- 国内站
- 国际站
无数据
| 研究内容
锂离子电池（LIBs）因其高能量密度、长循环寿命和相对较低的自放电率，在消费电子、电动汽车和大规模储能等领域得到了广泛应用。然而，随着应用场景的日益复杂，LIBs的安全性问题愈发受到关注。电池在使用过程中可能面临过充、过放、低温、高倍率充放电、机械冲击等多种极端条件，都可能引发电池内部的复杂电化学反应，导致电池性能下降甚至热失控等安全问题。因此，开发一种能够实时监测电池健康状态并预测潜在故障的技术显得尤为重要。
2025年8月9日，四川大学何欣研究员、南方科技大学林苑菁助理教授、美国SES AI公司许康教授、华中科技大学黄永安教授等人合作在《Nature Communications》期刊上发表题为“Fully printable integrated multifunctional sensor arrays for intelligent lithium-ion batteries”的研究论文，提出了一种全印刷集成多功能传感器阵列（IISAS），用于智能锂离子电池的安全状态监测和故障预警。该研究通过将多功能传感器阵列集成到电池包装箔中，实现了对电池热、机械和化学特征的实时监测，这些特征可作为电池退化的定量指标。该传感器阵列采用纳米制造工艺和传感墨水制备，具有重量轻（仅增加49毫克）、抗多维干扰能力强和长期稳定性高等优点。
研究团队通过实验验证了IISAS在多种电池操作条件下的性能。结果显示，该传感器阵列在电池的整个生命周期内表现出优异的耐久性和稳定性，能够提供精确的信号记录。通过结合深度学习算法，该系统能够对电池的健康状态（SOH）进行准确估计，最低平均绝对误差（MAE）为0.5826%，均方根误差（RMSE）为0.8406%。此外，该系统还能够对多种故障场景进行实时监测和诊断，包括过充、过放、低温锂金属镀层、内部短路、机械故障和热失控等。
该研究不仅为锂离子电池的智能化管理提供了一种高效的方法，而且为推动智能能源存储技术的发展和商业化应用提供了重要的理论和实验依据。通过全印刷工艺制备的传感器阵列具有成本效益高、易于集成和适应性强等优点，能够广泛应用于各种电池类型和电池包级别，为未来的智能电池技术发展奠定了坚实的基础。
| 研究亮点
1、开发了一种全印刷的多功能传感器阵列，能够集成到锂离子电池的包装箔中，对电池的热、机械和化学特征进行实时监测。
2、通过深度学习算法，实现了对电池健康状态（SOH）的高精度估计，最低平均绝对误差（MAE）为0.5826%，均方根误差（RMSE）为0.8406%。
3、能够对过充、过放、低温锂金属镀层、内部短路、机械故障和热失控等多种故障场景进行实时监测和诊断。
| 图文速览
图1 用于电池状态自我评估的集成智能传感阵列系统（IISAS）示意图
图2 全印刷多功能传感器的性能测试
图3 电池循环过程中的工况监测与状态健康评估
图4 不同故障场景下的电池性能监测
图5 具有实时状态跟踪功能的智能电池组及其在无人机中的实际应用
本研究开发的全印刷集成多功能传感器阵列（IISAS）为锂离子电池的智能化管理提供了一种高效、低成本且易于集成的解决方案。通过实时监测电池的热、机械和化学特征，IISAS能够准确评估电池的健康状态，并对多种故障场景进行预警。该技术不仅提高了电池的安全性和可靠性，还为智能能源存储技术的发展提供了新的思路和方法。
文献链接：https://www.nature.com/articles/s41467-025-62657-2
本文来源：新能源前沿，爱科会易仅用于学术交流，若相关内容侵权，请联系删除。
| 研究内容
锂离子电池（LIBs）因其高能量密度、长循环寿命和相对较低的自放电率，在消费电子、电动汽车和大规模储能等领域得到了广泛应用。然而，随着应用场景的日益复杂，LIBs的安全性问题愈发受到关注。电池在使用过程中可能面临过充、过放、低温、高倍率充放电、机械冲击等多种极端条件，都可能引发电池内部的复杂电化学反应，导致电池性能下降甚至热失控等安全问题。因此，开发一种能够实时监测电池健康状态并预测潜在故障的技术显得尤为重要。
2025年8月9日，四川大学何欣研究员、南方科技大学林苑菁助理教授、美国SES AI公司许康教授、华中科技大学黄永安教授等人合作在《Nature Communications》期刊上发表题为“Fully printable integrated multifunctional sensor arrays for intelligent lithium-ion batteries”的研究论文，提出了一种全印刷集成多功能传感器阵列（IISAS），用于智能锂离子电池的安全状态监测和故障预警。该研究通过将多功能传感器阵列集成到电池包装箔中，实现了对电池热、机械和化学特征的实时监测，这些特征可作为电池退化的定量指标。该传感器阵列采用纳米制造工艺和传感墨水制备，具有重量轻（仅增加49毫克）、抗多维干扰能力强和长期稳定性高等优点。
研究团队通过实验验证了IISAS在多种电池操作条件下的性能。结果显示，该传感器阵列在电池的整个生命周期内表现出优异的耐久性和稳定性，能够提供精确的信号记录。通过结合深度学习算法，该系统能够对电池的健康状态（SOH）进行准确估计，最低平均绝对误差（MAE）为0.5826%，均方根误差（RMSE）为0.8406%。此外，该系统还能够对多种故障场景进行实时监测和诊断，包括过充、过放、低温锂金属镀层、内部短路、机械故障和热失控等。
该研究不仅为锂离子电池的智能化管理提供了一种高效的方法，而且为推动智能能源存储技术的发展和商业化应用提供了重要的理论和实验依据。通过全印刷工艺制备的传感器阵列具有成本效益高、易于集成和适应性强等优点，能够广泛应用于各种电池类型和电池包级别，为未来的智能电池技术发展奠定了坚实的基础。
| 研究亮点
1、开发了一种全印刷的多功能传感器阵列，能够集成到锂离子电池的包装箔中，对电池的热、机械和化学特征进行实时监测。
2、通过深度学习算法，实现了对电池健康状态（SOH）的高精度估计，最低平均绝对误差（MAE）为0.5826%，均方根误差（RMSE）为0.8406%。
3、能够对过充、过放、低温锂金属镀层、内部短路、机械故障和热失控等多种故障场景进行实时监测和诊断。
| 图文速览
图1 用于电池状态自我评估的集成智能传感阵列系统（IISAS）示意图
图2 全印刷多功能传感器的性能测试
图3 电池循环过程中的工况监测与状态健康评估
图4 不同故障场景下的电池性能监测
图5 具有实时状态跟踪功能的智能电池组及其在无人机中的实际应用
本研究开发的全印刷集成多功能传感器阵列（IISAS）为锂离子电池的智能化管理提供了一种高效、低成本且易于集成的解决方案。通过实时监测电池的热、机械和化学特征，IISAS能够准确评估电池的健康状态，并对多种故障场景进行预警。该技术不仅提高了电池的安全性和可靠性，还为智能能源存储技术的发展提供了新的思路和方法。
文献链接：https://www.nature.com/articles/s41467-025-62657-2
本文来源：新能源前沿，爱科会易仅用于学术交流，若相关内容侵权，请联系删除。
