【NEX 2024】北理工李磊：AI在新能源汽车早期故障诊断中的应用

李磊在演讲中指出，随着全球新能源汽车产业的迅猛发展，我国在整车出口、生产销售和充电设施建设方面取得了显著成就，但近年来新能源汽车火灾事故频发成为一大隐忧。据统计，2024年火灾事故率虽有所降低，但随着保有量的增加，火灾总量持续上升，问题愈发严重。新能源汽车火灾具有不可避免性且灭火难度大，因此提前预警和故障诊断至关重要。

为解决这一问题，北理工电动车辆国家工程研究中心团队长期致力于故障预警研究，多年来深耕新能源汽车安全管理领域，构建了覆盖全车型动力电池的多季节、多地域、多层次安全特征数据库，在行业内首创“值-率-模”安全状态感知体系，构建“端-边-云”融合的动力电池安全管控方法，突破云端实时大数据驱动的新能源汽车安全要素感知、故障诊断、风险预警、隐患查处等关键技术。近年来，课题组采取了AI大模型与机理模型相结合的方法，通过建立全生命周期老化和环境因素的机理模型，结合大数据平台和AI算法，升级建立AI预警方法。该方法不仅分析了各种类型电池（包含锂离子电池和钠离子电池）热失控的特征，还选取了热失控发生临界的特征进行评估，包括电压变化特征、压力变化特征、产气变化特征、温度变化特征、产热变化特征等关键指标。基于这些研究成果，课题组建立了基于单体级、电池阈值变化的预警系统，并逐步扩展到整包级和整车级，最终实现车-群级的国家平台监管。

目前，该课题组已建立了覆盖多季节、多地域、多层次的安全特征数据库，采用AI数据驱动模型进行安全预警，预警准确率提升了10%，预警时间大幅提前。此外，课题组还构建了全生命周期多尺度安全风险预警系统，通过数据驱动方法，实现了对间接性热失控的前期数据追踪和预警。

此外，李磊博士还强调了标签化数据对于训练AI大模型的重要性。他表示，尽管基于传统方法的热失控预警准确性已接近瓶颈，但AI大模型对复杂故障模式和罕见事件具备较强的泛化能力和关键特征的提取能力，有望赋能整个故障预警体系。

最后，他表示，研究团队希望通过完善新能源汽车全生命周期动态管控理论，缓解新能源汽车面临的安全焦虑问题。目前，国家监管平台已接入2700多万辆新能源汽车，课题组还建立了动力电池回收溯源平台，覆盖3000万套电池数据，为新能源汽车的安全管控提供了强有力的数据支持。