化学反应神经网络解析锂离子电池热失控气体生成路径

本文研究了锂离子电池热失控过程中的气体生成路径，通过化学反应神经网络（CRNN）方法实现了对反应路径和动力学参数的物理解释。研究背景指出，锂离子电池的热失控安全问题仍是发展瓶颈，传统模型无法预测非线性关联的产气过程。研究目的是利用CRNN框架自动探索电池热失控产气的化学反应路径，无需预先假设反应机理。实验通过不同荷电状态的电池热失控数据构建训练数据集，最终训练出包含7种组分和16个反应的动力学机制。实验验证表明，该机制能准确预测关键参数。结论指出，CRNN模型首次实现了热失控气体生成的动力学建模，为电池安全设计提供了可解释的化学见解和预测工具。