近日，汽车工程学院王大方教授团队青年教师张齐在锂离子电池阻抗谱快速获取与电化学动力学解析领域取得重要研究进展。相关成果以《基于电池动力学信息神经网络的弛豫信号快速阻抗谱提取》（Rapid Impedance Spectrum Extraction from Relaxation Signals via a Battery Kinetics-Informed Neural Network）为题，发表在国际期刊《储能材料》（Energy Storage Materials）上。

在新能源汽车与储能系统领域，快速、准确地感知电池内部状态，是提升电池管理系统安全水平的关键。电化学阻抗谱（EIS）能够揭示电池内部多种动力学过程，是开展电池状态估计和故障诊断的重要工具。然而，阻抗谱测试依赖逐频激励和高频采样，存在测试时间长、硬件要求高和测试条件严格等问题，难以直接应用于嵌入式电池管理系统。

为突破这一瓶颈，研究团队创新性地提出了一种融合机理引导弛豫时间分布与物理信息神经网络的阻抗谱预测方法。该方法根据锂离子电池不同电化学过程的特征时间尺度，构建机理引导弛豫时间分布，将复杂阻抗谱压缩为少量具有明确物理意义的动力学参数，并嵌入编码器-解码器神经网络，使模型能够直接根据充电后弛豫电压信号重构完整阻抗谱。该模型在阻抗谱预测精度与物理可解释性上优势显著，最少依靠15个弛豫电压数据点就能重构阻抗谱；借助物理约束损失函数，可抑制纯数据驱动模型易产生的非物理解与外推不稳定问题。该成果为基于短时弛豫信号快速获取电池阻抗谱、辨识老化模式及实现在线健康诊断提供了新的技术路径。

快速阻抗谱获取流程图

哈尔滨工业大学（威海）为论文第一通讯单位。汽车工程学院博士生陈仕钦为论文第一作者，青年教师张齐、王大方教授为论文共同通讯作者。该研究工作得到国家自然科学基金、山东省青年自然科学基金等项目的资助。

论文链接：https://doi.org/10.1016/j.ensm.2026.105339