《Batteries》：Internal Short Circuit Detection in Lithium-Ion Batteries Under Shipboard Vibration: A Unified Model-Based and Data-Driven Benchmark with NPU-Accelerated Inference
编辑推荐：
舰船锂离子电池系统在运行过程中会持续承受机械振动，然而基于模型的和基于数据驱动的内部短路(ISC)检测器尚未在这种条件下进行过对比。研究人员提出了据其所知的首个统一的振动感知ISC基准测试：在一个模拟的NCR18650PF电池模块上，对基于模型的扩展卡尔曼滤波
舰船锂离子电池系统在运行过程中会持续承受机械振动，然而基于模型的和基于数据驱动的内部短路(ISC)检测器尚未在这种条件下进行过对比。研究人员提出了据其所知的首个统一的振动感知ISC基准测试：在一个模拟的NCR18650PF电池模块上，对基于模型的扩展卡尔曼滤波器(EKF)ΔSOC规则和三种卷积检测器——ModernTCN、LITE和NPU-Conv2D进行了评估。评估环境包括静止状态、源自MIL-STD-810H的机械振动以及艏向海况振动，并通过唯象假设ΔR=kR|a|将振动与电池单元的电阻耦合。EKF仅观测端电压，而数据驱动检测器还额外观测电池温度，因此这种比较将检测器类别与输入可观测性耦合在一起。在所假设的耦合包络和扫频耦合范围内，双通道数据驱动配置在135项基于截止期限评分的结果中通过了135项，而EKF通过了129/135项，且前者的故障发作前误报次数为零，而后者为15次。数据驱动检测器的优势在于检测延迟的离散度较小，而非平均延迟较低。部署在STM32N6微控制器上时，INT8量化的NPU-Conv2D完成一次推理仅需几毫秒，其延迟低于EKF固件。免校准鲁棒性是所评估双通道检测器的实际优势。
在航运业脱碳的战略背景下，国际海事组织(IMO)通过修订温室气体战略，推动国际航运在2050年左右实现净零排放。这一监管压力加速了锂离子电池储能系统(BESS)在船舶混合推进和辅助功率中的应用。然而，锂离子电池的单体内部短路(ISC)极易引发热失控并在电池组内传播，由于舰船环境空间受限且疏散困难，ISC事件可能导致全船损失。早期舰载ISC检测是大型锂离子系统海上安全部署的前提。然而，将ISC检测从实验室转移到海洋环境时，引入了以往基准测试中缺失的机械振动因素。船舶推进机械产生的激振力以及海况引发的船体刚体加速度会显著改变电池的电气特性，尤其是内阻。这些变化会干扰电池管理系统(BMS)依赖的电气测量数据。ISC检测通常分为基于模型和基于数据驱动两大类。基于模型的方法（如扩展卡尔曼滤波器(EKF)）通过预测与测量的电压残差检测故障；而数据驱动方法则直接从时间序列数据中学习故障特征。但是机械振动会严重扰动EKF所依赖的物理参数，导致单通道EKF在振动条件下的性能急剧退化。为了系统评估这一影响，研究人员开展了此项研究，提出首个统一的、振动感知的ISC检测基准测试，并在微控制器上进行硬件实测。该研究结论表明，双通道数据驱动配置在振动条件下表现出色且无需逐场景校准，而单通道EKF的检测余量在振动下显著缩减。该成果发表在《Batteries》期刊，对舰船电池系统的安全部署和故障检测技术选型具有重要指导意义。
在技术方法方面，研究人员采用一阶Thevenin等效电路模型(ECM)对NCR18650PF电池模块进行建模。通过MATLAB Simscape工具构建振动耦合仿真平台，采用MIL-STD-810H标准合成高频机械振动，利用海洋系统模拟器(MSS)生成中低频海况加速度。基于Holm-Hertz接触理论建立线性唯象模型?R=kR|a|以模拟振动对电池内阻的扰动。采用指数衰减的并联电阻模型模拟软短路故障演化。在算法部署上，构建了基于EKF的?SOC残差规则以及三种卷积神经网络（ModernTCN、LITE、NPU-Conv2D），并利用量化感知训练(QAT)技术将定制网络INT8量化，最终部署于集成神经处理单元(NPU)的STM32N6微控制器板以评估延迟与内存占用。
分类器验证与EKF校准
通过在留出测试集上对数据驱动检测器进行窗口级二元分类评估，研究发现采用电压与温度(V+T)双通道输入时，四种数据驱动配置均达到0.98以上的F1分数，且无故障发作前误报。通过因子消融实验证实在该基准中输入可观测性是决定检测性能的主要因素，引入温度通道对可部署精度至关重要。同时，EKF在振动条件下残差标准差增大约80%，需逐场景校准更高的检测阈值。
检测延迟与工作范围
在截止期限评分评估中，三种数据驱动检测器均通过了全部135项测试结果，而EKF仅通过129项并产生15次误报。研究表明双通道数据驱动配置的优势主要在于检测延迟的离散度更小，而非平均延迟更低。数据驱动检测器能保持极窄的延迟分布，从而稳定地满足任务时间预算。
对振动环境的敏感性
通过定义并计算振动惩罚指标，研究发现仅EKF在振动条件下表现出正惩罚值（即检测裕度显著降低），而三种数据驱动检测器均呈现负值。数据驱动检测器无需在训练阶段暴露于振动数据即可保持鲁棒性，这种容忍度来源于其双通道输入结构而非特定训练分布。
嵌入式推理性能
在STM32N6硬件靶机上实测，执行INT8量化推理的NPU-Conv2D网络在Neural-ART NPU上完成单次推理仅需极短时间，比运行在Cortex-M55核心上的EKF固件延迟更低，且内存占用仅93 KB。量化处理未对检测精度产生负面影响。
最后，研究结论部分总结指出，在假定的振动耦合范围内，基于模型和基于数据驱动的ISC检测性能主要由输入可观测性决定，对振动的敏感性实际上仅局限于单通道EKF。单通道EKF的截止期限失效是因其原本极窄的静置裕度被振动暴露所致，而数据驱动方法凭借免校准鲁棒性避免了此类失效。尽管现有比较尚未完全将检测方法类别与传感器输入可观测性解耦，但研究表明受限于舰船难以提供可控校准窗口，免校准的数据驱动检测器更适合船队级部署。未来工作将围绕在线校准EKF、动态负载评估、引入电热耦合EKF以及开展受控物理振动阻抗实验等方向展开。
