SAMBA – Scanning Acoustic Microscopy-basierte Batterie-Analyse

Inhomogenitäten in Batteriezellen wirken sich negativ auf die Lebensdauer aus und gefährden einen sicheren Betrieb. Aktuell fehlt es in der Batteriezellproduktion an geeigneten Detektionsmöglichkeiten, um solche Mängel zuverlässig, schnell und kostengünstig zu identifizieren. Im Rahmen des Forschungsprojekts »SAMBA« wird ein Ultraschall-basiertes zerstörungsfreies Prüfverfahren zur Untersuchung von Batteriepouchzellen für die Qualitätssicherung entwickelt. Mithilfe von Scanning Acoustic Microscopy (SAM) werden Bilddaten erzeugt, die anschließend durch eine automatisierte KI-basierte Auswertungsroutine analysiert werden. Ziel des Projekts ist der Aufbau eines Demonstrators zur stichprobenartigen schnellen Analyse von Pouchzellen und dessen Erprobung in einer realen Einsatzumgebung.

Qualitätsmängel auf Zellebene wie Gaseinschlüsse oder sicherheitsrelevante Defekte wie Einschlüsse von Fremdpartikeln oder Mängel am Separator wirken sich negativ auf die Lebensdauer von Batteriesystemen aus oder gefährden schlimmstenfalls deren sicheren und zuverlässigen Betrieb. Dies kann in der Industrie zu umfangreichen Rückrufaktionen aufgrund solcher Mängel führen. Durch eine verbesserte Qualitätskontrolle am Ende der Fertigung, vor dem Einbau von Batteriezellen in Module oder vor der weiteren Nutzung in Second-Life-Anwendungen kann die Sicherheit und folglich auch die Akzeptanz der Technologie nachhaltig verbessert werden.

Das Projekt »SAMBA« setzt hier an und befasst sich insbesondere mit der Entwicklung und wissenschaftlichen Validierung eines neuartigen, Ultraschall-basierten Messverfahrens zur Detektion von Inhomogenitäten und Defekten in Batteriepouchzellen. Das zerstörungsfreie und kostengünstige Prüfverfahren basiert dabei auf Ultraschall-Rastermikroskopie (engl. scanning acoustic microscopy, SAM) und erlaubt eine ortsaufgelöste Detektion und Beschreibung von Anomalien. Im Rahmen dieses Projektes wird zunächst eine offline-Lösung mit TRL 6 angestrebt. Aufbauend auf bisherigen wissenschaftlichen Vorarbeiten wird das neuartige Verfahren zur Qualitätssicherung wissenschaftlich validiert und optimiert. Hierzu werden kommerziell erhältliche Batteriezellen mit gezielt eingebrachten Defekten charakterisiert. Das Verfahren soll weitgehend automatisiert werden. Ein implementierter Algorithmus basierend auf künstlicher Intelligenz (KI) mit Methoden des maschinellen Lernens ermöglicht es dabei, Defekte in SAM-Bilddateien zu identifizieren, zu lokalisieren und zu kategorisieren. Durch post-mortem-Analysen werden die Zellen nachträglich umfangreich charakterisiert und mit den Ergebnissen der SAM-Experimente verglichen.

Weiterhin begleiten wir im Rahmen dieses Projektes unsere Industriepartner PVA TePla Analytical Systems GmbH und Microvast GmbH in der Entwicklung eines in die Zellproduktion integrierbaren Messstands und in der wissenschaftlichen Bewertung des Verfahrens hinsichtlich der Eignung für die Qualitätskontrolle im industriellen Maßstab.