基于超声导波的锂离子电池SOC SOH联合估计：从声学特征参数到物理信息神经网络.docxVIP

PAGE2

基于超声导波的锂离子电池SOC/SOH联合估计：从声学特征参数到物理信息神经网络

摘要

本报告聚焦于电池测试与仿真领域中，基于超声导波技术实现锂离子电池荷电状态与健康状态联合估计这一前沿方向。

研究范围涵盖超声波在多层电芯结构中的传播机理、声学特征参数提取方法，以及融合声学与电学特征的物理信息神经网络估算模型构建。

核心发现表明，超声波对电池内部材料模量、密度及界面接触状态的变化高度敏感，其飞行时间和信号衰减能量可作为评估SOC与SOH的稳健特征。

通过将声学波动方程嵌入神经网络损失函数，PINN模型在少样本条件下展现出优于纯数据驱动模型的泛化能力与物理一致性。

报告指出，全球电池检测市场在2023年约为180亿美元，年复合增长率达12%，其中基于声学的无损评估技术正从实验室走向产线应用。

当前技术竞争焦点在于多物理场耦合建模精度与在线计算效率的平衡，未来趋势将向全生命周期声纹库构建与边缘端实时诊断演进。

投资机会主要集中在高精度超声传感器集成、物理信息算法IP授权及面向储能与电动汽车的在线监测系统三大领域。

第一章行业概况与研究框架

1.1行业定义与分类

本报告研究的行业属于电池测试与仿真技术领域，具体聚焦于利用超声波无损检测手段对锂离子电池进行状态评估。

该行业边界涵盖声学传感硬件、信号处理算法、多物理场仿真建模以及基于数据驱动的状态估算软件。

从技术路线