CN108008305A - 一种车用磷酸铁锂动力电池容量衰减检测系统 - Google Patents
一种车用磷酸铁锂动力电池容量衰减检测系统 Download PDFInfo
- Publication number
- CN108008305A CN108008305A CN201711047445.5A CN201711047445A CN108008305A CN 108008305 A CN108008305 A CN 108008305A CN 201711047445 A CN201711047445 A CN 201711047445A CN 108008305 A CN108008305 A CN 108008305A
- Authority
- CN
- China
- Prior art keywords
- battery
- module
- battery capacity
- iron phosphate
- automobile
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了一种车用磷酸铁锂动力电池容量衰减检测系统，包括锂电池检测子系统、检测信息分析子系统与电池容量衰减自识别子系统；所述锂电池检测子系统包括层析图像获取模块、电化学性能检测模块以及充放电控制模块；所述的电池容量衰减自识别子系统包括结构形态学分析运算模块与智能检测模块。本发明实现对车用磷酸铁锂动力电池无损、准确、快速、在线的检测，且定量分析了电池容量衰减与电池结构形态变化之间的规律，从而为研究高性能车用锂离子电池提供了有效的研究方法。
Description
技术领域
本发明涉及电池生产检查系统，特别是涉及一种车用磷酸铁锂动力电池容量衰减检测系统。
背景技术
随着环境污染问题和能源危机的日益严重，新能源汽车正在逐步取代传统燃油汽车。而动力电池作为新能源汽车的动力源泉，其性能优劣直接影响到电动汽车的运行性能以及新能源汽车行业的发展。此外，电动汽车为了达到在各种工况行驶的需求，动力电池的输出电流不仅会随着行驶工况以及驾驶员意图的改变而改变。此外，动力电池会受温度和振动的影响，这些因素都会直接影响动力电池的使用性能。电池容量检测系统是保证动力电池及电动汽车可靠性的关键技术之一，然而目前的电池容量检测系统依据电池电化学性能检测电池容量无法准确检测电池实际的容量衰减状况，且无法根据已知的检测结果预测下一循环电池的实际容量，这将严重制约电动汽车在全世界推广及使用。
为此，研究者设计出一种车用磷酸铁锂动力电池容量衰减检测系统，该系统结合电池电化学性能与结构形态参数，准确的检测出电池实际容量衰减量。
发明内容
本发明针对现有技术存在的不足，提出一种车用磷酸铁锂动力电池容量衰减检测系统，旨在解决现有电池容量衰减检测系统在无损条件下准确检测出电池容量衰减量，实现对车用磷酸铁锂动力电池实际容量进行在线、准确以及无损地检测。
为实现上述目的，本发明采用如下技术方案：
一种车用磷酸铁锂动力电池容量衰减检测系统，包括锂电池检测子系统、检测信息分析子系统与电池容量衰减自识别子系统，
所述锂电池检测子系统用于模拟电动汽车真实情况下的充放电状况，实时、在线地获取被测电池的电化学参数及其层析图像；
所述检测信息分析子系统用于锂动力电池的层析图像分析处理，包括层析图像的背景分离、目标标度变化及亚像素插补、对活性物质的特征图像的提取和测量预处理、定量地获取代表被测电池层析结构形态目标的物理形态的层析图像，即目标层析结构图像；
所述电池容量衰减自识别子系统用于结合电池电化学性能参数与层析图像中的结构形态参数，导入基于电池结构形态学的电池容量衰减检测模型，准确识别当前电池容量。
优选地，所述锂电池检测子系统包括层析图像获取模块、电化学性能检测模块以及充放电控制模块，
所述层析图像获取模块用于实时、无损地获得被测电池三维层析图像，即电池层析图像；
所述电化学性能检测模块基于电化学分析方法（循环伏安法、交流阻抗法），通过测量磷酸铁锂动力电池充放电过程中的电压电流，来获取被测电池容量、电池内阻以及充放电循环伏安性能电化学性能参数；
所述充放电控制模块基于单片机设计，用于模拟车用磷酸铁锂动力电池真实情况下的充放电状况，通过控制被测电池的充放电状态，准确可靠地获取的电池电化学性能参数及层析图像信息。
优选地，所述层析图像获取模块包括：
X射线发生装置，用于产生X射线穿过被测电池，产生带有被测电池结构形态参数的光电信号；
光电信号探测器，用于接收所述光电信号并输送至模块控制单元进行处理；
机械扫描装置，用于驱动X射线发生装置对被测电池进行全面照射；
模块控制单元，用于对光电信号进行数字图像处理和重建，无损地获取被测电池的层析图像信息。
优选地，所述检测信息分析子系统包括图像预处理模块与结构信息处理模块，
所述图像预处理模块用于对层析图像进行目标图像与背景分离、标度变化和亚像素插补图像预处理，以提取出层析图像所包含的信息；
所述结构信息处理模块用于结合电化学性能参数与车用磷酸铁锂动力电池工作原理，通过活性物质识别程序，对预处理后的目标图像进行二值化处理进行多目标层析结构提取，进而获得目标车用磷酸铁锂动力电池不同物理结构形态的层析图像，即目标层析图像，用于电池容量衰减自识别子系统的结构形态学分析运算。
优选地，所述的电池容量衰减自识别子系统包括结构形态学分析运算模块与智能检测模块，
所述结构形态学分析运算模块用于分析目标图像，获得目标图像中的结构形态参数，作为供智能检测系统计算电池实际容量衰减量的特征信息；
所述智能检测模块用于分析结构形态学分析运算模块提供的特征参数，将电池容量衰减的特征值带入预设的容量衰减检测函数，从而由电池容量衰减特征信息获得电池的实际容量衰减信息。
优选地，所述特征参数包括活性物质所在灰度区间的像素个数n、活性物质空间位置(x,y,z)、活性物质涂层厚度h、活性物质密度ρ。
相比于目前广泛使用的电池容量检测系统，本发明的优点在于：
考虑了电池循环充放电过程中活性物质对电池容量的影响，根据活性物质质量及空间分布的变化，修正电化学性能检测的结果，同时建立电池目标层析结构与容量衰减之间的数学模型，开发电池目标层析结构与容量衰减之间的形态学知识库及自适应识别方法，实现结构形态参数对电池容量衰减的定量描述。在不破坏电池本身的情况下，从容量衰减的本质出发，准确、快速、在线、无损地判断出电池的实际容量衰减量。
附图说明
图1为本发明实施例的车用磷酸铁锂动力电池容量衰减检测系统结构图。
图2为图1中锂电池检测子系统结构图。
图3为图1中检测信息分析子系统结构图。
图4为图1中容量衰减自识别子系统结构图。
图5为本发明实施例的锂电池检测子系统工作原理示意图。
图6为本发明实施例的检测信息分析子系统工作原理示意图。
图7为本发明实施例的电池容量衰减子识别子系统工作原理示意图。
图8为本发明实施例的车用磷酸铁锂动力电池容量衰减检测系统工作原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，一种车用磷酸铁锂动力电池容量衰减检测系统，包括锂电池检测子系统1、检测信息分析子系统2以及电池容量衰减自识别子系统3。
所述锂电池检测子系统1用于模拟电动汽车真实情况下的充放电状况，对被测电池的电化学性能进行快速、在线、准确地检测，获得被测电池的电化学参数和层析图像。
所述检测信息分析子系统2对锂电池检测子系统1提供的层析图像进行分析处理，包括层析图像的背景分离、目标标度变化及亚像素插补、对活性物质的特征图像的提取和测量预处理、定量地获取代表被测电池层析结构形态目标的物理形态的层析图像，即目标层析结构图像，用于电池容量衰减自识别子系统3的结构形态学分析运算。
目标图像与背景分离、标度变化和亚像素插补等图像预处理，以提高层析图像的信息量，之后将预处理之后的层析图像传递至结构信息处理模块，结合电化学特性实验与车用磷酸铁锂动力电池工作原理，系统分析目标图像中的各种结构形态参数，通过预设的正负极活性物质灰阶区间，对预处理后的目标图像进行二值化处理进行多目标层析结构提取，进而获得目标车用磷酸铁锂动力电池不同物理结构形态的层析图像，即目标层析图像，用于电池容量衰减自识别子系统3的结构形态学分析运算。
所述容量衰减自识别子系统3用于结合电池电化学性能参数与层析图像中的结构形态参数，通过被测电池结构形态参数与容量衰减之间的函数关系，准确获取被测电池实际的容量衰减量。
参照图2，锂电池检测子系统1包括层析图像获取模块11、电化学性能检测模块12与充放电控制模块13；
所述层析图像获取模块11也称为CT成像模块，用于实时、无损地获得被测电池三维层析图像，即电池层析图像，所述层析图像获取模块11具体包括：
X射线发生装置，用于产生X射线穿过被测电池，产生带有被测电池结构形态参数的光电信号；
光电信号探测器，用于接收所述光电信号并输送至模块控制单元进行处理；
机械扫描装置，用于驱动X射线发生装置对被测电池进行全面照射；
模块控制单元，用于对光电信号进行数字图像处理和重建，无损地获取被测电池的层析图像信息。
所述电化学性能检测模块12基于电化学分析方法（循环伏安法、交流阻抗法），通过测量磷酸铁锂动力电池充放电过程中的电压电流，来获取被测电池正负极容量、电池内阻以及充放电循环伏安性能等电化学性能参数。
所述充放电控制模块13基于单片机设计，用于模拟车用磷酸铁锂动力电池真实情况下的充放电状况，通过控制被测电池的充放电状态，使得检测系统获取的电池电化学性能参数及层析图像信息更准确可靠。
参照图3，所述检测信息分析子系统2包括图像预处理模块21与结构信息处理模块22；
所述图像预处理模块21用于对层析图像进行目标图像与背景分离、标度变化和亚像素插补等图像预处理，以便从CT成像模块中获得的层析图像中准确获取信息，从三维层析图像中提取已知电化学性能参数的被测电池的结构形态参数。
所述结构信息处理模块22用于结合电化学性能参数与车用磷酸铁锂动力电池工作原理，通过活性物质识别程序，对预处理后的目标图像进行二值化处理进行多目标层析结构提取，进而获得目标车用磷酸铁锂动力电池不同物理结构形态的层析图像，即目标层析图像，用于电池容量衰减自识别子系统3的结构形态学分析运算。
参照图4，所述电池容量衰减自识别子系统3包括结构信息分析运算模块31与智能检测模块32；
结构形态学分析运算模块31包括容量衰减与层析结构形态之间的数学模型和用于形态学分析的图像变换规则及相应算法，对目标图像进行分析处理，获取供智能检测模块32识别待测电池实际容量衰减量的特征信息。
智能检测模块32用于分析结构形态学分析运算模块提供的特征参数，将电池容量衰减的特征值带入预设的容量衰减检测函数，从而由电池容量衰减特征信息获得电池的实际容量衰减信息。
图5为锂电池检测子系统1工作原理示意图，充放电控制模块13模拟电动汽车正常行驶过程中的充放电过程，通过检测反馈信号调节充放电过程，层析图像获取模块11和电化学性能检测模块12获取电池三维层析图像以及电化学性能信息，其中层析图像获取模块11利用X射线发生装置产生X射线穿过被测电池，根据原子核物理学原理，光子流与其穿过的原子之间发生相互作用，产生带有被测电池结构形态参数的光电信号，光电信号被光电信号探测器接受并经过模块控制单元的数字图像处理和重建，无损地获取被测电池的层析图像信息，电化学性能分析模块12通过对被测电池电化学性能分析（循环伏安法、交流阻抗法），通过测量磷酸铁锂动力电池充放电过程中的电压电流，来获取被测电池容量、电池内阻以及充放电循环伏安性能等电化学性能信息。
图6为检测信息分析子系统2的工作原理示意图，先是图像预处理模块21对层析图像进行目标图像与背景分离、标度变化和亚像素插补等图像预处理，获得目标层析图像信息。结构信息处理模块22系统结合电化学性能检测信息分析目标图像中的各种结构形态参数，通过活性物质识别程序，对预处理后的目标图像进行二值化处理进行多目标层析结构提取，进而获得目标车用磷酸铁锂动力电池不同物理结构形态的层析图像，即目标层析图像，用于电池容量衰减自识别子系统3的结构形态学分析运算。
图7为电池容量衰减自识别子系统3的工作原理示意图，结构形态分析运算模块31获取目标结构图像信息，分析容量衰减与目标层析结构图像之间的数学关系，获取其中的结构形态参数，利用容量衰减与层析结构形态之间的数学模型和用于结构形态学分析的图像变换规则及相应算法，对目标图像进行分析处理，获取供智能检测模块32识别待测电池容量衰减的特征信息。智能检测模块32将电池容量衰减的特征信息带入预设的容量衰减检测函数，获得被测电池的实际容量衰减量。
图8为本发明即车用磷酸铁锂动力电池容量衰减检测系统的工作原理示意图，锂电池检测子系统1获取模拟电池在正常行驶状况下的充放电过程中的电化学性能参数以及层析图像信息供检测信息分析子系统2进行预处理及结构信息处理获取目标结构层析图像，最后由电池容量衰减自识别子系统3进行参数提取及分析运算，以获取被测电池实际容量衰减量。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种车用磷酸铁锂动力电池容量衰减检测系统，其特征是：包括锂电池检测子系统、检测信息分析子系统与电池容量衰减自识别子系统，
所述锂电池检测子系统用于模拟电动汽车真实情况下的充放电状况，实时、在线地获取被测电池的电化学参数及其层析图像；
所述检测信息分析子系统用于磷酸铁锂动力电池的层析图像分析处理，包括层析图像的背景分离、目标标度变化及亚像素插补、对活性物质的特征图像的提取和测量预处理、定量地获取代表被测电池层析结构形态目标的物理形态的层析图像，即目标层析结构图像；
所述电池容量衰减自识别子系统用于结合电池电化学性能参数与层析图像中的结构形态参数，导入基于电池结构形态学的电池容量衰减检测模型，准确识别当前电池容量。
2.根据权利要求1所述的车用磷酸铁锂动力电池容量衰减检测系统，其特征在于，所述锂电池检测子系统包括层析图像获取模块、电化学性能检测模块以及充放电控制模块，
所述层析图像获取模块用于实时、无损地获得被测电池三维层析图像，即电池层析图像；
所述电化学性能检测模块基于电化学分析方法，通过测量磷酸铁锂动力电池充放电过程中的电压电流，来获取被测电池容量、电池内阻以及充放电循环伏安性能电化学性能参数；
所述充放电控制模块基于单片机设计，用于模拟车用磷酸铁锂动力电池真实情况下的充放电状况，通过控制被测电池的充放电状态，准确可靠地获取的电池电化学性能参数及层析图像信息。
3.根据权利要求2所述的车用磷酸铁锂动力电池容量衰减检测系统，其特征在于，所述层析图像获取模块包括：
X射线发生装置，用于产生X射线穿过被测电池，产生带有被测电池结构形态参数的光电信号；
光电信号探测器，用于接收所述光电信号并输送至模块控制单元进行处理；
机械扫描装置，用于驱动X射线发生装置对被测电池进行全面照射；
模块控制单元，用于对光电信号进行数字图像处理和重建，无损地获取被测电池的层析图像信息。
4.根据权利要求1所述的车用磷酸铁锂动力电池容量衰减检测系统，其特征在于：所述检测信息分析子系统包括图像预处理模块与结构信息处理模块，
所述图像预处理模块用于对层析图像进行目标图像与背景分离、标度变化和亚像素插补图像预处理，以提取出层析图像所包含的信息；
所述结构信息处理模块用于结合电化学性能参数与车用磷酸铁锂动力电池工作原理，通过活性物质识别程序，对预处理后的目标图像进行二值化处理进行多目标层析结构提取，进而获得目标车用磷酸铁锂动力电池不同物理结构形态的层析图像，即目标层析图像，用于电池容量自识别子系统的结构形态学分析运算。
5.根据权利要求1所述的车用磷酸铁锂动力电池容量衰减检测系统，其特征在于：所述的电池容量衰减自识别子系统包括结构形态学分析运算模块与智能检测模块，
所述结构形态学分析运算模块用于分析目标图像，获得目标图像中的结构形态参数，作为供智能检测系统计算电池实际容量衰减量的特征信息；
所述智能检测模块用于分析结构形态学分析运算模块提供的特征参数，将电池容量衰减的特征值带入预设的容量衰减检测函数，从而由电池容量衰减特征信息获得电池的实际容量衰减信息。
6.根据权利要求5所述的车用磷酸铁锂动力电池容量衰减检测系统，其特征在于，所述特征参数包括：活性物质所在灰度区间的像素个数n、活性物质空间位置、活性物质涂层厚度h、活性物质密度ρ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711047445.5A CN108008305A (zh) | 2017-10-31 | 2017-10-31 | 一种车用磷酸铁锂动力电池容量衰减检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711047445.5A CN108008305A (zh) | 2017-10-31 | 2017-10-31 | 一种车用磷酸铁锂动力电池容量衰减检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108008305A true CN108008305A (zh) | 2018-05-08 |
Family
ID=62051236
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711047445.5A Pending CN108008305A (zh) | 2017-10-31 | 2017-10-31 | 一种车用磷酸铁锂动力电池容量衰减检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108008305A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110068771A (zh) * | 2019-05-28 | 2019-07-30 | 山东大学 | 基于输出响应重构的高精度电池模型参数辨识方法及系统 |
| CN111381167A (zh) * | 2018-12-26 | 2020-07-07 | 丰田自动车株式会社 | 电池容量推定方法以及电池容量推定系统 |
| CN111505502A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的时变循环工况下锂离子电池老化试验方法 |
| CN111505503A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的锂离子电池老化试验方法和试验装置 |
| CN111665451A (zh) * | 2020-04-17 | 2020-09-15 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
| CN114062934A (zh) * | 2021-11-19 | 2022-02-18 | 湖南苏科智能科技有限公司 | 一种基于机器视觉的充电电池容量检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06333605A (ja) * | 1993-05-21 | 1994-12-02 | Hitachi Ltd | 電池特性評価装置および評価方法 |
| JPH09135832A (ja) * | 1995-11-15 | 1997-05-27 | Olympus Optical Co Ltd | 超音波診断医用カプセル |
| CN102629675A (zh) * | 2012-04-25 | 2012-08-08 | 苏州大学 | 改善二次电池隔膜性能的方法、二次电池隔膜及二次电池 |
| CN104137324A (zh) * | 2012-03-08 | 2014-11-05 | 日产自动车株式会社 | 二次电池的控制装置和充电状态检测方法 |
| CN106248702A (zh) * | 2016-09-08 | 2016-12-21 | 华南理工大学 | 一种锂离子电池自放电内在影响因素检测方法 |
| CN106814320A (zh) * | 2015-11-28 | 2017-06-09 | 华南理工大学 | 一种磷酸铁锂动力电池循环寿命预测系统 |
| CN107238802A (zh) * | 2017-06-16 | 2017-10-10 | 长沙新材料产业研究院有限公司 | 磷酸铁锂‑钛酸锂电池生命周期的预测方法 |
-
2017
- 2017-10-31 CN CN201711047445.5A patent/CN108008305A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06333605A (ja) * | 1993-05-21 | 1994-12-02 | Hitachi Ltd | 電池特性評価装置および評価方法 |
| JPH09135832A (ja) * | 1995-11-15 | 1997-05-27 | Olympus Optical Co Ltd | 超音波診断医用カプセル |
| CN104137324A (zh) * | 2012-03-08 | 2014-11-05 | 日产自动车株式会社 | 二次电池的控制装置和充电状态检测方法 |
| CN102629675A (zh) * | 2012-04-25 | 2012-08-08 | 苏州大学 | 改善二次电池隔膜性能的方法、二次电池隔膜及二次电池 |
| CN106814320A (zh) * | 2015-11-28 | 2017-06-09 | 华南理工大学 | 一种磷酸铁锂动力电池循环寿命预测系统 |
| CN106248702A (zh) * | 2016-09-08 | 2016-12-21 | 华南理工大学 | 一种锂离子电池自放电内在影响因素检测方法 |
| CN107238802A (zh) * | 2017-06-16 | 2017-10-10 | 长沙新材料产业研究院有限公司 | 磷酸铁锂‑钛酸锂电池生命周期的预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 许源沁: "基于层析图像的磷酸铁锂动力电池缺陷检测方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111381167A (zh) * | 2018-12-26 | 2020-07-07 | 丰田自动车株式会社 | 电池容量推定方法以及电池容量推定系统 |
| CN110068771A (zh) * | 2019-05-28 | 2019-07-30 | 山东大学 | 基于输出响应重构的高精度电池模型参数辨识方法及系统 |
| CN110068771B (zh) * | 2019-05-28 | 2020-02-07 | 山东大学 | 基于输出响应重构的高精度电池模型参数辨识方法及系统 |
| CN111505502A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的时变循环工况下锂离子电池老化试验方法 |
| CN111505503A (zh) * | 2020-04-17 | 2020-08-07 | 北京航空航天大学 | 基于微观机理的锂离子电池老化试验方法和试验装置 |
| CN111665451A (zh) * | 2020-04-17 | 2020-09-15 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
| CN111505503B (zh) * | 2020-04-17 | 2021-06-15 | 北京航空航天大学 | 基于微观机理的锂离子电池老化试验方法和试验装置 |
| CN111665451B (zh) * | 2020-04-17 | 2021-08-06 | 北京航空航天大学 | 一种时变循环工况下的锂离子电池老化测试方法 |
| CN114062934A (zh) * | 2021-11-19 | 2022-02-18 | 湖南苏科智能科技有限公司 | 一种基于机器视觉的充电电池容量检测方法 |
| CN114062934B (zh) * | 2021-11-19 | 2022-05-06 | 湖南苏科智能科技有限公司 | 一种基于x光图像处理的充电电池容量检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108008305A (zh) | 一种车用磷酸铁锂动力电池容量衰减检测系统 | |
| Chemali et al. | State-of-charge estimation of Li-ion batteries using deep neural networks: A machine learning approach | |
| Pradhan et al. | Battery management strategies: An essential review for battery state of health monitoring techniques | |
| CN109726452B (zh) | 一种基于阻抗谱的在线质子交换膜燃料电池故障诊断方法 | |
| CN106814320B (zh) | 一种磷酸铁锂动力电池循环寿命预测系统 | |
| CN112069739B (zh) | 电池分数阶模型参数辨识方法 | |
| Wang et al. | A battery capacity estimation framework combining hybrid deep neural network and regional capacity calculation based on real-world operating data | |
| Li et al. | On-line estimation method of lithium-ion battery health status based on PSO-SVM | |
| Lyu et al. | SOH estimation of lithium-ion batteries based on fast time domain impedance spectroscopy | |
| CN109143083A (zh) | 一种数据驱动的电动车辆锂离子电池析锂诊断方法 | |
| CN113702845B (zh) | 退役锂电池核心参数评估方法和设备 | |
| CN112904219A (zh) | 一种基于大数据的动力电池健康状态的预测方法 | |
| CN106248702A (zh) | 一种锂离子电池自放电内在影响因素检测方法 | |
| CN108957331A (zh) | 电池性能检测方法及电池性能检测系统 | |
| CN111721450B (zh) | 一种冲击定位识别装置及方法 | |
| Cao et al. | Non-invasive characteristic curve analysis of lithium-ion batteries enabling degradation analysis and data-driven model construction: a review | |
| CN114460474A (zh) | 电池分容方法及其装置、电子设备 | |
| Sun et al. | Pruning Elman neural network and its application in bolt defects classification | |
| CN115600728A (zh) | 一种动力电池的年度碳排放量估算方法及装置 | |
| Chen et al. | A mathematical approach to survey electrochemical impedance spectroscopy for aging in lithium-ion batteries | |
| Singh et al. | State of charge estimation techniques of Li-ion battery of electric vehicles | |
| Chen et al. | Quantificational 4D visualization and mechanism analysis of inhomogeneous electrolyte wetting | |
| CN107240726A (zh) | 一种用于预测磷酸铁锂电池生命周期的方法 | |
| CN116466408B (zh) | 一种基于航磁数据的人工神经网络超基性岩识别方法 | |
| Zhao et al. | The grey theory and the preliminary probe into information acquisition technology |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180508 |
|
| WD01 | Invention patent application deemed withdrawn after publication |