[發明專利]基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法

有效

• 申請號: 202110843359.5
• 申請日: 2021-07-26
• 公開（公告）號: CN113466706B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 顧穎中;張蓓;劉楠;伯樂本;薛頔;陸斌;印言偉;楊琴華
• 申請（專利權）人: 上海偉翔眾翼新能源科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06N3/04;G06N3/08
• 代理公司: 深圳眾邦專利代理有限公司 44545
• 代理人: 盧香利

本發明提供基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法，包括以下步驟：根據相關電池型號確定所需樣本數量；利用恒電流電壓測試方法，得到訓練樣本的電池容量值以及電池內阻值；使訓練樣本電池的內阻、容量和充放電循環曲線所作為輸入，計算鋰電池剩余使用壽命，產生足夠數量的鋰電池使用壽命標簽；對鋰電池進行X射線掃描，將生成的圖像和使用壽命標簽配對形成訓練數據集；建立基于卷積神經網絡的梯次電池剩余使用壽命模型。本發明提供的基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法，利用梯次電池的掃描模塊掃描出的圖像與剩余使用壽命的非線性關系，建立卷積神經網絡模型，能夠快速的估算梯次利用鋰電池的剩余使用壽命。

技術領域

本發明涉及梯次利用鋰電池壽命預測領域，尤其涉及基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法。

背景技術

鋰電池是一類由鋰金屬或鋰合金為正極和負極材料、使用非水電解質溶液的電池。

目前在鋰電池使用結束后需要進行剩余壽命的檢測，而現階段預測鋰電池剩余使用壽命的方法，主要是基于數學模型的方法，通過對鋰電池進行多次循環充放電，采集相關鋰電池的電壓和電流充放電曲線，建立鋰電池的老化數學模型。

現有的檢測裝置由于復雜的內部電化學特性，鋰電池很容易受諸如溫度、濕度等外部因素影響，所以要建立非常通用準確的數學或物理模型是非常困難的，其次由于粒子退化等原因，基于粒子群濾波器的方法會使得剩余使用壽命的預測變得不準確，再次這些模型大多要通過專業的充放電設備，經過多次充放電循環才能較準確的預測鋰電池剩余使用壽命，限制在廢舊電池采購過程中檢測的便利性和實際生產過程中的檢測效率。

因此，有必要提供基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法解決上述技術問題。

發明內容

本發明提供基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法，解決了現有檢測設備在檢測時會影響剩余使用壽命的預測變得不準確問題。

為解決上述技術問題，本發明提供的基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法，包括以下步驟：

S1：利用恒電流電壓測試方法，得到訓練樣本的電池容量值以及電池內阻值；

S2：使訓練樣本電池的內阻、容量和充放電循環曲線所作為輸入，計算鋰電池剩余使用壽命，產生足夠數量的鋰電池使用壽命標簽；

S3：收集鋰電池X射線掃描圖像，將生成的圖像和使用壽命標簽配對形成訓練數據集；

S4：收集電芯圖像和標識是否含有電極的訓練樣本；

S5：建立基于卷積神經網絡的電芯電極定位模型

S6：建立基于卷積神經網絡的梯次電池剩余使用壽命模型。

S7：使用所建立的卷積神經網絡通過X射線掃描圖像對鋰電池進行快速電極定位和剩余使用壽命預測。

優選的，基于卷積神經網絡的鋰電池梯次利用剩余壽命預測方法包括，拆卸環節，所述拆卸環節輸出端的一側設置有所述掃描模塊，所述掃描模塊輸出端設置有定位模塊。

優選的，所述定位模塊的輸出端設置有RUL預測模塊，所述RUL預測模塊的一側設置有梯次利用環節，所述RUL預測模塊的一側設置有回收利用環節。

優選的，所述掃描模塊還包括掃描臺，所述掃描臺的表面設置有輸送裝置，所述輸送裝置的表面從左至右依次設置有多個分隔板，所述掃描臺的表面固定安裝有安裝架，多個所述分隔板內部的兩側均設置有定位組件，所述定位組件包括滑槽，所述滑槽的內部滑動有滑塊。

優選的，所述滑塊的一側固定連接有定位塊。

優選的，所述滑槽的內部且位于所述滑塊的一側設置有彈簧，所述彈簧的兩端分別與所述滑塊的一側和所述滑塊內壁的一側固定連接。