[發明專利]鋰電池檢測方法、裝置、設備及存儲介質

有效

• 申請號: 202310195089.0
• 申請日: 2023-03-03
• 公開（公告）號: CN115877223B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 甄愛鋼;孔繁振;劉元龍;李娜;王娟;馬佳;付賢家;許博聰;徐靜云
• 申請（專利權）人: 浙江天能新材料有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/378
• 代理公司: 深圳市恒程創新知識產權代理有限公司 44542
• 代理人: 王敏睿

1.一種鋰電池檢測方法，其特征在于，所述鋰電池檢測方法包括：

采集待測鋰電池的電池容量序列，基于變分模態分解算法對所述電池容量序列進行去噪處理，獲得無擾電池容量序列；

通過預設卷積網絡模型對所述無擾電池容量序列進行計算，獲取類別標簽，所述預設卷積網絡模型的訓練數據集中包含多個預先標注好類別標簽的容量退化序列；

根據所述類別標簽獲取對應的容量退化序列；

將所述容量退化序列和所述無擾電池容量序列進行組合，獲得完整電池容量序列，并對所述完整電池容量序列進行擬合，獲得目標擬合回歸曲線；

通過對所述目標擬合回歸曲線進行反歸一化處理，并根據處理結果確定所述待測鋰電池的電池容量和剩余使用壽命；

其中，所述通過預設卷積網絡模型對所述無擾電池容量序列進行計算，獲取類別標簽的步驟之前，還包括：

采集各個鋰電池樣本的容量樣本序列，獲得樣本數據集，所述樣本數據集包括多個容量樣本序列；

基于所述變分模態分解算法對所述樣本數據集中的各容量樣本序列分別進行去噪處理，獲得無擾數據集，所述無擾數據集包括多個去噪后的容量樣本序列；

基于所述無擾數據集中各去噪后的容量樣本序列分別建立對應的非線性回歸方程，獲得方程數據集，所述方程數據集包括多個非線性回歸方程，所述非線性回歸方程為：

其中，方程因變量f(k)為方程名，方程自變量k為充放電循環周期，為權重參數，T為向量的轉置，為特征空間，b為偏置參數；

通過懲罰因子和松弛變量對所述方程數據集中的各非線性回歸方程分別進行轉化，獲得優化函數集，所述優化函數集包括多個優化函數，所述優化函數為：

其中，min為極小值，C為所述懲罰因子，N為所述樣本數據集中樣本編號的最大值，均為所述松弛變量，為所述去噪后的容量樣本序列，s.t.為約束條件，為不敏感損失函數；

通過拉格朗日乘數對所述優化函數集中的各優化函數進行轉換，獲得目標函數集，所述目標函數集中的目標函數為：

其中，max為極大值，R為拉格朗日函數的函數名，均為拉格朗日乘數，且，所述目標函數集包括多個目標函數；

通過對所述目標函數集中的各目標函數分別進行計算，并基于計算結果和預設回歸算法，獲得擬合數據集，所述擬合數據集包括多個樣本擬合回歸曲線；

對所述擬合數據集中的各樣本擬合回歸曲線分別提取出對應的容量退化序列，并對提取出的各容量退化序列分別進行類別標簽的標注，獲得訓練數據集；

獲取待訓練的卷積網絡模型，將所述訓練數據集中的容量退化序列作為輸入數據，以對應的類別標簽作為輸出結果，對所述待訓練的卷積網絡模型進行訓練，獲得預設卷積網絡模型。

2.如權利要求1所述的方法，其特征在于，所述基于所述變分模態分解算法對所述樣本數據集中的各容量樣本序列分別進行去噪處理，獲得無擾數據集，包括：

對所述樣本數據集中的各容量樣本序列分別進行歸一化處理，獲得歸一化數據集，所述歸一化數據集包括多個歸一化容量序列；

對所述歸一化數據集中的各歸一化容量序列分別進行變分模態分解，并基于分解結果進行變分模態重構，獲得無擾數據集。

3.如權利要求1所述的方法，其特征在于，所述通過對所述目標函數集中的各目標函數分別進行計算，并基于計算結果和預設回歸算法，獲得擬合數據集，包括：

對所述目標函數集中的各目標函數的參數進行偏導為零的計算，并根據計算結果對所述各目標函數進行轉化，獲得規劃函數集，所述規劃函數集包括多個規劃函數，所述規劃函數為：

其中，以及所述偏置參數b均為待求解的目標參數；

對所述規劃函數集中的各規劃函數進行求解計算，獲得目標參數集，所述目標參數集包括多組目標參數；

通過預設回歸算法對所述目標參數集中的各組目標參數分別進行擬合，獲得擬合數據集。