棱柱形锂离子电池广泛应用于电动交通和储能系统中。准确估计充电状态（SoC）对其可靠运行至关重要。SoC代表了电池的剩余容量，指示了在需要充电之前电池可以继续运行的时间。在电动交通应用中，连续且可靠的SoC更新对于估计可用行驶里程、规划充电站以及缓解里程焦虑至关重要。精确的SoC估计还能提高安全性和效率，从而直接延长电池寿命。通过避免过充和深度放电等有害条件，这些条件会加速电池退化并可能导致不可逆的损坏，SoC监控有助于保护电池健康。相反，不准确的估计可能导致意外的功率损失、系统故障甚至内部损坏。由于电池组是电动汽车中最昂贵的部件之一，通过准确的SoC估计优化其使用在技术和经济上都是非常重要的[1]，[2]。
传统的SoC估计通常结合了库仑计数和电压建模。虽然库仑计数易于实现，但它会随着时间的推移累积误差，并且依赖于准确的初始SoC。电压测量提供了补充信息，以纠正初始估计中的累积误差和不准确性[2]，[3]，[4]，[5]，[6]。在操作之前，当电池在已知温度条件下达到平衡时，测量得到的开路电压（OCV）与SoC直接相关，从而可以从OCV-SoC关系确定初始SoC。在操作过程中，使用等效电路模型（ECM），结合先前估计的SoC、温度效应和动态电压行为来预测端电压。然后将预测电压与测量电压进行比较，并结合观察器或基于滤波器的算法来纠正库仑计数中的漂移和初始SoC估计中的误差。
然而，对于LiFePO4（LFP）电池来说，OCV-SoC曲线的平坦区域显著限制了基于电压的方法的有效性[1]，[7]，[8]。虽然提出了使用阻抗数据的替代方法，但阻抗谱的复杂性使得SoC提取变得具有挑战性[1]，[4]。
由于SoC与电池的机械属性紧密相关[9]，[10]，[11]，[12]，[13]，[14]，机械测量可以为SoC估计提供补充或替代信息。例如，内部压力与SoC之间存在强烈的相关性[15]，[16]，[17]，[18]，[19]，[20]，[21]。然而，压力测量通常需要固定的机械约束，因此不适合实际的现场应用。应变传感器提供了一种非破坏性的替代方案，但除非它们嵌入电池内部，否则其灵敏度有限[18]，[21]，[22]。
超声检测为机械特性和SoC估计提供了一种有前景的非破坏性和现场方法。最近的研究表明，通过袋状电池厚度传输的纵波的幅度和传播时间与SoC之间存在强烈的相关性[8]，[23]，[24]，[25]，[26]。先进的超声特征，包括频带结构[27]和非线性参数[28]，[29]，也显示出对SoC的高灵敏度。此外，沿电极平面传播的导波在传播时间和衰减方面表现出依赖于SoC的变化[30]，[31]，[32]，[33]。
然而，从袋状电池获得的发现不能直接推广到棱柱形电池，因为它们的结构特性不同。在袋状电池中，电极可以相对自由地膨胀，而在棱柱形电池中，刚性外壳限制了膨胀，从而改变了内部应力状态和超声传播行为。在棱柱形LFP电池中，纵波通过电池厚度的传播时间对SoC的敏感性很小[34]，[35]，而幅度响应与SoC非单调相关[34]。高频超声特征也受到严重的衰减[27]，[28]，[29]，并且由于电池厚度较大，导波更难以生成。在[36]中，利用了棱柱形LFP电池内部层的体纵波速度来进行初始SoC估计。然而，这种方法不适合在线监测，因为沿传播路径的温度不均匀性阻碍了温度补偿[37]。因此，需要新的超声特征来可靠地估计棱柱形电池的SoC。
在这项工作中，使用了两个商用超声探头，采用俯仰-捕获配置来测量厚度方向的传输幅度以进行SoC估计。这种设置通过利用对SoC不敏感但对温度敏感的超声传播时间，提供了高灵敏度和内在的温度补偿。因为在单个中心频率下的厚度方向幅度并不唯一对应于SoC[34]，所以结合了多个频率下的幅度特征来解决这个病态问题。
此外，由于SoC与超声特征之间的相关性取决于电池设计和特征选择，因此基本的物理理解和理论验证对于确保所提出特征的可靠性和重复性至关重要。这是通过模拟来确定控制观察到的相关性的关键机械属性来实现的。这种方法还通过物理指导的特征选择和补偿策略提高了对干扰因素的鲁棒性，同时促进了不同电池类型的理论概括。
这些新的基于幅度的特征的理论推导及其实验和数值验证方法在第2节中提出。第3节报告了平衡条件下的测量特征-SoC相关性，通过模拟对其进行验证和解释，并展示了从模拟洞察中得出的温度和动态误差补偿策略，用于在线估计。第4节总结了本文。
