研究人员开发出可检测即将发生的手机电池起火的人工智能

当人工智能模型听到电池起火发出的不祥的“咔哒嘶嘶”声时，它就会发出警报。

美国国家标准与技术研究所 (NIST) 的研究人员开发了一种人工智能，可以检测锂离子电池何时起火，并在情况恶化之前发出警报。

虽然人工智能可能无法防止火灾，但它旨在提供及时警告，以便人们可以隔离携带锂离子电池的设备、汽车或自行车，并减少潜在损害。

研究人员 Wai Cheong Tam 和 Anthony Putorti 在观看电池爆炸的视频时产生了这个想法。他们观察到，当电池槽的安全阀因过热而破裂时，会发出独特的“咔哒”声，类似于汽水瓶的嘶嘶声。

两人决定开发一种算法来检测这种特殊噪音。他们首先记录了 38 个电池爆炸时阀门破裂的声音。在调整了这些声音的速度和音调后，他们获得了 1,000 个独特声音的样本。他们将这些音频片段输入到他们的算法中，帮助算法理解安全阀破裂的声音。

研究人员表示：“该算法效果非常好”，他们的模型成功率高达 94%。但这还不是全部。该人工智能模型依靠安装在摄像头上的麦克风，在“电池发生灾难性故障前约两分钟”识别出了声音。

人工智能可以“听到”锂电池何时会着火

美国国家标准与技术研究院 (NIST) 的研究人员开发出一种利用声音检测锂离子电池何时会着火的方法。NIST 团队的成员包括 Wai Cheong “Andy” Tam 和 Anthony Putorti。

我们身边到处都是锂离子电池：它们可能在你的手机、笔记本电脑、电动自行车或电动汽车中。伸手可及的地方可能有好几个，而你的大楼里可能有数百个。

这些电池之所以受欢迎，是因为它们可以在很小的空间内储存大量能量。这种特性使它们非常有用，但也带来了危险。如果锂离子电池过热或损坏，它可能会起火甚至爆炸。而且电池起火的风险正在增加。2023 年，纽约市消防部门处理了268 起由电动自行车电池引发的住宅火灾，造成 150 人受伤，18 人死亡。    

这些火灾之所以如此危险，是因为它们几乎瞬间就会变得非常热。电池可以喷射出高达 1100 摄氏度（2012 华氏度）的火焰，几乎和喷灯一样热，而且在大约一秒钟内就能达到这一温度。这与其他类型的住宅火灾截然不同，后者通常以闷烧或小火焰的形式缓慢开始。对于这些火灾，烟雾有更多时间到达烟雾报警器并警告人们危险。

除了升温速度更快之外，锂离子电池在故障初期不会产生太多烟雾。当有限的烟雾触发传统烟雾报警器时，可能已经来不及阻止火势蔓延。因此，尽早发现这些火灾的方法将大有裨益。 

“在观看电池爆炸的视频时，我注意到一些有趣的事情，”Tam 说。“就在起火前，电池中的安全阀坏了，发出了一点噪音。我想我们也许可以利用这一点。”他并不是第一个发现这一点的人，但他想看看自己能否亲自测试一下这个想法。 

在锂离子电池着火之前，化学反应会导致电池内部压力增大。电池开始膨胀。许多锂离子电池单元无法膨胀，因为它们有坚硬的外壳。许多这种坚硬的外壳都包含一个安全阀，旨在破坏并释放这种压力。这个破裂的安全阀就是 Tam 在视频中听到的声音。这是一种独特的咔嗒声，有点像打开一瓶苏打水的声音。

先前的研究发现，声音可用于预警系统。但世界上有许多声音与安全阀损坏的声音相似，例如使用订书机或掉落回形针。如果房间里的任何随机噪音触发了探测器，探测器就没什么用了。因此，研究人员需要能够可靠识别安全阀损坏声音而不检测其他噪音的软件。他们决定使用人工智能。Tam 和 Putorti 训练了一种机器学习算法来识别这种独特的噪音。 为了使算法发挥作用，他们首先需要大量的声音样本。通过与西安科技大学的一个实验室合作，他们录制了 38 个电池爆炸的声音。然后他们调整了这些录音的速度和音调，将它们扩展为 1,000 多个独特的音频样本，这些样本可以用来教软件安全阀破裂的声音。

该算法效果非常好。研究人员使用安装在相机上的麦克风，94% 的时间都能检测到电池过热的声音。 

“我尝试使用各种不同的噪音来混淆算法，从人们走路的声音到关门的声音，再到打开可乐罐的声音，”Tam 解释道。“只有少数噪音能混淆检测器。” 

谭在第十三届亚洲-大洋洲火灾科学与技术研讨会上展示了他们的研究成果。他和普托蒂已经申请了专利，并计划继续这项研究，研究更多类型的电池和麦克风。在测试中，他们观察到安全阀在电池发生灾难性故障前约两分钟破裂。他们还计划对更广泛的电池进行更多实验，以验证该警告时间。

一旦这项技术完全开发出来，它就可以用来制造一种新型的火灾报警装置。这些报警装置可以安装在家庭和办公楼，或者安装在电池较多的地方，比如仓库和电动汽车停车场。它们提供的预警可以让人们有时间撤离。与锂离子电池建立健康关系的关键可能就是仔细倾听。 

锂离子电池稳健早期热失控检测模型的开发

论文链接 https://tsapps.nist.gov/publication/get_pdf.cfm?pub_id=958183

本文介绍了一种利用声学和深度学习范式开发锂离子电池早期热失控快速响应和准确检测模型的方法。进行了一系列单电池锂离子电池试验。考虑了不同的充电状态条件和电池方向。从视频记录中提取声学数据。使用数据增强技术，获得了 1330 个早期热失控声学样本。为了促进开发可用于现实生活的检测模型，还使用了 1 128 个声学数据样本，其中包括各种人类活动。利用 10 秒声学数据作为输入并以卷积神经网络模型结构为主干，检测模型的整体准确率为 93.9%，精确率和召回率分别为 91.6% 和 97.7%。进行了参数研究，以评估所提出的模型结构的稳健性和数据增强方法的有效性。此外，使用留一测试交叉验证评估了模型在两次完整测试中的表现。希望这项提议的工作能够帮助开发一种强大的检测设备，该设备可以提供热失控的早期预警，并让用户有额外的时间来减轻潜在的极端火灾危险和/或安全撤离。

原文始发于微信公众号（网络研究观）：研究人员开发出可检测即将发生的手机电池起火的人工智能