Spektroszkópia, mint műhelyjövő? Mit hozhat az akkumulátor-diagnosztikában?

Az elektrokémiai impedancia-spektroszkópia (EIS) eredetileg laboratóriumi kutatási módszerként indult, amellyel akkumulátorok és tüzelőanyagcellák belső elektrokémiai folyamatait vizsgálták. A technika lényege, hogy a mérendő akkumulátor pólusaira különböző frekvenciájú, kis amplitúdójú váltakozó jelet (tipikusan néhány millivoltos feszültséget vagy 10 mA alatti áramot) kapcsolnak, majd mérik a válaszát. Az így kapott frekvenciafüggő impedanciagörbe – a Nyquist- és Bode-diagramok – olyan belső folyamatokat tesznek láthatóvá, mint az elektrolit öregedése, a SEI-réteg (Solid Electrolyte Interphase – szilárd elektrolit-határréteg) vastagodása, a belső ellenállás növekedése vagy a lítiumbevonat kialakulása. Ezek a jelenségek a hagyományos feszültség–áram alapú diagnosztikával sokszor nem észlelhetők, így az EIS jóval pontosabb képet ad az akkumulátor egészségi állapotáról (State of Health, SOH) és töltöttségi szintjéről (State of Charge, SOC).

Az ipar számára hamar világossá vált, hogy az EIS nem maradhat meg kutatói eszköznek. A Marelli például 2025-re olyan BMS-t jelentett be, amely már integrált EIS-funkcióval rendelkezik: ez a rendszer a cellafeszültség és hőmérséklet monitorozása mellett folyamatosan futtat EIS-méréseket, így pontosabb SOC és SOH becslést, valamint élettartam-előrejelzést nyújt. Hasonló irányba mutat Lourenço és társai multisine alapú beágyazott EIS-rendszere, amely egyszerre több frekvenciaponton vizsgálja az akkumulátort, alacsony memória- és számítási igénnyel, így közvetlenül integrálható a jármű BMS-ébe. A dél-koreai KAIST kutatócsoport (címképünkön) pedig egy új, alacsony áramú (≈10 mA) EIS-megoldást fejlesztett, amely biztonságosan, pontosan és a járműbe beépítve képes diagnosztikai információkat szolgáltatni.

A műszaki kihívás abban rejlik, hogy az autó zajos, elektromágnesesen terhelt környezetében is mikroohmos nagyságrendű változásokat kell kimutatni. Ehhez korszerű jelgenerátorokra, galvanikusan leválasztott precíziós mérőáramkörökre, nagyfelbontású A/D konverterekre és fejlett jelfeldolgozásra van szükség. A kiértékelést gépi tanulás alapú algoritmusok segítik, amelyek nagyméretű adatbázisokból folyamatosan tanulva képesek felismerni a különféle meghibásodásokat (például SEI vastagodás, elektrolit lebomlás vagy lítiumbevonat képződés).

A mérés vázlatos ismertetője a Gartner anyagában

A szervizek szempontjából az EIS kétféleképpen jelenhet meg. Az egyik lehetőség a hordozható diagnosztikai eszköz, amelyet a nagyfeszültségű akkumulátorra csatlakoztatnak. Az eszköz automatikusan lefuttatja a mérést, majd az eredményt algoritmusok értékelik ki, és – a megszokott -egyszerű, érthető szöveges státuszjelentést adja. Ez hasonló a mai akkuteszterekhez, de sokkal pontosabb, mert nemcsak a belső ellenállást méri, hanem képes elkülöníteni a hibamechanizmusokat is. A másik megoldás, hogy az EIS a gyári/üzemszerű diagnosztikai protokoll részeként fut: ilyenkor a szerviz szoftver parancsot ad a BMS-nek, amely maga hajtja végre a mérést, és az eredmény a szervizlaptop kijelzőjén jelenik meg.

Ekvivalens áramköri paraméterek megjelenítése egy MDPI publikációban

Az MDPI anyagában már azt is szemléltetve láthatjuk, hogy mit látunk az akkumulátor cellái kapcsán: a kutatók a cellát sok töltési–kisütési cikluson keresztül mérték, és minden ciklusban különböző töltöttségi állapotoknál (SOC – State of Charge) vizsgálták a válaszát. A mérési eredményeket egy ekvivalens áramköri modell paramétereire illesztették, majd ezeket ábrázolták háromdimenziós grafikonokon. Így egyszerre követhető, hogyan változnak az akkumulátor belső jellemzői a töltöttségi szint és az öregedés (ciklusszám) függvényében.

Az első grafikon (a) a soros ellenállást mutatja, amely az elektrolit és a csatlakozások ellenállását jelenti. Ez általában lassan nő az öregedés során. A második (b) az induktivitást ábrázolja, ami főként a vezetékek és csatlakozások parazita tulajdonságaiból ered. A harmadik (c) a konstans fáziselem vezetőképességét adja meg, amely a SEI-réteghez és az elektrolit felületéhez köthető. A negyedik grafikon (d) a töltésátadási ellenállást mutatja, amely az elektrokémiai reakciók sebességét jellemzi, és az öregedéssel jellemzően növekszik. Az ötödik (e) a konstans fáziselem kitevője, ami azt mutatja, mennyire ideális kapacitív vagy rezisztív a rendszer viselkedése. A hatodik (f) a SEI-réteghez tartozó kapacitást mutatja, amely többnyire stabil, de öregedéssel lassan változhat. A hetedik grafikon (g) a SEI-réteg ellenállását ábrázolja, amely jól jelzi a belső öregedést, hiszen a védőfilm vastagodásával ez az érték növekszik. A nyolcadik (h) a SEI-hez tartozó konstans fáziselem paramétere, amely a réteg tulajdonságait tükrözi. Végül a kilencedik (i) az időállandót mutatja, ami a rendszer reakciósebességére utal; öregedéssel ez is nő, ami lassabb ionvándorlást és reakciókinetikát jelent.

Egyszerűen fogalmazva: ezek a görbék azt szemléltetik, hogyan öregszik az akkumulátor belülről. Látszik, hogy a belső ellenállások és a reakcióidők fokozatosan romlanak a ciklusok előrehaladtával, miközben a SEI-réteg folyamatosan változik. Az ilyen mérések teszik lehetővé, hogy az EIS alapján pontos képet kapjunk a cellák állapotáról, és előrejelezzük azok élettartamát.

Miért jelent ez előrelépést mind a szervizeknek, mind az ügyfélnek? A szerviz sokkal gyorsabban és pontosabban képes tájékoztatni az ügyfelet, milyen állapotban van az akkumulátor, mikor várható teljesítménycsökkenés, és szükséges-e beavatkozás. Ez csökkenti a garanciális viták számát, előre jelezhetővé teszi a karbantartást, és növeli a jármű üzembiztonságát – nem is beszélve a flhasználó ügyfél vagyonbiztonságáról.

Összességében az EIS rövid időn belül a szervizek rutin diagnosztikai eszközévé válhat, hasonlóan az OBD-kiolvasáshoz vagy a fékpadméréshez. Ami ma még laborháttérhez kötött villamosmérnöki technika, az néhány éven belül egy érintésmentes, intelligens akkumulátor-diagnosztikai funkcióként lesz elérhető, amely egyszerre szolgálja a mérnökök, a szervizek és az ügyfelek igényeit.

Forrás: gartner-instruments.com, mdpi.com, innovationnewsnetwork.com