CN110935337A - 搅拌系统及搅拌方法 - Google Patents

搅拌系统及搅拌方法 Download PDF

Info

Publication number
CN110935337A
CN110935337A CN201811105275.6A CN201811105275A CN110935337A CN 110935337 A CN110935337 A CN 110935337A CN 201811105275 A CN201811105275 A CN 201811105275A CN 110935337 A CN110935337 A CN 110935337A
Authority
CN
China
Prior art keywords
stirring
viscosity
change rate
raw material
determination range
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
Application number
CN201811105275.6A
Other languages
English (en)
Other versions
CN110935337B (zh
Inventor
小泽英之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Motor Automation China Co Ltd
Original Assignee
Mitsubishi Motor Automation China Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Motor Automation China Co Ltd filed Critical Mitsubishi Motor Automation China Co Ltd
Priority to CN201811105275.6A priority Critical patent/CN110935337B/zh
Publication of CN110935337A publication Critical patent/CN110935337A/zh
Application granted granted Critical
Publication of CN110935337B publication Critical patent/CN110935337B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F23/00—Mixing according to the phases to be mixed, e.g. dispersing or emulsifying
    • B01F23/50—Mixing liquids with solids
    • B01F23/51—Methods thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/211—Measuring of the operational parameters
    • B01F35/2113—Pressure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/211—Measuring of the operational parameters
    • B01F35/2115—Temperature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/212—Measuring of the driving system data, e.g. torque, speed or power data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/2135—Humidity, e.g. moisture content
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/2136—Viscosity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/22—Control or regulation
    • B01F35/221—Control or regulation of operational parameters, e.g. level of material in the mixer, temperature or pressure
    • B01F35/2214—Speed during the operation
    • B01F35/22142—Speed of the mixing device during the operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Dispersion Chemistry (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Mixers Of The Rotary Stirring Type (AREA)
  • Battery Electrode And Active Subsutance (AREA)

Abstract

本发明涉及搅拌系统和搅拌方法。所述搅拌系统包括：投入搅拌原料的原料投入装置；将所投入的所述搅拌原料进行混合的搅拌装置；对混合后的所述搅拌原料的粘度进行检测的检测装置；以及对所述原料投入装置的投入动作及所述搅拌装置的搅拌动作中的至少任意一个动作进行控制的控制装置，所述控制装置对所述检测装置所检测出的所述粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定，基于判定结果来对所述投入动作或所述搅拌动作进行控制。

Description

搅拌系统及搅拌方法
技术领域
本发明涉及例如锂离子电池等大型电池制造中所使用的搅拌系统、以及利用该搅拌系统来进行搅拌的搅拌方法。
背景技术
在产品的制造工艺中，为了将固体与液体进行混合，已知有利用搅拌机等搅拌装置来进行混合搅拌的技术。例如，在锂离子电池等大型电池的生产过程中，在负极材料和正极材料等的制造工艺中，为了使由石墨等电极活性物质所构成的粉体材料变得易于处理，需要执行将该粉体材料搅拌混合至水、有机溶剂等溶媒的搅拌工序。
近年来，随着锂离子电池等大型电池在混合动力汽车、电动汽车等领域中的广泛运用，电池的大容量化需求正变得日益迫切。随着电池的大容量化，电池电极的面积也越来越大，在这种情况下，电极所使用的石墨等电极活性物质的量也相应增加，这就要求搅拌装置的容器容积变得更大，如棒状、板状或螺旋桨状等形状的搅拌转子的尺寸也变得更大。因此，与对少量材料进行搅拌的情况相比，在对大量材料进行搅拌的情况下，搅拌条件变得更为复杂，其结果是，会发生搅拌后的物质未充分混合至溶媒、即处于混合物浓度不均匀的状态的问题。若搅拌后的混合物处于浓度不均匀的状态，则之后所生产出的电池的电极质量会产生偏差，从而在最坏的情况下，锂离子电池有可能会发生短路而导致起火。
以往，为了对所搅拌的粉体混合物的均匀性进行判定，提出了如下方案：利用水将从粉体混合物的一处或不同的两处以上的部分所提取出的试料调制成浆水，对该浆水的电传导率进行测定，基于所测定出的该电传导率来对粉体混合物的混合状态的均匀性进行判定(例如，参照以下专利文献1)。由此，能根据电传导率来对搅拌后的混合物的状态进行判定。
现有技术文献
专利文献
专利文献1：日本专利特开2015-141146号公报
发明内容
技术问题
然而，在上述专利文献1中，通过测定由混合后的混合物的一处或两处以上的部分所调制成的浆水的电传导率来对混合物的状态进行判定，因此，只能获知搅拌后的混合物的状态，而无法在搅拌的过程中实时地对混合物的状态进行判定。
另外，即使在搅拌的过程中提取试料进行调制来检测电传导率，在判定结果为混合物的状态不均匀的情况下，从开始检测到指示搅拌装置做出调整为止的反馈也会耗费过长的时间，其中，尤以提取试料调制浆水来测定其电传导率最为耗时。因此，当搅拌装置采取措施来做出调整时，混合物的状态已经又发生了改变，从而无法高精度地改善混合物的均匀性。
本发明是鉴于上述问题而完成的，其目的在于，提供一种能在搅拌的过程中实时地对混合物的状态进行监控，从而能及时采取措施以高精度地实施控制来获得均匀性良好的混合物的搅拌系统及搅拌方法。
解决技术问题的技术方案
为了解决上述问题，本发明的第一方面所涉及的搅拌系统包括：原料投入装置，该原料投入装置投入搅拌原料；搅拌装置，该搅拌装置将所投入的所述搅拌原料进行混合；检测装置，该检测装置对混合后的所述搅拌原料的粘度进行检测；以及控制装置，该控制装置对所述原料投入装置的投入动作及所述搅拌装置的搅拌动作中的至少任意一个动作进行控制，所述控制装置对所述检测装置所检测出的所述粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定，基于判定结果来对所述投入动作或所述搅拌动作进行控制。
另外，为了解决上述问题，本发明的第二方面所涉及的搅拌方法包括：原料投入步骤，该原料投入步骤投入搅拌原料；搅拌步骤，该搅拌步骤将所投入的所述搅拌原料进行混合；检测步骤，该检测步骤对混合后的所述搅拌原料的粘度进行检测；判定步骤，该判定步骤对所检测出的所述粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定；以及控制步骤，该控制步骤基于判定结果，对所述原料投入步骤中的投入动作或所述搅拌步骤中的搅拌动作进行控制。
另外，为了解决上述问题，本发明的第三方面所涉及的搅拌系统包括：原料投入装置，该原料投入装置投入搅拌原料；搅拌装置，该搅拌装置将所投入的所述搅拌原料进行混合；检测装置，该检测装置对所述搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及由所述原料投入装置所投入的所述搅拌原料的质量中的至少一个状态参数进行检测；以及学习模块，该学习模块决定混合后的所述搅拌原料的粘度的粘度变化率判定范围，所述学习模块包含：搅拌条件学习模块，该搅拌条件学习模块基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件；以及粘度变化率判定范围决定模块，该粘度变化率判定范围决定模块决定在所学习到的所述搅拌条件下的所述粘度变化率判定范围。
另外，为了解决上述问题，本发明的第四方面所涉及的搅拌方法包括：原料投入步骤，该原料投入步骤投入搅拌原料；搅拌步骤，该搅拌步骤将所投入的所述搅拌原料进行混合；检测步骤，该检测步骤对所述搅拌步骤中搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及所述原料投入步骤中所投入的所述搅拌原料的质量中的至少一个状态参数进行检测；以及学习步骤，该学习步骤决定混合后的所述搅拌原料的粘度的粘度变化率判定范围，在所述学习步骤中，基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件，决定在所学习到的所述搅拌条件下的所述粘度变化率判定范围。
发明效果
根据本发明的搅拌系统及搅拌方法，具有以下效果：即，能在搅拌的过程中实时地对混合物的状态进行监控，从而能高精度地实施控制来获得均匀性良好的混合物。
附图说明
图1是表示本发明实施方式1所涉及的搅拌系统的结构的框图。
图2是表示本发明实施方式1所涉及的搅拌方法的一个示例的流程图。
图3是表示本发明实施方式1所涉及的搅拌原料的粘度与搅拌时间之间的关系的图线。
图4是表示本发明实施方式2所涉及的学习模块的结构的框图。
图5是表示本发明实施方式2所涉及的粘度变化率判定范围的学习方法的一个示例的流程图。
图6是用于对制备本发明实施方式2的一个实施例所涉及的四个样本的搅拌条件进行说明的图表。
图7是用于对制备图6所示的四个样本的搅拌容器的高度比进行说明的示意图。
图8是用于对搅拌装置内的搅拌原料的浓度的均匀性进行说明的示意图。
图9是表示本发明实施方式2的一个实施例所涉及的四个样本的搅拌容器的高度比与固体浓度之间的关系的图线。
图10是表示与图9所示的浓度均匀性相对应的四个样本的搅拌原料的粘度随时间变化的变化率的图线。
图11是表示本发明实施方式2所涉及的搅拌系统的不同搅拌条件的一个示例的图。
图12是表示图11各搅拌条件下的粘度变化率判定范围的图线。
具体实施方式
下面，参照附图，对本发明的实施方式所涉及的搅拌装置和搅拌方法进行说明。本发明的搅拌系统和搅拌方法例如是在制造锂离子电池等大型电池时用于对负极材料或正极材料进行搅拌混合的搅拌系统和搅拌方法。
实施方式1.
图1是表示本实施方式1所涉及的搅拌系统的结构的框图。如图1所示，搅拌系统包括原料投入装置1、搅拌装置2、检测装置3和控制装置4。
原料投入装置1用于将正极活性物质(例如锂)、负极活性物质(例如石墨)、粘接材料、分散溶剂(例如水、有机溶剂)以及粘度调整剂(例如分散增稠剂)等搅拌原料投入搅拌装置2。
搅拌装置2对原料投入装置1所投入的搅拌原料进行混合。搅拌装置2包括一个或多个筒状的搅拌容器，在搅拌容器中，配置有例如由电动机等来进行驱动的搅拌转子。对输入电动机的电流、电压进行控制，使搅拌转子以一定的转速和转矩进行旋转，从而对投入搅拌容器中的搅拌原料进行混合搅拌。
检测装置3例如是设置于原料投入装置1、搅拌装置2等处的各种传感器，用于对搅拌的状态参数进行检测。如图1所示，状态参数例如由混合后的搅拌原料的粘度、搅拌装置2将搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、搅拌装置2的搅拌容器内及搅拌环境中的温度和湿度等参数、以及原料投入装置1所投入的搅拌原料的质量等参数构成，但并不局限于此。例如，状态参数还可以包括混合后的搅拌原料的浓度、粒径和密度等参数、以及原料投入装置1所投入的搅拌原料的密度等参数。另外，作为检测搅拌原料的粘度的方法，例如可以对施加于搅拌装置2的搅拌转子的力进行检测，或者也可以对施加于搅拌装置2的搅拌转子的转矩进行检测，然后，通过换算来获得搅拌原料的粘度。
控制装置4对原料投入装置1的投入动作及搅拌装置2的搅拌动作中的至少任意一个动作进行控制，包括学习模块41、判定模块42、通知模块43、状态参数获取模块44、奖励参数获取模块45、控制模块46、原料投入控制模块47和搅拌控制模块48。
学习模块41经由状态参数获取模块44与检测装置3相连接，基于由状态参数获取模块44所获取到的来自检测装置3的搅拌压力、搅拌速度、温度、湿度和搅拌原料的质量中的至少一个状态参数，来学习使搅拌原料的混合最优化的搅拌条件，并基于所学习到的搅拌条件来决定后述的作为用于控制原料投入装置1的投入动作或搅拌装置2的搅拌动作的判定基准的粘度变化率判定范围。此外，学习模块41的具体结构及学习搅拌条件的具体方法将在下文中进行详细说明。
判定模块42经由状态参数获取模块44与检测装置3相连接，从学习模块41获取所决定的粘度变化率判定范围，基于由状态参数获取模块44所获取到的来自检测装置3的粘度的变化率是否在粘度变化率判定范围内的情况，来对搅拌装置2内的搅拌状态进行判定。
通知模块43与判定模块42相连接，将判定模块42所判定出的搅拌状态通知给其他装置6。该其他装置6例如是与搅拌系统相连接的显示器、扬声器、报警器等外部设备，或者是搅拌系统后级的其他设备等。在由判定模块42判定为搅拌状态发生异常的情况下，通知模块43将搅拌状态发生异常的情况通知给其他装置6。
如图1所示，参数设定模块5可以接收来自操作者的输入，也可以接收从生产管理系统(例如质量管理数据库等)提取出的奖励参数，或者接收从技术文件提取出的奖励参数。奖励参数获取模块45与参数设定模块5相连接，接收来自参数设定模块5的参数，该参数在学习模块41中被用作为奖励参数。学习模块41经由奖励参数获取模块45获取奖励参数，基于奖励参数来对奖励进行计算，并将所计算出的奖励用于搅拌条件的学习。在本发明的实施方式中，奖励参数是混合后的搅拌原料的浓度的均匀性，学习模块41基于搅拌材料的浓度均匀性来计算奖励。例如,如果搅拌材料的浓度均匀性高，则使奖励增大(例如赋予“1”的奖励)。另一方面,如果搅拌材料的浓度均匀性低,则降低奖励(例如赋予“-1”的奖励)。另外，除了浓度均匀性以外，奖励参数例如也可以是完成搅拌后的混合材料达到规定粘度的程度、或者搅拌原料达到规定粘度所耗费的搅拌时间等。
控制模块46接收来自判定模块42的搅拌状态的判定结果，在搅拌状态发生异常的情况下，分别向原料投入控制模块47和/或搅拌控制模块48发出控制信号。原料投入控制模块47在接收到来自控制模块46的控制信号时，向原料投入装置1发送控制数据来对投入动作进行控制，使得投入用于混合成预先规定的粘度的粘度调整剂。另一方面，搅拌控制模块48在接收到来自控制模块46的控制信号时，向搅拌装置2发送控制数据来对搅拌动作进行控制，使得缩短或延长搅拌转子的运行时间。
下面对本实施方式1所涉及的搅拌方法进行说明。该搅拌方法主要适用于生产阶段的搅拌工艺。
图2是表示本发明实施方式1所涉及的搅拌方法的一个示例的流程图。如图2所示，首先，在步骤S101中，由原料投入装置1向搅拌装置2的搅拌容器内投入搅拌原料。接着，在步骤S102中，控制装置4对搅拌装置2是否处于可开始搅拌的状态进行判定。当判定为处于可开始搅拌的状态的情况下(步骤S102：是)，前进至步骤S103，搅拌装置2开始进行搅拌。另外，当判定为处于不可开始搅拌的状态的情况下(步骤S102：否)，直接结束流程。回到步骤S103，在搅拌装置2开始进行搅拌后，前进至步骤S104，检测装置3开始对搅拌原料的粘度进行检测。在步骤S105中，状态参数获取模块44从检测装置3接收作为状态参数的搅拌原料的粘度，并利用滤波元件等来去除检测值的噪声，并将滤波后的检测值发送至判定模块42。在步骤S106中，判定模块42基于所接收到的检测值，对粘度的变化率进行计算。在步骤S107中，判定模块42对所计算出的粘度变化率是否在从学习模块41获取的预先决定的粘度变化率判定范围内进行判定。当判定为粘度变化率在预先决定的粘度变化率判定范围内的情况下(步骤S107：是)，前进至步骤S111，控制装置4接着对是否满足搅拌的结束条件进行判定。作为搅拌的结束条件，例如可以是搅拌后的混合材料的粘度达到规定值，或者也可以是搅拌开始后经过了预先设定的时间。当判定为不满足结束条件的情况下(步骤S111：否)，流程返回至步骤S104，继续对搅拌原料的粘度进行检测，并重复执行步骤S104～步骤S107的处理。另外，当判定为满足结束条件的情况下(步骤S111：是)，前进至步骤S110，使搅拌装置2停止搅拌，并结束流程。另一方面，当在步骤S107中判定为粘度变化率脱离粘度变化率判定范围的情况下(步骤S107：否)，前进至步骤S108，通知模块43向其他装置6通知异常。然后，在步骤S109中，例如根据操作者的输入，来决定是否继续进行搅拌。当决定为继续进行搅拌的情况下(步骤S109：是)，前进至步骤S112，由控制模块46向原料投入控制模块47和/或搅拌控制模块48发出控制信号，进而向原料投入装置1发送控制数据来对投入动作进行控制，或向搅拌装置2发送控制数据来对搅拌动作进行控制。然后，流程返回至步骤S104，继续对搅拌原料的粘度进行检测，并重复执行步骤S104～步骤S107的处理。当在步骤S109中决定为不继续进行搅拌的情况下(步骤S109：否)，前进至步骤S110，使搅拌装置2停止搅拌，并结束流程。换言之，检测装置3每隔预先决定的时间间隔反复对搅拌原料的粘度进行检测，并在粘度变化率脱离粘度变化率判定范围时实施控制，直至操作者指示不再继续搅拌或满足搅拌结束的条件为止。
下面，结合图3的图线，对本实施方式1的搅拌系统和搅拌方法的技术效果进行说明。
图3是表示本实施方式1所涉及的搅拌原料的粘度与搅拌时间之间的关系的图线。图3中，四条实曲线(a)～(d)分别示出各个不同搅拌状态下粘度变化率，两条虚曲线之间的区域示出由控制装置4的学习模块41所预先决定的粘度变化率判定范围。
如图3所示，在搅拌开始阶段，搅拌转子的转速逐步上升，此时，若搅拌转子的转速发生设定错误，例如被设定为了远大于正常值的转速，则会发生如实曲线(a)那样的粘度变化率脱离粘度变化率判定范围的情况。因此，通过对开始搅拌后预先规定的时间的粘度变化率是否脱离粘度变化率判定范围进行判定，从而可以在发生脱离的情况下判定为搅拌状态发生了如上所述的搅拌转子转速设定异常。
另外，如图3所示，在搅拌过程中，搅拌转子的转速趋于稳定，此时，若搅拌转子突然发生破损，则会发生如实曲线(b)那样的粘度变化率脱离粘度变化率判定范围的情况。因此，通过在开始搅拌后每隔预先规定的时间间隔对粘度变化率是否脱离粘度变化率判定范围进行判定，从而可以在发生脱离的情况下判定为搅拌状态发生了如上所述的搅拌转子破损异常。
与之相对，如图3所示，如实曲线(c)、(d)那样，当粘度变化率始终处于粘度变化率判定范围之内时，可以判定为搅拌状态未发生异常。
根据本实施方式1的结构，对检测装置所检测出的粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定，基于判定结果来对投入动作或搅拌动作进行控制，因此，能在搅拌的过程中实时地对混合物的状态进行监控，从而能高精度地实施控制来获得均匀性良好的混合物。
另外，对开始搅拌后预先规定的时间的粘度的变化率是否脱离粘度变化率判定范围进行判定，因此，能在搅拌开始阶段对因所设定的搅拌转子的转速远大于正常值而导致的异常进行检测。
另外，在开始搅拌后每隔预先规定的时间间隔对粘度的变化率是否脱离粘度变化率判定范围进行判定，因此，能在搅拌过程中对因搅拌转子突然发生破损而导致的异常进行检测。
另外，在由判定模块判定为搅拌状态发生异常的情况下，对搅拌动作进行控制来缩短或延长搅拌转子的运行时间，或者对投入动作进行控制来投入用于混合成预先规定的粘度的粘度调整剂，因此，能在发生异常后通过调整搅拌转子的运行时间，或投入粘度调整剂，从而及时调整粘度变化率，使其尽快回到粘度变化率判定范围内。
实施方式2.
下面，对实施方式1中的学习模块41的具体结构进行详细说明。本实施方式2的学习模块41采用机器学习的方法来学习使搅拌原料的混合最优化的搅拌条件。
作为状态参数，监测装置3对搅拌装置将搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、搅拌装置内的温度和湿度、以及由原料投入装置所投入的搅拌原料的质量中的至少一个进行监测。
学习模块41按照基于对搅拌装置将搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、搅拌装置内的温度和湿度、以及由原料投入装置所投入的搅拌原料的质量中的至少一个状态参数而生成的训练数据集，学习使搅拌原料的混合最优化的搅拌条件。
学习模块41可以使用任何的学习算法。作为一例,对应用强化学习(Reinforcement Learning)的情况进行说明。强化学习是指某环境内的智能体(行动主体)观测当前的状态,决定应该采取的行动。智能体通过选择行动来从环境得到奖励,学习通过一连串的行动而得到最多奖励的对策。作为强化学习的代表性方法,已知有Q学习(Q-learning)和TD学习(TD–learning,时间差学习)。例如,在Q学习的情况下,行动价值函数Q(s,a)的一般的更新式(行动价值表)由数学式1表示。
[数学式1]
Figure BDA0001807688550000101
在数学式1中,st表示时刻t的状态,at表示时刻t的行动。由于行动at,状态变为st+1。rt+1表示通过该状态的变化得到的奖励,γ表示折扣率,α表示学习系数。在应用Q学习的情况下,使搅拌原料的混合最佳化的搅拌条件成为行动at。
对于数学式1所示的更新式,若时刻t+1的最佳行动a的行为价值大于时刻t执行的行动a的行动价值Q,则增大时刻t的行动价值Q,相反的情况下,则减小时刻t的行动价值Q。换言之,以使时刻t的行动at的行动价值Q接近时刻t+1的最佳行动价值的方式更新行动价值函数Q(s,a)。由此,某环境中的最佳行动价值依次传播到其以前的环境中的行动价值。
学习模块41还包括奖励计算模块403和价值函数计算模块404。
奖励计算模块403基于搅拌材料的浓度均匀性来计算奖励r。例如,如果搅拌材料的浓度均匀性高，则使奖励r增大(例如赋予“1”的奖励)。另一方面,如果搅拌材料的浓度均匀性低,则降低奖励r(例如赋予“-1”的奖励)。此外，对于奖励r的计算也可考虑搅拌时间来进行计算。奖励基准按照公知的方法提取。
函数更新部按照由奖励计算部计算的奖励,更新用于决定搅拌条件(使搅拌原料的混合最佳化的搅拌条件)的函数。例如在Q学习的情况下,使用数学式1表示的行动价值函数Q(st,at)作为用于使搅拌原料的混合最佳化的搅拌条件的函数。
图4是表示本发明实施方式2所涉及的学习模块的结构的框图。如图4所示，学习模块41包含搅拌条件学习模块401和粘度变化率判定范围决定模块402。
搅拌条件学习模块401由奖励计算模块403、价值函数计算模块404和搅拌条件更新模块405构成。奖励计算模块403从奖励参数获取模块45获取奖励参数，在本实施方式2中，以混合后的搅拌原料的浓度作为奖励参数。另外，在本实施方式2中，由操作者对混合后的搅拌原料的浓度进行测量，并通过参数设定模块5将作为奖励参数的浓度输入至奖励参数获取模块45。然而，奖励参数的获取方法并不局限于此，例如，也可以由检测装置直接对混合后的搅拌原料的浓度进行检测，并将检测结果输入至奖励参数获取模块45。奖励计算模块403基于所接收到的奖励参数来对奖励进行计算。在本实施方式2中，以混合后的搅拌原料的浓度的均匀性作为奖励，其计算方法将在下文中进行详细说明。将所计算出的奖励与由状态参数获取模块44所获取到的搅拌压力、搅拌速度、温度、湿度、搅拌原料的质量、粘度等状态参数一起输入至价值函数计算模块404。然后，在价值函数计算模块404中，利用如上所述的预先准备的行动价值表或近似函数来计算价值并进行更新，基于奖励(浓度均匀性)来获取最佳的行动(搅拌条件),并经由搅拌条件更新模块405输出至搅拌条件存储部49。
粘度变化率判定范围决定模块402经由搅拌条件更新模块405获得所学习到的最佳的搅拌条件，并决定在该最佳的搅拌条件下的粘度变化率判定范围。
另外，搅拌条件存储部49和粘度变化率判定范围存储部50分别对最佳的搅拌条件和与之相对应的粘度变化率判定范围进行存储，以供后续的量产阶段的搅拌运行和异常判定使用。
下面，对学习搅拌条件的具体方法进行详细说明。该方法适用于量产前的生产准备阶段的搅拌条件的学习。
图5是表示本实施方式2所涉及的粘度变化率判定范围的学习方法的一个示例的流程图。如图5所示，首先，在步骤S201中，对搅拌条件进行初始化。此处，作为搅拌条件，例如包括能由搅拌装置来指定的搅拌强度、温度和搅拌转子的转速、压力等项目、能由除湿器来指定的搅拌装置内的湿度等项目、以及能由原料投入装置来指定的分散增稠剂、分散溶剂(例如水、有机溶剂)等的重量、密度等项目。接着，在步骤S202中，由原料投入装置1将搅拌原料投入搅拌装置2，前进至步骤S203，使搅拌装置2开始搅拌，以将所投入的搅拌原料进行混合。然后，在步骤S204中，一边进行搅拌，一边利用检测装置3对例如搅拌过程中搅拌装置2将搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、搅拌装置2内的温度和湿度、以及原料投入装置1所投入的搅拌原料的质量等中的至少一个状态参数进行检测，并对搅拌过程中搅拌原料的粘度的变化率进行检测。在经过一定时间的搅拌后，前进至步骤S205，搅拌装置2停止搅拌。此后，在步骤S206中，由操作者对搅拌后的混合材料的浓度进行检测，并通过参数设定模块5将所检测出的浓度作为奖励参数输入至奖励参数获取模块45。然后，在步骤S207中，从奖励参数获取模块45获取到浓度的奖励计算模块403对浓度均匀性进行计算，将计算出的浓度均匀性作为奖励而输出至价值函数计算模块404，并前进至步骤S208。在步骤S208中，价值函数计算模块404根据所获得的浓度均匀性、以及由状态参数获取模块44从检测装置3所获得的状态参数，来对价值函数进行更新，并在此后的步骤S209中对本次的搅拌条件和该搅拌条件下的粘度变化率的变化曲线进行保存。此后，在步骤S210中，搅拌条件更新模块405基于步骤S204中所检测出的状态参数，来对搅拌条件进行更新，然后前进至步骤S210。在步骤S210中，对搅拌条件学习是否结束进行判定。在判定为学习未结束的情况下(步骤S210：否)，前进至步骤S214，排出本次搅拌后的混合材料，并返回至步骤S202，重新投入新的搅拌原料而在更新后的搅拌条件下开始进行搅拌和学习。另一方面在判定为学习结束的情况下(步骤S210：是)，前进至步骤S212，根据价值函数来获取最优化的搅拌条件，并将所获取的最优化的搅拌条件保存至搅拌条件存储部49，以作为后续量产阶段的搅拌条件来使用。最后，前进至步骤S213，将与最优化的搅拌条件相对应的粘度变化率的范围作为粘度变化率判定范围来保存至粘度变化率判定范围存储部50，并结束处理。
对利用强化学习来进行机器学习的实施方式进行了说明,但也可以采用其他公知的方法,例如神经网络、遗传算法、支持向量机(SVM：support vector machine)等来执行机器学习。
下面参考附图，对基于至少一个状态参数来学习使搅拌原料的混合最优化的搅拌条件、并决定在该搅拌条件下的粘度变化率判定范围的一个实施例进行说明。
图6是用于对制备本实施方式2的一个实施例所涉及的四个样本的搅拌条件进行说明的图表。如图6所示，例如分别以搅拌转子转速(转/分钟)、搅拌装置内温度、以及搅拌装置内湿度为搅拌条件，分别通过上述步骤S202～步骤S205制备样本1～样本4。然后，分别通过上述步骤S206～步骤S207对搅拌后的样本1～样本4的浓度均匀性进行计算。
图7是用于对制备图6所示的四个样本的搅拌容器的高度比进行说明的示意图，图8是用于对搅拌装置内的搅拌原料的浓度的均匀性进行说明的示意图，图9是表示本实施例所涉及的四个样本的搅拌容器的高度比与固体浓度之间的关系的图线，图10是表示与图9所示的浓度均匀性相对应的四个样本的搅拌原料的粘度随时间变化的变化率的图线。如图7所示，将筒状的搅拌容器的高度比标记为0、0.2、0.4、……1.0，分别对搅拌后的各样本在各高度比处的固体浓度(单位：wt％)进行测定，从而获得如图9所示的图线。由图9的图线可知，样本1的搅拌装置底部与搅拌装置上部之间的固体浓度之差较大，其状态如图8的左侧所示，因此，其混合状态不佳，即，样本1的奖励(浓度均匀性)较小。与之相对，样本4的搅拌装置底部与搅拌装置上部之间的固体浓度之差较小，其状态如图8的右侧所示，因此，其混合状态良好，即，样本4的奖励(浓度均匀性)较大。另外，如图10所示，浓度均匀性各不相同的各样本1～样本4的粘度变化率的图线也各不相同。因此，通过检测各搅拌条件(各样本)下的粘度变化率，能间接获知搅拌后各样本的浓度均匀性。此外，在图10中仅示出了与一个搅拌条件相对应的粘度变化率曲线仅为一条的情况，但实际上同一搅拌条件下的粘度变化率有可能在一个范围内波动，从而会形成一个粘度变化率判定范围。这里，所谓粘度变化率，是指单位时间内样本粘度的变化量，即表示粘度变化的快慢。
下面参照附图，对本实施方式2所涉及的粘度变化率判定范围因搅拌条件的不同而产生的差异进行说明。
图11是表示本实施方式2所涉及的搅拌系统的不同搅拌条件的一个示例的图。图12是表示图11各搅拌条件下的粘度变化率判定范围的图线。如图11所示，搅拌条件A1和搅拌条件A2下的搅拌转子转速均为60转/分钟，湿度均为0.5＜，两者的差异在于，搅拌条件A1下的温度为27℃，而搅拌条件A2下的温度为7℃。由图12可知，在搅拌装置内的温度不同的情况下，所获得的粘度变化率判定范围也是不同的，因此，通过学习获得最优化的搅拌条件，从而能决定在该最优化的搅拌条件下的粘度变化率判定范围。
根据本实施方式2的结构，基于搅拌装置将搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、搅拌装置内的温度和湿度、以及原料投入装置所投入的搅拌原料的质量中的至少一个状态参数，来学习使搅拌原料的混合最优化的搅拌条件，并决定在所学习到的搅拌条件下的粘度变化率判定范围，因此，即使面对如搅拌容器形状不同、搅拌环境不同等情况，也能通过预先学习与之相应的最优化的搅拌条件来获得最佳的奖励、如搅拌后混合材料的浓度均匀性等，从而能在后续的量产过程中通过检测并判定搅拌原料粘度变化率是否在与该最优化的搅拌条件相对应的粘度变化率判定范围内，来实时地对混合物的状态进行监控，从而能高精度地实施控制来获得均匀性良好的混合物。
以上对本发明的各实施方式及其实施例进行了说明。应当认为本次披露的各实施方式及其实施例的所有方面仅是举例表示，并非是限制性的。本发明的范围由权利要求书来表示，而并非由上述实施方式及其实施例来表示，本发明的范围还包括与权利要求书等同的含义及范围内的所有的修正和变形。
工业上的实用性
如上所述，根据本发明的搅拌系统及搅拌方法对于在例如锂离子电池等大型电池的制造中的正、负极材料的制备工艺而言是有用的。
标号说明
1 原料投入装置
2 搅拌装置
3 检测装置
4 控制装置
5 参数设定模块
6 其他装置
41 学习模块
42 判定模块
43 通知模块
44 状态参数获取模块
45 奖励参数获取模块
46 控制模块
47 原料投入控制模块
48 搅拌控制模块
49 搅拌条件存储部
50 粘度变化率判定范围存储部
401 搅拌条件学习模块
402 粘度变化率判定范围决定模块
403 奖励计算模块
404 价值函数计算模块
405 搅拌条件更新模块

Claims (20)

1.一种搅拌系统，其特征在于，包括：
原料投入装置，该原料投入装置投入搅拌原料；
搅拌装置，该搅拌装置将所投入的所述搅拌原料进行混合；
检测装置，该检测装置对混合后的所述搅拌原料的粘度进行检测；以及
控制装置，该控制装置对所述原料投入装置的投入动作及所述搅拌装置的搅拌动作中的至少任意一个动作进行控制，
所述控制装置对所述检测装置所检测出的所述粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定，基于判定结果来对所述投入动作或所述搅拌动作进行控制。
2.如权利要求1所述的搅拌系统，其特征在于，
所述检测装置对所述搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及由所述原料投入装置所投入的所述搅拌原料的质量中的至少一个状态参数进行检测，
所述控制装置包含：
学习模块，该学习模块基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件，并基于所学习到的所述搅拌条件来决定所述粘度变化率判定范围；以及
判定模块，该判定模块基于所述检测装置所检测出的所述粘度的变化率是否在所述学习模块所决定的所述粘度变化率判定范围内的情况，来对所述搅拌装置内的搅拌状态进行判定。
3.如权利要求2所述的搅拌系统，其特征在于，
所述判定模块对开始搅拌后预先规定的时间的所述粘度的变化率是否脱离所述粘度变化率判定范围进行判定，在脱离所述粘度变化率判定范围的情况下，判定为所述搅拌状态发生异常。
4.如权利要求2所述的搅拌系统，其特征在于，
所述判定模块在开始搅拌后每隔预先规定的时间间隔对所述粘度的变化率是否脱离所述粘度变化率判定范围进行判定，在脱离所述粘度变化率判定范围的情况下，判定为所述搅拌状态发生异常。
5.如权利要求3或4所述的搅拌系统，其特征在于，
所述控制装置在由所述判定模块判定为所述搅拌状态发生异常的情况下，对所述搅拌动作进行控制来缩短或延长所述搅拌转子的运行时间，或者对所述投入动作进行控制来投入用于混合成预先规定的粘度的粘度调整剂。
6.如权利要求3或4所述的搅拌系统，其特征在于，
所述控制装置包含通知模块，该通知模块将所述搅拌状态通知给其他装置，
在由所述判定模块判定为所述搅拌状态发生异常的情况下，所述通知模块将所述搅拌状态发生异常的情况通知给所述其他装置。
7.如权利要求1至4的任一项所述的搅拌系统，其特征在于，
所述检测装置基于施加于所述搅拌装置的搅拌转子的力，来对所述搅拌原料的粘度进行检测。
8.如权利要求1至4的任一项所述的搅拌系统，其特征在于，
所述检测装置基于施加于所述搅拌装置的搅拌转子的转矩，来对所述搅拌原料的粘度进行检测。
9.如权利要求1至4的任一项所述的搅拌系统，其特征在于，
搅拌后的所述搅拌原料用作为锂离子电池的负极材料或正极材料。
10.一种搅拌方法，其特征在于，包括：
原料投入步骤，该原料投入步骤投入搅拌原料；
搅拌步骤，该搅拌步骤将所投入的所述搅拌原料进行混合；
检测步骤，该检测步骤对混合后的所述搅拌原料的粘度进行检测；
判定步骤，该判定步骤对所检测出的所述粘度的变化率是否在预先决定的粘度变化率判定范围内进行判定；以及
控制步骤，该控制步骤基于判定结果，对所述原料投入步骤中的投入动作或所述搅拌步骤中的搅拌动作进行控制。
11.如权利要求10所述的搅拌方法，其特征在于，
所述检测步骤对所述搅拌步骤中搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及所述原料投入步骤中所投入的所述搅拌原料的质量中的至少一个状态参数进行检测，
所述搅拌方法还包括学习步骤，该学习步骤基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件，并基于所学习到的所述搅拌条件来决定所述粘度变化率判定范围，
所述判定步骤基于所检测出的所述粘度的变化率是否在所述粘度变化率判定范围内的情况，来对所述搅拌装置内的搅拌状态进行判定。
12.如权利要求11所述的搅拌方法，其特征在于，
在所述判定步骤中，对开始搅拌后预先规定的时间的所述粘度的变化率是否脱离所述粘度变化率判定范围进行判定，在脱离所述粘度变化率判定范围的情况下，判定为所述搅拌状态发生异常。
13.如权利要求11所述的搅拌方法，其特征在于，
在所述判定步骤中，在开始搅拌后每隔预先规定的时间间隔对所述粘度的变化率是否脱离所述粘度变化率判定范围进行判定，在脱离所述粘度变化率判定范围的情况下，判定为所述搅拌状态发生异常。
14.如权利要求12或13所述的搅拌方法，其特征在于，
在所述控制步骤中，在判定为所述搅拌状态发生异常的情况下，对所述搅拌动作进行控制来缩短或延长所述搅拌转子的运行时间，或者对所述投入动作进行控制来投入用于混合成预先规定的粘度的粘度调整剂。
15.如权利要求12或13所述的搅拌方法，其特征在于，
还包括通知步骤，该通知步骤在判定为所述搅拌状态发生异常的情况下，将所述搅拌状态发生异常的情况通知给其他装置。
16.如权利要求10至13的任一项所述的搅拌方法，其特征在于，
在所述检测步骤中，基于施加于所述搅拌装置的搅拌转子的力，来对所述搅拌原料的粘度进行检测。
17.如权利要求10至13的任一项所述的搅拌方法，其特征在于，
在所述检测步骤中，基于施加于所述搅拌装置的搅拌转子的转矩，来对所述搅拌原料的粘度进行检测。
18.如权利要求10至13的任一项所述的搅拌方法，其特征在于，
搅拌后的所述搅拌原料用作为锂离子电池的负极材料或正极材料。
19.一种搅拌系统，其特征在于，包括：
原料投入装置，该原料投入装置投入搅拌原料；
搅拌装置，该搅拌装置将所投入的所述搅拌原料进行混合；
检测装置，该检测装置对所述搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及由所述原料投入装置所投入的所述搅拌原料的质量中的至少一个状态参数进行检测；以及
学习模块，该学习模块决定混合后的所述搅拌原料的粘度的粘度变化率判定范围，
所述学习模块包含：
搅拌条件学习模块，该搅拌条件学习模块基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件；以及
粘度变化率判定范围决定模块，该粘度变化率判定范围决定模块决定在所学习到的所述搅拌条件下的所述粘度变化率判定范围。
20.一种搅拌方法，其特征在于，包括：
原料投入步骤，该原料投入步骤投入搅拌原料；
搅拌步骤，该搅拌步骤将所投入的所述搅拌原料进行混合；
检测步骤，该检测步骤对所述搅拌步骤中搅拌装置将所述搅拌原料进行混合时的搅拌转子的搅拌压力和搅拌速度、所述搅拌装置内的温度和湿度、以及所述原料投入步骤中所投入的所述搅拌原料的质量中的至少一个状态参数进行检测；以及
学习步骤，该学习步骤决定混合后的所述搅拌原料的粘度的粘度变化率判定范围，
在所述学习步骤中，
基于所检测出的所述搅拌压力、所述搅拌速度、所述温度、所述湿度和所述搅拌原料的质量中的至少一个状态参数，来学习使所述搅拌原料的混合最优化的搅拌条件，
决定在所学习到的所述搅拌条件下的所述粘度变化率判定范围。
CN201811105275.6A 2018-09-21 2018-09-21 搅拌系统及搅拌方法 Expired - Fee Related CN110935337B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811105275.6A CN110935337B (zh) 2018-09-21 2018-09-21 搅拌系统及搅拌方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811105275.6A CN110935337B (zh) 2018-09-21 2018-09-21 搅拌系统及搅拌方法

Publications (2)

Publication Number Publication Date
CN110935337A true CN110935337A (zh) 2020-03-31
CN110935337B CN110935337B (zh) 2022-04-15

Family

ID=69904592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811105275.6A Expired - Fee Related CN110935337B (zh) 2018-09-21 2018-09-21 搅拌系统及搅拌方法

Country Status (1)

Country Link
CN (1) CN110935337B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111450761A (zh) * 2020-04-14 2020-07-28 武汉恒达昌机械设备有限公司 一种htd柱式料斗混合机hmi系统
CN112441814A (zh) * 2020-11-19 2021-03-05 凤台县天宝建材有限责任公司 一种煤矸石页岩烧结砖制造系统
CN112708787A (zh) * 2021-03-26 2021-04-27 北京亿晟科技有限公司 一种基于镧铈稀土加工生产的混合搅拌系统
CN114225814A (zh) * 2022-02-24 2022-03-25 山东泗水海韵粮机有限公司 一种基于aiot和大数据分析的燕麦搅拌机控制方法
CN114834713A (zh) * 2022-04-27 2022-08-02 江苏苏嘉集团新材料有限公司 智能化的炼钢用镁碳砖原料配制系统及其原料配置产线
CN114914388A (zh) * 2021-02-08 2022-08-16 泰星能源解决方案有限公司 正极活性物质混合物的制造方法和检查方法
TWI831484B (zh) * 2022-11-24 2024-02-01 財團法人精密機械研究發展中心 黏度學習暨預測系統

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60118227A (ja) * 1983-11-28 1985-06-25 Nippon Paint Co Ltd 撹拌装置
JPH10333421A (ja) * 1997-04-03 1998-12-18 Ricoh Co Ltd 画像形成装置
US20060064182A1 (en) * 2004-09-17 2006-03-23 Fisher-Rosemount Systems, Inc. System and method for detecting an abnormal situation associated with a reactor
US20060142990A1 (en) * 2003-06-30 2006-06-29 Vatchkov Gantcho L Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method
CN102824873A (zh) * 2012-09-11 2012-12-19 柳州市豪杰特化工机械有限责任公司 高效在线搅拌系统
CN204630595U (zh) * 2015-05-14 2015-09-09 河北视窗玻璃有限公司 用于搅拌设备的故障检测装置、故障预警系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60118227A (ja) * 1983-11-28 1985-06-25 Nippon Paint Co Ltd 撹拌装置
JPH10333421A (ja) * 1997-04-03 1998-12-18 Ricoh Co Ltd 画像形成装置
US20060142990A1 (en) * 2003-06-30 2006-06-29 Vatchkov Gantcho L Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method
US20060064182A1 (en) * 2004-09-17 2006-03-23 Fisher-Rosemount Systems, Inc. System and method for detecting an abnormal situation associated with a reactor
CN102824873A (zh) * 2012-09-11 2012-12-19 柳州市豪杰特化工机械有限责任公司 高效在线搅拌系统
CN204630595U (zh) * 2015-05-14 2015-09-09 河北视窗玻璃有限公司 用于搅拌设备的故障检测装置、故障预警系统

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111450761A (zh) * 2020-04-14 2020-07-28 武汉恒达昌机械设备有限公司 一种htd柱式料斗混合机hmi系统
CN112441814A (zh) * 2020-11-19 2021-03-05 凤台县天宝建材有限责任公司 一种煤矸石页岩烧结砖制造系统
CN114914388A (zh) * 2021-02-08 2022-08-16 泰星能源解决方案有限公司 正极活性物质混合物的制造方法和检查方法
CN112708787A (zh) * 2021-03-26 2021-04-27 北京亿晟科技有限公司 一种基于镧铈稀土加工生产的混合搅拌系统
CN112708787B (zh) * 2021-03-26 2021-06-18 北京亿晟科技有限公司 一种基于镧铈稀土加工生产的混合搅拌系统
CN114225814A (zh) * 2022-02-24 2022-03-25 山东泗水海韵粮机有限公司 一种基于aiot和大数据分析的燕麦搅拌机控制方法
CN114225814B (zh) * 2022-02-24 2022-05-10 山东泗水海韵粮机有限公司 一种基于aiot和大数据分析的燕麦搅拌机控制方法
CN114834713A (zh) * 2022-04-27 2022-08-02 江苏苏嘉集团新材料有限公司 智能化的炼钢用镁碳砖原料配制系统及其原料配置产线
TWI831484B (zh) * 2022-11-24 2024-02-01 財團法人精密機械研究發展中心 黏度學習暨預測系統

Also Published As

Publication number Publication date
CN110935337B (zh) 2022-04-15

Similar Documents

Publication Publication Date Title
CN110935337B (zh) 搅拌系统及搅拌方法
US20220285669A1 (en) Electrochemical slurry compositions and methods for preparing the same
Hawley et al. Beneficial rheological properties of lithium-ion battery cathode slurries from elevated mixing and coating temperatures
US8624560B2 (en) Controlling battery charging based on current, voltage and temperature
JP2015521783A5 (zh)
EP2765633B1 (en) Production method for electric storage material
CN109814042A (zh) 一种锂离子电池在充放电过程中阻抗变化趋势的分析方法
Goncalves et al. Optimized printed cathode electrodes for high performance batteries
US11217832B2 (en) Power supply system
US11047917B2 (en) Power supply system
CN110202697B (zh) 混凝土搅拌装置及其控制方法
US20220143894A1 (en) Method for producing a battery
CN101326661A (zh) 用于制造二次电池用部件的方法和装置及使用该部件的二次电池
JP2017188397A (ja) 電池電極スラリー作製用混練方法
EP2894696B1 (en) Apparatus and method for manufacturing an electricity storage material
CN211754110U (zh) 一种电池正极材料搅拌装置
CN111272620A (zh) 粒度分析仪、系统及进样控制方法
JP5407041B2 (ja) ポリマー粒子製造方法及びその重合装置
CN212159469U (zh) 粒度分析仪及系统
CN116759521A (zh) 二次电池用电极复合材料浆料的制造方法及制造装置
CN116706031A (zh) 一种水洗工艺方法
KR101781825B1 (ko) 이차 전지의 한정전압 설정 장치 및 그 설정 방법
CN117398899B (zh) 一种电池石墨负极材料连续包覆造粒制备方法及装置
US20230338963A1 (en) Method and Arrangement for Industrial Scale Production of a Suspension for a Battery
WO2022131361A1 (ja) 炭素前駆体粒子及び二次電池負極用炭素質材料の製造方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220415

CF01 Termination of patent right due to non-payment of annual fee