SSB蓄电池振动环境下动力电池的失效机理与寿命提升——批判性综述

2026-04-11 19:23:31

随着全球向清洁能源转型和低碳经济的发展，动力电池已成为车辆推进系统中最具前景的能源载体。然而，交通工具的运行始终伴随着机械振动的产生，这对电池容量、循环寿命、热失控风险及电路安全性构成了重大挑战。近期，动力电池领域的研究人员已建立多种测试方法与数值模型，以阐明振动环境下动力电池的工作机制。先进诊断技术与预测模型的引入进一步保障了运行安全性与可靠性。本综述着重探讨振动环境下动力电池的失效维护与安全运行，包括振动环境模拟、电池管理系统控制技术、失效机理、故障检测、预测性维护及寿命提升等关键技术。动力电池电热管理性能研究需与机械振动耦合，本文系统阐述了机械激励下动力电池电能衰减与温度变化的特征。基于振动频率、振幅及加速度参数，综述了动力电池系统多参数监测与智能预测策略，并探讨了动力电池系统中振动能量耗散技术。通过对现有研究的批判性评估，本综述提出了高性能动力电池的未来研究方向与洞见，有助于提升其安全性与可靠性。

引言

为缓解温室效应与能源危机，车辆驱动能源正从化石燃料向电能转变[1,2]。作为电能存储的核心装置，电池已成为交通应用领域的主要动力来源之一，对发展绿色低碳经济具有重要贡献[[3], [4], [5]]。因此，全球各国正在加速推进交通系统电气化进程[[6], [7], [8]]。据预测，到2030年全球纯电动汽车销量将达2800万辆，对应动力电池产能需求将达1525吉瓦时[9]。至2030年，航空用动力电池的能量密度有望达到600瓦时/千克。⁻¹实现飞行任务的执行[10]。若美国在2035年前对传统配对进行电力推进系统改造，温室燃料费排放量可显著降低，年排放量将比2022年水平减少27%[11]。然而，车载动力电池易受振动环境影响，机械振动会导致放电性能退化并最终引发故障[[12], [13], [14]]。为满足下一代无人机、垂直起降飞行器、飞行汽车及全电驱动飞机对动力电池本质安全和超高能量密度的需求，缓解由车辆振动引发的性能衰退与失效问题至关重要。机械振动是由机器内部应力共同作用引发的往复运动。根据机械系统输出特性，车辆会产生多种振动类型，包括谐波振动、周期性振动、瞬态振动和随机振动。其中，瞬态振动与随机振动是当前运输振动研究的主要关注对象。其主要来源包括电机运转、传动系统振荡、气流激励振动、地面共振及机翼颤振，如图1所示。此外，振动效应会导致高倍率放电工况下产热量加剧[15]。动力电池以其固有频率振动时会产生最高温升，其热管理控制方法亟需在整个生命周期内进一步完善。振动对电动汽车电池寿命具有显著影响[16]。目前，多数研究忽略了振动条件下的电热耦合效应，在确保动力电池热安全性与寿命预测方面仍存在挑战。因此，解决这些问题对于保障动力电池在交通运输应用中的安全耐久运行至关重要。
动力电池正朝着更高充电速率、更大能量密度和更高安全性的方向发展，以应对交通运输应用中续航里程短和充电时间长的挑战。高能量密度电池在放电过程中会产生更多热量，从而增加热失控或爆炸的可能性[17]。此外，车身结构无法完全隔离振动，进而增大了非线性和时变特性[18]。路况、气流和环境温度等因素使电池在运行过程中承受随机或周期性的振动激励。高温条件下，电池电解液、SEI膜和活性材料的性能会加速恶化，导致放电容量下降。温度升高和振动都会增加电池内阻。低温条件下，振动会诱发电池内部材料产生微裂纹，导致荷电状态(SOC)加速衰减。电解液粘度随温度降低而增大，减缓了锂离子迁移速率，进而造成放电容量下降。在低温与振动复合工况下，电池内阻会增大2mΩ[19]。当动力电池系统的固有频率与外部激励频率重合时，可能发生共振现象，导致振动能量积累与振幅增大。随着振幅升高，电池内部结构应力相应增加，这可能对其电化学性能及系统整体安全性产生不利影响。在严苛振动工况下，优化动力电池性能并确保安全性至关重要。这不仅可使其在合理电压、电流及温度范围内运行，更能确保动力电池的长寿命与高可靠性。因此，为应对交通电气化的新需求，针对振动条件下动力电池的电热耦合特性、失效机理、故障检测及预测性维护开展研究，将为提升动力电池系统的安全性与可靠性提供理论基础。

车辆局部振动与过热会加速动力电池寿命衰减，表现为内阻增大、活性物质损失和结构损伤，从而间接降低电池充放电性能。电池振动时的纵向与横向方向定义详见文献[19]。Awan等[20]研究了动力电池在频率高达2000 Hz机械振动下的电性能表现。通过循环测试与电化学阻抗谱分析，他们发现机械振动导致圆柱电池内阻增加，最高造成4%的容量损失。Khan等[21]探讨了振动对锂离子电池热管理系统相变冷却性能的影响，并提出采用相变材料以增强抗振性。Yang等[22]分析了振动对动力电池热管理系统散热性能的影响，研究表明在特定范围内，振动幅值和频率的变化能够提升散热效果。然而，当振幅超过50 mm且频率超过25 Hz时，冷却性能的改善可忽略不计。Mane等[23]提出了一种适用于振动工况下动力电池的脉动热管（PHP）冷却方案。他们研究了30Hz振动对脉动热管（PHP）热性能的影响，并通过回归分析建立了振动环境下预测热阻的相关性模型。Yang等[24]采用数值模拟方法探究了动力电池在振动工况下的散热性能。研究表明，只有当相变材料（PCM）厚度超过4mm时才能有效增强吸热效果，且振幅超过50mm后对热性能的进一步改善作用有限。这些发现表明动力电池在振动环境下普遍存在性能衰减趋势。然而当前研究缺乏针对此类场景下电热耦合效应的系统理论分析与设计优化。机械振动会影响动力电池性能，使其难以满足长寿命、高可靠性电池应用的需求。
动力电池在振动环境中的持续运行会导致其内部结构、充放电性能及连接极耳焊接处出现一定程度的退化，进而引发失效[25]。振动被公认为动力电池系统失效的主要原因之一[26]。Somerville等[27]对经振动暴露后的镍锰钴(NMC)电池进行X射线光电子能谱(XPS)分析，发现振动导致表面膜层发生剥离与置换，造成容量衰减及阻抗增加。Parasumanna等[28]研究了磷酸铁锂(LFP)电池在正弦振动暴露前后的内阻变化与电极形貌变化，结果显示内阻增加25%，且正极表面出现塔状结构。Haris等[29]通过有限元分析模拟了蜂窝结构动力电池模块的振动响应，结果表明轴向振动影响最为显著，且在139Hz附近出现共振现象。Kim等[30]采用随机振动谱对动力电池组进行疲劳测试，其中功率谱密度曲线被用作输入激励。研究在频域内开展疲劳分析以预测疲劳损伤并识别电池组内关键失效区域，发现振动模态诱发的高应力区域是导致系统失效的重要因素。在各类振动方向中，电动汽车的垂直振动构成最严峻威胁。来自路面的低频垂直激励可传导至电池包，诱发共振并最终导致系统失效[31]。由大量单体电芯构成的动力电池系统增加了故障风险，这进一步推动了故障检测技术的发展。-axis vibrations had the most significant impact and that resonance occurred near 139 Hz. Kim et al. [30] conducted fatigue testing on power battery packs using random vibration profiles, where power spectral density curves were used as input excitations. Fatigue analysis was conducted in the frequency domain to predict fatigue damage and identify critical failure regions within the battery pack. It was found that high-stress regions induced by vibration modes significantly contribute to system failure. Among various vibrational directions, vertical vibrations in electric vehicles pose the most severe threat. Low-frequency vertical excitations from road surfaces can propagate to the battery pack, inducing resonance and ultimately leading to system failure [31]. Power battery systems composed of a large number of single cells increase the risk of failure, further driving the development of fault detection techniques.
针对严苛振动工况环境，动力电池故障检测技术可实时监测、分析与诊断电池系统内部故障类型、成因及位置。故障检测是保障动力电池安全可靠运行的关键前提。Xu等[32]研究了动力电池电气接触故障，通过分析电池状态方程波动特性，提出了一种新型评价指标。提出并验证了一种基于动态权重的动力电池系统综合性能评价方法，该方法通过在振动工况下进行充放电循环测试实现。Hooper等人[33]通过测量阻抗、开路电压和容量开展电性能测试，其研究揭示了电池电气特性与共振幅值之间的相关性，并发现振动会增大电池的直流内阻。Asghari等人[34]提出了一种基于激光二次散斑的光学远程电池检测方法，通过分析激光束散射产生的次级散斑图案来评估电池状态。该方法在不同振动频率与电池类型下均表现出可靠的检测性能。交通运输用动力电池系统由多节串并联电池构成，单体电池间的状态失衡将引发加速衰减、热失控等安全隐患。在振动工况下，这种失衡现象尤为显著，需结合振动频率、温度分布及系统动力学特性进行综合评估[35]。动力电池系统还易受振动、碰撞与冲击等滥用工况影响，导致充放电行为异常。为解决内部短路和振动引发的故障，基于电压的诊断方法可利用电池信息交换快速识别故障单体，从而确保整个电池系统安全可靠运行[36]。精确的故障检测信息对动力电池系统实施有效预测性维护至关重要。
动力电池的健康状态与寿命对交通运输装备的安全运行至关重要。因此，准确预测电池寿命具有重大实用价值。在系统故障前实施预测性维护可显著提升动力电池系统的安全性与可靠性。Li等[37]通过振动台获取机械激励下动力电池的寿命数据，分析了振动影响电池寿命的内在机制，并为长短期记忆网络预测提供训练以实现电池容量预测（误差3%）。Lu等[38]提出一种新型经验模态算法，利用小波变换处理电池振动信号以预测动力电池健康状态（误差2.6%）。Li等[39]建立了电池寿命各阶段的寿命模型，并基于实验数据进行了线性和非线性退化分析，揭示了机械振动导致正极材料的显著退化。物理模型预测和数据驱动方法均可预测动力电池的寿命与健康状态，但物理模型预测成本高昂，而数据驱动方法存在泛化性低、稳定性差的问题[40]。为克服这些局限，学者提出了物理信息神经网络（PINNs）。这些模型结合了基于物理和数据驱动方法的优势，从而提高了预测精度并降低了计算成本。物理信息神经网络（PINNs）可有效应用于电池退化建模和健康状态（SOH）估计，特别是在振动条件下。动力电池健康状态与寿命的准确预测有助于避免安全事故并缓解里程焦虑。然而，电池放电性能显著受温度与振动耦合作用的影响。现有电池寿命预测模型往往忽视振动引发退化的影响。因此，开展基于电-热-振动耦合的动力电池寿命预测研究具有紧迫性和重要性。

关于振动条件下动力电池性能衰退与失效机制的研究在现有综述中覆盖有限，如图2a所示。近年来，随着电动汽车寿命、安全性和续航里程日益受到关注，针对振动引致的电池性能衰退与失效的综述文献数量呈现上升趋势（图2b）。尽管近期文献对电池热管理方法进行了详细总结，但关于电-热-振动耦合效应的分析仍显不足[[41], [42], [43]]。此外，针对振动诱发电池失效机制及寿命提升策略的系统性综述依然稀缺[[43], [44], [45]]。表1对比了近五年发表的相关综述文献的研究内容。因此，本文系统综述了振动环境下动力电池的运行机制，提出了如图2c所示的评述分析框架。首先阐述了机械振动作用下动力电池的基础技术，继而总结了近年来在电热耦合、失效机理、失效检测、预测性维护及寿命延长等方面的主要研究进展。最后，重点探讨了振动激励下动力电池技术发展的新兴趋势与创新方向。
本研究的主要动机如下：

• 1)
  重点讨论了振动对动力电池电性能与热管理的影响，归纳了电-热-振耦合作用下动力电池的行为规律。
• 2)
  系统总结了动力电池失效机制，并对现有动力电池故障监测的研究成果与可行路径进行了分析。
• 3)
  总结了振动激励下预测电池寿命的研究进展与可行方法。
• 4)
  探讨了通过结构优化与能量耗散实现动力电池减振的技术路径。