Die Brandgefahr von Lithiumbatterien ist oft besorgniserregend. Wissenschaftler haben daher eine Methode entwickelt, um Brände mithilfe von Geräuschen frühzeitig zu warnen. Studien haben gezeigt, dass Lithiumbatterien vor dem Brand eine Reihe chemischer Reaktionen durchlaufen, die zu einem allmählichen Anstieg des Innendrucks und letztendlich zur Ausdehnung der Batterie führen.
Bildquelle: Bild wurde von KI generiert, Bildlizenzgeber: Midjourney
Das Batteriegehäuse ist in der Regel robust und kann diese Ausdehnung nicht kompensieren. Daher bricht das Sicherheitsventil im Inneren der Batterie bei zu hohem Druck und erzeugt ein charakteristisches Geräusch. Dieses Geräusch ähnelt dem Knacken und Zischen beim Öffnen einer Sprudelflasche.
Daher hat das Forschungsteam des National Institute of Standards and Technology (NIST) einen Machine-Learning-Algorithmus entwickelt, der speziell darauf ausgelegt ist, dieses spezifische Bruchgeräusch zu erkennen. Während des Trainings des Algorithmus arbeitete das Forschungsteam mit einem Labor der Xi'an University of Science and Technology zusammen und sammelte Audiodaten von 38 explodierten Batterien. Durch Anpassung der Geschwindigkeit und Tonhöhe dieser Audiodaten erzeugte das Forschungsteam über 1000 einzigartige Audiobeispiele, um den Algorithmus weiter zu trainieren.
Die Testergebnisse zeigen, dass der Algorithmus das Bruchgeräusch überhitzter Batterien mit einer Genauigkeit von 94 % erkennen kann. Bemerkenswert ist, dass die Forscher während der Tests verschiedene Hintergrundgeräusche wie Schritte, das Schließen von Türen und das Öffnen von Flaschen einbezogen haben. Es stellte sich heraus, dass nur wenige Geräusche die Beurteilung des Algorithmus beeinträchtigten. Diese Entdeckung zeigt die Robustheit des Algorithmus.
Das Forschungsteam gibt an, dass diese Technologie das Potenzial hat, in neue Brandmelder integriert zu werden, die in Haushalten, Büros, Lagern und auf Parkplätzen für Elektrofahrzeuge eingesetzt werden können. Durch die frühzeitige Warnung bietet diese Technologie den Menschen genügend Zeit zur Evakuierung und gewährleistet so die Sicherheit.
Wichtigste Punkte:
🔋 Ein Forschungsteam nutzt die Schall-Erkennungstechnologie zur frühzeitigen Warnung vor Bränden von Lithiumbatterien und zur Gewährleistung der Sicherheit.
🎧 Ein Machine-Learning-Algorithmus erreicht eine Genauigkeit von 94 % und weist eine gute Robustheit auf.
🚨 Es ist zu erwarten, dass neue Brandmelder entwickelt werden, die an vielen Orten eingesetzt werden können und die Sicherheit der Menschen gewährleisten.
