This work proposes the application of compressive sensing (CS) to reduce the measurement time in electrochemical impedance spectroscopy (EIS) for lithium-ion batteries. EIS is a non-destructive frequency response technique that provides valuable information on the state and degradation mechanisms occurring inside a battery. However, EIS measurement time is lengthy, making it impractical for evaluating the state of operating cells. CS is a signal-processing technique that enables the efficient acquisition and reconstruction of signals from a reduced number of measurements. The study aims to identify a suitable transform domain using dictionary learning that facilitates the adoption of CS techniques for the compression of the EIS data obtained from lithium-ion batteries. Thanks to the reduced number of EIS measurements, the proposed CS-based EIS achieves approximately 40% reduction in measurement time for open-source and in-house collected data, respectively, with minimal accuracy degradation.
본 연구는 리튬 이온 배터리의 전기화학적 임피던스 분광법(EIS)에서 측정 시간을 줄이기 위해 압축 감지 (CS)의 적용을 제안합니다. EIS는 배터리 내부에서 발생하는 상태 및 열화 메커니즘에 대한 귀중한 정보를 제공하는 비파괴 주파수 응답 기술입니다. 그러나, EIS 측정 시간이 길어 작동 셀의 상태를 평가하는 데는 실용적이지 않으며, CS는 감소된 수의 측정으로부터 신호를 효율적으로 획득하고 재구성할 수 있는 신호 처리 기술입니다. 이 연구는 리튬 이온 배터리에서 얻은 EIS 데이터의 압축을 위한 CS 기법의 채택을 용이 하게 하는 사전 학습을 사용하여 적합한 변환 영역을 식별하는 것을 목표로 합니다. 감소된 EIS 측정 횟수 덕분에 제안된 CS 기반 EIS는 정확도 저하를 최소화하면서 오픈 소스 및 내부 수집 데이터에 대한 측정 시간을 각각 약 40% 단축합니다.
