CN117173100A - 聚合物锂离子电池生产控制***及其方法 - Google Patents
聚合物锂离子电池生产控制***及其方法 Download PDFInfo
- Publication number
- CN117173100A CN117173100A CN202310950323.6A CN202310950323A CN117173100A CN 117173100 A CN117173100 A CN 117173100A CN 202310950323 A CN202310950323 A CN 202310950323A CN 117173100 A CN117173100 A CN 117173100A
- Authority
- CN
- China
- Prior art keywords
- appearance
- core
- feature
- image
- winding
- 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.)
- Granted
Links
- 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
- 229920000642 polymer Polymers 0.000 title claims abstract description 57
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004804 winding Methods 0.000 claims abstract description 147
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 claims description 37
- 238000004220 aggregation Methods 0.000 claims description 36
- 230000002776 aggregation Effects 0.000 claims description 35
- 238000011176 pooling Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000000379 polymerizing effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000012360 testing method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 230000007547 defect Effects 0.000 description 10
- 238000007689 inspection Methods 0.000 description 7
- 239000005518 polymer electrolyte Substances 0.000 description 7
- 239000003792 electrolyte Substances 0.000 description 6
- 239000007773 negative electrode material Substances 0.000 description 6
- 239000007774 positive electrode material Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000007789 sealing Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000000195 production control method Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 239000010405 anode material Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000010406 cathode material Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000011244 liquid electrolyte Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- -1 LiCoO2 Chemical class 0.000 description 1
- 229910032387 LiCoO2 Inorganic materials 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000006258 conductive agent Substances 0.000 description 1
- 239000011530 conductive current collector Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229910003002 lithium salt Inorganic materials 0.000 description 1
- 159000000002 lithium salts Chemical class 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 238000012858 packaging process Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000010345 tape casting Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种聚合物锂离子电池生产控制***及其方法，其通过摄像头采集被检测卷芯的卷芯外观图像；对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及，基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。通过这样的方式，能够避免人工介入引起的低效率和低精准度的问题，从而实现对卷芯外观质量的自动化检测和控制，以提高生产效率和产品质量，同时降低安全风险。
Description
技术领域
本发明涉及智能化生产技术领域，尤其涉及一种聚合物锂离子电池生产控制***及其方法。
背景技术
聚合物锂离子电池是一种常用的电池类型，具有高能量密度、长寿命和轻量化等优点，在电动汽车、便携设备和储能***等领域得到广泛应用。在聚合物锂离子电池的生产过程中，卷绕是一个重要的步骤，其中卷芯外观的质量对电池性能和安全性具有重要影响。
在进行卷芯的外观质量检测时，主要是对于卷绕后的电池极耳平行度、黑芯和露片进行检测。具体来说，极耳平行度是指电池两个极耳的平行度，直接影响电池的内阻和功率输出。黑芯是指电池卷芯中心部分的不完全充填，可能导致电池容量损失和热失控风险。露片是指电池卷芯外部出现的裸露电极片，可能引发短路和安全事故。
然而，传统的卷芯外观质量检测方案通常依赖于人工目视检查，操作人员需要凭借经验和主观判断来评估卷芯外观的质量。这种方法容易受到操作人员个体差异和疲劳等因素的影响，导致结果的不一致性和不准确性。此外，传统方案难以准确捕捉到卷芯外观中的细微缺陷，例如微小的黑芯或露片。这些细微缺陷可能对电池性能和安全性产生潜在影响，但很难通过传统方法进行准确检测。
因此，期望一种优化的聚合物锂离子电池生产控制***，其能够自动对卷芯外观进行智能化地质量检测，并产生预警提示。
发明内容
本发明实施例提供一种聚合物锂离子电池生产控制***及其方法，其通过摄像头采集被检测卷芯的卷芯外观图像；对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及，基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。通过这样的方式，能够避免人工介入引起的低效率和低精准度的问题，从而实现对卷芯外观质量的自动化检测和控制，以提高生产效率和产品质量，同时降低安全风险。
本发明实施例还提供了一种聚合物锂离子电池生产控制方法，其包括：
通过摄像头采集被检测卷芯的卷芯外观图像；
对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及
基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
本发明实施例还提供了一种聚合物锂离子电池生产控制***，其包括：
图像采集模块，用于通过摄像头采集被检测卷芯的卷芯外观图像；
图像特征分析模块，用于对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及
预警提示生成模块，用于基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的流程图。
图2为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的***架构的示意图。
图3为本发明实施例中提供的一种聚合物锂离子电池生产控制方法中步骤120的子步骤的流程图。
图4为本发明实施例中提供的一种聚合物锂离子电池生成工艺流程图。
图5为本发明实施例中提供的一种聚合物锂离子电池生产控制***的框图。
图6为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的应用场景图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
应可以理解，聚合物锂离子电池是一种使用聚合物电解质的锂离子电池。与传统的液态电解质锂离子电池相比，聚合物锂离子电池具有更高的安全性、较高的能量密度和更好的柔性。
聚合物锂离子电池的主要构成部分包括正极、负极、聚合物电解质和隔膜。正极通常采用锂盐（如LiCoO2、LiFePO4等）与导电剂混合形成，负极则通常采用石墨或硅等材料。聚合物电解质是聚合物锂离子电池的核心部分，具有高离子导电性、较低的电导率和优良的机械柔性。隔膜用于隔离正负极，防止短路。
聚合物锂离子电池的工作原理是通过正负极之间的锂离子在充放电过程中的迁移来实现。在充电过程中，锂离子从正极释放出来，经过电解质迁移到负极并嵌入负极材料中。在放电过程中，锂离子从负极释放出来，经过电解质迁移到正极并嵌入正极材料中。这种锂离子的迁移过程伴随着电子的流动，产生电流供应外部电路使用。
与传统的液态锂离子电池相比，聚合物锂离子电池具有以下特点：
1.聚合物电解质：聚合物锂离子电池采用聚合物作为电解质，而不是传统液态电解质。聚合物电解质具有高离子导电性、良好的机械强度和化学稳定性，能够提供更高的安全性和耐久性。
2.高能量密度：聚合物锂离子电池具有较高的能量密度，能够在相对较小的体积和重量下存储更多的能量。这使得聚合物锂离子电池成为便携设备和电动车辆等领域的理想选择，能够提供更长的使用时间和行驶里程。
3.快速充放电性能：聚合物锂离子电池具有良好的充放电性能，能够快速充电和释放电能。这意味着用户可以更快地充电设备或电动车辆，并获得更高的功率输出。
4.低自放电率：聚合物锂离子电池具有较低的自放电率，即在不使用时电池的电荷损失较小。这使得聚合物锂离子电池具有较长的储存寿命和较长的使用寿命。
5.安全性：由于采用聚合物电解质，聚合物锂离子电池相对于传统液态锂离子电池具有更高的安全性。聚合物电解质在高温下不易燃烧，能够有效防止电池的过热和热失控。
在聚合物锂离子电池的生产过程中，卷绕是一个重要的步骤，卷芯外观的质量对电池的性能和安全性具有重要影响，其中，卷芯外观的质量直接影响电池的内阻，如果卷芯外观存在不良情况，例如极耳平行度不合格、黑芯或露片等，会导致电池内部接触不良或局部电阻增加，从而增加电池的内阻。内阻的增加会影响电池的充放电效率，降低电池的功率输出能力。
卷芯外观质量不良可能导致电池容量损失，例如，黑芯现象表示卷芯中心部分未充填完整，导致电池容量减少。如果卷芯外观存在黑芯问题，电池的可用容量将减少，降低了电池的能量储存能力。
卷芯外观质量不良可能增加电池的热失控风险，例如，露片现象表示电池卷芯外部存在裸露电极片，如果这些裸露的电极片与其他金属物质接触，可能引发短路，导致电池过热、发生热失控甚至起火***的风险。
卷芯外观质量不良可能影响电池的循环寿命，不良的卷芯外观可能导致电池内部应力集中、电解液分布不均等问题，加速电池的衰减和老化。这将缩短电池的使用寿命，降低电池的循环寿命。
因此，确保卷芯外观质量的合格对于电池的性能和安全性至关重要。通过智能化的卷芯外观质量检测和控制，可以及早发现和处理不良情况，提高电池的品质和可靠性。
在本发明的一个实施例中，图1为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的流程图。图2为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的***架构的示意图。如图1和图2所示，根据本发明实施例的聚合物锂离子电池生产控制方法100，包括：110，通过摄像头采集被检测卷芯的卷芯外观图像；120，对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及，130，基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
其中，在所述步骤110中，确保摄像头的位置和角度能够准确捕捉到卷芯的外观细节，以便后续的图像分析和特征提取。通过摄像头采集卷芯外观图像，可以实现非接触式的检测，避免了对卷芯的物理接触，减少了潜在的损坏风险，并提高了生产效率。
在所述步骤120中，选择合适的图像处理算法和技术，对卷芯外观图像进行分析和处理，提取出有代表性的卷芯外观特征。通过图像特征分析，可以获取到卷芯外观的关键特征信息，例如极耳平行度、黑芯、露片等。这些特征可以用于评估卷芯的外观质量，为后续的质量判定提供依据。
在所述步骤130中，根据事先设定的卷芯外观质量标准和阈值，对提取到的卷芯外观特征进行判定，确定是否产生卷芯外观质量预警提示。通过基于卷芯外观特征的判定，可以及时发现卷芯外观质量不良的情况，并提供预警提示。这有助于及早发现潜在的质量问题，采取相应的措施进行调整和修正，从而提高电池的生产质量和稳定性。
通过上述生产控制方法，结合摄像头采集、图像特征分析和质量预警提示，可以实现对聚合物锂离子电池卷芯外观质量的智能化检测和控制。这有助于提高生产效率、降低不良品率，并确保电池的性能和安全性符合要求。
具体地，在所述步骤110中，通过摄像头采集被检测卷芯的卷芯外观图像。针对上述技术问题，本申请的技术构思为在卷绕过程中，通过摄像头采集卷芯的外观图像，并在后端引入图像处理和分析算法来对于卷芯外观（极耳平行度、黑芯、露片等）进行质量检测以判断卷芯外观是否符合预定标准，并产生预警提示，通过这样的方式，能够避免人工介入引起的低效率和低精准度的问题，从而实现对卷芯外观质量的自动化检测和控制，以提高生产效率和产品质量，同时降低安全风险。
具体地，在本申请的技术方案中，首先，获取由摄像头采集的被检测卷芯的卷芯外观图像。从所述被检测卷芯的卷芯外观图像可以提取以下有用信息：
外观缺陷，卷芯外观图像可以显示卷芯表面的缺陷，如裂纹、气泡、污染等。通过图像处理和分析，可以提取这些外观缺陷的特征，如大小、形状、分布等，进而判断缺陷的严重程度和对电池性能的影响。
尺寸和形状，卷芯外观图像可以提供卷芯的尺寸和形状信息。通过测量和分析图像中的尺寸参数，如长度、宽度、厚度等，可以评估卷芯的几何特征是否符合规格要求。
电极分布，卷芯外观图像可以显示电极的分布情况，包括正负极的位置、对称性等。通过分析电极的分布情况，可以判断电极的对中度和偏移情况，进而评估电池的一致性和性能稳定性。
黑芯和露片，卷芯外观图像可以显示黑芯和露片的情况。黑芯是指卷芯中心区域的不透明区域，露片是指卷芯边缘区域的电极暴露情况。通过分析图像中的黑芯和露片情况，可以评估卷芯的均匀性和电极覆盖情况。
其他特征，根据具体需求，还可以从卷芯外观图像中提取其他有用的特征，如颜色分布、纹理特征等。这些特征可以用于进一步的质量判定和预警提示。
通过对摄像头采集的卷芯外观图像进行特征提取和分析，可以获取到关键的外观信息，用于判断卷芯外观质量是否符合要求，并产生相应的预警提示。有助于及早发现潜在的质量问题，采取措施进行调整和修正，确保电池的生产质量和安全性。
进一步地，在所述步骤110中，摄像头采集的卷芯外观图像提供了对卷芯外观的直观可视化信息，这使得操作人员能够直接观察和分析卷芯的外观特征，包括形状、颜色、纹理等。通过视觉信息，可以捕捉到一些明显的外观缺陷和异常，如裂纹、变形、污染等。
摄像头采集卷芯外观图像的过程是非接触式的，无需直接接触卷芯，从而避免了潜在的物理损伤和污染风险。非接触检测不仅提高了生产效率，还保护了卷芯的完整性和质量。
通过摄像头采集的图像可以进行图像处理和分析，提取出卷芯外观的关键特征，这些特征可以用于后续的图像特征分析，通过算法和模型的运算，自动化地判断卷芯外观的质量是否符合预定标准。这种自动化分析大大减少了人工判断的主观性和不一致性，提高了判定的准确性和可靠性。
通过摄像头采集的图像可以实现实时监测和预警，图像处理和分析可以在短时间内完成，快速判断卷芯外观的质量情况。一旦发现卷芯外观存在质量问题，***可以立即生成预警提示，通知相关人员采取相应的措施，及时处理和调整，避免不良品的进一步生产和流出。
通过摄像头采集卷芯外观图像可以提供可视化信息、实现非接触检测、支持自动化分析，并实现实时监测和预警。这些作用有助于提高卷芯外观质量的检测效率和准确性，确保生产过程中的质量控制和问题的及时处理。
具体地，在所述步骤120中，图3为本发明实施例中提供的一种聚合物锂离子电池生产控制方法中步骤120的子步骤的流程图，如图3所示，对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征，包括：121，将所述卷芯外观图像通过基于骨干网络的卷芯外观特征提取器以得到卷芯外观特征图；122，对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图；以及，123，对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征。
其中，所述骨干网络为卷积神经网络模型。
通过上述步骤，首先，使用基于骨干网络的卷芯外观特征提取器可以有效地提取卷芯外观图像中的关键特征，这些特征可以捕捉到卷芯外观的细节和结构信息，包括纹理、形状、边缘等。通过特征提取器，可以将图像转化为卷芯外观特征图，更加抽象和有代表性。
然后，对卷芯外观特征图进行多尺度池化处理可以提取不同尺度下的特征信息，有助于捕捉卷芯外观的全局和局部特征，从而更全面地描述卷芯的外观情况。多尺度池化可以增强特征的鲁棒性和区分能力。
接着，对多个卷芯外观池化特征图进行上下文聚合可以综合利用不同尺度和位置的信息。上下文聚合可以通过卷积、注意力机制等方式，将局部特征和全局特征进行融合，得到更具代表性和语义信息丰富的卷芯外观特征图。这样的特征图可以更好地表示卷芯的整体质量和外观特征。
通过所述步骤121、步骤122和步骤123，可以获得更高层次、更丰富的卷芯外观特征，这些特征具有更好的表达能力和判别能力，有助于更准确地判断卷芯外观质量是否符合要求。这样的特征提取和分析方法可以提高卷芯外观质量检测的准确性和效率，帮助实现智能化的生产控制和质量管理。
接着，考虑到由于卷芯外观质量主要指卷绕后的电池极耳平行度、黑芯和露片等特征，极耳平行度是指电池两个极耳的平行度，直接影响电池的内阻和功率输出；黑芯是指电池卷芯中心部分的不完全充填，可能导致电池容量损失和热失控风险；露片是指电池卷芯外部出现的裸露电极片，可能引发短路和安全事故。因此，为了能够对于卷芯的外观质量进行有效检测，需要提取出卷绕后的卷芯极耳平行度、黑芯和露片等特征信息。具体地，使用在图像的隐含特征提取方面具有优异表现性能的卷积神经网络模型来进行图像的特征挖掘，也就是，将所述卷芯外观图像通过基于骨干网络的卷芯外观特征提取器中进行特征挖掘，特别地，这里，所述骨干网络为卷积神经网络模型，以提取出所述卷芯外观质量的隐含特征分布信息，从而得到卷芯外观特征图。
所述步骤122，对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图，包括：使用具有不同尺度的池化核对所述卷芯外观特征图进行多尺度空间池化以得到所述多个卷芯外观池化特征图。
然后，还考虑到在实际进行卷绕工艺中，关于卷芯的外观缺陷可能及其微小，例如微小的黑芯或露片。这些细微缺陷可能对电池性能和安全性产生潜在影响，但很难通过传统的特征提取方式进行有效地捕捉和质量检测。也就是说，在卷芯外观图像中，不同尺度的特征信息会对判断卷芯外观质量起到不同的作用，一些特征可能在较小尺度上更明显，而另一些特征可能在较大尺度上更明显。
基于此，在本申请的技术方案中，进一步使用具有不同尺度的池化核对所述卷芯外观特征图进行多尺度空间池化以得到多个卷芯外观池化特征图。应可以理解，由于深度学***滑的问题。而使用具有不同尺度的池化核可以提供多个不同大小的池化窗口，从而使网络能够更好地探索有关于卷芯外观质量的不同尺度的特征信息，从而捕捉到有关于卷芯外观质量的不同尺度上的细节和整体特征，使得最终的特征表示更加全面和丰富。同时，还可以避免采样后的特征过度平滑的问题，进而提高模型的鲁棒性和准确性，有助于更好地检测卷芯的外观质量，以判断卷芯外观是否符合预定标准。
对于所述步骤123，对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征，包括：使用上下文内容编码器对所述多个卷芯外观池化特征图进行基于特征内容的上下文聚合以得到所述上下文聚合卷芯外观特征图。
进一步地，由于在卷芯外观质量检测中，单独提取的所述卷芯外观池化特征图只包含了有关于卷芯外观质量的局部或局部组合的特征信息，而缺乏全局视角和上下文关系。然而，卷芯外观的质量往往受到整体结构和相邻区域的影响。因此，在本申请的技术方案中，进一步使用上下文内容编码器对所述多个卷芯外观池化特征图进行基于特征内容的上下文聚合以得到上下文聚合卷芯外观特征图，以此来获得更具代表性和全局性的特征表示。这样，有助于提高卷芯外观质量检测的准确性和鲁棒性，使得***能够更好地理解和判断卷芯外观的质量。
应可以理解，上下文编码器旨在挖掘得到词序列中上下文之间的隐藏模式，可选地，编码器包括：CNN(Convolutional Neural Network，卷积神经网络)、Recursive NN(RecursiveNeural Network，递归神经网络)、语言模型(Language Model)等。基于CNN的方法对于局部特征有比较好的提取效果，但其对于句子中的长程依赖(Long-termDependency)问题效果欠佳，因此基于Bi-LSTM(Long Short- Term Memory，长短期记忆网络)的编码器被广泛使用。Recursive NN把句子当作树状结构而非序列进行处理，从理论上而言具有更强的表示能力，但其存在样本标注难度大、深层易梯度消失、难以并行计算等弱点，因此在实际应用中使用 较少。Transformer是应用广泛的网络结构了，同时具有CNN和RNN的特性，对于全局特征有较好的提取效果，同时相较于RNN(RecurrentNeural Network，循环神经网络)在并行计算上具有一定优势。
具体地，在所述步骤130中，基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示，包括：对所述上下文聚合卷芯外观特征图进行特征分布优化以得到优化上下文聚合卷芯外观特征图；将所述优化上下文聚合卷芯外观特征图通过分类器以得到分类结果，所述分类结果用于表示卷芯外观是否符合预定标准；以及，基于所述分类结果，生成生产控制指令，所述生产控制指令用于表示是否产生卷芯外观质量预警提示。
特别地，在本申请的技术方案中，在使用具有不同尺度的池化核对所述卷芯外观特征图进行多尺度空间池化得到所述多个卷芯外观池化特征图，并使用上下文内容编码器对所述多个卷芯外观池化特征图进行基于特征内容的上下文聚合时，期望所述上下文聚合卷芯外观特征图在表达多个不同尺度的卷芯外观池化特征图的上下文关联图像语义特征的同时，仍然具有各个尺度的卷芯外观池化特征图所表达的所述卷芯外观图像的局部空间关联图像语义特征在分类规则下的良好表达，因此，需要基于所述卷芯外观特征图的局部空间关联图像语义特征表示来对所述上下文聚合卷芯外观特征图进行校正。
基于此，本申请的申请人对所述卷芯外观特征图，例如记为，和所述上下文聚合卷芯外观特征图，例如记为/>进行平滑响应参数化解耦融合，来获得优化后的上下文聚合卷芯外观特征图，例如记为/>，具体为：以如下优化公式对所述卷芯外观特征图和所述上下文聚合卷芯外观特征图进行平滑响应参数化解耦融合以得到所述优化上下文聚合卷芯外观特征图；其中，所述优化公式为：/>其中/>和/>分别是所述卷芯外观特征图和所述上下文聚合卷芯外观特征图，表示所述卷芯外观特征图和所述上下文聚合卷芯外观特征图之间的余弦距离，且/>为以2为底的对数函数，/>表示特征图的指数运算，所述特征图的指数运算表示以特征图中各个位置特征值为幂的自然指数函数值，/>表示按位置减法，/>表示按位置加法，/>表示按位置点乘，/>是所述优化上下文聚合卷芯外观特征图。
这里，所述平滑响应参数化解耦融合通过使用平滑参数化函数的解耦原则，基于所述卷芯外观特征图和所述上下文聚合卷芯外观特征图/>之间的余弦距离的非负对称性来编译所述卷芯外观特征图/>和所述上下文聚合卷芯外观特征图/>的特征之间的逐点嵌入，从而以特征之间的空间变换（transformation）来推断所述卷芯外观特征图/>和所述上下文聚合卷芯外观特征图/>之间的信息分布转移（information distributionshift），从而表达特征之间的平滑响应在类规则下的信息结构化融合，从而提升优化后的上下文聚合卷芯外观特征图/>对于所述卷芯外观特征图的局部空间关联图像语义特征的基于分类规则的表达效果，以提升所述优化后的上下文聚合卷芯外观特征图通过分类器得到的分类结果的准确性。这样，能够在聚合物锂离子电池生产过程中，对于卷绕卷芯的外观质量进行有效检测，并对于质量存在缺陷的卷芯产生预警提示，从而提高生产效率和产品质量，同时降低安全风险。
在本申请的一个实施例中，将所述优化上下文聚合卷芯外观特征图通过分类器以得到分类结果，所述分类结果用于表示卷芯外观是否符合预定标准，包括：将所述优化上下文聚合卷芯外观特征图按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
继而，再将所述上下文聚合卷芯外观特征图通过分类器以得到分类结果，所述分类结果用于表示卷芯外观是否符合预定标准。也就是说，以所述卷芯外观质量的全局多尺度上下文关联特征信息来进行分类处理，从而对于卷芯的外观（极耳平行度、黑芯、露片等）质量是否符合预定标准进行评估判断。进而，基于所述分类结果，生成生产控制指令，所述生产控制指令用于表示是否产生卷芯外观质量预警提示。通过这样的方式，能够避免人工介入引起的低效率和低精准度的问题，从而实现对卷芯外观质量的实时自动化检测和控制，以提高生产效率和产品质量，同时降低安全风险。
综上，基于本发明实施例的聚合物锂离子电池生产控制方法100被阐明，在卷绕过程中，通过摄像头采集卷芯的外观图像，并在后端引入图像处理和分析算法来对于卷芯外观（极耳平行度、黑芯、露片等）进行质量检测以判断卷芯外观是否符合预定标准，并产生预警提示，通过这样的方式，能够避免人工介入引起的低效率和低精准度的问题，从而实现对卷芯外观质量的自动化检测和控制，以提高生产效率和产品质量，同时降低安全风险。
在本申请一具体示例中，如图4所示，提供了一种聚合物锂离子电池生成工艺流程，其包括步骤：
S1.配料：根据电池配方要求，将所需的原材料按照一定比例进行配料。这些原材料包括正极材料、负极材料、电解液和其他添加剂。
S2.涂布：在涂布步骤中，将配料中的正极材料和负极材料分别涂布到导电的集流体上。正极和负极的涂布可以采用不同的方法，如测厚涂布或刮涂布。
S3.棍压：棍压是将涂布好的正负极材料与集流体进行压实，以确保正负极材料与集流体之间的良好接触。这一步骤有助于提高电池的能量密度和循环性能。
S4.分条：在分条步骤中，将棍压好的正负极材料与集流体的复合片切割成适当的宽度，以便后续的制片工艺。
S5.制片：制片是将分条得到的正负极材料与集流体复合片通过一定的工艺方法切割成适当的长度，形成电池的单个片状组件。
S6.卷绕：在卷绕步骤中，将制片好的正负极材料与集流体片状组件以一定的方式卷绕在一起，形成电池的层叠结构。卷绕时需要注意正负极之间的绝缘，以避免短路。
S7.卷芯外观全检：在卷芯外观全检中，对卷绕好的电池芯进行外观检查，确保没有明显的缺陷或损伤，如凹陷、裂纹等。
S8.冲壳：冲壳是将卷绕好的电池芯放入金属壳体中，并进行密封，以保护电池内部结构免受外界环境的影响。
S9.化成：在化成步骤中，将已经冲壳的电池芯连接到特定的电池测试装置上，进行初次充放电循环，以激活电池和评估其性能。
S10.智活化注液/预封：在智活化注液/预封步骤中，向已经化成的电池芯注入电解液，并进行预封处理，以确保电池内部的密封性和稳定性。
S11.真空搁置：在真空搁置阶段，将已经注液和预封的电池芯放置在真空环境中，以进一步提高电池内部的密封性和稳定性。
S12.分容：分容是对已经经过真空搁置的电池芯进行容量测试和分级，将电池芯按照其容量大小进行分类。
S13.真空烘烤：在真空烘烤步骤中，将分容后的电池芯放入烘烤设备中，在一定的温度和湿度条件下进行烘烤，以进一步提高电池内部的稳定性和可靠性。
S14.老化：老化是对经过真空烘烤的电池芯进行长时间的充放电循环测试，以评估电池的性能、循环寿命和安全性。
S15.出货：在出货步骤中，经过老化测试合格的电池芯将被打包并准备出货。
S16.装篮扩口：装篮扩口是将出货的电池芯放入指定的篮子或容器中，并进行扩口处理，以便后续的测试和包装工艺。
S17.电压/内阻测试：在电压/内阻测试步骤中，对装篮扩口后的电池芯进行电压和内阻测试，以确保其符合规定的标准和要求。
S18.打包入库：经过电压/内阻测试合格的电池芯将被打包，并入库等待后续的PACK加工。
S19.四合一顶侧封：在四合一顶侧封步骤中，将经过打包入库的电池芯与其他组件（如保护板、连接线等）进行组装，并进行顶侧封装，形成最终的电池PACK。
S20.外观全检：在外观全检步骤中，对四合一顶侧封好的电池PACK进行外观检查，确保没有明显的缺陷或损伤。
S21.卷芯短路测试：卷芯短路测试是对四合一顶侧封好的电池PACK进行短路测试，以确保电池PACK的安全性和可靠性。
S22.入库：经过外观全检和卷芯短路测试合格的电池PACK将被入库，等待后续的发货和销售。
S23.PACK加工：PACK加工是指将入库的电池PACK与其他组件（如壳体、连接器等）进行组装，并进行最终的封装和标识。
图5为本发明实施例中提供的一种聚合物锂离子电池生产控制***的框图。如图5所示，所述聚合物锂离子电池生产控制***，包括：图像采集模块210，用于通过摄像头采集被检测卷芯的卷芯外观图像；图像特征分析模块220，用于对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及，预警提示生成模块230，用于基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
具体地，在所述聚合物锂离子电池生产控制***中，所述图像特征分析模块，包括：外观特征提取单元，用于将所述卷芯外观图像通过基于骨干网络的卷芯外观特征提取器以得到卷芯外观特征图；多尺度池化处理单元，用于对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图；以及，上下文聚合单元，用于对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征。
本领域技术人员可以理解，上述聚合物锂离子电池生产控制***中的各个步骤的具体操作已经在上面参考图1到图4的聚合物锂离子电池生产控制方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本发明实施例的聚合物锂离子电池生产控制***100可以实现在各种终端设备中，例如用于聚合物锂离子电池生产控制的服务器等。在一个示例中，根据本发明实施例的聚合物锂离子电池生产控制***100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该聚合物锂离子电池生产控制***100可以是该终端设备的操作***中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该聚合物锂离子电池生产控制***100同样可以是该终端设备的众多硬件模块之一。
替换地，在另一示例中，该聚合物锂离子电池生产控制***100与该终端设备也可以是分立的设备，并且该聚合物锂离子电池生产控制***100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。
图6为本发明实施例中提供的一种聚合物锂离子电池生产控制方法的应用场景图。如图6所示，在该应用场景中，首先，通过摄像头采集被检测卷芯的卷芯外观图像（例如，如图6中所示意的C）；然后，将获取的卷芯外观图像输入至部署有聚合物锂离子电池生产控制算法的服务器（例如，如图6中所示意的S）中，其中所述服务器能够基于聚合物锂离子电池生产控制算法对所述卷芯外观图像进行处理，以确定是否产生卷芯外观质量预警提示。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种聚合物锂离子电池生产控制方法，其特征在于，包括：
通过摄像头采集被检测卷芯的卷芯外观图像；
对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及
基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
2.根据权利要求1所述的聚合物锂离子电池生产控制方法，其特征在于，对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征，包括：
将所述卷芯外观图像通过基于骨干网络的卷芯外观特征提取器以得到卷芯外观特征图；
对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图；以及
对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征。
3.根据权利要求2所述的聚合物锂离子电池生产控制方法，其特征在于，所述骨干网络为卷积神经网络模型。
4.根据权利要求3所述的聚合物锂离子电池生产控制方法，其特征在于，对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图，包括：使用具有不同尺度的池化核对所述卷芯外观特征图进行多尺度空间池化以得到所述多个卷芯外观池化特征图。
5.根据权利要求4所述的聚合物锂离子电池生产控制方法，其特征在于，对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征，包括：使用上下文内容编码器对所述多个卷芯外观池化特征图进行基于特征内容的上下文聚合以得到所述上下文聚合卷芯外观特征图。
6.根据权利要求5所述的聚合物锂离子电池生产控制方法，其特征在于，基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示，包括：
对所述上下文聚合卷芯外观特征图进行特征分布优化以得到优化上下文聚合卷芯外观特征图；
将所述优化上下文聚合卷芯外观特征图通过分类器以得到分类结果，所述分类结果用于表示卷芯外观是否符合预定标准；以及
基于所述分类结果，生成生产控制指令，所述生产控制指令用于表示是否产生卷芯外观质量预警提示。
7.根据权利要求6所述的聚合物锂离子电池生产控制方法，其特征在于，对所述上下文聚合卷芯外观特征图进行特征分布优化以得到优化上下文聚合卷芯外观特征图，包括：
以如下优化公式对所述卷芯外观特征图和所述上下文聚合卷芯外观特征图进行平滑响应参数化解耦融合以得到所述优化上下文聚合卷芯外观特征图；
其中，所述优化公式为：其中/>和分别是所述卷芯外观特征图和所述上下文聚合卷芯外观特征图，/>表示所述卷芯外观特征图和所述上下文聚合卷芯外观特征图之间的余弦距离，且/>为以2为底的对数函数，/>表示特征图的指数运算，所述特征图的指数运算表示以特征图中各个位置特征值为幂的自然指数函数值，/>表示按位置减法，/>表示按位置加法，/>表示按位置点乘，/>是所述优化上下文聚合卷芯外观特征图。
8.根据权利要求7所述的聚合物锂离子电池生产控制方法，其特征在于，将所述优化上下文聚合卷芯外观特征图通过分类器以得到分类结果，所述分类结果用于表示卷芯外观是否符合预定标准，包括：
将所述优化上下文聚合卷芯外观特征图按照行向量或列向量展开为分类特征向量；
使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及
将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
9.一种聚合物锂离子电池生产控制***，其特征在于，包括：
图像采集模块，用于通过摄像头采集被检测卷芯的卷芯外观图像；
图像特征分析模块，用于对所述卷芯外观图像进行图像特征分析以得到卷芯外观特征；以及
预警提示生成模块，用于基于所述卷芯外观特征，确定是否产生卷芯外观质量预警提示。
10.根据权利要求9所述的聚合物锂离子电池生产控制***，其特征在于，所述图像特征分析模块，包括：
外观特征提取单元，用于将所述卷芯外观图像通过基于骨干网络的卷芯外观特征提取器以得到卷芯外观特征图；
多尺度池化处理单元，用于对所述卷芯外观特征图进行多尺度池化处理以得到多个卷芯外观池化特征图；以及
上下文聚合单元，用于对所述多个卷芯外观池化特征图进行上下文聚合以得到上下文聚合卷芯外观特征图作为所述卷芯外观特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310950323.6A CN117173100B (zh) | 2023-07-31 | 2023-07-31 | 聚合物锂离子电池生产控制***及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310950323.6A CN117173100B (zh) | 2023-07-31 | 2023-07-31 | 聚合物锂离子电池生产控制***及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117173100A true CN117173100A (zh) | 2023-12-05 |
| CN117173100B CN117173100B (zh) | 2024-04-05 |
Family
ID=88938351
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310950323.6A Active CN117173100B (zh) | 2023-07-31 | 2023-07-31 | 聚合物锂离子电池生产控制***及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173100B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117475241A (zh) * | 2023-12-27 | 2024-01-30 | 山西省水利建筑工程局集团有限公司 | 用于悬臂式掘进机隧洞开挖的地质突变检测***及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359696A (zh) * | 2018-10-29 | 2019-02-19 | 重庆中科云丛科技有限公司 | 一种车款识别方法、***及存储介质 |
| CN111553289A (zh) * | 2020-04-29 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种遥感图像云检测方法及*** |
| CN113920311A (zh) * | 2021-09-17 | 2022-01-11 | 山东锋士信息技术有限公司 | 一种基于边缘辅助信息的遥感图像分割方法及*** |
| CN114565553A (zh) * | 2021-12-29 | 2022-05-31 | 南京旭锐软件科技有限公司 | 柔性材料卷绕缺陷检测***、方法、电子设备及存储介质 |
| CN115984666A (zh) * | 2022-12-30 | 2023-04-18 | 南方科技大学 | 跨通道金字塔池化方法、***、卷积神经网络及处理方法 |
| CN116047987A (zh) * | 2023-03-31 | 2023-05-02 | 福建天甫电子材料有限公司 | 用于电子级缓冲氧化物蚀刻液生产的智能控制*** |
| CN116051506A (zh) * | 2023-01-28 | 2023-05-02 | 东莞市言科新能源有限公司 | 聚合物锂离子电池的智能化生产***及其方法 |
-
2023
- 2023-07-31 CN CN202310950323.6A patent/CN117173100B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359696A (zh) * | 2018-10-29 | 2019-02-19 | 重庆中科云丛科技有限公司 | 一种车款识别方法、***及存储介质 |
| CN111553289A (zh) * | 2020-04-29 | 2020-08-18 | 中国科学院空天信息创新研究院 | 一种遥感图像云检测方法及*** |
| CN113920311A (zh) * | 2021-09-17 | 2022-01-11 | 山东锋士信息技术有限公司 | 一种基于边缘辅助信息的遥感图像分割方法及*** |
| CN114565553A (zh) * | 2021-12-29 | 2022-05-31 | 南京旭锐软件科技有限公司 | 柔性材料卷绕缺陷检测***、方法、电子设备及存储介质 |
| CN115984666A (zh) * | 2022-12-30 | 2023-04-18 | 南方科技大学 | 跨通道金字塔池化方法、***、卷积神经网络及处理方法 |
| CN116051506A (zh) * | 2023-01-28 | 2023-05-02 | 东莞市言科新能源有限公司 | 聚合物锂离子电池的智能化生产***及其方法 |
| CN116047987A (zh) * | 2023-03-31 | 2023-05-02 | 福建天甫电子材料有限公司 | 用于电子级缓冲氧化物蚀刻液生产的智能控制*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117475241A (zh) * | 2023-12-27 | 2024-01-30 | 山西省水利建筑工程局集团有限公司 | 用于悬臂式掘进机隧洞开挖的地质突变检测***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117173100B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiong et al. | Toward a safer battery management system: A critical review on diagnosis and prognosis of battery short circuit | |
| CN108761344A (zh) | 一种锂离子电池析锂的检测方法及*** | |
| CN116502112B (zh) | 一种新能源电源测试数据管理方法及*** | |
| CN111146514B (zh) | 锂离子电池模组运行安全性评估预测方法、***及电子设备 | |
| CN110109029B (zh) | 电芯析锂参数检测方法及装置、电芯检测***和计算机可读存储介质 | |
| CN117173100B (zh) | 聚合物锂离子电池生产控制***及其方法 | |
| CN113138340A (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
| CN109078871B (zh) | 一种面向梯次利用的退役电池并联模块的剔除方法 | |
| CN111445462A (zh) | 一种基于神经网络和热像图的蓄电池漏液检测方法 | |
| CN114579644B (zh) | 基于深度学习的电池有效充电数据识别方法、设备和介质 | |
| CN104091322B (zh) | 叠片锂离子电池的检测方法 | |
| CN114994547B (zh) | 基于深度学习和一致性检测的电池包安全状态评估方法 | |
| CN113391229A (zh) | 退役动力电池的性能评价方法、设备及*** | |
| CN116754971A (zh) | 电池析锂检测的方法、设备及存储介质 | |
| CN116559757B (zh) | 电池析锂电位预测准确性的验证方法、装置和电子设备 | |
| CN116125322A (zh) | 一种无损检测电池健康度的方法、装置、设备及介质 | |
| CN115453373A (zh) | 一种动力电池机械损伤在线探测方法 | |
| CN113253122A (zh) | 一种锂离子电池的快速析锂检测方法 | |
| CN117148165B (zh) | 聚合物锂离子电池的测试分析方法及其*** | |
| CN117726574B (zh) | 聚合物锂离子电池生产用封装***及其方法 | |
| CN116298977B (zh) | 一种锂电池循环性能测试方法及*** | |
| CN116581418B (zh) | 一种废旧电池包的自动拆解方法及装置 | |
| CN115356645B (zh) | 压辊检测方法、装置、电子设备及存储介质 | |
| US20240255581A1 (en) | Method and apparatus for identifying abnormal battery cell, electronic device, and storage medium | |
| US20240053283A1 (en) | Battery wetting state detection method and apparatus, device, system, and medium |
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 |