CN110414117B - 一种软包锂离子电池密封可靠度预测方法 - Google Patents
一种软包锂离子电池密封可靠度预测方法 Download PDFInfo
- Publication number
- CN110414117B CN110414117B CN201910665441.6A CN201910665441A CN110414117B CN 110414117 B CN110414117 B CN 110414117B CN 201910665441 A CN201910665441 A CN 201910665441A CN 110414117 B CN110414117 B CN 110414117B
- Authority
- CN
- China
- Prior art keywords
- stress
- model
- maximum
- lithium ion
- ion battery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000007789 sealing Methods 0.000 title claims abstract description 72
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 title claims abstract description 64
- 229910001416 lithium ion Inorganic materials 0.000 title claims abstract description 64
- 238000006731 degradation reaction Methods 0.000 claims abstract description 62
- 230000015556 catabolic process Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 39
- 230000007246 mechanism Effects 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 27
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 238000004806 packaging method and process Methods 0.000 claims abstract description 12
- 230000035882 stress Effects 0.000 claims description 71
- 238000012360 testing method Methods 0.000 claims description 32
- 238000009826 distribution Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000007476 Maximum Likelihood Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 10
- 230000000704 physical effect Effects 0.000 claims description 10
- 239000003792 electrolyte Substances 0.000 claims description 9
- 230000032683 aging Effects 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000005260 corrosion Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 230000006866 deterioration Effects 0.000 claims description 4
- 239000005022 packaging material Substances 0.000 claims description 4
- 238000009966 trimming Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000001311 chemical methods and process Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 4
- 239000003566 sealing material Substances 0.000 abstract description 3
- 238000012858 packaging process Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000012945 sealing adhesive Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/052—Li-accumulators
- H01M10/0525—Rocking-chair batteries, i.e. batteries with lithium insertion or intercalation in both electrodes; Lithium-ion batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
- H01M50/40—Separators; Membranes; Diaphragms; Spacing elements inside cells
- H01M50/409—Separators, membranes or diaphragms characterised by the material
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/4228—Leak testing of cells or batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Materials Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Sealing Battery Cases Or Jackets (AREA)
- Secondary Cells (AREA)
- Battery Electrode And Active Subsutance (AREA)
Abstract
本发明提供一种软包锂离子电池密封可靠度预测方法,包括:确定关键退化机理;构建考虑分散性的压强时间模型;通过有限元仿真,确定压强‑应力空间模型;结合粘接强度的退化机理,得到最大剥离力‑强度模型;利用加速退化模型,兼顾分散性,确定基于Gamma过程的最大剥离力‑时间模型;根据封装工艺特点,构建基于平稳过程的最大剥离力空间模型;最后根据多维应力‑强度干涉理论,对软包锂离子电池进行密封可靠度预测。本发明考虑了锂离子电池内部气压变化对外包装密封材料在全寿命周期内的退化过程的影响,模拟锂离子电池在实际使用过程中的各个密封部位性能变化趋势,理论计算不同环境条件下的软包锂离子电池密封可靠度,工程适用性强。
Description
技术领域
本发明属于密封可靠性分析技术领域,具体地涉及一种软包锂离子电池密封可靠度预测方法。
背景技术
可靠度预测一般指通过产品历史信息或产品退化试验结果,对产品面向使用阶段的可靠度水平进行估计。软包锂离子电池的封装技术尚不成熟,导致其在长期工作后会发生漏气、漏液等密封失效行为,从而使得软包锂离子电池乃至电池组发生失效。因此,开发能够准确预测软包锂离子电池在全寿命周期内密封可靠度的方法就十分重要。
当前的研究重点集中在新型密封材料、密封粘接剂的制备选用、封装工艺参数的改进。通过对不同方式生产出的封装进行高低温、电解液腐蚀等环境实验,根据其性能表现来评判正常工作条件下的密封性能水平高低。但是这些方法都没有考虑软包锂离子电池在使用过程中密封发生的退化效应,因此对于实际使用条件下的软包锂离子电池密封可靠度预测还缺乏相应的方法研究。
发明内容
针对现有技术的不足,本发明将基于多维应力-强度干涉理论,建立了时变载荷条件下锂离子电池密封可靠度预测方法。在时间维度上考虑了锂离子电池内部气压变化对外包装密封材料在全寿命周期内的退化过程的影响,在空间维度上考虑了密封各个部位密封强度的分散性和压强作用在不同部位产生的应力分布及相应的强度退化速率差异。该方法模拟了软包锂离子电池在实际使用过程中的密封性能变化趋势,通过将密封所受的应力与密封的强度进行干涉计算,并考虑分散性特征,从而评估出锂离子电池的密封可靠度。
具体地,本发明提供一种软包锂离子电池密封可靠度预测方法,其包括以下步骤:
S1:确定关键退化机理:
对软包锂离子电池密封失效模式进行分析,找出关键失效模式并进行机理分析,确定关键失效机理及各自的敏感应力,根据机理分析结果,确定软包锂离子电池密封失效的关键失效机理为老化、蠕变和电解液腐蚀,其各自的敏感应力分别为温度、压强和水含量;
S2:构建压强时间模型:
通过统计不同软包锂离子电池样本的压强-时间数据,利用极大似然拟合方法拟合模型数据,得到压强时间模型如下:
Pr(t)=Γ(t;α1(t),λ1)
其中,Γ(t;α(t),λ)表示随时间t演化的Gamma过程;α(t)为该过程的形状参数;λ为尺度参数;t为时间;T为温度;Pr0是初始压强均值;Af,和Cf均为常数;压强时间模型含义为:软包锂离子电池压强随时间变化的规律服从Gamma过程,温度通过影响Gamma过程的形状参数值来影响压强;
S3:构建压强-应力空间模型:
软包锂离子电池内部压强均匀地作用在封装内壁上,使得密封处产生拉伸力,密封粘接界面产生法向正应力,通过建立有限元力学仿真模型,改变压强大小,提取密封边不同位置的应力结果,拟合关系式,利用对软包锂离子电池整体进行应力仿真得到各压强条件下的应力值,构建压强-应力空间模型如下:
其中,s为应力;x为空间位置坐标,表示该位置距封边端点的距离;l为封边长度;a、b、c均为常数;压强-应力空间模型含义为:封装内壁某点的应力与压强成幂函数关系,同一封边不同位置的应力值关于封边中点对称,封边中点应力最大;
S4:构建最大剥离力-强度模型:
将样条的几何属性与样条材料的物理属性代入非线性剥离模型进行计算,建立最大剥离力P和界面属性的二次响应面关系式,构建最大剥离力-强度模型为:
最大剥离力-强度模型含义为:最大剥离力与粘接强度与特征长度两个材料物理属性呈多元二次函数关系;
S5:构建最大剥离力加速退化模型:
根据失效机理的分析结果,构建最大剥离力加速退化模型如下:
之后引入Gamma过程来进一步表征最大剥离力的退化过程,此时的最大剥离力加速退化模型为:
P(t)=Γ(t;α(t),λ)
最大剥离力加速退化模型的含义为:最大剥离力随时间变化的规律服从Gamma过程,温度、压强、电池内部水含量等环境因素通过影响Gamma过程的形状参数值来影响压强;
S6:构建最大剥离力空间模型:
由步骤S5得出,某时刻的取值服从Gamma分布,且各位置的初始最大剥离力均服从同一分布,构建最大剥离力空间模型如下:
P(x+d)=vP(x)+ε
ε:E(λ)
CDF(v)=vα-1;v∈[0,1]
P(0)~Ga(α,λ)
上式含义为:位置相隔d的初始最大剥离力P(x+d)由上一位置的值P(x)生成,其中:εn服从参数为λ的指数分布;vn服从0到1上的幂律分布,其累计概率函数CDF为幂函数;初始位置的值P(0)服从Gamma分布;由该平稳过程表示的各位置初始时刻最大剥离力均服从同一Gamma分布,且相距D的两位置相关系数ρ满足如下关系:
因此,根据初始时刻各位置最大剥离力试验数据计算相关系数并拟合位置相隔d的值;
S7:构建多维应力-强度干涉模型,并进行可靠度预测:
按照步骤S2到步骤S6构建的模型,指定外界载荷条件进行计算,得到软包锂离子电池的应力-时间-位置曲面和强度-时间-位置曲面,根据应力-强度干涉理论进行数值仿真,获得可靠度R值,数值仿真所用的多维应力-强度干涉模型如下:
其中,R表示可靠度,多维应力-强度干涉模型含义为:时间维度上某点t的可靠度R(t)为该时刻各个封边最薄弱处能够正常工作的概率,即封边各个位置的粘接强度与粘接应力之差最小值大于零的概率。
优选地,步骤一所述的关键失效模式是指在全寿命周期内,软包锂离子电池密封失效类型中发生频率最高的失效表现形式;关键失效机理是指关键失效模式的内在物理或化学过程;敏感应力指导致关键失效机理发生的施加载荷。
优选地,步骤二中所述的极大似然法,是指任意给定若干待求压强分布以及过程参数组,依次代入已知数据点,得到概率密度函数值,之后将所有概率密度函数值相乘,得到似然函数值,根据优化算法迭代计算规则,将上一步参数组中所得似然函数值较大者进行演算,得到下一步参数组重新计算似然函数,不断迭代更新待求参数值,使得似然函数值在每次迭代前后的增加值小于给定误差限,将此时似然函数值最大的参数组作为结果,完成求解。
优选地,步骤S3中利用对软包整体进行应力仿真得到各压强条件下的应力值,其具体步骤如下:
S31、使用三维建模软件建立软包封装的几何模型;
S32、将封装的几何模型导入到仿真软件中,将压强与封装力学性能参数化,建立封装的参数模型;
S33、在仿真软件中设置封装参数模型的网格,接触选项,确定约束和加载方式,进行仿真计算并提取封边处的最大应力。
优选地,步骤S4中所述的非线性剥离模型是指考虑封装材料的非线性应力应变关系,使用弹塑性力学理论求解给定样条的几何属性、样条材料的物理属性下受对称拉伸载荷时样条的最大剥离力。
优选地,步骤S5中基于最大剥离力加速退化模型,进行恒定应力条件下的加速退化试验,通过试验优化设计,确定试验组数和应力水平组合;对软包整体开展不同应力水平下的加速退化试验,将经历不同时刻退化后的软包封装修剪成等宽度样条,通过样条剥离试验测得不同时刻的样条最大剥离力退化数据,并使用极大似然拟合来得到相关参数取值。
优选地,步骤S5中所述的试验优化设计是指利用正交设计方法确定各应力水平之间的组合,用于进行加速退化试验。
优选地,步骤S7中根据应力-强度干涉理论进行数值仿真,获得可靠度R值具体为利用蒙特卡罗法编制抽样程序,生成大量不同时刻不同位置的强度与应力值计算比较,取未失效的概率作为最终可靠度。
δc(t)=δc(0)S2
其中,S为环境退化因子,取值在0到1之间,其物理含义为环境载荷作用导致粘接强度和临界长度两个参数减小的比例,此时步骤四中最大剥离力-强度模型简记作f1。
与现有技术相比,本发明具有以下优点:
1、本发明给出了一种软包锂离子电池密封可靠度计算公式,可以通过仿真和理论计算动态载荷条件下的软包锂离子电池密封可靠度,工程适用性强。
2、本发明考虑了外部时变载荷随时间变化对封装材料性能退化的影响及其随机性,更加符合实际使用情况。
3、本发明考虑了密封所处不同空间位置所受载荷的差异及其随机性与相关性,可以全面真实的反映密封实际情况。
附图说明
图1为本发明的流程示意图;
图2为本发明的实施例的流程示意图;
图3为本发明实施例的软包装应力仿真图;
图4本发明实施例中不同温度条件下的可靠度预测图。
具体实施方式
以下将参考附图详细说明本发明的示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
具体地,本发明提供一种软包锂离子电池密封可靠度预测方法,如图1所示,其包括以下步骤:
S1:确定关键退化机理:
对软包锂离子电池密封失效模式进行分析,找出关键失效模式并进行机理分析,确定关键失效机理及各自的敏感应力,根据机理分析结果,确定软包锂离子电池密封失效的关键失效机理为老化、蠕变和电解液腐蚀,其各自的敏感应力分别为温度、压强和水含量;
S2:构建压强时间模型:
通过统计不同软包锂离子电池样本的压强-时间数据,利用极大似然拟合方法拟合模型数据,得到压强时间模型如下:
Pr(t)=Γ(t;α1(t),λ1)
其中,Γ(t;α(t),λ)表示随时间t演化的Gamma过程;α(t)为该过程的形状参数;λ为尺度参数;t为时间;T为温度;Pr0是初始压强均值;Af,和Cf均为常数;压强时间模型含义为:软包锂离子电池压强随时间变化的规律服从Gamma过程,温度通过影响Gamma过程的形状参数值来影响压强;
S3:构建压强-应力空间模型:
软包锂离子电池内部压强均匀地作用在封装内壁上,使得密封处产生拉伸力,密封粘接界面产生法向正应力,通过建立有限元力学仿真模型,改变压强大小,提取密封边不同位置的应力结果,拟合关系式,利用对软包锂离子电池整体进行应力仿真得到各压强条件下的应力值,构建压强-应力空间模型如下:
其中,s为应力;x为空间位置坐标,表示该位置距封边端点的距离;l为封边长度;a、b、c均为常数;压强-应力空间模型含义为:封装内壁某点的应力与压强成幂函数关系,同一封边不同位置的应力值关于封边中点对称,封边中点应力最大;
S4:构建最大剥离力-强度模型:
将样条的几何属性与样条材料的物理属性代入非线性剥离模型进行计算,建立最大剥离力P和界面属性的二次响应面关系式,构建最大剥离力-强度模型为:
最大剥离力-强度模型含义为:最大剥离力与粘接强度与特征长度两个材料物理属性呈多元二次函数关系;
S5:构建最大剥离力加速退化模型:
根据失效机理的分析结果,构建最大剥离力加速退化模型如下:
之后引入Gamma过程来进一步表征最大剥离力的退化过程,此时的最大剥离力加速退化模型为:
P(t)=Γ(t;α(t),λ)
最大剥离力加速退化模型的含义为:最大剥离力随时间变化的规律服从Gamma过程,温度、压强、电池内部水含量等环境因素通过影响Gamma过程的形状参数值来影响压强;
S6:构建最大剥离力空间模型:
由步骤S5得出,某时刻的取值服从Gamma分布,且各位置的初始最大剥离力均服从同一分布,构建最大剥离力空间模型如下:
P(x+d)=vP(x)+ε
ε:E(λ)
CDF(v)=vα-1;v∈[0,1]
P(0)~Ga(α,λ)
上式含义为:位置相隔d的初始最大剥离力P(x+d)由上一位置的值P(x)生成,其中:εn服从参数为λ的指数分布;vn服从0到1上的幂律分布,其累计概率函数CDF为幂函数;初始位置的值P(0)服从Gamma分布;由该平稳过程表示的各位置初始时刻最大剥离力均服从同一Gamma分布,且相距D的两位置相关系数ρ满足如下关系:
因此,根据初始时刻各位置最大剥离力试验数据计算相关系数并拟合位置相隔d的值;
S7:构建多维应力-强度干涉模型,并进行可靠度预测:
按照步骤S2到步骤S6构建的模型,指定外界载荷条件进行计算,得到软包锂离子电池的应力-时间-位置曲面和强度-时间-位置曲面,根据应力-强度干涉理论进行数值仿真,获得可靠度R值,数值仿真所用的多维应力-强度干涉模型如下:
其中,R表示可靠度,多维应力-强度干涉模型含义为:时间维度上某点t的可靠度R(t)为该时刻各个封边最薄弱处能够正常工作的概率,即封边各个位置的粘接强度与粘接应力之差最小值大于零的概率。
优选地,步骤一所述的关键失效模式是指在全寿命周期内,软包锂离子电池密封失效类型中发生频率最高的失效表现形式;关键失效机理是指关键失效模式的内在物理或化学过程;敏感应力指导致关键失效机理发生的施加载荷。
优选地,步骤二中所述的极大似然法,是指任意给定若干待求压强分布以及过程参数组,依次代入已知数据点,得到概率密度函数值,之后将所有概率密度函数值相乘,得到似然函数值,根据优化算法迭代计算规则,将上一步参数组中所得似然函数值较大者进行演算,得到下一步参数组重新计算似然函数,不断迭代更新待求参数值,使得似然函数值在每次迭代前后的增加值小于给定误差限,将此时似然函数值最大的参数组作为结果,完成求解。
优选地,步骤S3中利用对软包整体进行应力仿真得到各压强条件下的应力值,其具体步骤如下:
S31、使用三维建模软件建立软包封装的几何模型;
S32、将封装的几何模型导入到仿真软件中,将压强与封装力学性能参数化,建立封装的参数模型;
S33、在仿真软件中设置封装参数模型的网格,接触选项,确定约束和加载方式,进行仿真计算并提取封边处的最大应力。
优选地,步骤S4中所述的非线性剥离模型是指考虑封装材料的非线性应力应变关系,使用弹塑性力学理论求解给定样条的几何属性、样条材料的物理属性下受对称拉伸载荷时样条的最大剥离力。
优选地,步骤S5中基于最大剥离力加速退化模型,进行恒定应力条件下的加速退化试验,通过试验优化设计,确定试验组数和应力水平组合;对软包整体开展不同应力水平下的加速退化试验,将经历不同时刻退化后的软包封装修剪成等宽度样条,通过样条剥离试验测得不同时刻的样条最大剥离力退化数据,并使用极大似然拟合来得到相关参数取值。
优选地,步骤S5中所述的试验优化设计是指利用正交设计方法确定各应力水平之间的组合,用于进行加速退化试验。
优选地,步骤S7中根据应力-强度干涉理论进行数值仿真,获得可靠度R值具体为利用蒙特卡罗法编制抽样程序,生成大量不同时刻不同位置的强度与应力值计算比较,取未失效的概率作为最终可靠度。
δc(t)=δc(0)S2
其中,S为环境退化因子,取值在0到1之间,其物理含义为环境载荷作用导致粘接强度和临界长度两个参数减小的比例,此时步骤四中最大剥离力-强度模型简记作f1。
现结合具体的某新能源汽车用软包锂离子电池对本发明做进一步的详细说明,如图2所示,其发明的具体实施步骤如下:
步骤一:关键退化机理确定
针对软包锂离子电池密封失效模式进行重点分析与研究,找出关键失效模式,并进行失效机理分析,明确敏感应力。根据理论分析和实际试验结果,得出了软包锂离子电池密封失效的关键失效机理包括老化、蠕变和电解液腐蚀,其敏感应力分别为温度、压强、水含量。
步骤二:压强时间模型构建
通过统计不同软包锂离子电池样本的压强-时间数据,使用Gamma过程来表示压强-时间关系,利用极大似然拟合方法拟合模型数据。代入所有压强-时间数据,求解似然函数的最大值,可得参数拟合结果。
因此,压强时间模型为:
Pr(t)=Γ(t;α1(t),81100)
式中压强单位为Pa,温度单位为K,时间单位为天。
步骤三:压强-应力空间模型构建
建立软包锂离子电池封装有限元力学仿真模型,仿真模型如图3所示,改变压强大小,提取密封边不同位置的应力结果,拟合关系式,即可得出一定压强作用下密封不同位置的应力大小。
因此,侧封的压强-应力空间模型为:
s(x)=71·Pr0.72[1-0.05(x-112.5)2]0<x<225
同理,顶封和底封的压强-应力空间模型为:
s(x)=71·Pr0.72[1-0.05(x-100)2]0<x<200
式中应力和压强的单位为Pa,距离单位为mm。
步骤四:最大剥离力-强度模型构建
将样条的几何属性与样条材料的物理属性代入非线性剥离模型进行计算,建立最大剥离力P和界面属性的二次响应面关系式,可表示为:
步骤五:最大剥离力时间模型构建
基于上述加速模型,进行恒定应力条件下的加速退化试验,通过试验优化设计,确定试验应力水平;对软包整体开展不同应力水平下的加速退化试验,将经历不同时刻退化后的软包封装修剪成等宽度样条,通过样条剥离试验测得不同时刻的样条最大剥离力退化数据,并使用极大似然拟合来得到相关参数取值。
P(t)=Γ(t;α(t),0.52)
另外,另一条侧封边,即二次侧封边,由于工艺原因其退化速率快于其它封边,导致其退化参数A0的估计值为0.44,其余参数相同。
最后一条封边,顶封边,则在试验中不发生最大剥离力明显退化,初始最大剥离力也与其它边不同,即:
P(0)=P(t)~Ga(29,0.39)
步骤六:最大剥离力空间模型构建
由该平稳过程表示的各位置初始时刻最大剥离力均服从同一Gamma分布,且相距D的两位置相关系数ρ满足如下关系:
在步骤五求得α值基础上,根据初始时刻各位置最大剥离力试验数据计算相关系数,可以拟合d的值。
求解发现,由于热封工艺不同,侧封边、底封边的d值与顶封不同。对于侧封边、底封边,其最大剥离力空间模型为:
P(x+2.7)=vP(x)+ε
ε:E(0.52)
CDF(v)=v34;v∈[0,1]
P(0)~Ga(35,0.52)
对顶封边,则有:
P(x+3.6)=vP(x)+ε
ε:E(λ)
CDF(v)=v28;v∈[0,1]
P(0)~Ga(29,0.39)
步骤七:多维应力-强度干涉模型构建
按照上述模型,指定外界载荷条件进行计算,可以得到软包锂离子电池的应力-时间-位置曲面和强度-时间-位置曲面,根据应力-强度干涉理论进行数值仿真,对软包锂离子电池进行密封可靠度预测。
该模型可以描述为:
其中,R表示可靠度。
假设电芯内部的环境温度和水含量分别为:T=303K,RH=3ppm;T=303K,RH=6ppm;T=313K,RH=6ppm;T=323K,RH=3ppm,可得到软包锂离子电池的密封可靠度预测结果,预测结果如图4所示。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种软包锂离子电池密封可靠度预测方法,其特征在于:其包括以下步骤:
S1:确定关键退化机理:
对软包锂离子电池密封失效模式进行分析,找出关键失效模式并进行机理分析,确定关键失效机理及各自的敏感应力,根据机理分析结果,确定软包锂离子电池密封失效的关键失效机理为老化、蠕变和电解液腐蚀,其各自的敏感应力分别为温度、压强和水含量;
S2:构建压强时间模型:
通过统计不同软包锂离子电池样本的压强-时间数据,利用极大似然拟合方法拟合模型数据,得到压强时间模型如下:
Pr(t)=Γ(t;α1(t),λ1)
其中,Γ(t;α1(t),λ1)表示压强随时间t演化的Gamma过程;α1(t)为该过程的形状参数;λ1为尺度参数;t为时间;T为温度;Pr0为初始压强均值;Af,和Cf均为常数;压强时间模型的含义为:软包锂离子电池压强随时间变化的规律服从Gamma过程,温度通过影响Gamma过程的形状参数值来影响压强;
S3:构建压强-应力空间模型:
软包锂离子电池内部压强均匀地作用在封装内壁上,使得密封处产生拉伸力,密封粘接界面产生法向正应力,通过建立有限元力学仿真模型,改变压强大小,提取密封边不同位置的应力结果,拟合关系式,利用对软包锂离子电池整体进行应力仿真得到各压强条件下的应力值,构建压强-应力空间模型如下:
其中,s为应力;x为空间位置坐标,表示该位置距封边端点的距离;l为封边长度;a、b、c均为常数;压强-应力空间模型含义为:封装内壁某点的应力与压强成幂函数关系,同一封边不同位置的应力值关于封边中点对称,封边中点处应力最大;
S4:构建最大剥离力-强度模型:
将样条的几何属性与样条材料的物理属性代入非线性剥离模型进行计算,建立最大剥离力P和界面属性的二次响应面关系式,构建最大剥离力-强度模型为:
最大剥离力-强度模型含义为:最大剥离力与粘接强度与特征长度两个材料物理属性呈多元二次函数关系;
S5:构建最大剥离力加速退化模型:
根据失效机理的分析结果,构建最大剥离力加速退化模型如下:
之后引入Gamma过程来进一步表征最大剥离力的退化过程,此时的最大剥离力加速退化模型为:
P(t)=Γ(t;α(t),λ)
其中,Γ(t;α(t),λ)表示最大剥离力P随时间变化的规律服从Gamma过程,α(t)为该过程的形状参数,λ为尺度参数,dτ表示积分过程中的时间微分;最大剥离力加速退化模型的含义为:最大剥离力随时间变化的规律服从Gamma过程,温度、压强、电池内部水含量等环境因素通过影响Gamma过程的形状参数值来影响压强;
S6:构建最大剥离力空间模型:
由步骤S5得出,某时刻的取值服从Gamma分布,且各位置的初始最大剥离力均服从同一分布,构建最大剥离力空间模型如下:
P(x+d)=vP(x)+ε
ε:E(λ)
CDF(v)=vα-1;v∈[0,1]
P(0)~Ga(α,λ)
上式含义为:位置相隔d的初始最大剥离力P(x+d)由上一位置的值P(x)生成,其中:εn服从参数为λ的指数分布;vn服从0到1上的幂律分布,其累计概率函数CDF为幂函数;初始位置的值P(0)服从Gamma分布;由该平稳过程表示的各位置初始时刻最大剥离力均服从同一Gamma分布,且相距D的两位置相关系数ρ满足如下关系:
因此,根据初始时刻各位置最大剥离力试验数据计算相关系数并拟合位置相隔d的值;
S7:构建多维应力-强度干涉模型,并进行可靠度预测:
按照步骤S2到步骤S6构建的模型,指定外界载荷条件进行计算,得到软包锂离子电池的应力-时间-位置曲面和强度-时间-位置曲面,根据应力-强度干涉理论进行数值仿真,获得可靠度R值,数值仿真所用的多维应力-强度干涉模型如下:
其中,R表示可靠度,多维应力-强度干涉模型含义为:时间维度上某点t的可靠度R(t)为该时刻各个封边最薄弱处能够正常工作的概率,即封边各个位置的粘接强度与粘接应力之差最小值大于零的概率。
2.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S1所述的关键失效模式是指在全寿命周期内,软包锂离子电池密封失效类型中发生频率最高的失效表现形式;关键失效机理是指关键失效模式的内在物理或化学过程;敏感应力指导致关键失效机理发生的施加载荷。
3.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S2中所述的极大似然拟合方法,是指任意给定若干待求压强分布以及过程参数组,依次代入已知数据点,得到概率密度函数值,之后将所有概率密度函数值相乘,得到似然函数值,根据优化算法迭代计算规则,将上一步参数组中所得似然函数值较大者进行演算,得到下一步参数组重新计算似然函数,不断迭代更新待求参数值,使得似然函数值在每次迭代前后的增加值小于给定误差限,将此时似然函数值最大的参数组作为结果,完成求解。
4.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S3中利用对软包锂离子电池整体进行应力仿真得到各压强条件下的应力值,其具体步骤如下:
S31、使用三维建模软件建立软包封装的几何模型;
S32、将封装的几何模型导入到仿真软件中,将压强与封装力学性能参数化,建立封装的参数模型;
S33、在仿真软件中设置封装参数模型的网格,接触选项,确定约束和加载方式,进行仿真计算并提取封边处的最大应力。
5.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S4中所述的非线性剥离模型是指考虑封装材料的非线性应力应变关系,使用弹塑性力学理论求解样条的几何属性以及样条材料的物理属性下受对称拉伸载荷时样条的最大剥离力。
6.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S5中基于最大剥离力加速退化模型,进行恒定应力条件下的加速退化试验,通过试验优化设计,确定试验组数和应力水平组合;对软包整体开展不同应力水平下的加速退化试验,将经历不同时刻退化后的软包封装修剪成等宽度样条,通过样条剥离试验测得不同时刻的样条最大剥离力退化数据,并使用极大似然拟合来得到相关参数取值。
7.根据权利要求6所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S5中所述的试验优化设计是指利用正交设计方法确定各应力水平之间的组合,用于进行加速退化试验。
8.根据权利要求1所述的软包锂离子电池密封可靠度预测方法,其特征在于:步骤S7中根据应力-强度干涉理论进行数值仿真,获得可靠度R值具体为利用蒙特卡罗法编制抽样程序,生成大量不同时刻不同位置的强度与应力值进行比较计算,取未失效的概率作为最终可靠度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665441.6A CN110414117B (zh) | 2019-07-23 | 2019-07-23 | 一种软包锂离子电池密封可靠度预测方法 |
US16/901,252 US20210027001A1 (en) | 2019-07-23 | 2020-06-15 | Method for Predicting Sealing Reliability of Soft Packing Lithium Ion Battery |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665441.6A CN110414117B (zh) | 2019-07-23 | 2019-07-23 | 一种软包锂离子电池密封可靠度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110414117A CN110414117A (zh) | 2019-11-05 |
CN110414117B true CN110414117B (zh) | 2020-11-06 |
Family
ID=68362497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910665441.6A Active CN110414117B (zh) | 2019-07-23 | 2019-07-23 | 一种软包锂离子电池密封可靠度预测方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210027001A1 (zh) |
CN (1) | CN110414117B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991109B (zh) * | 2019-11-22 | 2023-04-21 | 西安航天动力技术研究所 | 一种适用于柔性接头摆动密封可靠性分析方法 |
CN112836331A (zh) * | 2019-11-25 | 2021-05-25 | 前进设计有限公司 | 一种基于环境作用的纯电动汽车电池性能可靠性分析方法 |
CN111832192B (zh) * | 2020-07-30 | 2022-10-04 | 北京航空航天大学 | 一种软包电池密封寿命的预测方法及*** |
CN113312786B (zh) * | 2021-06-10 | 2024-07-02 | 浙江理工大学 | 一种线簧孔式电连接器可靠性模型的构建方法、应用和构建*** |
CN113761767B (zh) * | 2021-08-25 | 2024-03-26 | 同济大学 | 一种计入交变温度影响的氢燃料电池密封件截面设计方法 |
CN113722963B (zh) * | 2021-09-03 | 2023-09-22 | 福州大学 | 基于超声波空化的磷酸铁锂回收试验仿真模拟方法 |
CN113833641B (zh) * | 2021-09-10 | 2023-06-30 | 中国人民解放军空军工程大学 | 机载燃油泵退化试验方案设计与寿命预测方法 |
CN114169173A (zh) * | 2021-12-09 | 2022-03-11 | 浙江大学 | 一种考虑热失控传播的电池储能***可靠度计算方法 |
CN114970307B (zh) * | 2022-02-25 | 2024-06-04 | 海仿(上海)科技有限公司 | 一种应用于高端装备材料设计优化的通用逆向计算方法 |
CN114925510B (zh) * | 2022-05-06 | 2022-11-11 | 哈尔滨工业大学 | 一种带有自适应交互作用项的多应力加速模型构建方法 |
CN114975879B (zh) * | 2022-05-26 | 2024-07-23 | 湖南立方新能源科技有限责任公司 | 一种锂离子电池极片压实密度的确定方法 |
CN115060320B (zh) * | 2022-06-20 | 2023-09-29 | 武汉涛初科技有限公司 | 一种基于机器视觉的动力锂电池生产质量在线监测分析*** |
CN115060581A (zh) * | 2022-07-27 | 2022-09-16 | 楚能新能源股份有限公司 | 一种电芯软包封装效果评估方法 |
CN116304672B (zh) * | 2023-01-03 | 2024-01-05 | 广州港科大技术有限公司 | 一种基于t-SNE和BLS的锂电池热过程非线性时空预测模型以及构建方法 |
CN115876681B (zh) * | 2023-03-01 | 2023-05-23 | 中南大学 | 一种用于密封垫的安全度评估方法及测试装置 |
CN116484547B (zh) * | 2023-05-09 | 2023-10-03 | 广东工业大学 | 真空封装mems陀螺漏气分析方法、***、介质及计算机 |
CN117706379B (zh) * | 2024-02-06 | 2024-04-12 | 北京航空航天大学 | 一种电池动态安全边界构建方法、装置及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093114A (zh) * | 2015-03-02 | 2015-11-25 | 北京交通大学 | 一种电池在线建模与荷电状态的联合估计方法及*** |
CN106226699A (zh) * | 2016-07-11 | 2016-12-14 | 北京航空航天大学 | 一种基于时变权重最优匹配相似性的锂离子电池寿命预测方法 |
CN106354962A (zh) * | 2016-08-02 | 2017-01-25 | 电子科技大学 | 基于分频表征的磷酸铁锂电池分数阶等效电路模型建立方法 |
CN107292024A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池封装应力的预测方法 |
CN107292025A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池的密封寿命预测方法 |
CN108717475A (zh) * | 2018-02-07 | 2018-10-30 | 浙江大学城市学院 | 一种基于混合仿真方法的锂电池单体机械强度概率模型 |
CN109446661A (zh) * | 2018-10-31 | 2019-03-08 | 河北工业大学 | 一种考虑锂电池退化特性的剩余寿命预测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9088162B2 (en) * | 2008-10-17 | 2015-07-21 | All New Energy Technology Corp. | Hierarchical battery management system |
US10177398B2 (en) * | 2010-11-23 | 2019-01-08 | Eocell Ltd | Li-ion battery capacity and voltage prediction using quantum simulations |
CN104237791A (zh) * | 2013-06-20 | 2014-12-24 | 电子科技大学 | 一种锂电池荷电状态估算方法及电池管理***和电池*** |
CN103336877B (zh) * | 2013-07-25 | 2016-03-16 | 哈尔滨工业大学 | 一种基于rvm动态可重构的卫星锂离子电池剩余寿命预测***及方法 |
CN105183934B (zh) * | 2015-07-15 | 2018-09-07 | 盐城工学院 | 一种基于参数校正器的串联型电池***建模方法 |
CN108446434B (zh) * | 2018-02-07 | 2020-02-11 | 清华大学 | 动力电池热失控安全性的预测方法、装置及计算机可读存储介质 |
CN113505481B (zh) * | 2021-07-08 | 2023-08-01 | 东软睿驰汽车技术(沈阳)有限公司 | 壳体密封失效压力的确定方法、装置和电子设备 |
-
2019
- 2019-07-23 CN CN201910665441.6A patent/CN110414117B/zh active Active
-
2020
- 2020-06-15 US US16/901,252 patent/US20210027001A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093114A (zh) * | 2015-03-02 | 2015-11-25 | 北京交通大学 | 一种电池在线建模与荷电状态的联合估计方法及*** |
CN106226699A (zh) * | 2016-07-11 | 2016-12-14 | 北京航空航天大学 | 一种基于时变权重最优匹配相似性的锂离子电池寿命预测方法 |
CN106354962A (zh) * | 2016-08-02 | 2017-01-25 | 电子科技大学 | 基于分频表征的磷酸铁锂电池分数阶等效电路模型建立方法 |
CN107292024A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池封装应力的预测方法 |
CN107292025A (zh) * | 2017-06-21 | 2017-10-24 | 北京航空航天大学 | 软包锂离子电池的密封寿命预测方法 |
CN108717475A (zh) * | 2018-02-07 | 2018-10-30 | 浙江大学城市学院 | 一种基于混合仿真方法的锂电池单体机械强度概率模型 |
CN109446661A (zh) * | 2018-10-31 | 2019-03-08 | 河北工业大学 | 一种考虑锂电池退化特性的剩余寿命预测方法 |
Non-Patent Citations (7)
Title |
---|
A reliability design method for a lithium-ion battery pack considering the thermal disequilibrium in electric vehicles;Quan Xia .etal;《Journal of Power Sources》;20180319;10-20页 * |
A Stress-Strength Time-Varying Correlation Interference Model for Structural Reliability Analysis Using Copulas;Jianchun Zhang .etal;《IEEE Transactions on Reliability》;20170502;第66卷(第2期);351-365页 * |
Evaluation of Lithium Batteries Based on Continuous Hidden Markov Model;Yun Lin .etal;《2017 IEEE International Conference on Software Quality, Reliability and Security Companion (QRS-C)》;20170818;221-225页 * |
Sealing life prediction of Li-ion pouch cell under uncertainties using a CZM-based degradation model;Chen Yuxia .etal;《International Journal of Adhesion and Adhesives》;20180831;第84卷;378-386页 * |
Sealing Life Prediction of Li-ion Pouch Cell Using Non-linear Peeling Model;Yuxia Chen .etal;《IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society》;20171218;7963-7968页 * |
基于几何特征与流形距离的锂电池健康评估;包塔拉 等;《山东大学学报(工学版)》;20170710;第47卷(第5期);157-165页 * |
工业锂电池退化过程研究与剩余使用寿命预测;陶耀东 等;《计算机***应用》;20171231;第26卷(第2期);235-239页 * |
Also Published As
Publication number | Publication date |
---|---|
US20210027001A1 (en) | 2021-01-28 |
CN110414117A (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414117B (zh) | 一种软包锂离子电池密封可靠度预测方法 | |
CN107066722B (zh) | 一种基于电化学模型的动力电池***荷电状态和健康状态的联合估计方法 | |
CN103003709B (zh) | 电池状态估计装置以及电池状态估计方法 | |
CN101793927B (zh) | 步进应力加速退化试验优化设计方法 | |
CN107436983A (zh) | 一种基于多元样本差异的o型橡胶密封圈寿命预测方法 | |
CN112327167B (zh) | 一种电池容量跳水风险评估方法及*** | |
CN107292025B (zh) | 软包锂离子电池的密封寿命预测方法 | |
CN104569844B (zh) | 阀控密封式铅酸蓄电池健康状态监测方法 | |
CN103983920B (zh) | 一种建立电动车辆的动力电池的模型的方法 | |
CN104678312B (zh) | 一次性锂电池容量加速退化试验“倒挂”数据评估方法 | |
CN106934168A (zh) | 一种材料多轴蠕变失效应变预测方法 | |
CN112327191B (zh) | 一种基于几何特征融合决策的电池跳水概率评估方法 | |
CN113761751A (zh) | 基于温度加速因子的锂离子电池剩余寿命预测方法及*** | |
CN106991074A (zh) | 基于加速因子不变原则的加速退化试验优化设计方法 | |
CN112100574A (zh) | 一种基于重采样的aakr模型不确定度计算方法及*** | |
CN107229771B (zh) | 进行核燃料板弹簧压紧力模拟测定的方法 | |
CN105352815A (zh) | 一种静密封氟橡胶o形圈剩余使用寿命的预测方法 | |
Chi et al. | Online identification of a link function degradation model for solid oxide fuel cells under varying-load operation | |
CN113011012A (zh) | 一种基于Box-Cox变化的储能电池剩余寿命预测方法 | |
Kong et al. | Remaining useful life prediction for degrading systems with random shocks considering measurement uncertainty | |
CN117874955A (zh) | 一种基于有限元分析的齿轮寿命疲劳预测方法 | |
CN107704691A (zh) | 一种加速应力可靠性鉴定试验优选方案设计方法 | |
CN116956660A (zh) | 大坝安全监控中长期预报方法 | |
CN117110884A (zh) | 基于多核相关向量机的锂电池剩余使用寿命预测方法 | |
CN115618676A (zh) | 一种基于连续累积损伤的低周疲劳裂纹的模拟方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |