深圳先进院提出非接触激光超声技术，实现锂电池SoC/SoH实时监测

中国科学院深圳先进技术研究院智能仿生研究中心郭师峰团队与清华大学深圳国际研究生院周光敏团队的一项合作研究成果，于7月29日在线发表于国际学术期刊《Science Advances》。

该项研究聚焦高倍率工况下锂离子电池的荷电状态（SoC）与健康状态（SoH）的原位监测问题。当前主流的电池状态估算方法多依赖电压、电流和内阻等电化学参数，但在高倍率充放电等条件下，这些方法容易出现精度受限的情况，难以满足实时精细化监测的要求。研究团队提出了一种将非接触激光超声传感与Transformer深度学习模型相结合的一体化方案，旨在通过非接触方式获取电池内部状态信息，并借助深度学习提升估算精度。

据介绍，研究团队在超过10万个样本的实验条件下对该方案进行了验证。结果显示，该技术能够在不接触电池表面的前提下实现SoC与SoH的实时、高精度监测，为动力电池、储能电站等应用场景的安全评估与寿命管理提供了新的技术参考路径。

【空音视角】 非接触感知技术正从生命体征监测向更广泛的工业场景延伸。本则资讯中的激光超声非接触传感方案，与WiFi感知在技术理念上有相通之处——均通过不接触目标本身的方式获取关键状态信息。锂电池SoC/SoH监测需求的增长，反映了新能源汽车与储能产业对电池安全与寿命管理的更高要求，这一趋势或将催生更多非接触感知方案落地。对空音而言，关注此类跨领域进展，有助于把握感知技术在健康、能源、养老等多场景中的融合方向。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：IT之家 原文链接：https://www.ithome.com/0/986/225.htm