Sensado en el Interior de Baterías: Una Hoja de Ruta para Diagnósticos No Destructivos de Envejecimiento y Seguridad de Iones de Litio

KNOXVILLE, TN, 1 de octubre de 2026 /24-7PressRelease/ -- Las baterías avanzadas de iones de litio (LIB, por sus siglas en inglés) son fundamentales para el transporte eléctrico y el almacenamiento en red; sin embargo, sus estados internos electroquímicos, térmicos y mecánicos siguen siendo difíciles de observar. Esta revisión examina cómo la detección no destructiva y el diagnóstico de fallas pueden convertir las señales ocultas de envejecimiento en información de salud accionable. Vincula los mecanismos de degradación con firmas físicas medibles y evalúa estrategias de detección superficial, implantada, integrada in situ y sin contacto. También evalúa la fusión de características de múltiples fuentes, los algoritmos basados en la física y en los datos, y los conceptos de gestión inteligente de baterías. Para las baterías de próxima generación, esto significa pasar de una protección reactiva a un cuidado predictivo e informado por mecanismos. Tal cambio podría mejorar la seguridad, la fiabilidad y la vida útil en vehículos eléctricos y almacenamiento estacionario.

El envejecimiento de las baterías de iones de litio (LIB) está impulsado por procesos químicos, mecánicos y térmicos estrechamente acoplados. El crecimiento de la interfase de electrolito sólido (SEI) y de la interfase de electrolito catódico (CEI), la descomposición del electrolito, el agrietamiento de partículas y el plateado de litio pueden consumir progresivamente litio activo, aumentar la impedancia y degradar la integridad estructural, mientras que una degradación severa puede aumentar el riesgo de cortocircuitos internos y fuga térmica. Los sistemas de gestión de baterías (BMS) convencionales monitorean principalmente el voltaje, la corriente y la temperatura superficial, pero estas señales externas se distorsionan por la polarización, las reacciones secundarias, el promedio espacial y los retrasos. La imágenes por sincrotrón y por resonancia magnética ofrecen una visión mecanicista, pero su escala, costo y velocidad limitan su uso en tiempo real. Con base en estos desafíos, se necesita una investigación más profunda sobre la detección no destructiva, la fusión de características de múltiples fuentes y el diagnóstico inteligente para el envejecimiento y la seguridad de las baterías de iones de litio.

Investigadores del Laboratorio Estatal Clave de Ingeniería Química, el Instituto de Ingeniería Farmacéutica, la Facultad de Ingeniería Química y Biológica de la Universidad de Zhejiang, Hangzhou, China, publicaron (DOI: 10.1631/jzus.A2600100) la revisión en Journal of Zhejiang University–SCIENCE A (2026). El artículo compara sistemáticamente las tecnologías de diagnóstico adheridas a la superficie, implantables, integradas in situ y sin contacto, y luego examina algoritmos para la estimación del estado de salud (SOH), la predicción de la vida útil restante (RUL) y la alerta temprana de fallas. Propone un marco unificado que conecta los mecanismos de degradación, las señales físicas internas y la estimación de estados para guiar el diseño de sistemas de gestión de baterías inteligentes de próxima generación.

La revisión organiza los diagnósticos no destructivos en cuatro familias. Los sensores adheridos a la superficie, incluidos termopares, termistores, detectores de temperatura de resistencia (RTD) y rejillas de Bragg en fibra (FBG), son de bajo costo y fáciles de implementar. Sin embargo, las limitaciones espaciales y temporales de la transmisión de señales físicas desde el interior de la batería hasta la superficie sensora pueden introducir retrasos significativos y discrepancias de medición, particularmente en operación de alta tasa. Los sensores implantables, como los dispositivos microelectromecánicos (MEMS), las galgas extensométricas de película delgada y las fibras ópticas, mejoran la fidelidad de la señal al medir la temperatura interna, la presión, la deformación y la química del electrolito, aunque la estabilidad a largo plazo y la fatiga por vibración siguen siendo barreras. Los diseños integrados in situ incorporan funciones de detección en los colectores de corriente, los separadores o el empaque, ofreciendo mínima intrusión y compatibilidad. Los métodos sin contacto—imágenes de campo magnético, sondeo acústico y ultrasónico, análisis de gases y espectroscopía de impedancia electroquímica (EIS)—proporcionan una visión a nivel de sistema sin contacto directo. Para aprovechar al máximo estas señales heterogéneas, la revisión analiza además la extracción de características, la fusión de información de múltiples fuentes y la interpretación basada en modelos. Las características electroquímicas y térmicas se pueden extraer utilizando métodos como el análisis de capacidad incremental (ICA), el análisis de voltaje diferencial (DVA) y la voltamperometría térmica diferencial (DTV), y posteriormente interpretarse mediante modelos basados en la física, incluidos los modelos pseudo-bidimensionales (P2D) y de partícula única (SPM), así como enfoques emergentes basados en datos, como las redes neuronales informadas por la física (PINN), los transformadores y las arquitecturas de red neuronal convolucional–memoria de largo y corto plazo (CNN-LSTM). También enfatiza la selección de características, la reducción de dimensionalidad, la colaboración nube-borde y las interfaces estandarizadas. En conjunto, estas herramientas tienen como objetivo distinguir la respiración normal del plateado de litio, la generación de gas y el microagrietamiento, y traducir firmas multifísicas débiles en advertencias específicas de mecanismos.

Los autores señalaron que el campo está pasando de la observación externa e indirecta a la percepción interna directa. Ninguna modalidad de detección única puede capturar completamente los procesos complejos y acoplados que subyacen a la degradación y la falla de seguridad de la batería; el verdadero avance surge cuando las señales superficiales, implantadas, in situ y sin contacto se fusionan con algoritmos informados por la física. Por lo tanto, los autores enfatizan el codiseño de detección y algoritmos, en el que las capacidades de detección, el procesamiento de señales y los modelos de diagnóstico se consideran en conjunto en lugar de tratarse como etapas separadas. Dijeron que este cambio podría hacer que las baterías sean más predecibles, confiables y duraderas en vehículos eléctricos y almacenamiento en red.

En la práctica, el marco podría respaldar advertencias más tempranas de fuga térmica, estimaciones más precisas del estado de salud (SOH) y de la vida útil restante (RUL), y una carga rápida más inteligente. En los vehículos eléctricos, podría permitir el mantenimiento predictivo y el monitoreo de seguridad de celda a paquete. En el almacenamiento en red, podría mejorar la fiabilidad a nivel de flota, la evaluación de segunda vida y la prevención de incendios. Las estrategias de bajo costo que utilizan las señales existentes de voltaje, corriente y temperatura, combinadas con la computación nube-borde, podrían facilitar la implementación. La revisión advierte que la estabilidad de los sensores, la compatibilidad de fabricación, la estandarización de datos, el ancho de banda y el costo siguen siendo barreras clave. Hace un llamado a la detección modular, estandarizada y mínimamente intrusiva y al codiseño de algoritmos para llevar los avances de laboratorio a sistemas de baterías escalables. Para la industria, integrar capacidades de detección y diagnóstico en el diseño de baterías podría mejorar la compatibilidad de fabricación y la fiabilidad a largo plazo, al tiempo que facilita el despliegue práctico de tecnologías de diagnóstico avanzadas en los sistemas de baterías del futuro.

Referencias
DOI
10.1631/jzus.A2600100

URL de la fuente original
https://doi.org/10.1631/jzus.A2600100

Información de financiamiento
Este trabajo cuenta con el apoyo de la Fundación Nacional de Ciencias Naturales de China (No. 22578392), la Fundación Provincial de Ciencias Naturales de Zhejiang de China (No. LZ26B030003) y el Fondo de Investigación Abierta del Laboratorio de Suzhou (No. SZLAB-1308-2024-ZD008), China.

Acerca de Journal of Zhejiang University-SCIENCE A
Journal of Zhejiang University-SCIENCE A (JZUS-A) es una revista académica revisada por pares enfocada en investigación en física aplicada e ingeniería. Su alcance cubre áreas como ingeniería mecánica y civil, ciencia de materiales e ingeniería química, ciencia ambiental y energía. La revista se publica mensualmente y está indexada en SCI-E (JCR Q1), Scopus (CiteScore Q1), EI Compendex y CSCD. Acepta una variedad de tipos de artículos, incluidos artículos de investigación, revisiones, perspectivas y correspondencia. Actualmente, la Inteligencia Artificial en Ingeniería es una de las direcciones de investigación más activamente promovidas y fomentadas. JZUS-A opera bajo un modelo de publicación híbrido, que admite publicación por suscripción y de acceso abierto.

Chuanlink Innovations, donde las ideas revolucionarias alcanzan su verdadero potencial. Nuestro nombre, arraigado en la esencia de la transmisión y la conexión, refleja nuestro compromiso de fomentar la innovación y facilitar el viaje de las ideas desde su concepción hasta su realización.

Enlace relacionado:
http://chuanlink-innovations.com

Descargo de responsabilidad: Esta traducción ha sido generada automáticamente por NewsRamp™ para 24-7 Press Release (colectivamente referidos como "LAS EMPRESAS") utilizando plataformas de inteligencia artificial generativas de acceso público. LAS EMPRESAS no garantizan la exactitud ni la integridad de esta traducción y no serán responsables por ningún error, omisión o inexactitud. La confianza en esta traducción es bajo su propio riesgo. LAS EMPRESAS no son responsables por ningún daño o pérdida resultante de tal confianza. La versión oficial y autoritativa de este comunicado de prensa es la versión en inglés.