化学阻抗光谱,他们发现机械振动导致圆柱形电池内阻增加,最大容量损失达4%。Khan等人[21]讨论了振动对锂离子电池热管理系统相变冷却性能的影响,并提出使用相变材料提升抗震性能。Yang等人[22]分析了振动对电池热管理系统散热性能的影响,发现振动幅度和频率的变化可以在特定范围内改善散热。然而,当振幅和频率分别超过50毫米和25赫兹时,冷却性能的提升变得微乎其微。Mane 等人[23]提出了一种振动条件下动力电池的脉冲热管(PHP)冷却方案。他们研究了30赫兹振动对PHP热性能的影响,并进行了回归分析,建立了用于预测振动环境中热阻的相关模型。Yang等人[24]利用数值模拟研究了动力电池在振动下的散热性能。研究显示,只有当相变材料(PCM)厚度超过4毫米时,才能有效增强吸热效果,而振动幅度超过50毫米对进一步提升热性能的影响有限。这些发现表明,在振动环境下,电池性能普遍下降。然而,当前研究缺乏针对此类情景下电热耦合的全面理论分析和设计优化。机械振动会影响电力电池的性能,使其在长寿命、高可靠性电池应用中表现不佳。
在振动环境中持续运行会导致电池内部结构、充放电性能以及连接片焊接的一定程度劣化,从而导致其失效[25]。振动被认为是电力电池系统故障的主要原因之一[26]。Somerville等人[27]在振动暴露后对镍-锰-钴(NMC)电池进行了X射线光电子能谱(XPS)分析,发现振动会诱导表面薄膜脱落和更换,导致容量降级和阻抗增加。Parasumanna等[28]研究了锂-铁磷酸盐(LFP)电池在暴露于正弦振动前后内部电阻和电极形态的变化。结果显示内部电阻增加了25%,阴极上出现了塔状结构。Haris 等人[29]进行了有限元分析,模拟蜂窝结构电力电池模块的振动响应,结果显示Z轴振动影响最大,共振发生在139 Hz附近。Kim等人[30]使用随机振动曲线对电力电池组进行了疲劳测试,其中使用功率谱密度曲线作为输入激发。在频域中进行了疲劳分析,以预测疲劳损伤并识别电池组内的关键故障区域。研究发现,振动模式引起的高应力区域对系统失效有显著贡献。在各种振动方向中,电动汽车的垂直振动威胁最为严重。路面的低频垂直激励可能传播到电池组,诱发共振,最终导致系统故障[31]。由大量单节电池组成的电力电池系统增加了故障风险,进一步推动了故障检测技术的发展。
对于恶劣的振动工作环境,电力电池故障检测技术可以实时监测、分析和诊断,以识别故障的类型、原因和电池系统位置。故障检测是确保电力电池安全可靠运行的关键前提。Xu等人[32]研究了电力电池中的电气接触故障,并通过分析电池状态方程的波动提出了一种新颖的评估指标。通过振动条件下的充放电循环测试,开发并验证了一种基于重量的动态综合性能评估方法。Hooper等人[33]通过测量阻抗、开路电压和容量进行了电气性能测试。他们的研究揭示了电池电气特性与谐振幅度之间的相关性,并发现振动会增加电池的直流电阻。Asghari 等人[34]提出了一种光学远程检测电池的方法,利用激光束散射产生的次级激光斑点图样来评估电池状况。该方法在不同振动频率和电池类型下表现出可靠性。用于运输的电力电池系统由多个电池串联和并联组成,每块电池的不平衡状态会导致加速劣化、热失控及其他安全问题。不平衡问题在振动条件下尤为明显,应基于振动频率、温度分布和系统动力学进行评估[35]。动力电池系统也易受到振动、碰撞和撞击等滥用条件的影响,这些都可能导致异常的充放电行为。为解决内部短路和振动引起的故障,基于电压的诊断方法利用电池信息交换快速识别故障电池单元,从而确保整个电池系统的安全可靠运行[36]。准确的故障检测信息对于电力电池系统的有效预测性维护至关重要。
动力电池的健康状况和寿命对于运输设备的安全运行至关重要。因此,准确预测电池寿命具有重要的实际价值。在系统故障发生前实施预测性维护,可以显著提升电力电池系统的安全性和可靠性。Li等[37]利用振动台获得了机械激励下电池的寿命数据,分析了振动对电池寿命影响的内在机制,并为实现电池容量预测(误差3%)提供了长短期记忆网络预测训练。Lu 等人[38]提出了一种新颖的经验模态算法,利用小波变换处理电池振动信号,预测电池的健康状态(误差2.6%)。Li等人[39]建立了电池寿命不同阶段的寿命模型,并基于实验数据进行了线性和非线性劣化分析,揭示了机械振动导致阴极材料显著劣化。物理模型预测和数据驱动都能预测电池的寿命和健康状态,但物理模型预测成本高昂,且数据驱动预测普遍性低且稳定性差[40]。为了克服这些局限,提出了基于物理的神经网络(PINN)。这些模型结合了基于物理和数据驱动的方法的优势,提高了预测准确性并降低了计算成本。PINNs可以有效应用于电池劣化建模和健康状态(SOH)估计,尤其是在振动条件下。准确预测电池健康和寿命有助于避免安全事故,减轻续航焦虑。然而,电池放电性能会受到温度和振动耦合影响的显著影响。当前的电池寿命预测模型常常忽视振动引起的劣化影响。因此,研究基于电热振动耦合的电池寿命预测是紧迫且必要的。
关于电力电池在振动下的性能下降和失效机制的研究,已在有限的综述中有所报道,如图2a所示。近年来,电动汽车的寿命、安全性和续航里程受到越来越多的关注。在此背景下,关于振动引发电池性能下降和故障的评测数量有所增加,如图2b所示。尽管近期文献对电池热管理方法提供了详细总结,但关于电热振动耦合的分析仍然不足 [[41], [42], [43]]。此外,关于振动诱导电池故障机制和延长寿命策略的系统综述仍然稀少 [[43], [44], [45]]。表1比较了过去五年相关综述的研究内容。因此,本文全面回顾了电力电池在振动环境下的运作机制,提出了一个综述分析框架,如图2c所示。介绍了受机械振动影响的动力电池基本技术,并总结了电热耦合、故障机制、故障检测、预测性维护和寿命延长等领域的最新进展。最后,论文强调了振动激励下电力电池技术开发的新兴趋势和创新方向。
本研究的主要动机如下:
简介
电池正朝着更高的充电速率、更高的能量密度和更高的安全性发展,以克服交通应用中短续航和长时间充电的挑战。高能量密度的电池在放电时产生更多热量,增加了热失控或爆炸的可能性[17]。此外,车辆车身结构无法完全隔离振动,从而增加了非线性和时间变化的行为[18]。路况、气流和环境温度等因素会使其在运行过程中暴露于随机或周期性的振动激发。在高温条件下,电池的电解液、SEI薄膜和活性材料的性能会加速下降,导致放电容量下降。高温和振动都会增加电池内部的电阻。在低温条件下,振动会在电池内部材料中诱发微裂纹,导致加速电荷状态(SOC)耗尽。电解液的粘度在低温下增加,减缓锂离子迁移速度,从而降低放电能力。在低温和低振动条件下,电池的内阻增加2 mΩ[19]。当电池系统的固有频率与外部激励频率重合时,可能发生共振,导致振动能量的积累和振幅的增加。随着振幅的增加,电池内部的结构应力也会上升,这可能对其电化学性能和整体系统安全性产生不利影响。在恶劣振动条件下,优化性能并确保电池安全至关重要。这不仅能使其在合理的电压、电流和温度范围内工作,还能确保电池的长寿命和高可靠性。因此,针对交通电气化的新需求,关于电热耦合、失效机制、故障检测及振动条件下电力电池的预测性维护的研究,将为提升电池系统的安全性和可靠性提供理论基础。
在振动环境中持续运行会导致电池内部结构、充放电性能以及连接片焊接的一定程度劣化,从而导致其失效[25]。振动被认为是电力电池系统故障的主要原因之一[26]。Somerville等人[27]在振动暴露后对镍-锰-钴(NMC)电池进行了X射线光电子能谱(XPS)分析,发现振动会诱导表面薄膜脱落和更换,导致容量降级和阻抗增加。Parasumanna等[28]研究了锂-铁磷酸盐(LFP)电池在暴露于正弦振动前后内部电阻和电极形态的变化。结果显示内部电阻增加了25%,阴极上出现了塔状结构。Haris 等人[29]进行了有限元分析,模拟蜂窝结构电力电池模块的振动响应,结果显示Z轴振动影响最大,共振发生在139 Hz附近。Kim等人[30]使用随机振动曲线对电力电池组进行了疲劳测试,其中使用功率谱密度曲线作为输入激发。在频域中进行了疲劳分析,以预测疲劳损伤并识别电池组内的关键故障区域。研究发现,振动模式引起的高应力区域对系统失效有显著贡献。在各种振动方向中,电动汽车的垂直振动威胁最为严重。路面的低频垂直激励可能传播到电池组,诱发共振,最终导致系统故障[31]。由大量单节电池组成的电力电池系统增加了故障风险,进一步推动了故障检测技术的发展。
对于恶劣的振动工作环境,电力电池故障检测技术可以实时监测、分析和诊断,以识别故障的类型、原因和电池系统位置。故障检测是确保电力电池安全可靠运行的关键前提。Xu等人[32]研究了电力电池中的电气接触故障,并通过分析电池状态方程的波动提出了一种新颖的评估指标。通过振动条件下的充放电循环测试,开发并验证了一种基于重量的动态综合性能评估方法。Hooper等人[33]通过测量阻抗、开路电压和容量进行了电气性能测试。他们的研究揭示了电池电气特性与谐振幅度之间的相关性,并发现振动会增加电池的直流电阻。Asghari 等人[34]提出了一种光学远程检测电池的方法,利用激光束散射产生的次级激光斑点图样来评估电池状况。该方法在不同振动频率和电池类型下表现出可靠性。用于运输的电力电池系统由多个电池串联和并联组成,每块电池的不平衡状态会导致加速劣化、热失控及其他安全问题。不平衡问题在振动条件下尤为明显,应基于振动频率、温度分布和系统动力学进行评估[35]。动力电池系统也易受到振动、碰撞和撞击等滥用条件的影响,这些都可能导致异常的充放电行为。为解决内部短路和振动引起的故障,基于电压的诊断方法利用电池信息交换快速识别故障电池单元,从而确保整个电池系统的安全可靠运行[36]。准确的故障检测信息对于电力电池系统的有效预测性维护至关重要。
动力电池的健康状况和寿命对于运输设备的安全运行至关重要。因此,准确预测电池寿命具有重要的实际价值。在系统故障发生前实施预测性维护,可以显著提升电力电池系统的安全性和可靠性。Li等[37]利用振动台获得了机械激励下电池的寿命数据,分析了振动对电池寿命影响的内在机制,并为实现电池容量预测(误差3%)提供了长短期记忆网络预测训练。Lu 等人[38]提出了一种新颖的经验模态算法,利用小波变换处理电池振动信号,预测电池的健康状态(误差2.6%)。Li等人[39]建立了电池寿命不同阶段的寿命模型,并基于实验数据进行了线性和非线性劣化分析,揭示了机械振动导致阴极材料显著劣化。物理模型预测和数据驱动都能预测电池的寿命和健康状态,但物理模型预测成本高昂,且数据驱动预测普遍性低且稳定性差[40]。为了克服这些局限,提出了基于物理的神经网络(PINN)。这些模型结合了基于物理和数据驱动的方法的优势,提高了预测准确性并降低了计算成本。PINNs可以有效应用于电池劣化建模和健康状态(SOH)估计,尤其是在振动条件下。准确预测电池健康和寿命有助于避免安全事故,减轻续航焦虑。然而,电池放电性能会受到温度和振动耦合影响的显著影响。当前的电池寿命预测模型常常忽视振动引起的劣化影响。因此,研究基于电热振动耦合的电池寿命预测是紧迫且必要的。
本研究的主要动机如下:
- 1)
讨论了振动对电力电池电气性能和热管理的影响,总结了电力电池在电-热-振动耦合下的行为模式。 - 2)
总结了电池的故障机制,并分析了现有的努力和可行的电池故障监测方法。 - 3)
总结了预测振动激发下电池寿命的工作和可能方法。 - 4)
讨论了通过结构优化和能量耗散实现动力电池减振技术。
