[發明專利]一種鋰電池的超聲特征檢測方法及檢測系統

有效

• 申請號: 202110287800.6
• 申請日: 2021-03-17
• 公開（公告）號: CN113189208B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 葉國良;林奕欽;鄒大鵬;梁經倫;張兵;楊宇輝;王聰
• 申請（專利權）人: 東莞理工學院
• 主分類號: G01N29/44
• 分類號: G01N29/44;G01N29/06
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 王錦霞

1.一種鋰電池的超聲特征檢測方法，其特征在于，包括以下步驟：

S10. 通過移動平臺(1)驅動鋰電池(5)在X向、Y向和Z向運動，通過脈沖激光器(6)輸出脈沖激光激發出激光超聲對鋰電池(5)進行檢測；

S20. 空耦超聲探頭獲取鋰電池(5)內部的時域透射信號并將時域透射信號傳送至信號自動識別系統(3)，信號自動識別系統(3)分析時域透射信號的頻譜特性以及在時域上的動態特性，提取鋰電池(5)內部的缺陷信號特征；

S30. 基于步驟S10中移動平臺(1)的坐標信息及步驟S20得到的缺陷信號特征，可視化圖像成像系統(4)構建三維超聲檢測可視化圖像；

步驟S20中，采用基于AR模型的參數化頻譜估計方法分析時域透射信號的頻譜特性以及在時域上的動態特性；

超聲波透射時域信號具有平穩幅值的時間序列{x_i}，x_i與之前的P個時刻的值x_i-1，x_i-2，…，x_i-p有關，建立時間序列AR模型：

其中為子回歸系數；p為AR模型階數；為均值為零，同方差的白噪聲系列；用AR模型系數差作為缺陷程度指標D：

其中，無缺陷AR模型系數，為有缺陷AR模型系數；

步驟S20中，利用人工智能與模式識別理論根據時域透射信號自動識別鋰電池(5)內部缺陷類型和缺陷尺寸，篩選提取反應鋰電池(5)內部缺陷的缺陷信號特征；在對激光高頻超聲信號與鋰電池(5)介質特性建立關系時，先提出一個假設的數學模型，然后通過對鋰電池(5)實際檢測的數據推算出數學模型的參數。

2.根據權利要求1所述的鋰電池的超聲特征檢測方法，其特征在于，所述人工智能與模式識別理論選用神經網絡、支持向量機中的一種或兩種的結合，采用遺傳算法、粒子群算法中的一種或兩種的結合篩選提取缺陷信號特征。

3.根據權利要求1所述的鋰電池的超聲特征檢測方法，其特征在于，步驟S20中，所述鋰電池(5)內部缺陷包括鋰電池(5)的鼓包以及電解液的不均勻。

4.根據權利要求1至3任一項所述的鋰電池的超聲特征檢測方法，其特征在于，步驟S30中，鋰電池(5)內部Z方向材料缺陷深度探測信息、移動平臺(1)控制系統的X坐標信息和Y坐標信息傳送至可視化圖像成像系統(4)構建三維超聲檢測可視化圖像。

5.一種用于實現權利要求1至4任一項鋰電池的超聲特征檢測方法的超聲特征檢測系統，其特征在于，包括移動平臺(1)、移動平臺(1)控制系統、檢測裝置、信號自動識別系統(3)以及可視化圖像成像系統(4)：所述鋰電池(5)安裝于移動平臺(1)，移動平臺(1)連接有移動平臺(1)控制系統；所述檢測裝置與鋰電池(5)信號連接，且所述檢測裝置連接于信號自動識別系統(3)；所述信號自動識別系統(3)分析時域透射信號的頻譜特性以及在時域上的動態特性，提取鋰電池(5)內部的缺陷信號特征；所述信號自動識別系統(3)、移動平臺(1)控制系統均連接于可視化圖像成像系統(4)，所述信號自動識別系統(3)以及可視化圖像成像系統(4)裝載于計算機。

6.根據權利要求5所述的超聲特征檢測系統，其特征在于，所述可視化圖像成像系統(4)為基于Matlab平臺的信號處理及可視化系統。

7.根據權利要求5所述的超聲特征檢測系統，其特征在于，所述檢測裝置包括脈沖激光器(6)、反射鏡(7)及空耦超聲換能器(8)，脈沖激光器(6)發射的脈沖激光經反射鏡(7)反射后作用于鋰電池(5)表面，空耦超聲換能器(8)獲取鋰電池(5)內部的時域超聲波信號，所述脈沖激光器(6)、空耦超聲換能器(8)分別位于鋰電池(5)兩相對側。

8.根據權利要求7所述的超聲特征檢測系統，其特征在于，還包括工控機(9)，所述脈沖激光器(6)、空耦超聲換能器(8)及計算機均連接于工控機(9)。