📄 chemistry

Formation charging reveals hidden manufacturing defects in lithium-ion batteries

Diese Studie zeigt, dass ein vereinheitlichter Index der Ladungsakzeptanz-Partitionierung während der Formierungsphase effektiv diverse Fertigungsfehler von Lithium-Ionen-Batterien durch die Erfassung ihrer gemeinsamen Konvergenz auf eine reduzierte Ladungsakzeptanz nachweisen kann, was eine einfache und kostengünstige Alternative zu komplexen, defektspezifischen Screening-Methoden bietet.

Ursprüngliche Autoren: Rui Xiong, Wei Chen, Ying Li, Jinpeng Tian, Xuyi Shan, Kang Li, Fangfang Pan, Hong Li

Veröffentlicht 2026-07-14

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Rui Xiong, Wei Chen, Ying Li, Jinpeng Tian, Xuyi Shan, Kang Li, Fangfang Pan, Hong Li

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie backen eine Ladung von 55 Keksen. Die meisten sind perfekt, aber fünf enthalten einen versteckten Stein, fünf haben ein fehlendes Stück Schokolade, fünf haben eine zerrissene Verpackung, fünf sind rissig und fünf haben eine verstopfte Ofenlüftung. Man kann diese Mängel nicht allein durch das Ansehen der Kekse erkennen, und wenn man einen Bissen nimmt, schmecken sie vielleicht zuerst noch gut. Wie entlarvt man die schlechten, bevor sie verschickt werden?

Lange Zeit haben Batteriehersteller versucht, diese versteckten „Steine“ und „Risse“ in Lithium-Ionen-Batterien zu finden, indem sie mehr Kameras, Röntgenstrahlen oder komplexe Sensoren hinzufügen. Es ist, als würde man ein ganzes Team von Inspektoren mit Lupen engagieren, um jeden einzelnen Keks zu untersuchen. Aber dieses Paper, geleitet von Forschern des Beijing Institute of Technology und der CALB Group, legt nahe, dass es einen einfacheren, klügeren Weg gibt: Hören Sie einfach zu, wie die Batterie „atmet“, während sie geboren wird.

Der „Erster Atemzug“-Test
Wenn eine neue Batterie hergestellt wird, durchläuft sie einen speziellen „Formierungsprozess“. Betrachten Sie dies als das erste Training der Batterie. Sie wird in zwei Hauptphasen aufgeladen:

Der Sprint (Konstantstrom): Das Ladegerät drückt den Strom in einem stetigen, schnellen Tempo hinein.
Das Abkühlen (Konstantspannung): Das Ladegerät hält die Spannung konstant und lässt die Batterie den letzten Rest Energie langsam aufsaugen, wie ein Schwamm, der gerade seine Absorption abschließt.

Die Forscher entdeckten, dass es völlig egal ist, welche Art von verstecktem Defekt eine Batterie hat – ob es ein winziges Stück Metall, ein zerrissener Tab oder eine verstopfte Pore ist – sie stört diese „Abkühlphase“ auf exakt die gleiche Weise.

Sie erfanden einen einfachen Wert namens charge-acceptance partitioning index (nennen wir ihn den „Saug-Score“). Dieser Score misst genau, wie viel Energie die Batterie während der „Abkühlphase“ im Vergleich zum „Sprint“ aufgenommen hat.

Die magische Zahl
In ihrem Test an 55 Batterien (30 perfekte und 25 mit verschiedenen versteckten Defekten) war die Mathematik überraschend sauber.

Die perfekten Batterien hatten einen Saug-Score zwischen 4,117 % und 4,640 %, mit einem Mittelpunkt (Median) von 4,358 %.
Die defekten Batterien (alle fünf Arten von Fehlern) hatten einen Saug-Score zwischen 3,357 % und 4,075 %, mit einem Mittelpunkt von 3,805 %.

Der Clou dabei ist: Jede einzelne defekte Batterie fiel unter den niedrigsten Score einer perfekten Batterie. Wenn man eine Linie bei 4,075 % zieht, kann man die schlechten Batterien sofort von den guten trennen, ohne wissen zu müssen, welchen spezifischen Fehler sie haben. Es ist wie ein Metalldetektor, der für jedes Metall piept, egal ob es eine Münze, ein Nagel oder eine Büroklammer ist, ohne dass man den Unterschied kennen muss.

Warum das die alten Wege schlägt
Das Paper argumentiert gegen die Vorstellung, dass man für jede andere Art von Defekt einen anderen Test benötigt. Normalerweise sucht man nach Rissen, wenn eine Batterie einen Riss hat, und nach Rissen in den Tabs, wenn ein Tab zerrissen ist. Die Forscher fanden heraus, dass, obwohl andere gängige Tests (wie die Überprüfung der Gesamtkapazität, Spannung oder des Widerstands) einige Defekte erfassen könnten, sie unübersichtlich werden. Eine rissige Batterie könnte bei einem Kapazitätstest gut aussehen, während ein zerrissener Tab bei einem Widerstandstest gut aussehen könnte. Man bräuchte eine komplizierte Checkliste, um sie alle zu erfassen.

Aber der „Saug-Score“ ist anders. Er legt nahe, dass all diese unterschiedlichen Fehler – Metallteile, fehlendes Material, Risse, Brüche und Verstopfungen – die Fähigkeit der Batterie, die Endladung aufzunehmen, auf die gleiche Weise stören. Sie alle lassen die Batterie beim finalen „Einsaugen“ ein wenig zu früh „aufgeben“.

Wie es funktioniert (Der wissenschaftliche Teil)
Warum verursachen diese völlig unterschiedlichen Probleme das gleiche Ergebnis? Die Forscher gingen der Mechanik auf den Grund und fanden drei Hauptwege, wie die Fehler alles durcheinanderbringen:

Energieverlust: Einige Defekte (wie Metallteile) verurszen winzige, unsichtbare Lecks oder Nebenreaktionen, die Energie verbrauchen.
Ungleichmäßige Mischung: Einige Defekte (wie zerrissene Tabs oder fehlendes Material) machen die internen Teile der Batterie unausgewogen, wie ein Team, bei dem ein Spieler an der falschen Stelle steht.
Verkehrsstaus: Einige Defekte (wie verstopfte Poren) verlangsamen den Stromfluss, was einen Verkehrsstau verursacht, der verhindert, dass die Batterie ihre Ladung abschließt.

Obwohl die Ursache unterschiedlich ist, ist der Effekt derselbe: Die Batterie kann ihre Ladung während dieser letzten „Abkühlphase“ nicht halten, wodurch der Saug-Score sinkt.

Das Fazit
Diese Studie, die auf echten Batterien aus einer industriellen Produktionslinie basiert, zeigt, dass man nicht eine Million verschiedene Sensoren braucht, um versteckte Fertigungsfehler zu finden. Indem man einfach beobachtet, wie die Batterie den letzten, langsamen Teil ihrer ersten Ladung bewältigt, kann man eine Vielzahl von versteckten Gefahren mit einer einzigen, einfachen Zahl erkennen. Es verwandelt ein komplexes Puzzle in einen unkomplizierten „Bestanden oder Nicht bestanden“-Test, was die Batterien, die wir in unsere Elektroautos einbauen, sicherer und einfacher überprüfbar macht.

Technische Zusammenfassung: Formierungsladung offenbart verborgene Fertigungsfehler in Lithium-Ionen-Batterien

Problemstellung
Fertigungsfehler in Lithium-Ionen-Batterien (LIBs) stellen eine anhaltende Sicherheitsherausforderung dar, die häufig zu abrupten, spontanen Bränden in Elektrofahrzeugen (EVs) führt. Diese Defekte, zu denen metallische Fremdkörper, Elektrodendeformationen (Cracking) und das Verschließen von Separatorporen gehören, werden während der Herstellung eingeführt und bleiben innerhalb der Zelle versiegelt. Entscheidend ist, dass sie häufig keine wahrnehmbaren Anomalien in den routinemäßigen Strom-, Spannungs- oder Temperatursignalen erzeugen, bevor ein gefährlicher Ausfall eintritt. Bestehende Detektionsstrategien fallen im Allgemeinen in zwei Kategorien: dedizierte Inspektionshardware (z. B. Röntgen, Ultraschall, visuelle Kameras), was die Instrumentierung komplexer macht, oder die Extraktion elektrischer Merkmale mittels multivariater Klassifizierung von Kapazität, Spannung und Widerstand. Diese elektrischen Ansätze erfordern jedoch oft komplexe, defektspezifische Entscheidungsregeln und liefern kein einheitliches Signaturmerkmal über verschiedene Defektmorphologien hinweg.

Methodik
Um die Heterogenität der Defekte zu adressieren, konstruierten die Autoren einen kontrollierten Datensatz aus 55 Pouch-Zellen (2 Ah), die auf einer industriellen Produktionslinie der CALB Group hergestellt wurden. Der Satz umfasste 30 normale Zellen und 25 defekte Zellen, die fünf verschiedene Defektklassen repräsentieren, welche aus realen Ausfallfällen abgeleitet wurden:

Metallische Fremdkörper
Verlust von aktivem Randmaterial
Tab-Einriss (Tab tearing)
Elektrodendeformation (Electrode cracking)
Separatorporenschluss

Alle Zellen durchliefen ein identisches, standardisiertes Formierungsprotokoll bestehend aus mehrstufigem Konstantstrom-Laden (CC), einer 50-stündigen Ruhephase, Konstantstrom-Konstantspannung-Laden (CCCV) sowie Entladung. Die Studie konzentrierte sich auf die Analyse der elektrischen Antwort während der Formierungsphase, spezifisch der CCCV-Ladephase.

Die Autoren führten eine neue Metrik ein, den Ladungsakzeptanz-Partitionierungsindex ( $r_{CV}$ ), definiert als:
$r_{CV} = \frac{Q_{CV}}{Q_{CC} + Q_{CV}} \times 100\%$
wobei $Q_{CC}$ und $Q_{CV}$ die während der Konstantstrom- bzw. Konstantspannungsphase geladenen Kapazitäten sind. Dieser Index quantifiziert den Anteil der während der CV-Phase akzeptierten Gesamtladung. Die Autoren verglichen $r_{CV}$ mit einer breiten Palette konventioneller Produktionslinien-Merkmale (Kapazität, Klemmenspannung, K-Wert, Widerstand, inkrementelle Kapazität) und entwickelten ein mechanistisches Modell unter Verwendung von drei Deskriptoren: Nebenreaktions-Ladungskonsum ( $M_S$ ), lokale Heterogenität ( $M_H$ ) und Transport-Kinetik-Abweichung ( $M_T$ ).

Wichtigste Ergebnisse

Einheitliche Detektion via $r_{CV}$ : Trotz der morphologisch unterschiedlichen Defekte und Ausfallpfade aller fünf Defektklassen zeigten alle defekten Zellen eine konsistente Abwärtsverschiebung in $r_{CV}$ im Vergleich zu normalen Zellen.
- Normale Zellen (Gruppe F): $r_{CV}$ -Bereich 4,117 %–4,640 % (Median: 4,358 %).
- Defekte Zellen (Gruppen G–K): $r_{CV}$ -Bereich 3,357 %–4,075 % (Median: 3,805 %).
- Ein einziger Schwellenwert für $r_{CV}$ trennte alle 25 defekten Zellen vollständig von den 30 normalen Zellen ohne falsch-positive Ergebnisse.
Überlegenheit gegenüber konventionellen Metriken: Konventionelle Qualitätsmetriken (Kapazität, Klemmenspannung, K-Wert, Widerstand) und Merkmale aus anderen Phasen (wie die dreistufige CC-Ladung) zeigten typabhängige Reaktionen. Während einige Merkmale spezifische Defekte detektierten, gelang es ihnen nicht, eine einheitliche Trennung über alle Defektklassen hinweg unter einer einzigen Entscheidungsregel zu gewährleisten. Darüber hinaus führte die Berechnung von $r_{CV}$ aus der ersten CCCV-Ladung (nach der Formierung) nicht zu dieser Trennung, was die einzigartige Sensitivität der Formierungsphase gegenüber defektbedingten Abnormalitäten unterstreicht.
Mechanistische Interpretation: Die mechanistische Analyse ergab, dass die Defekte zwar morphologisch verschieden sind, aber auf dieselbe elektrische Konsequenz konvergieren, indem sie die terminale Ladungsakzeptanz über drei unterschiedliche Wege stören:
- Nebenreaktions-Ladungskonsum ( $M_S$ ): Dominant bei metallischen Fremdkörpern (parasitäre Reaktionen/Leckagen).
- Lokale Heterogenität ( $M_H$ ): Prominent bei Randmaterialverlust, Tab-Einrissen und Elektrodendeformation (Zustands-Mismatch).
- Transport-Kinetik-Abweichung ( $M_T$ ): Evident bei Separatorporenschluss und anderen strukturellen Defekten (Behinderung des Ionentransports).
  Ein lineares Modell, das diese drei Deskriptoren kombiniert, reproduzierte erfolgreich die beobachtete Verringerung von $r_{CV}$ (Pearson-Korrelation: 0,871), was bestätigt, dass die Reduktion des Index eine gemeinsame Folge diverser Defektmechanismen ist.

Bedeutung und Ansprüche
Die Arbeit behauptet, dass die Formierungsladung eine „einheitliche, interpretierbare und kostengünstige Produktionslinien-Signatur“ zur Detektion von Fertigungsfehlern bietet. Der primäre Beitrag ist der Nachweis, dass heterogene Fertigungsfehler auf eine gemeinsame elektrische Antwort konvergieren – die Verringerung des Ladungsakzeptanz-Partitionierungsindex während der CV-Phase der Formierungsladung.

Im Gegensatz zu bisherigen Methoden, die auf die Hinzunahme von Inspektionshardware oder die Erweiterung des Merkmalsraums durch komplexe multivariate Modelle setzen, nutzt dieser Ansatz ein einzelnes, prozessinformiertes Merkmal ( $r_{CV}$ ), das aus den während der Standardformierung bereits erfassten Daten abgeleitet wird. Dies ermöglicht die Trennung defekter Zellen von normalen Zellen mittels eines einfachen Schwellenwerts und adressiert so die Herausforderung der Defektdiversität ohne Erhöhung der Testkomplexität. Die Autoren positionieren dies als Schritt hin zu einer einfacheren, robusteren Qualitätskontrolle, die frühzeitige Abnormalitäten erfasst, bevor sie sich zu ausgeprägten Ausfällen entwickeln, merken jedoch an, dass zukünftige Arbeiten notwendig sind, um die Generalisierbarkeit über größere Datensätze, variierende Defektintensitäten und diverse Zellchemien zu validieren.

Technische Zusammenfassung: Formierungsladung offenbart verborgene Fertigungsfehler in Lithium-Ionen-Batterien

Mehr davon