據(jù)悉，這種方法是通過向電池發(fā)送電脈沖并測量其響應來進行監(jiān)測，并可利用機器學習算法處理這些測量數(shù)據(jù)，從而預測電池的健康狀況和使用壽命。研究人員稱，這種測量方式的準確度是目前行業(yè)在用方法的10倍。

　　動力電池在運行過程中，內(nèi)部會發(fā)生復雜微妙的化學變化，長此以往嚴重影響電池的性能和壽命。目前電池健康狀況的預測方法主要以跟蹤充放電過程中的電流和電壓為基礎(chǔ)，但并不能顯示電池的具體狀態(tài)。這兩所大學開發(fā)出的檢測方法，則可發(fā)現(xiàn)電反應的具體特征，找到電池老化的訊號。

　　截至目前，研究人員進行20000多次測量實驗來訓練模型，這是同類測試數(shù)據(jù)中的最大數(shù)據(jù)集。此外，該模型還學會了如何區(qū)分無關(guān)噪聲和重要信號，了解到哪些電信號最有可能與電池老化有關(guān)，可進一步探究電池退化的原因和方式。當然，這種非干預式方法，可以輕松應用至當前所有電池系統(tǒng)。

　　這套機器學習平臺，可以展示電池中各種化學成份的退化過程，更有助于行業(yè)開發(fā)最優(yōu)電池充電計劃，以實現(xiàn)快速充電，并盡量減緩電池退化。