Laser Scanning Method for High-Resolution Thickness Mapping of Lithium-Ion Pouch Cells
Notice bibliographique
Résumé
A precise understanding of the physical properties of lithium-ion cells including the cell thickness distribution during cycling and its connection with lifetime is important for cell improvement. A laser scanning instrument has been developed to perform contact-free thickness measurements in operando for small 250 mAh lithium-ion pouch cells and a large 60 Ah automotive format pouch cell. LiNi0.83Mn0.07Co0.10O2/silicon-graphite cells with 20 and 10 wt% micron-sized silicon particles, a LiNi0.8Mn0.1Co0.1O2/natural graphite cell, and a medium-Ni/graphite automotive cell were either cycled in the laser scanning setup with continuous operando thickness mapping or aged at elevated temperature on separate battery cyclers with intermittent operando thickness mapping using the new laser scanning instrument. During the operando cycles, the cell thickness was measured periodically every 1 h and a graphical quantification method was developed to determine reversible and irreversible swelling of the silicon-containing and silicon-free cells. Using the high-resolution laser scanning technique, irreversible cell swelling could be correlated with capacity loss, especially in cells with high silicon content. Graphite-based cells with mature interface like the large automotive pouch cell showed a fully reversible swelling profile indicative of a long-lived cell.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».