[發明專利]一種基于神經網絡的鋰電池超聲信息特性提取方法

有效

• 申請號: 201910291277.7
• 申請日: 2019-04-11
• 公開（公告）號: CN110208702B
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 吳加雋;吳金洋;金楚琪;沈越;黃云輝
• 申請（專利權）人: 華中科技大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/387;G01R31/382
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 曹葆青;李智

本發明屬于電池相關技術領域，并具體公開了一種基于神經網絡的鋰電池超聲信息特性提取方法。該方法包括如下步驟：構建兩個神經網絡，以超聲信息作為輸入向量，并分別以健康狀態和荷電狀態作為輸出向量；采集超聲信息作為訓練樣本，對兩個神經網絡進行訓練以獲得對應的兩個神經網絡模型；將采集到的鋰電池的超聲信息輸入兩個神經網絡模型中，獲得該鋰電池的健康狀態和荷電狀態。本發明通過構建兩個神經網絡，并進行訓練獲得兩個神經網絡模型，從而能夠利用超聲信息同時獲得鋰電池的健康狀態和荷電狀態，克服了現有技術中無法判斷超聲信號幅值的變化是由何種狀態所引起的瓶頸。

技術領域

本發明屬于電池相關技術領域，更具體地，涉及一種基于神經網絡的鋰電池超聲信息特性提取方法。

背景技術

電池的荷電狀態，也叫剩余電量，代表的是電池使用一段時間或長期擱置不用后的剩余容量與其完全充電狀態的容量的比值，簡稱SOC；電池的健康狀態是電池同其理想狀態相比較的一個品質因素，簡稱SOH。通常電池的健康狀態隨著使用時間與次數的增加而降低，因此通常需要給電池健康狀態設定一個閾值，當電池健康狀態低于此閾值即代表電池不適合再繼續使用。基于超聲技術檢測鋰離子電池的荷電狀態、健康狀態是一種有效的測量方法，通過建立聲學參數分別與鋰離子電池健康狀態和荷電狀態的對應關系，進而利用聲學參數監測鋰離子電池的健康狀態和荷電狀態，由此解決現有技術中基于電學參數監測鋰離子電池電量和健康狀態結果可靠性不佳的問題。

對于超聲技術檢測方法得到的信號，由于傳統的超聲換能片可以接收到的頻率范圍較窄，當不考慮高頻噪聲時，電信號的頻譜寬度也不大。目前常用的檢測方法有：提取頻譜峰值作為特征、通過頻譜積分進行提取特征、通過時域包絡線提取特征。

其中提取頻譜峰值作為特征的方法精度不高，實驗結果表明峰值很難與SOC直接建立起一一對應的線性關系，數據擬合時會造成比較大的誤差，且只能提取到峰值特征，不能反映出超聲信號包含的所有信息；通過頻譜積分進行提取特征的方法是將頻譜中的峰對頻率進行積分，得到的值作為超聲信號提取出的特征值，經由實驗驗證，這種方法可以與SOC建立線性關系，且精度較高，但缺陷仍在于只能提取一種特征值，很難反映超聲信號包含的所有信息；通過時域包絡線提取特征相當于一種數據壓縮的方法，類似濾波，即將時域波形的包絡數據作為特征值，但這種方法提取出的特征值的準確度不高，經過大量的實驗證明，包絡信息不能反映超聲信號波形的完整信息，無法判別超聲信號幅值的變化是由SOC還是SOH導致的。

發明內容

針對現有技術的上述缺點和/或改進需求，本發明提供了種基于神經網絡的鋰電池超聲信息特性提取方法，其中通過建立神經網絡并進行訓練獲得神經網絡模型，從而能夠在超聲信息中同時并且準確地獲得鋰電池的健康狀態和荷電狀態，因而尤其適用于鋰電池狀態測定之類的應用場合。

為實現上述目的，本發明提出了一種基于神經網絡的鋰電池超聲信息特性提取方法，包括如下步驟：

S1構建兩個神經網絡，兩個所述神經網絡以超聲信息作為輸入向量，并分別以健康狀態和荷電狀態作為輸出向量；

S2采集不同健康狀態和荷電狀態的超聲信息作為訓練樣本，分別對兩個所述神經網絡進行訓練以獲得對應的兩個神經網絡模型；

S3將采集到的鋰電池的超聲信息輸入兩個所述神經網絡模型中，獲得該鋰電池的健康狀態和荷電狀態。

作為進一步優選地，在步驟S1中，兩個所述神經網絡分別包括三層全連接層。

作為進一步優選地，在步驟S2中，所述訓練樣本中超聲信息的數量大于10000份，所述荷電狀態涵蓋充放電過程，所述健康狀態包括鋰電池處于健康狀態或亞健康狀態。

作為進一步優選地，在步驟S2中，訓練兩個所述神經網絡時，對全連接層的權重和偏置進行二值化處理。

作為進一步優選地，在步驟S2中，對于反映健康狀態的神經網絡而言，訓練過程包括如下步驟：