【超声波在电池上的应用之一】超声波如何“听“懂电池?—声学物理基础与电池响应机制深度解析

TL;DR

当前主流BMS依赖电压、电流、温度"电学三件套"感知电池状态,但对电池内部机械/结构变化缺乏直接感知能力。超声波检测(UT)技术通过向电池发射声波并分析其传播特征------飞行时间(ToF)、振幅衰减、频谱特征------为电池内部状态提供了一条非侵入式的"声学通道"。本文基于Montoya-Bedoya等人2026年发表的综合综述,系统梳理超声波在锂电池中的传播物理机制,从声速、声阻抗、反射/透射系数到多孔介质中的弹性波理论,逐层拆解石墨负极主导声学响应的微观原因,并对比医学超声、工业探伤等邻近领域的技术差异。作为本系列开篇,本文的目标是帮助工程师建立"超声---电池"的物理直觉。


一、为什么需要一双"声学耳朵"?

1.1 电学三件套的盲区

锂离子电池在充放电过程中,内部持续发生着锂离子的嵌入/脱出反应。这些电化学反应不仅改变电化学状态,还同步引发一系列机械/结构变化:电极材料的晶格膨胀或收缩、孔隙率的变化、粘结剂的力学退化、固体电解质界面(SEI)膜的生长等。

现有的BMS系统通过电压、电流和温度三个信号推断电池的SOC和SOH。这套体系的优势在于成熟、低成本、易于部署。但问题在于---这些电学信号本质上是电池电化学行为的"间接投影",对内部机械结构的变化缺少直接感知。当电池内部出现微裂纹、析锂、SEI异常增厚、产气等早期退化信号时,电学信号往往"看不见"或者反应滞后。

2026年的研究共识已经比较明确:同一批电池在早期循环中可能呈现高度一致的电压/电流曲线,但超声信号的演化轨迹已经出现显著分异。这意味着超声感知到的内部物理变化,可能比电学信号更早暴露电池间的分化趋势。

1.2 超声能提供什么

超声波是一种机械波,其传播特性---速度、振幅、频谱------由传播介质的力学性质(弹性模量、密度、粘弹性)决定。当电池内部状态发生变化时,材料的弹性模量和密度随之改变,声波的传播行为也随之改变。这种"力学感知"能力,是电学测量天然不具备的维度。

Montoya-Bedoya等人1的综述中明确指出:超声信号与SOC、SOH、热滥用、过充、产气等电池状态之间存在可观测的关联,且超声传感器体积小、成本低、无需靠近电极接线端子即可工作,这为未来轻量化BMS方案提供了想象空间。


二、声波在电池中的传播------核心物理机制

2.1 电池:一个特殊的多层声学介质

锂电池的内部结构可以理解为数百层重复单元的交替堆叠:铝箔集流体 → 正极活性材料层 → 隔膜 → 负极活性材料层 → 铜箔集流体。每一层的材料性质差异极大---金属、多孔陶瓷/氧化物、聚合物、石墨-电解液混合物。

根据综述1的描述,电极并非致密固体,而是由活性材料颗粒、导电剂(炭黑)、粘结剂(PVDF、SBR、CMC)组成的多孔骨架,内部孔隙被液态电解液(LiPF₆溶解于碳酸酯溶剂)填充。这种"固-液双相"结构使得声波在其中的传播远比在均匀固体中复杂------需要引入多孔弹性(poroelastic)模型来描述。

2.2 基础物理量

以下几个物理量构成了理解超声-电池交互的基础框架:

声速(c)

根据Newton-Laplace方程:

其中 K 为体积模量,G 为剪切模量,ρ 为密度。对于简化的棒状模型,声速可近似为 ,E为杨氏模量。

声阻抗(Z)

声阻抗是材料对声波传播的"阻碍程度"的综合度量。不同材料层之间的声阻抗差异决定了界面处的反射和透射行为。

反射系数与透射系数

当声波从介质1传播到介质2时,界面处的反射系数为:

透射系数为 T=1+R。声阻抗差异越大,反射越强,透射越弱。这也是超声耦合剂存在的意义------减少探头与电池外壳之间的阻抗失配。

衰减(A)

其中 α 为衰减系数,d 为传播距离。在电池的多孔电极中,衰减来源包括:粘弹性耗散(聚合物粘结剂、隔膜)、散射(孔隙、颗粒界面)、以及流体-固体耦合效应。

飞行时间(ToF)

L为电池厚度方向上的传播路径长度,c为等效声速。ToF是最基础也是最常被提取的超声特征量。

2.3 锂化如何改变声学特性---石墨负极的主导角色

充电过程中,锂离子嵌入石墨负极形成LiₓC₆。这一过程对石墨的力学性质产生了显著影响(置信度:高):

  • 弹性模量增大:石墨的杨氏模量随锂化程度提高而显著增加,文献报道增幅可达约3倍;
  • 密度降低:锂嵌入导致石墨晶格膨胀(体积增大),宏观上体现为电池整体厚度增加(约2%),但密度反而降低。

模量增大 + 密度降低,两者都指向声速增大,从而ToF减小。这就是为什么在充电过程中,超声ToF呈现持续下降趋势------即使电池在变厚。

这一现象在直觉上是"反直觉"的:电池变厚了,声波需要走更长的路径,ToF应该增大才对。但模量和密度的变化幅度足以"压过"路径长度的影响。充电过程中,石墨负极是声学响应的主要贡献者。

2.4 不同正极材料的声学行为差异

综述1中梳理了多种商业化正极材料在充放电过程中的力学响应特征:

正极材料 锂化时体积变化 杨氏模量变化趋势 声学响应特征
LCO(钴酸锂) 较小,部分区间反常 变化较平缓 声学响应弱于石墨贡献
NMC(三元材料) 随Ni含量增大 高SOC区间H2→H3相变时模量突变 NMC-811在高SOC区间出现明显声学特征变化
LFP(磷酸铁锂) 两相反应,体积变化小 模量变化较小 声学响应相对温和,但ToF与SOH关联性好

LFP的声学行为特别值得关注。已有研究表明,LFP方形电池在3C倍率循环500次后,容量衰减12.4%的同时超声ToF增大了15.9%。ToF的增大主要归因于粘结剂刚度退化---循环过程中活性颗粒反复膨胀/收缩,导致粘结PVDF的力学性能下降约75%。

2.5 温度 vs SOC---最核心的解耦挑战

超声ToF同时受温度和SOC影响,但两者的作用方向相反:

  • 温度效应:温度升高 → 热膨胀 → 电池厚度增加 → 声传播路径增大 → ToF增大
  • SOC效应:SOC增加 → 石墨模量增大、密度降低 → 声速增大 → ToF减小

这两个效应同时存在、方向相反、且存在耦合。温度和SOC对ToF的影响可以在某种程度内分离,但在实际应用中,这种解耦仍然是一个开放性难题。

目前尚缺乏严格的数学框架,将电池内部的电化学行为与多孔弹性波物理精确关联。这是超声电池诊断从实验室走向产线的核心瓶颈之一。


三、跨体系触类旁通---超声不只是"给电池看病"

3.1 对比医学超声

医学超声是公众最熟悉的超声应用场景:通过向人体发射超声脉冲,接收反射信号形成组织影像。其与电池超声的异同值得对比:

对比维度 医学超声 电池超声
介质特征 软组织(水基),声阻抗差异小 金属/陶瓷/聚合物/液体交替,阻抗差异极大
传播机制 主要为纵波(压缩波) 纵波为主,但多层结构可激发共振、导波
分辨率需求 毫米级~亚毫米级 微米级(单层电极厚度~几十微米)
典型频率 2-15 MHz 0.5-10 MHz(视电池形态而定)
成像目标 病灶、器官结构 SOC/SOH分布、内部缺陷、产气区域

一个值得关注的共性是:两者都在利用声阻抗差异来获取信息。医学超声利用的是不同组织间的天然阻抗差,而电池超声利用的是不同电极层之间、以及电池状态变化前后的阻抗差。

3.2 对比工业超声探伤

工业超声探伤(焊缝检测、金属铸件检测)已有数十年的工程积累。电池超声与工业超声探伤的关键差异在于:

  • 多孔介质:传统工业超声处理的对象多为致密金属或陶瓷,声波在其中以经典弹性波传播。电池电极是固液耦合的多孔介质,需要引入Biot多孔弹性理论来描述快波(fast wave)和慢波(slow wave)两种压缩波模式。快波对应固相和液相同相压缩,慢波对应反相压缩。早期工作观察到慢波特征(振幅和ToF)与SOC呈线性相关,而快波特征对SOC不敏感。但空气耦合超声实验得出了不同结论,说明快波/慢波对SOC的敏感性可能因电池体系和测量配置而异。

  • 液态电解液:传统工业探伤中,液体通常是耦合剂(外部介质),而非被测对象的组成部分。在电池中,电解液渗透在电极孔隙中,是声学传播路径的内在部分。

  • 软包 vs 硬壳:软包电池的柔性封装使得超声耦合相对容易(可直接接触),但也带来传感器定位稳定性的挑战。圆柱形和方形硬壳电池的刚性外壳增加了额外的声学界面,声波需要穿过金属壳才能到达内部活性层,引入了更多的反射和衰减。

3.3 从压电传感器到MEMS芯片

超声检测的硬件载体也在快速迭代:

  • 传统压电传感器:目前实验室研究的主流选择。典型的如5 MHz Olympus探头,需使用耦合剂,通过夹具固定在电池表面。优点是信号质量好、频率范围可选,缺点是体积大、需要外部夹具、不适合量产环境集成。

  • 空气耦合超声:Chang等人在ACS Energy Letters(2025)上报告了非接触空气耦合超声用于电极检测的工作。空气耦合消除了耦合剂的需求,对在线质量检测(尤其是电极制造过程中的压实度检测)有重要意义。但空气-固体界面阻抗失配极大,信号能量传输效率远低于接触式测量。

  • MEMS超声芯片:CMUT(电容式微机械超声换能器)和PMUT(压电微机械超声换能器)技术近年来发展迅速。这些芯片级传感器有望实现超薄、低功耗、可阵列化集成,是未来嵌入式电池超声监测的潜在方向。如果要实现"跨多电芯/模组/整包传播"的超声检测方案,小型化传感器阵列是必经之路。


四、工程落地成熟度评估

4.1 TRL评估:物理原理验证阶段(TRL 3-4)

综合文献的分析,超声电池诊断目前整体处于技术成熟度等级(TRL)3-4级,即"关键功能验证/实验室原型验证"阶段:

  • TRL 3(实验验证):已有多个独立实验室在多种电池体系上验证了超声ToF、振幅等特征与SOC/SOH的关联性;
  • TRL 4(原型验证):少量工作展示了在实验室条件下利用超声特征进行SOC/SOH估计的可行性,结合机器学习模型取得了不错的精度(如RF模型R²达0.97,GRU-ED模型MAE仅0.28%)。

从实验室到产线,仍需跨越多个工程化鸿沟。

4.2 核心瓶颈

(1)温度-SOC解耦

温度和SOC对超声信号的影响方向相反且相互耦合。在缺少独立温度信息的情况下,仅靠单一超声特征难以同时准确估计两者。可能的解决路径包括:多频率超声测量(不同频率对温度和SOC的敏感性不同)、融合电学信号和超声信号、以及构建基于物理约束的数据驱动模型。

(2)电池形态多样性

软包、圆柱、方形三种形态的声学传播路径和边界条件截然不同。软包电池相对最容易实现超声测量(封装薄、可接触),但在新能源汽车中,方形硬壳和圆柱(如4680、21700)电池的市场份额更大。硬壳电池需要解决声波穿过金属壳的问题,而圆柱电池的曲面几何进一步增加了传感器接触和信号解释的复杂性。

(3)传感器集成方案

量产环境中,超声传感器需要承受产线振动、温度循环、长期机械稳定性等考验。传感器与电池表面的耦合方式(干耦合 vs 凝胶耦合)、传感器的长期可靠性、以及对电池热管理的影响,都是尚未解决的实际问题。

(4)模型可解释性与泛化性

数据驱动方法(神经网络、随机森林等)虽然在特定电池上表现出色,但其泛化能力---跨电池型号、跨使用条件、跨老化阶段---仍有待验证。综述1特别指出,物理模型与数据驱动模型的融合(physics-informed)是提升可解释性和泛化性的关键方向。

4.3 2026年领域全景

截至2026年中,超声电池诊断领域呈现出几个明显趋势:

  1. 学术界热度持续升温:多篇综述文章集中发表,标志着该领域已从"概念验证"进入"系统总结"阶段;
  2. 多模态融合趋势明确:超声信号 + 电学信号的融合方案已被证明可将SOH估计精度提升40%以上;
  3. 制造质量控制方向崭露头角:空气耦合超声用于电极制造过程中的压实度检测和缺陷识别,已开始展现实际应用潜力;
  4. 从单电芯到整包:探讨了超声信号跨多电芯传播的可能性,如果能实现,将大幅降低BMS传感器数量和成本。

五、FAQ

Q1:超声波检测会不会对电池造成损伤?

不会。超声波的能量密度极低,远低于电池材料的力学响应阈值。在医学超声中,人体组织可以承受更高强度的声波照射。电池超声检测使用的功率通常在毫瓦级别,属于安全无损范围。

Q2:超声ToF和电池内阻之间有什么关联?

两者反映的物理维度不同。电池内阻(包括直流内阻和交流阻抗)主要反映的是电化学反应动力学和离子传输特性。超声ToF反映的是材料的力学/结构状态。但两者存在间接关联---例如SEI膜增厚既会增加离子传输阻力(内阻增大),也会改变电极的密度和刚度(ToF增大)。因此,超声特征可以被视为对电学信号的"正交互补"。

Q3:超声方法能直接测量电池内部的温度分布吗?

理论上可行但实践中仍面临挑战。温度变化会改变声速,因此可以通过声速反推温度。但如前文所述,声速同时受SOC影响,在缺少独立约束条件的情况下,温度反演的精度有限。部分研究利用超声信号的多路径信息(如导波的不同模式)来尝试解耦温度和SOC,但仍处于早期探索阶段。

Q4:不同类型的电池(软包/圆柱/方形)对超声测量有什么影响?

影响显著。软包电池封装薄、表面平坦,最适合接触式超声测量。方形硬壳电池需要声波穿过钢壳或铝壳,金属壳会引入额外的声阻抗界面和衰减。圆柱电池(如18650、21700)的曲面几何使得传感器接触和声场分布更加复杂。综述1明确指出,不同形态电池的超声测量方案需要定制化设计,不存在"一法通吃"的解决方案。

Q5:这个系列后续还会讨论哪些主题?

本系列共16篇,后续将依次覆盖:超声信号处理方法(共振法、频谱分析、导波分析)、物理建模方法(Biot理论、传递矩阵法)、数据驱动建模、SOC/SOH估计实战、缺陷与热失控检测、制造过程质量控制、传感器工程化、以及产业化路径分析等。


六、系列导读

本系列基于Montoya-Bedoya等人2026年综述1,结合近年来超声电池诊断领域的重要进展,从物理原理到工程落地进行系统性解读。

篇号 主题
01 超声波物理基础与电池声学响应(本篇)
02 超声信号特征提取------从ToF到频谱
03 共振超声:利用电池内部层状结构的声学共振
04 导波理论:在薄层结构中传播的超声
05 物理建模:Biot多孔弹性理论在电池中的应用
... (后续篇目持续更新)

参考文献

1 MONTOYA-BEDOYA S, MCGEE T M, LEE J S, et al. Review of ultrasonic methods for monitoring, damage detection, and processing of lithium-ion batteries throughout their life-cycleJ. arXiv:2601.08075v2, 2026.

关键词

超声波无损检测、锂离子电池、声学特性、飞行时间(ToF)、声阻抗、BMS、多孔弹性波、SOC估计、多物理场耦合

本文仅对文献和其他公开信息做分析,属个人兴趣,不构成对文献观点作者的背书,亦不代表任何文献作者和机构组织的立场或利益。

相关推荐
【建模先锋】3 个月前
精品数据分享 | 锂电池数据集(10)基于阻抗的锂离子电池在不均衡使用情况下的性能预测
人工智能·python·深度学习·锂电池·锂电池寿命预测·锂电池数据集·剩余寿命预测
沅_Yuan3 个月前
基于改进型PNGV的锂电池等效电路模型【MATLAB】
matlab·建模·锂电池·等效电路模型·pngv
沅_Yuan3 个月前
基于LSTM神经网络的锂电池SOH估算模型(NASA数据集)【MATLAB】
神经网络·机器学习·matlab·锂电池·nasa·soh
沅_Yuan3 个月前
基于KAN神经网络的锂电池SOH估算模型(NASA数据集)【MATLAB】
神经网络·机器学习·matlab·锂电池·nasa·soh
沅_Yuan3 个月前
基于深度回声状态网络DeepESN的锂离子电池SOH估算模型(NASA数据集)-创新算法【MATLAB】
matlab·锂电池·剩余使用寿命·nasa数据集·soh·寿命估算
沅_Yuan3 个月前
NASA锂电池老化数据集处理与健康因子提取【MATLAB】
matlab·锂电池·nasa·soh·寿命估算·健康因子
APO Research4 个月前
2026 Global Carbon Coated Aluminum Foil Market Trends:电池集流体升级与界面工程重构
材料工程·锂电池·新能源材料·储能技术·电池制造·碳涂层铝箔·锂电池集流体
【建模先锋】4 个月前
Nature子刊论文复现!基于信号分解和机器学习的锂电池RUL预测
人工智能·机器学习·锂电池·锂电池寿命预测·nasa·寿命预测·锂电池rul预测
准测仪器6 个月前
全流程电池测试解决方案
锂电池·仪器仪表·老化测试·入库检测·存储记录仪·开路电压·充放电测试