[發明專利]一種基于形變特征預測電池碰撞后SoH的方法

在審

• 申請號: 201911345297.4
• 申請日: 2019-12-24
• 公開（公告）號: CN111105403A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 張健;劉向陽;西梅歐內;顧佩華
• 申請（專利權）人: 汕頭大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G06T7/62;G06T7/64;G01R31/392;G01R31/367;G01R31/396;G01R31/00;G01M7/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 周增元;曹江

本發明實施例公開了一種基于形變特征預測電池碰撞后SoH的方法，包括以下步驟：(1)按照鋰離子動力電池碰撞測試標準，進行沖擊碰撞試驗；(2)根據鋰離子動力電池碰撞的物理現象和電性能情況，將電池分為健康電池、隱患電池和危險電池；(3)從電池的三維輪廓掃描圖上，按照多特征表征形變得原則，提取相應特征；(4)對數據作監督式機器學習訓練，統計準確率結果；(5)結果分析和對最優結果做可靠性分析，并輸出該預測模型。采用本發明，在電池碰撞情況下，能訓練成預測電池SoH的智能模型，從而預測電池經過碰撞后的健康狀態。

技術領域

本發明涉及鋰離子動力電池領域，尤其涉及一種基于形變特征預測電池碰 撞后SoH的方法。

背景技術

隨著新能源電動車越來越普及，作為電動車重要的儲能元件鋰離子動力電 池，其碰撞安全性一直是發展的重點，研究鋰離子動力電池碰撞后健康狀態SoH (State ofHealth)在電池組管理系統是非常重要的。目前，諸多研究都是集中于 研究正常工況下動力電池的SoH。對碰撞后的動力電池SoH研究甚少，準確把 握動力電池SoH在維護電池組壽命、避免安全隱患和及時做正確處理等方面具 有重要意義。電池組管理系統應該包含正常工況下的SoH預測和碰撞后狀況下 的SoH預測。目前，對電池正常工況下的SoH研究已相當成熟，相反，對碰撞 后的電池SoH研究極少。針對預測碰撞后動力電池的SoH，本文提出一種基于 形變特征預測動力電池SoH的方法。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于形變特征預測動力 電池碰撞后SoH的方法。可預測出動力電池碰撞后的SoH。

為了解決上述技術問題，本發明實施例提供了一種基于形變特征預測電池 碰撞后SoH的方法，包括以下步驟：

按照鋰離子動力電池碰撞測試標準，進行沖擊碰撞試驗；

從電池的三維輪廓掃描圖上，按照多特征表征形變得原則，提取相應特征；

對數據作監督式機器學習訓練，統計準確率結果；

結果分析和對最優結果做可靠性分析，并輸出該預測模型。

其中，按照鋰離子動力電池碰撞測試標準，選擇合適的實驗裝置。

其中，所述從三維輪廓掃描圖上，提取相應特征的步驟具體包括：

通過三維輪廓掃描獲得三維輪廓圖像；

運用Matlab軟件和Geomagic軟件工具提取最大形變量D_max、體積變化量 ΔV、電池左側膨脹量ε_L和右側膨脹量ε_R、最大形變量點的曲率五個特征。

其中，所述對數據作監督式機器學習訓練，統計準確率結果的步驟包括：

對所有的特征組合進行監督式機器學習，統計準確率結果。

其中，所述的對于統計結果進行可靠性分析的步驟包括：

通過分析是否存在欠擬合或過擬合，判斷一個模型是否存在欠擬合或過擬 合的標準是：訓練誤差與交叉驗證集誤差接近時，并且都大于設定值時，該模 型高偏差；當訓練誤差遠小于測試集誤差時，并且訓練誤差小于設定值，該模 型高方差。

實施本發明實施例，具有如下有益效果：通過分析動力電池碰撞數據，將 碰撞后的電池SoH分為三類，分別為健康電池、隱患電池和危險電池，運用人 工神經網絡算法，建立輸入五個形變特征與輸出SoH的關系模型，找到訓練最 優模型，從而實現對動力電池碰撞后SoH的預測。本發明方法可以在只考慮電 池外部形狀的條件下，建立形變特征與SoH的關系模型，從而預測出動力電池 碰撞后的SoH。

附圖說明

圖1是本發明的整體的流程圖；