摘要
锂离子电池被广泛使用，但由于容易发生热失控现象，存在安全隐患。目前的早期预警方法依赖于对温度和应力等参数的外部监测。由于内部热量和气体积累后才能检测到信号，这些方法存在固有的延迟问题。此外，恶劣的环境和高成本使得内部传感器的应用变得困难，因此热失控的极早期阶段往往难以得到有效监控。为克服这些限制，本研究引入声发射技术，用于实时外部检测内部的热失控反应。实验平台通过过充引发热失控，同时采集多源声发射信号和温度信号。从过充开始到阀门打开期间，持续收集声发射信号。时频分析显示热失控早期存在异常波形特征，而二维分析方法则提升了频域识别能力。将处理后的声发射信号与卷积神经网络结合，可实现高精度的相位分割。交叉验证以及与基于温度的方法对比，证明了声发射监测在极早期热失控预警方面的有效性和精确性。研究结果表明，基于声发射的监测有望作为一种主动的风险管理策略，为能源存储应用中的动态评估和安全响应提供支持。
