长期有效：读博/博后/交流访学
目前开放申请机会的单位均为985名校、顶级科研院所、国际知名大学，深造/访学机会包括博士研究生、博士后、研究助理、访问学者、硕博研究生短期交流。其中，各单位每年的博士生申请通常有截止日期，请提前跟导师套瓷；博士后聘期通常为三年左右；研究助理、访问学者、硕博短期交流项目的申请人应为在读或已毕业的硕博研究生以及特别优秀的高年级本科生，要求能持续工作半年以上。科研方向包括：光伏/风力发电、逆变器并网控制、电力系统稳定、电压频率支撑、宽频振荡抑制、直流输电、故障诊断、智能运维、电机控制。不同团队/导师对申请人的教育背景、研究成果、项目经历、任职时间、专业技能等评价指标的要求不一致。请申请人提前联系工作人员，工作人员将根据您的个人意愿和实际情况，为您匹配合适的团队和导师。
工作人员微信号码：Neye201
长期有效：读博/博后/交流访学
目前开放申请机会的单位均为985名校、顶级科研院所、国际知名大学，深造/访学机会包括博士研究生、博士后、研究助理、访问学者、硕博研究生短期交流。其中，各单位每年的博士生申请通常有截止日期，请提前跟导师套瓷；博士后聘期通常为三年左右；研究助理、访问学者、硕博短期交流项目的申请人应为在读或已毕业的硕博研究生以及特别优秀的高年级本科生，要求能持续工作半年以上。科研方向包括：光伏/风力发电、逆变器并网控制、电力系统稳定、电压频率支撑、宽频振荡抑制、直流输电、故障诊断、智能运维、电机控制。不同团队/导师对申请人的教育背景、研究成果、项目经历、任职时间、专业技能等评价指标的要求不一致。请申请人提前联系工作人员，工作人员将根据您的个人意愿和实际情况，为您匹配合适的团队和导师。
工作人员微信号码：Neye201
长期有效：读博/博后/交流访学
目前开放申请机会的单位均为985名校、顶级科研院所、国际知名大学，深造/访学机会包括博士研究生、博士后、研究助理、访问学者、硕博研究生短期交流。其中，各单位每年的博士生申请通常有截止日期，请提前跟导师套瓷；博士后聘期通常为三年左右；研究助理、访问学者、硕博短期交流项目的申请人应为在读或已毕业的硕博研究生以及特别优秀的高年级本科生，要求能持续工作半年以上。科研方向包括：光伏/风力发电、逆变器并网控制、电力系统稳定、电压频率支撑、宽频振荡抑制、直流输电、故障诊断、智能运维、电机控制。不同团队/导师对申请人的教育背景、研究成果、项目经历、任职时间、专业技能等评价指标的要求不一致。请申请人提前联系工作人员，工作人员将根据您的个人意愿和实际情况，为您匹配合适的团队和导师。
工作人员微信号码：Neye201
2026年10月9日，Nature Communications(自然·通讯)在线发表了题为"Multi-model collaborative early warning for battery systems with integrated fiber optic sensors(基于集成光纤传感电池系统的热失控早期预警)”的研究论文。该研究成果由同济大学汽车与能源学院魏学哲教授团队完成，朱建功、WolfgangSchade、魏学哲、戴海峰为论文共同通讯作者，同济大学为第一完成单位，德国弗劳恩霍夫研究所为第二完成单位。
PART 01
研究亮点
如何在电池热失控发生前更早、更可靠地识别电池异常，是当前电动汽车安全评估所面临的关键挑战。传统电池管理系统（Battery Management System, BMS）受限于稀疏的温度测点和单一诊断策略，难以充分捕捉热失控早期的局部异常及其空间演化特征。
本研究提出了一种面向电池系统分布式温度感知与多模型协同的热失控预警方法，基于光纤传感器的多点感知能力，设计了低线束复杂度的温度感知方案。该方案将车用电池包内温度监测点由32个扩充至540个，并在实车运行工况下完成验证。依托高密度的温度信息，创新地建立了温度香农熵与平均温度变化量之间的函数关系，并进一步引入误差容限构建自适应动态预警边界；结合温度阈值、温升速率阈值以及温度香农熵变化速率阈值，形成了多模型协同预警策略。研究结果表明，高密度的温度感知能够显著增强对电池系统局部异常捕捉的能力，多模型协同预警通过充分发挥不同模型之间的互补特性有效提升预警系统的整体可靠性，相较于传统 BMS 预警基准，该技术在实验室模组测试中提前706秒发出预警，在实车运行场景下最长预警提前量达554秒。该技术为电池系统的安全防控由“被动响应”向“主动预警”转变提供新的技术路径。
本研究公开了实验室场景下两个集成光纤传感器的电池模组（包括常规工况、过充热失控和过热热失控）以及7辆搭载集成了光纤传感器的电池包的电动汽车实车运行数据（其中两辆电动汽车最终经历热失控），数据开放获取链接为：https://doi.org/10.5281/zenodo.22121425
PART 02
背景介绍
近年来，由电池故障所引发的电动汽车安全事故日益增加，不仅造成了巨大的经济损失，也加剧了公众对电动汽车安全性和可靠性的担忧。因此，如何实现电池热失控早期预警俨然成为当前学术界和产业界共同面临的重要挑战。然而，当前车载BMS及大多数预警策略主要依赖单体电压和稀疏的温度信息实现电池安全状态评估，但随着电池尺寸和容量的增加，电芯内外及电芯之间的不一致性使得低密度的测量信息难以及时识别电池系统局部失效风险。为此，部分学者通过内置传感器以获取电池内部的热、力信息，但异物的植入也随之给电池的安全性和使用寿命带来了潜在的不利影响。因此，提高电池外部信号的测量密度，对于保障锂离子电池的安全可靠运行具有重要意义。在已有研究中，电池热、力信号的异常演化通常被视为热失控即将发生的早期征兆。然而，电动汽车运行过程中的振动和机械冲击会给电池表面力学信号测量带来较大不确定性，从而削弱其作为早期预警指标的可靠性。
相比之下，温度作为反映电池热失控链式反应最直接的物理参数，对外部扰动敏感性较低，在实车场景下中具有较强的鲁棒性和实用价值。在此背景下，光纤传感器凭借其体积小、多点感知和抗电磁干扰等优势，被视为实现电池系统高密度温度监测的理想传感器。然而，相关研究主要局限于实验室场景下，仍缺乏面向实车复杂工况下电池系统与光纤传感器的集成设计与长期验证等工作。
现有基于温度信息的电池故障检测方法主要包括阈值法、模型法和数据驱动法。其中，阈值法计算量小、易实现，是当前车载BMS采用主要预警策略，但难以识别温度尚未超过阈值的早期异常，存在漏报风险；模型法虽然具有较强的物理可解释性，但高度依赖于高精度物理模型；数据驱动法虽然能够减轻对先验知识和物理模型的依赖，但其中的信号处理方法仍主要采用固定阈值识别电池异常，因此尚未从根本上摆脱阈值法的固有局限；而机器学习方法则面临计算成本高、训练复杂等部署困难。
在此背景下，本研究利用飞秒激光刻写布拉格光栅的光纤传感器构建分布式温度感知系统，以较低的线束复杂度下将电池包内的温度测点由最初的32个增加至540个，并通过7辆电动汽车累计1284车日的稳定运行验证了所设计的集成方案的工程可行性。依托高密度的温度信息，创新地建立了温度香农熵与平均温度变化量之间的函数关系，并进一步引入误差容限构建自适应动态预警边界；结合温度阈值、温升速率阈值以及温度香农熵变化速率阈值，形成多模型协同热失控预警框架。该框架减少了对先验知识和高保真物理模型的依赖，突破固定阈值判别的局限，并利用不同模型的互补性降低了误报和漏报风险。相比传统BMS的预警结果，本研究的方案在实验室模组级测试中实现了最高706秒的提前预警，在实车运行场景下最高提前了554秒。此外，以国际能源署统计的2025年全球电动汽车销量为参照，所提出的方案的单车应用成本约36.82美元。本研究的整体框架如图1所示。
图1 本研究的整体框架
(a)电芯级、模组级与车用电池包层级温度数据集构建；（b）多模型电池热失控预警框架，包含基于温度与基于香农熵的预警策略；（c）相比传统BMS的预警方法，本研所设计的预警方案的预警提前时间；（d）本研究所设计的预警方案面向电动汽车应用市场的成本分析
PART 03
图文导读
为开发并验证基于分布式温度感知的热失控预警方法，本研究首先在实验室开展了涵盖正常循环和多种滥用工况的测试，包括23个集成光纤传感器的电芯和两个电池模组；其中，每个模组由96个圆柱电池按照8并12串方式组成，额定容量约为27 Ah，并通过布置8根光纤传感器实现128个空间位置的实时温度采集。模组过充测试表明，热失控发生前后模组温度的空间离散程度明显增大；而模组局部过热测试则显示，故障电芯及其相邻电芯的温度响应速度明显高于远离故障端电芯，说明高密度温度测量有助于实现故障定位和热失控预警。在此基础上，研究进一步将光纤传感器集成至7辆电动汽车的电池包中，每个电池包包含270个电芯，并根据模组结构和光纤传输特性，将传感器布置于模组侧壁和极耳区域，对7辆电动汽车分别开展为期数月至两年的长期运行监测。结果表明，光纤传感器在运行前后均保持有效测点数量稳定，具有良好的工程稳定性；车辆正常运行时电池包温度主要分布在0~50 ℃的范围内，而Vehicle 1和Vehicle 4分别在充电过程中及充满电后的运行阶段出现了明显异常温度信号，并最终发生热失控。本研究所涉及实验测试、数据描述及分析如图2所示。
图2 不同层级的电池数据集构建及分析
基于所构建的温度数据集，本研究系统地分析了电池单体及模组在不同运行工况下的温度演化特征，如图3所示。结果表明，电池热失控的起始温度随SOC升高而降低，说明高SOC状态下电池的热稳定性更差；在不同故障和运行条件下，较小短路电阻和较高充放电倍率均会导致更高的表面温升速率，但高倍率正常循环产生的温升速率甚至可能超过部分过充和过放工况，因此仅依靠表面温度及温升速率难以实现可靠的热失控早期预警。此外，对于机械挤压诱发的微小内短路电池，其挤压后的表面温度演化与挤压前明显不同，表明内部微故障会改变电池表面热响应。为此，本研究通过引入香农熵用于定量表征电池系统温度数据的空间离散程度，从而识别异常热演化过程。通过进一步研究发现，电池系统的温度香农熵与平均温度变化量之间总体上呈现抛物线关系，且温度香农熵的变化率均分布在有限的范围内。
图3 电芯层级和模组层级下的温度特征提取
图4展示了本研究利用电池系统分布式温度感知构建的多模型协同热失控预警框架。该框架整合了两种核心策略：基于温度的预警策略和基于香农熵的预警策略。基于温度的策略通过将光纤传感器测量结果与预设的温度及温度变化率阈值进行比较，快速评估热失控风险。根据电池热失控机理以及文献中广泛报道的热失控识别判据，本研究将100℃和1℃/s分别设置为判断电池热失控温度阈值和温升速率阈值。对于基于香农熵的预警策略，本研究则是通过构建动态香农熵预警边界及设置0.15的香农熵变化率阈值进行实时识别。
图4 基于分布式温度感知的多模型协同热失控预警框架
图5展示了所提出的预警方案在实验室模组测试数据和真实车辆电池包运行数据上的预警结果。对于未发生热失控的电池系统，框架中的所有预警模型均未被触发，表明该方法具有较低的误报倾向。对于发生热失控的电池系统，尽管框架中的部分单独预警模型未能及时识别故障特征，但整体预警框架始终能够产生异常预警信号。以传统BMS的电压变化率1 V/s作为电池热失控预警的判据基准，模组过热测试能够提前700秒发布预警信号，而模组过充测试能够提前167秒。实车场景下，所提预警方案对Vehicle 1实现了554秒的提前预警，而对Vehicle 4的提前时间为25秒。
图5 多模型协同热失控预警框架的性能评估
为进一步评估温度测量空间密度对热失控预警性能的影响，研究分别采用传统BMS可获得的稀疏温度数据和本文获得的高密度温度数据作为输入，并对两类数据采用相同的预警框架进行比较，如表1所示。结果表明与传统BMS的稀疏温度信息相比，高密度温度感知通常能够更早识别电池系统中的异常热行为，并降低多种故障场景下的漏报风险。
表1 不同温度输入下电池系统热失控预警性能
为进一步对比所提出框架与已有方法的性能，研究以分布式温度数据为输入，将其与文献报道的三种热失控预警策略进行了比较，如表2所示。结果表明本文提出的框架在预警及时性和故障识别可靠性方面均表现出更优的综合性能。其性能提升主要得益于两个方面：一是香农熵模型降低了对固定阈值异常判别的依赖；二是多模型协同预警机制减小了单一模型决策所导致的误报和漏报风险。
表2 以分布式温度传感数据为输入的现有预警方法性能对比
PART 04
总结
本研究验证了基于分布式温度感知的多模型协同热失控早期预警框架在电池系统安全评估中的有效性。该方法的成功主要归因于两个因素的协同作用。一方面，光纤传感器能够沿单根光纤实现多点感知，以较低的布线复杂度获取整个电池系统的空间分布温度信息。另一方面，基于不同失效条件下电池表面温度的特征演化规律构建的多模型协同预警框架，通过互补决策提高了热失控早期识别的可靠性。总体而言，本研究提出的方法缓解了现有BMS信号感知密度不足和单一模型诊断可靠性受限的双重局限，为提升车载电池系统的运行安全性与可靠性提供了一条具有实际可行性的技术路径。
原文链接
Zhu, J., Yu, C., Jiang, Y. et al. Multi-model collaborative early warning for battery systems with integrated fiber optic sensors. Nat Commun (2026).
https://doi.org/10.1038/s41467-026-78461-5
作者信息
朱建功，同济大学汽车与能源学院长聘副教授、国家级高层次青年人才，研究领域为电动汽车动力电池失效管控。
喻超，同济大学汽车与能源学院博士研究生，研究领域为锂离子电池失效评估及先进传感技术；
姜艺，德国弗劳恩霍夫研究所HHI光纤传感系统研究员、纤传科技CTO,研究领域为光纤传感及应用技术；
Wolfgang Schade，德国弗劳恩霍夫研究所HHI光纤传感系统部门负责人、克劳斯塔尔工业大学应用物理学教授，研究领域为激光光谱学、光纤传感技术；
Martin Angelmahr ，德国弗弗劳恩霍夫研究所HHI光纤传感器统部门副主任，Fiber Lab负责人，研究领域为超快激光加工、硅光子技术；
魏学哲，同济大学汽车与能源学院教授，研究领域为电力电子技术、复合电源系统；
戴海峰，同济大学汽车与能源学院教授、国家级高层次人才，研究领域为动力电池、燃料电池控制技术。