Đột phá công nghệ: Kết hợp Laser siêu âm và AI giúp theo dõi sức khỏe pin Lithium thời gian thực

Theo tin từ IT ngày 5 tháng 8, Viện Công nghệ Tiên tiến Thâm Quyến thuộc Viện Hàn lâm Khoa học Trung Quốc hôm nay thông báo về sự hợp tác giữa nhóm nghiên cứu của Guo Shifeng thuộc Trung tâm Nghiên cứu Bionic Thông minh và nhóm của Zhou Guangmin thuộc Trường Sau đại học Quốc tế Thâm Quyến, Đại học Thanh Hoa. Kết quả nghiên cứu liên quan đã được công bố trên tạp chí *Science Advances* vào ngày 29 tháng 7.

Nghiên cứu này hướng tới nhu cầu giám sát tại chỗ (in-situ) với độ chính xác cao về trạng thái sạc (SoC, State of Charge, biểu thị lượng điện năng còn lại của pin) và trạng thái sức khỏe (SoH, State of Health, phản ánh mức độ suy giảm hiệu suất của pin sau các chu kỳ sử dụng) của pin lithium-ion trong điều kiện vận hành tốc độ cao. Nhóm nghiên cứu đã đề xuất một giải pháp tích hợp kết hợp giữa "cảm biến siêu âm laser không tiếp xúc" và mô hình "Transformer deep learning".

Các phương pháp ước tính trạng thái pin hiện nay chủ yếu dựa vào các thông số điện hóa như điện áp, dòng điện và điện trở trong. Tuy nhiên, trong quá trình sạc và xả tốc độ cao, các hiệu ứng nhiệt và động lực học điện hóa phức tạp sẽ làm giảm đáng kể tính ứng dụng của các phương pháp này. Mặc dù công nghệ kiểm tra siêu âm nổi lên gần đây đã cung cấp một hướng đi mới cho việc nhận diện trạng thái bên trong pin mà không gây hư hại, nhưng các phương pháp siêu âm áp điện tiếp xúc và ngâm chất lỏng phổ biến hiện nay thường phụ thuộc vào chất tiếp âm hoặc môi trường chất lỏng. Kết quả kiểm tra dễ bị ảnh hưởng bởi trạng thái tiếp xúc và biến động nhiệt độ, đồng thời việc tồn dư chất tiếp âm cũng hạn chế khả năng triển khai của chúng trong các tình huống thực tế.

Để khắc phục những hạn chế nêu trên, nhóm nghiên cứu đã đề xuất một hệ thống cảm biến siêu âm kích thích bằng laser không tiếp xúc (LEUS) không cần chất tiếp âm. Hệ thống này áp dụng thiết kế laser kép, phối hợp giữa laser xung hình khuyên và laser liên tục. Theo tóm tắt của bài báo, thiết kế này có thể tăng biên độ tín hiệu siêu âm lên gấp 10 lần, tỷ lệ tín hiệu trên nhiễu (SNR) đạt 30dB, cao hơn 16dB so với các cấu hình điển hình. Bằng cách chuyển đổi các tín hiệu siêu âm thu thập được thành phổ thời gian - tần số, mạng Transformer có thể tự động trích xuất các đặc trưng phân biệt liên quan đến SoC và SoH, giảm sự phụ thuộc vào việc xây dựng đặc trưng thủ công, đồng thời đạt được khả năng dự đoán với độ chính xác cao. Về độ chính xác dự đoán, mô hình có sai số trung bình đối với SoC dưới 5,7% và đối với SoH dưới 2,1%.

Nhóm nghiên cứu cũng đưa vào chiến lược học chuyển đổi (transfer learning), cho phép mô hình cơ sở thích ứng nhanh chóng với các hệ thống hóa học pin, kiểu máy và điều kiện chu kỳ tốc độ cao khác nhau, chỉ cần một lượng nhỏ dữ liệu siêu âm là có thể đạt được khả năng giám sát ổn định, giúp giảm đáng kể thời gian và chi phí đào tạo lại. Trong khâu xác thực, nhóm đã xây dựng một bộ dữ liệu gồm 40 viên pin thương mại, bao phủ hai loại vật liệu cực dương là Lithium Iron Phosphate (LFP) và Nickel Cobalt Manganese (NCM), ba thiết kế dung lượng và 13 giao thức thử nghiệm tốc độ cao, thu thập tổng cộng hơn 100.000 mẫu tín hiệu siêu âm. Kết quả xác thực cho thấy phương pháp này có tính bền vững và độ tin cậy cao.

Nghiên cứu này đã kết nối các khâu then chốt bao gồm thu thập tín hiệu siêu âm không tiếp xúc, xây dựng dữ liệu pin đa kịch bản và suy luận trạng thái bằng deep learning, cung cấp một lộ trình kỹ thuật mới cho việc giám sát trạng thái thông minh, thời gian thực và không gây hư hại cho pin lithium-ion trong các điều kiện vận hành phức tạp.

Nghiên cứu viên Guo Shifeng, nghiên cứu viên Feng Wei và Phó giáo sư Zhou Guangmin là các tác giả liên hệ chung của bài báo; Tiến sĩ Lyu Gaolong và Tiến sĩ Sun Chongbo là các tác giả chính chung. Nghiên cứu này nhận được sự hỗ trợ tài chính từ Chương trình Nghiên cứu và Phát triển Trọng điểm Quốc gia, Quỹ Khoa học Tự nhiên Quốc gia Trung Quốc, cùng các dự án nghiên cứu cơ bản của tỉnh Quảng Đông và thành phố Thâm Quyến. IT đính kèm địa chỉ bài báo: https://doi.org/10.1126/sciadv.aec5358

Tuyên bố quảng cáo: Các liên kết chuyển hướng bên ngoài chứa trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin, giúp tiết kiệm thời gian chọn lọc; kết quả chỉ mang tính chất tham khảo. Các bài viết của IT có chứa liên kết ngoài đều bao gồm tuyên bố này.