CN112836391B - 一种基于模型驱动的燃料电池电堆装配方法 - Google Patents
一种基于模型驱动的燃料电池电堆装配方法 Download PDFInfo
- Publication number
- CN112836391B CN112836391B CN202110240177.9A CN202110240177A CN112836391B CN 112836391 B CN112836391 B CN 112836391B CN 202110240177 A CN202110240177 A CN 202110240177A CN 112836391 B CN112836391 B CN 112836391B
- Authority
- CN
- China
- Prior art keywords
- assembly
- parameters
- module
- bpp
- galvanic pile
- 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 120
- 239000000446 fuel Substances 0.000 title claims abstract description 72
- 238000013441 quality evaluation Methods 0.000 claims abstract description 107
- 238000012545 processing Methods 0.000 claims abstract description 94
- 230000008569 process Effects 0.000 claims abstract description 68
- 238000003754 machining Methods 0.000 claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 61
- 238000003860 storage Methods 0.000 claims description 51
- 238000007906 compression Methods 0.000 claims description 30
- 230000006835 compression Effects 0.000 claims description 29
- 239000000463 material Substances 0.000 claims description 26
- 238000006073 displacement reaction Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 20
- 239000012528 membrane Substances 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 10
- 238000004806 packaging method and process Methods 0.000 claims description 9
- 238000010924 continuous production Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000007789 sealing Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims 1
- 230000009545 invasion Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 5
- 239000001257 hydrogen Substances 0.000 description 5
- 229910052739 hydrogen Inorganic materials 0.000 description 5
- 238000012546 transfer Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 206010013496 Disturbance in attention Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
-
- 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
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Manufacturing & Machinery (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及一种基于模型驱动的燃料电池电堆装配方法,采集电堆零部件参数,对电堆零部件加工质量进行评价与分级存储,规划电堆零部件装配顺序,对电堆零部件进行模块化装配,采集电堆模块参数,对电堆模块装配质量进行评价与分级存储,规划电堆模块装配顺序,装配电堆总体;基于模型驱动方法,针对电堆装配性能需求,建立电堆零部件加工质量评价模型、电堆模块装配质量评价模型、电堆总体装配质量评价模型,对电堆零部件、电堆模块进行分级处理,并获得总电堆中,电堆零部件、电堆模块的最佳装配顺序,结合多工位装配生产线实现燃料电池电堆连续装配。与现有技术相比,本发明具有提高装配过程相关数据利用率等优点。
Description
技术领域
本发明涉及燃料电池技术领域,尤其是涉及一种基于模型驱动的燃料电池电堆装配方法。
背景技术
氢能具有来源广泛、可再生、热值高、环保等特点,未来有望成为化石燃料的主要替代能源形式。作为氢能高效利用的载体,质子交换膜燃料电池(Proton ExchangeMembrane Fuel Cell,PEMFC)通过氢气和氧气进行电化学反应而产生电能,具有环境友好、能量转换效率快、比功率和比能量高等优点。燃料电池单电池主要由阴极极板、膜电极组件(Membrane Electrode Assembly,MEA)、阳极极板、密封等零部件组成,其中阴极极板与阳极极板一起构成双极板(Bipolar Plate,BPP)。单节燃料电池实际工作电压低于1V,为了满足交通运输工具、固定电站等复杂的输出电压应用场景,燃料电池电堆通常由多个单电池串联堆叠而成,整体上呈板框式结构。
鉴于燃料电池电堆的结构特点,BPP、MEA、密封等电堆关键零部件的加工质量、零部件的堆叠顺序等会对燃料电池产品的装配质量产生重大影响。现阶段,电堆的装配方式主要有两种,其一是以技术人员为主导的手工装配方式,其二是以电堆装配机械设备为主导的自动化装配方式。上述两种传统的电堆装配方式基本原理都是特定装配工位上,依次将BPP、MEA、集流板、端板等电堆零部件进行堆叠,然后通过压机以控制装配压力或装配位移的方式进行压装,最后在端板四周安装紧固螺栓,并配置其他零配件以完成电堆最终装配。基于上述原理的装配方式没有考虑零部件加工质量、零部件堆叠顺序对电堆装配质量的影响,无法满足燃料电池电堆高质量的装配需求,容易导致电池产品一致性差、安全性不足等问题。
中国发明专利CN107706438A公开的一种燃料电池堆装配装置及装配方法,该方案存在两种压紧机构,能够实现两次压装,可以保证电堆装配过程中装配压力较为精准的控制,避免由于压力不均或误操作而压坏电池。中国发明专利CN111785997A公开的一种燃料电池电堆自动堆叠装置,该方案通过支架的升级运动运送电堆物料和送料机的水平方向单向运送其他待装配电堆物料,可以实现分解动作的同步进行提高装配效率。中国发明专利CN111912550A公开的一种燃料电池实时装配力计算方法,该方案通过传感器获取密封圈厚度、膜电极厚度,压缩过程的装配力,通过密封圈压缩位移和膜电极装配压强分别设置阈值,对电堆装配力进行控制。然而上述三件已公开的燃料电池电堆装配方案都没有考虑零部件加工质量、零部件堆叠顺序对电堆装配质量的影响,无法真正实现燃料电池电堆的科学、高效、高质量装配。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于模型驱动的燃料电池电堆装配方法。
本发明的目的可以通过以下技术方案来实现:
一种基于模型驱动的燃料电池电堆装配方法,该方法主要包括以下步骤:
S1:电堆零部件参数采集:分别获取燃料电池电堆的零部件:双极板(BPP)、膜电极组件(MEA)、密封、端板等的编号信息、几何尺寸信息、工艺信息等参数。
S2:电堆零部件加工质量评价与分级存储:基于燃料电池零部件加工质量评价模型分别制定电堆零部件的加工质量评价指标,并进行分级处理,主要包括BPP加工质量评价与分级存储、MEA加工质量评价与分级存储等。
S3:电堆零部件装配顺序规划:基于电堆模块装配质量评价模型以及分级处理后的电堆零部件,对每个电堆模块内的零部件排列方案进行优化。
S4:电堆零部件模块化装配:根据S3获得的最优零部件排列方案对零部件进行分组装配,得到一系列的电堆模块。
S5:电堆模块参数采集:分别获取每个装配后的电堆模块的编号信息、几何尺寸信息、工艺信息等参数。
S6:电堆模块装配质量评价与分级存储:基于电堆模块装配质量评价模型和S5所采集的电堆模块实际参数对电堆模块装配质量评价指标进行更新,并对电堆模块进行分级处理。
S7:电堆模块装配顺序规划:基于电堆总体装配质量评价模型和分级处理后的电堆模块参数对燃料电池电堆中的电堆模块排列方案进行优化。
S8:电堆总体装配:根据S7获得的最优电堆模块排列方案进行电堆总体装配,配置电堆所需的集流板、绝缘板、端板等零部件,并依据电堆总体装配质量评价模型得到装配压力、压缩位移等装配工艺参数,最终得到装配完成的燃料电池电堆。
S2中BPP加工质量评价与分级存储主要包括以下步骤:
S201:构建BPP加工质量评价模型:
该模型包含零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,用于表征BPP加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响,装配界面接触性能主要包括:接触压力分布、接触电阻、GDL压缩后孔隙率、GDL侵入流道量等。具体地:
S2011:BPP加工质量评价模型主要包括BPP接触应力分布预测模型、BPP接触电阻预测模型、BPP-GDL孔隙率预测模型等。
S2012:S2011所述的BPP接触应力分布预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,该模型的输入参数是BPP加工误差,输出参数包括接触应力平均值、GDL侵入流道量平均值等。
S2013:S2011所述的BPP接触电阻预测模型可以基于接触应力与接触电阻的本构方程在S2022所述的BPP接触应力分布预测模型的基础上进行构建,该模型的输入参数是BPP加工误差,输出参数是接触电阻阻值。
S2014:S2011中的BPP-GDL孔隙率预测模型可以在S2022所述的BPP接触应力分布预测模型的基础上根据如下公式构建:
S202:BPP加工质量评价模型运行:
根据S1获取的BPP实际几何尺寸参数与BPP设计几何尺寸参数对比得到BPP加工误差,以BPP加工误差作为BPP加工质量评价模型的参数输入,求解,分别获取每一项装配界面接触性能指标。
S203:BPP加工质量评价与分级指标制定:
对每一项装配界面接触性能指标进行量化处理,结合特定算法建立BPP综合评价指标,并根据BPP综合评价指标的极差和分级级数确定BPP分级指标。具体地步骤包括:
S2031:BPP综合评价指标可以按照如下公式建立:
式中:FBPP为BPP综合评价指标;αi为第i项评价指标的权重,即第i项装配界面接触性能指标的权重;Fi为量化后的第i项评价指标,如接触压力分布、接触电阻等;Qothers为可选的其他评价指标,j为装配界面接触性能指标的总项数。
S2032:BPP分级指标可以按照如下公式建立:
式中:(DBPP)k为第k级指标的上限;(FBPP)min为BPP综合评价指标的最小值;(FBPP)max为BPP综合评价指标的最大值;t为BPP分级数。
S204:BPP分级存储:
根据S203所述的BPP分级指标确定每个BPP的加工质量等级,将BPP实物存储到特定等级的仓储位,将对应的BPP相关参数数据存储到特定等级的数据库。
S2中MEA加工质量评价与分级存储主要包括以下步骤:
S211:MEA加工质量评价模型构建:
该模型包含零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,用于表征MEA加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响,装配界面接触性能与S201所述内容相同。具体地:
S2111:MEA加工质量评价模型主要包括MEA接触应力分布预测模型、MEA接触电阻预测模型、MEA-GDL孔隙率预测模型等。
S2112:S2111所述的MEA接触应力分布预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,该模型的输入参数是MEA加工误差,输出参数包括接触应力平均值、GDL侵入流道量平均值等。
S2113:S2111所述的MEA接触电阻预测模型可以基于接触应力与接触电阻的本构方程在S2112所述的MEA接触应力分布预测模型的基础上进行构建,该模型的输入参数是MEA加工误差,输出参数是接触电阻阻值。
S2114:S2111所述的MEA-GDL孔隙率预测模型可以在S2111所述的MEA接触电阻预测模型的基础上根据S2024所述的公式建立,该模型的输入参数是MEA加工误差,输出参数是GDL压缩后孔隙率平均值等。
S212:MEA加工质量评价模型运行:
根据S1获取的MEA实际几何尺寸参数与MEA设计几何尺寸参数对比得到MEA加工误差,以MEA加工误差作为MEA加工质量评价模型的参数输入,运行,分别获取每一项装配界面接触性能指标。
S213:MEA加工质量评价与分级指标制定:
对每一项装配界面接触性能指标进行量化处理,结合特定算法建立MEA综合评价指标,并根据MEA综合评价指标的极差和分级级数确定MEA分级指标。具体包括:
S2131:MEA综合评价指标可以按照S2031所述的公式建立。
S2132:MEA分级指标可以按照S2032所述的公式建立。
S214:MEA分级存储:根据S213所述的MEA分级指标确定每个MEA的加工质量等级,将MEA实物存储到特定等级的仓储位,将对应的MEA相关参数数据存储到特定等级的数据库。
S3中的电堆零部件装配顺序规划主要包括以下步骤:
S301:构建电堆模块装配质量评价模型:该模型包括零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,并具有n层BPP/MEA结构,该模型用于表征零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移参数对电堆模块装配性能指标的影响,电堆模块装配性能指标主要包括S201中的装配界面性能指标和电堆模块V-I性能曲线等。具体步骤为:
S3011:电堆模块装配质量评价模型主要包括电堆模块装配界面性能预测模型、电堆模型V-I性能预测模型等。
S3012:S3011所述的电堆模块装配界面性能预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,具有n层BPP/MEA结构,该模型的输入参数包括零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移参数,输出参数包括电堆模块接触应力平均值、电堆模块GDL侵入流道量平均值、电堆模块接触电阻阻值、电堆模块GDL压缩后孔隙率平均值等。
S3013:S3011所述的电堆模块V-I性能预测模型主要基于法拉第定律、吉布斯自由能函数、巴特勒-沃尔默(Bulter-Volmer)方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有n层BPP/MEA结构,其中,利用法拉第定律表征电流密度与转移电荷和单位面积的反应物消耗关系,利用吉布斯自由能函数表征反应转移速率,利用巴特勒-沃尔默(Bulter-Volmer)方程表征电流和电位之间的关系,利用塔菲尔(Tafel)方程表征活化损失,利用欧姆定律表征欧姆损失,利用能斯特方程表征浓度损失,再考虑氢渗透和内部电流损耗等因素对模型的参数修正。该模型的输入参数包括零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移,输出参数是电堆模块V-I曲线。
S302:电堆模块装配质量评价模型运行:
从S204所得的BPP分级数据库中选取n个BPP,并得到对应的n个BPP加工误差参数,从S214所得的MEA分级数据库中选取n个MEA,并得到对应的n个MEA加工误差参数,以n个BPP加工误差参数、n个MEA加工误差参数和零部件排列方案作为模型参数输入,运行,分别获取每一项电堆装配性能指标。
S303:电堆模块装配质量评价:
对每一项电堆模块装配性能指标进行量化处理,结合特定算法建立电堆模块综合评价指标。电堆模块装配综合评价指标可以按照S2031所述的公式建立。
S304:电堆模块零部件排列方案优化:
根据S303所述的电堆模块综合评价指标,对电堆模块零部件排列方案进行优化,以得到确定零部件加工误差情况下最优的零部件排列方案。
S4中的电堆零部件装配主要包括以下步骤:
S401:电堆零部件装配路径规划:
根据零部件分级仓储区、零部件堆叠生产线、电堆模块封装区、最优零部件排列方案等,并结合电堆零部件装配系统中抓取装置、加持装置、传送装置、堆叠装置、压装装置等硬件运作方式,制定电堆零部件装配过程中相关装置的运动路径。
S402:电堆零部件堆叠:
基于S401所述的装配路径,装配系统将仓储区的BPP和MEA按照最优零部件排列方案次在零部件堆叠工位进行交替堆叠,并在电堆模块封装工位进行压装,得到具有特定BPP/MEA层数的电堆模块。
S6中的电堆模块装配质量评价与分级存储主要包括以下步骤:
S601:电堆模块装配质量评价模型运行:
根据S5获取的电堆模块实际几何尺寸参数与电堆模块设计几何尺寸参数对比得到电堆模块装配误差,以实际电堆模块装配误差作为电堆模块装配质量评价模型的参数输入,求解,对电堆模块综合评价指标进行更新。
S602:电堆模块分级指标制定:
根据S601更新后电堆模块综合评价指标的极差和分级级数确定电堆模块分级指标。电堆模块分级指标可以按照S2032所述的公式建立。
S603:电堆模块分级存储:
根据S603所述的电堆模块分级指标确定每个电堆模块的装配质量等级,将电堆模块实物存储到特定等级的仓储位,将对应的电堆模块相关参数存储到特定等级的数据库。
S7中的电堆模块装配顺序规划主要包括以下步骤:
S701:电堆总体装配质量评价模型构建:
该模型包括零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,并具有m层电堆模块结构,该模型用于表征电堆模块排列方案、电堆模块装配误差、电堆模块性能、电堆总体装配压力或压缩位移等对电堆装配性能指标的影响,电堆装配性能指标主要包括S201所述的装配界面性能指标和电堆V-I性能曲线等。具体地:
S7011:电堆总体装配质量评价模型主要包括电堆装配界面性能预测模型、电堆V-I性能预测模型等。
S7012:S7011所述的电堆装配界面性能预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有m层电堆模块结构,该模型的输入参数包括电堆模块排列方案、电堆模块装配误差、电堆模块装配界面性能、电堆总体装配压力或压缩位移,输出参数包括电堆接触应力平均值、电堆GDL侵入流道量平均值、电堆接触电阻阻值、电堆GDL压缩后孔隙率平均值等。
S7013:S7011所述的电堆V-I性能预测模型主要基于法拉第定律、吉布斯自由能函数、巴特勒-沃尔默(Bulter-Volmer)方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有m层电堆模块结构,相关函数的利用方式与S3013所述的内容相同,该模型的输入参数包括电堆模块排列方案、电堆模块装配误差、电堆模块I-V性能、电堆总体装配压力或压缩位移等,模型输出参数是电堆V-I性能曲线等。
S702:电堆总体装配质量评价模型运行:
从S604所获取的电堆模块分级数据库中选取m个电堆模块,并得到对应的m个电堆模块装配误差参数和电堆模块性能参数,将上述参数和电堆模块排列方案作为模型参数输入,求解,分别获取每一项电堆装配性能指标。
S703:电堆总体装配质量评价:
对电堆装配性能指标进行量化处理以建立电堆综合评价指标。电堆综合评价指标可以按照S2031所述的公式建立。
S704:电堆模块排列方案优化:
根据S703所述的电堆综合评价指标,对电堆模块排列方案进行优化,以得到确定电堆模块装配误差、电堆模块性能和电堆总体装配工艺参数的情况下最优的电堆模块排列方案。
S8中的电堆总体装配主要包括以下步骤:
S801:电堆模块装配路径规划:
根据电堆模块分级仓储区、电堆模块堆叠生产线、电堆封装区、最优电堆模块排列方案等,并结合电堆模块装配系统中抓取装置、加持装置、传送装置、堆叠装置、压装装置等硬件运作方式,制定电堆模块装配过程中相关装置的运动路径。
S802:电堆模块堆叠:
基于S801所述的装配路径,装配系统将仓储区的电堆模块按照最优排列方案依次在电堆模块堆叠生产线上进行堆叠,得到具有特定电堆模块个数的电堆。
S803:其他零部件装配:
在S802所述的电堆的基础上安装集流板、绝缘板、端板等零部件。
S804:电堆总体装配工艺参数控制:
基于电堆总体装配质量评价模型,以装配压力、压缩位移等装配工艺参数为模型输入参数,运行求解,结合S703制定的电堆综合评价指标,得到确定电堆模块相关参数和电堆模块排列方案情况下最优的电堆总体装配工艺参数,完成电堆压装。
S805:其他配件安装:
在S804所述的电堆的基础上安装电压巡检装置、管路接口等零配件,得到装配完成的燃料电池电堆。
作为优选的技术方案,S2中BPP加工质量评价与分级存储过程,也可以采用BPP加工误差等分作为分级存储指标。
作为优选的技术方案,S2中MEA加工质量评价与分级存储过程,也可以采用MEA加工误差等分作为分级存储指标。
作为优选的技术方案,S301的电堆模块中BPP/MEA层数可以根据需求进行调配,电堆模块中的BPP或MEA相关参数数据可以全部取自相同等级的数据库,也可以取自不同等级的数据库。
作为优选的技术方案,S401所述的零部件堆叠生产线可以在单工位完成电堆模块装配,也可以根据零部件装配顺序,设置多个零部件堆叠工位,在第p个工位完成堆叠之后,进入第p+1个堆叠工位,实现连续生产。
作为优选的技术方案,S701所述的燃料电池电堆中的电堆模块的个数可根据需要进行调配,燃料电池电堆中的电堆模块相关参数数据可以取自相同等级的数据库,也可以取自不同等级的数据库。
作为优选的技术方案,S801所述的电堆模块堆叠生产线可以在单工位完成电堆模块总体装配,也可以根据电堆模块装配顺序,设置多个电堆模块堆叠工位,在第q个工位完成堆叠之后,进入第q+1个堆叠工位,实现连续生产。
作为优选的技术方案,在电堆零部件装配之前,可基于模型驱动对电堆密封、绝缘板、集流板、端板等进行分级处理。
作为优选的技术方案,S2031、S2131、S3031和S7031中所述的综合评价指标中每一项指标权重可以用总分法、加权法等综合评价方法结合经验的方式确定。
作为优选的技术方案,S2032、S2132、S6021中的各分级指标也可以采用变区间的算法确定。
本发明提供的基于模型驱动的燃料电池电堆装配方法,相较于现有技术至少包括如下有益效果:
1)本发明采用基于模型驱动的方式,建立零部件、电堆模块和电堆综合评价指标,对电堆零部件进行加工质量评价和分级处理,对电堆模块进行装配质量评价和分级处理,能够充分挖掘燃料电池电堆装配过程中电堆零部件的固有特性,提高装配过程相关数据利用率;
2)根据电堆模块综合评价指标和电堆综合评价指标,结合分级处理后电堆零部件数据库以及电堆模块数据区,得到零部件最优排列方案以及电堆模块最优排列方案,实现燃料电池电堆产品装配质量最优化;
3)本发明改变了传统单一工位的堆叠生产方式,通过结合零部件分级情况、零部件最优排列方案、电堆模块分级情况和电堆模块最优排列方案,在生产线上设置多个堆叠工位,能够实现连续生产,且能够良好适应燃料电池电堆批量化、高质量生产需求。
附图说明
图1为实施例中的基于模型驱动的燃料电池电堆装配方法的原理框架示意图;
图2为实施例中的燃料电池电堆装配指导模型总体框架示意图;
图3为实施例中的BPP加工质量评价与分级储存方法流程示意图;
图4为实施例中的MEA加工质量评价与分级存储方法流程示意图;
图5为实施例中的电堆零部件装配顺序规划方法示意图;
图6为实施例中的电堆零部件模块化装配流程示意图;
图7为实施例中的电堆模块质量评价与分级存储方法示意图;
图8为实施例中的电堆模块装配顺序规划方法示意图;
图9为实施例中的电堆总体装配方法示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。显然,所描述的实施例是本发明的一部分实施例,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的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
实施例
如图1所示,本发明涉及一种基于模型驱动的燃料电池电堆装配方法,该方法包括如下步骤:
步骤一、采集电堆零部件参数:分别获取燃料电池电堆的零部件:双极板(BPP)、膜电极组件(MEA)、密封、端板等的编号信息、几何尺寸信息、工艺信息等参数。
步骤二、对电堆零部件加工质量进行评价与分级存储:对评价结果进行分级存储,即基于燃料电池零部件加工质量评价模型分别制定电堆零部件的加工质量评价指标,并进行分级处理,主要包括BPP加工质量评价与分级存储、MEA加工质量评价与分级存储等。
步骤三、规划电堆零部件装配顺序:即基于电堆模块装配质量评价模型以及分级处理后的电堆零部件,对每个电堆模块内的零部件排列方案进行优化。
步骤四、对电堆零部件进行模块化装配:根据步骤三获得的最优零部件排列方案对零部件进行分组装配,得到一系列的电堆模块。
步骤五、采集电堆模块参数:分别获取每个装配后的电堆模块的编号信息、几何尺寸信息、工艺信息等参数。
步骤六、对电堆模块装配质量进行评价与分级存储:即基于电堆模块装配质量评价模型和步骤五所采集的电堆模块实际参数,对电堆模块装配质量评价指标进行更新,并对电堆模块进行分级处理。
步骤七、规划电堆模块装配顺序:即基于电堆总体装配质量评价模型和分级处理后的电堆模块参数对燃料电池电堆中的电堆模块排列方案进行优化。
步骤八、装配电堆总体:根据步骤七获得的最优电堆模块排列方案进行电堆总体装配,配置电堆所需的集流板、绝缘板、端板等零部件,并依据电堆总体装配质量评价模型得到装配压力、压缩位移等装配工艺参数,最终得到装配完成的燃料电池电堆。
如图2、图3所示,步骤二的BPP加工质量评价与分级存储方法,主要包括以下步骤:
S201:构建BPP加工质量评价模型:
该模型包含零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,用于表征BPP加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响,装配界面性能指标主要包括:接触压力分布、接触电阻、GDL压缩后孔隙率、GDL侵入流道量等。
S2011:BPP加工质量评价模型主要包括BPP接触应力分布预测模型、BPP接触电阻预测模型、压缩GDL的孔隙率预测模型等。
S2022:S2011所述的BPP接触应力分布预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,该模型的输入参数是BPP加工误差,输出参数包括接触应力平均值、GDL侵入流道量平均值等。
S2023:S2011所述的BPP接触电阻预测模型可以基于接触应力与接触电阻的“电-力”关系,在S2022所述的BPP接触应力分布预测模型的基础上进行构建,该模型的输入参数是BPP加工误差,输出参数是接触电阻阻值。
S2024:S2011所述的BPP-GDL孔隙率预测模型可以在S2022所述的BPP接触应力分布预测模型的基础上根据如下公式构建:
S202:运行BPP加工质量评价模型:
BPP设计几何尺寸参数是BPP在设计完成后得到的几何尺寸参数理论值;由于制造误差,BPP实际几何尺寸参数与设计几何尺寸参数一定存在偏差。根据步骤一获取的BPP实际几何尺寸参数与BPP设计几何尺寸参数对比得到BPP加工误差,以BPP加工误差作为BPP加工质量评价模型的参数输入,求解,分别获取每一项装配界面接触性能指标。
S203:对BPP加工质量进行评价与制定分级指标:
对每一项装配界面接触性能指标进行量化处理,基于综合评价方法建立BPP综合评价指标,并根据BPP综合评价指标的极差和分级级数确定BPP分级指标。综合评价方法可采用总分法、加权法等,属于现有技术,在此不过多赘述。具体步骤包括:
S2031:BPP综合评价指标可以按照如下公式建立:
式中,FBPP为BPP综合评价指标;αi为第i项评价指标的权重,即第i项装配界面接触性能指标的权重;Fi为量化后的第i项评价指标,如接触压力分布、接触电阻等;Qothers为可选的其他评价指标;j为装配界面接触性能指标的总项数。
S2032:BPP分级指标可以按照如下公式建立:
式中,(DBPP)k为第k级指标的上限;(FBPP)min为BPP综合评价指标的最小值;(FBPP)max为BPP综合评价指标的最大值;t为BPP分级数。
S2033:根据S2032所述的公式得到每级指标的上限,进而得到BPP的t个加工质量等级区间,通过判断FBPP所处的等级区间,便可以得到BPP的加工质量等级。
S204:对BPP进行分级存储:
根据S203得到的每个BPP的加工质量等级,将BPP实物存储到特定等级的仓储位,将对应的BPP相关参数数据存储到特定等级的数据库。
作为另一种实施方式,S2232中,还可采用BPP加工误差等分作为BPP分级指标。
如图2和如图4所示,步骤二中MEA加工质量评价与分级存储方法主要包括以下步骤:
S211:构建MEA加工质量评价模型:
该模型包含零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,用于表征MEA加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响,装配界面接触性能与S201所述的内容相同。
S2111:MEA加工质量评价模型主要包括MEA接触应力分布预测模型、MEA接触电阻预测模型、压缩GDL孔隙率预测模型等。
S2112:S2111所述的MEA接触应力分布预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,该模型的输入参数是MEA加工误差,输出参数包括接触应力平均值、GDL侵入流道量平均值等。
S2113:S2111所述的MEA接触电阻预测模型可以基于接触应力与接触电阻的“电-力”属性关系,在S2112所述的MEA接触应力分布预测模型的基础上进行构建,该模型的输入参数是MEA加工误差,输出参数是接触电阻阻值。
S2114:S2111所述的MEA-GDL孔隙率预测模型可以在S2111所述的MEA接触电阻预测模型的基础上根据S2024所述的公式建立,该模型的输入参数是MEA加工误差,输出参数是GDL压缩后孔隙率平均值等。
S212:运行MEA加工质量评价模型:
MEA设计几何尺寸参数是MEA在设计完成后得到的几何尺寸参数理论值;由于制造误差,MEA实际几何尺寸参数与设计几何尺寸参数一定存在偏差。根据S1获取的MEA实际几何尺寸参数与MEA设计几何尺寸参数对比得到MEA加工误差,以MEA加工误差作为MEA加工质量评价模型的参数输入,运行,分别获取每一项装配界面接触性能指标。
S213:制定MEA加工质量评价与分级指标:
对每一项装配界面接触性能指标进行量化处理,基于综合评价方法建立MEA综合评价指标,并根据MEA综合评价指标的极差和分级级数确定MEA分级指标。具体地:
S2131:MEA综合评价指标可以按照S2031所述的公式建立。
S2132:MEA分级指标可以按照S2032所述的公式建立。
S2133:MEA加工质量等级确定可以按照S2033所述的方法确定。
S214:MEA分级存储,根据S 2133确定的每个MEA的加工质量等级,将MEA实物存储到特定等级的仓储位,将对应的MEA相关参数数据存储到特定等级的数据库。
作为另一种实施方式,S2133中,还可采用MEA加工误差等分作为MEA分级指标。
如图2和如图5所示,步骤三中电堆零部件装配顺序规划方法,主要包括以下步骤:
S301:构建电堆模块装配质量评价模型:
该模型包括零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,并具有n层BPP/MEA结构,该模型用于表征零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移参数对电堆模块装配性能指标的影响,电堆模块装配性能指标主要包括S201中的装配界面性能指标和电堆模块V-I性能曲线等。
S3011:电堆模块装配质量评价模型主要包括电堆模块装配界面性能预测模型、电堆模型V-I性能预测模型等。
S3012:S3011所述的电堆模块装配界面性能预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立,具有n层BPP/MEA结构,该模型的输入参数包括零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移参数,输出参数包括电堆模块接触应力平均值、电堆模块GDL侵入流道量平均值、电堆模块接触电阻阻值、电堆模块GDL压缩后孔隙率平均值等。
S3013:S3011所述的电堆模块V-I性能预测模型主要基于法拉第定律、吉布斯自由能函数、纳维-斯托克斯方程、巴特勒-沃尔默(Bulter-Volmer)方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有n层BPP/MEA结构,其中,利用法拉第定律表征电流密度与转移电荷和单位面积的反应物消耗关系,利用吉布斯自由能函数表征反应转移速率,利用巴特勒-沃尔默(Bulter-Volmer)方程表征电流和电位之间的关系,利用塔菲尔(Tafel)方程表征活化损失,利用欧姆定律表征欧姆损失,利用能斯特方程表征浓度损失,再考虑氢渗透和内部电流损耗等因素对模型的参数修正。该模型的输入参数包括零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移,输出参数是电堆模块V-I曲线。
进一步地,本步骤的电堆模块中BPP/MEA层数可以根据需求进行调配,电堆模块中的BPP或MEA可以都取自相同等级的数据库,也可以取自不同等级的数据库进行混排。
S302:运行电堆模块装配质量评价模型:
从S204所得的BPP分级数据库中选取n个BPP,并得到对应的n个BPP加工误差参数,从S214所得的MEA分级数据库中选取n个MEA,并得到对应的n个MEA加工误差参数,以n个BPP加工误差参数、n个MEA加工误差参数和零部件排列方案作为模型参数输入,运行,分别获取每一项电堆装配性能指标。
S303:评价电堆模块装配质量:
对每一项电堆模块装配性能指标进行量化处理,结合特定算法建立电堆模块综合评价指标。其中,电堆模块装配综合评价指标可以按照S2031中的公式建立。
S304:电堆模块零部件排列方案优化,根据S303所述的电堆模块综合评价指标,对电堆模块零部件排列方案进行优化,以得到确定零部件加工误差情况下最优的零部件排列方案。
如图6所示,步骤四中的电堆零部件装配方法,主要包括以下步骤:
S401:规划电堆零部件装配路径:
根据零部件分级仓储区、零部件堆叠生产线、电堆模块封装区、最优零部件排列方案等,并结合电堆零部件装配系统中抓取装置、加持装置、传送装置、堆叠装置、压装装置等硬件运作方式,制定电堆零部件装配过程中相关装置的运动路径。
进一步地,零部件堆叠生产线可以根据零部件装配顺序,设置2n个零部件堆叠工位,在第p(p<n)个工位完成堆叠之后,进入第p+1个堆叠工位,实现连续生产。
S402:对电堆零部件进行堆叠:
基于S401制定的装配路径,装配系统将仓储区的BPP和MEA按照最优零部件排列方案次在零部件堆叠工位进行交替堆叠,并在电堆模块封装工位进行压装,得到具有特定BPP/MEA层数的电堆模块。
如图7所示,步骤六中的电堆模块装配质量评价与分级存储,主要包括以下步骤:
S601:运行电堆模块装配质量评价模型:
根据S5获取的电堆模块实际几何尺寸参数与电堆模块设计几何尺寸参数对比得到电堆模块装配误差,以实际电堆模块装配误差作为电堆模块装配质量评价模型的参数输入,求解,对电堆模块综合评价指标进行更新。
S602:制定电堆模块分级指标:
根据S601更新后电堆模块综合评价指标的极差和分级级数确定电堆模块分级指标。其中,电堆模块分级指标可以按照S2032中的公式建立,电堆模块装配质量等级确定可以按照S2033所述的方法确定。
S603:对电堆模块进行分级存储:
根据S603所述的电堆模块分级指标,确定每个电堆模块的装配质量等级,将电堆模块实物存储到特定等级的仓储位,将对应的电堆模块相关参数存储到特定等级的数据库。
如图2和如图8所示,步骤七中的电堆模块装配顺序规划方法,主要包括以下步骤:
S701:构建电堆总体装配质量评价模型:
该模型包括零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等,并具有m层电堆模块结构,该模型用于表征电堆模块排列方案、电堆模块装配误差、电堆模块性能、电堆总体装配压力或压缩位移等对电堆装配性能指标的影响,电堆装配性能指标主要包括S201所述的装配界面性能指标和电堆V-I性能曲线等。
S7011:电堆总体装配质量评价模型主要包括电堆装配界面性能预测模型、电堆V-I性能预测模型等。
S7012:S7011所述的电堆装配界面性能预测模型主要基于平衡方程、几何方程、物理方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有m层电堆模块结构,该模型的输入参数包括电堆模块排列方案、电堆模块装配误差、电堆模块装配界面性能、电堆总体装配压力或压缩位移,输出参数包括电堆接触应力平均值、电堆GDL侵入流道量平均值、电堆接触电阻阻值、电堆GDL压缩后孔隙率平均值等。
S7013:S7011所述的电堆V-I性能预测模型主要基于法拉第定律、吉布斯自由能函数、纳维-斯托克斯方程、巴特勒-沃尔默(Bulter-Volmer)方程等相关函数,并结合零部件几何尺寸参数、零部件材料参数、边界条件参数、装配工艺参数等建立的,具有m层电堆模块结构,相关函数的利用方式与S3013所述的内容相同,该模型的输入参数包括电堆模块排列方案、电堆模块装配误差、电堆模块I-V性能、电堆总体装配压力或压缩位移等,模型输出参数是电堆V-I性能曲线等。
进一步地,本步骤中的燃料电池电堆中的电堆模块个数可以根据需要进行调配,燃料电池电堆中的电堆模块相关参数数据可以取自相同等级的数据库,也可以取自不同等级的数据库。
S702:运行电堆总体装配质量评价模型:
从S604所获取的电堆模块分级数据库中选取m个电堆模块,并得到对应的m个电堆模块装配误差参数和电堆模块性能参数,将上述参数和电堆模块排列方案作为模型参数输入,求解,分别获取每一项电堆装配性能指标。
S703:对电堆总体装配质量进行评价,即对电堆装配性能指标进行量化处理以建立电堆综合评价指标。其中,电堆综合评价指标可以按照S2031所述的公式建立。
S704:优化电堆模块排列方案:
根据S703所述的电堆综合评价指标,对电堆模块排列方案进行优化,以得到确定电堆模块装配误差、电堆模块性能和电堆总体装配工艺参数的情况下最优的电堆模块排列方案。
如图9所示,步骤八中的电堆总体装配方法,主要包括以下步骤:
S801:规划电堆模块装配路径:
根据电堆模块分级仓储区、电堆模块堆叠生产线、电堆封装区、最优电堆模块排列方案等,并结合电堆模块装配系统中抓取装置、加持装置、传送装置、堆叠装置、压装装置等硬件运作方式,制定电堆模块装配过程中相关装置的运动路径。
进一步地,本步骤中的电堆模块堆叠生产线可以根据电堆模块装配顺序,设置m个电堆模块堆叠工位,在第q(q<m)个工位完成堆叠之后,进入第q+1个堆叠工位,实现连续生产。
S802:对电堆模块进行堆叠:
基于S801步骤得到的装配路径,装配系统将仓储区的电堆模块按照最优排列方案依次在电堆模块堆叠生产线上进行堆叠,得到具有特定电堆模块个数的电堆。
S803:装配其他零部件:
在S802所述的电堆的基础上安装集流板、绝缘板、端板等零部件。
S804:控制电堆总体装配工艺参数,基于电堆总体装配质量评价模型,以装配压力、压缩位移等装配工艺参数为模型输入参数,运行求解,结合S703制定的电堆综合评价指标,得到确定电堆模块相关参数和电堆模块排列方案情况下最优的电堆总体装配工艺参数,完成电堆压装。
S805:安装其他配件:
在S804所述的电堆的基础上安装电压巡检装置、管路接口等零配件,得到装配完成的燃料电池电堆。
本发明采用基于模型驱动的方式,建立零部件、电堆模块和电堆综合评价指标,对电堆零部件进行加工质量评价和分级处理,对电堆模块进行装配质量评价和分级处理,能够充分挖掘燃料电池电堆装配过程中电堆零部件的固有特性,提高装配过程相关数据利用率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的工作人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种基于模型驱动的燃料电池电堆装配方法,其特征在于,包括下列步骤:
1)电堆零部件参数采集:分别获取包括BPP、MEA、密封件和端板在内的燃料电池电堆的零部件的编号信息、实际几何尺寸参数和工艺信息;
2)电堆零部件加工质量评价与分级存储:对采集的燃料电池电堆的零部件参数建立零部件加工质量评价模型,基于燃料电池零部件加工质量评价模型分别制定电堆零部件的加工质量评价指标,并进行分级处理,包括BPP加工质量评价与分级存储和MEA加工质量评价与分级存储;
3)电堆零部件装配顺序规划:建立电堆模块装配质量评价模型,根据该模型及步骤2)分级处理后的电堆零部件,对每个电堆模块内的零部件排列方案进行优化;
4)电堆零部件模块化装配:根据步骤3)获得的最优零部件排列方案对零部件进行分组装配,获取一系列的电堆模块;
5)电堆模块参数采集:分别获取包括每个装配后的电堆模块的编号信息、实际几何尺寸参数和工艺信息;
6)电堆模块装配质量评价与分级存储:基于电堆模块装配质量评价模型和步骤5)所采集的电堆模块参数,对电堆模块装配质量评价指标进行更新,并对电堆模块进行分级处理;
7)电堆模块装配顺序规划:基于电堆总体装配质量评价模型和分级处理后的电堆模块参数,对燃料电池电堆中的电堆模块排列方案进行优化;
8)电堆总体装配:根据步骤7)获取的最优电堆模块排列方案进行电堆总体装配,配置燃料电池电堆所需零部件,并依据电堆总体装配质量评价模型得到装配工艺参数,最终得到装配完成的燃料电池电堆。
2.根据权利要求1所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤2)中,建立BPP加工质量评价模型并进行分级存储的主要步骤包括:
201)BPP加工质量评价模型构建:BPP加工质量评价模型包括用以表征BPP加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响的BPP的几何尺寸参数、零部件材料参数、边界条件参数和装配工艺参数,影响装配界面接触性能的装配界面性能指标包括接触压力分布、接触电阻、GDL压缩后孔隙率和GDL侵入流道量;
202)BPP加工质量评价模型运行:根据步骤1)获取的BPP实际几何尺寸参数与BPP设计几何尺寸参数进行对比,获取BPP加工误差,以BPP加工误差作为BPP加工质量评价模型的参数输入,求解,分别获取每一项装配界面接触性能指标;
203)BPP加工质量评价与分级指标制定:对步骤202)得到的每一项装配界面接触性能指标进行量化处理,结合特定算法建立BPP综合评价指标,并确定BPP分级指标;
204)BPP分级存储:根据步骤203)得到的BPP分级指标确定每个BPP的加工质量等级,将BPP实物存储到特定等级的仓储位,将对应的BPP相关参数数据存储到特定等级的数据库。
3.根据权利要求2所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,建立MEA加工质量评价模型并进行分级存储的主要步骤包括:
211)MEA加工质量评价模型构建:MEA加工质量评价模型包括用以表征MEA加工误差对燃料电池电堆中BPP与MEA之间的装配界面接触性能的影响的MEA的几何尺寸参数、零部件材料参数、边界条件参数和装配工艺参数,影响装配界面接触性能的装配界面性能指标包括接触压力分布、接触电阻、GDL压缩后孔隙率和GDL侵入流道量;
212)MEA加工质量评价模型运行:根据步骤1)获取的MEA实际几何尺寸参数与MEA设计几何尺寸参数进行对比,获取MEA加工误差,以MEA加工误差作为MEA加工质量评价模型的参数输入,求解,分别获取每一项装配界面接触性能指标;
213)MEA加工质量评价与分级指标制定:对步骤212)得到的每一项装配界面接触性能指标进行量化处理,结合特定算法建立MEA综合评价指标,并确定MEA分级指标;
214)MEA分级存储:根据步骤213)所述的MEA分级指标确定每个MEA的加工质量等级,将MEA实物存储到特定等级的仓储位,将对应的MEA相关参数数据存储到特定等级的数据库。
4.根据权利要求3所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤3)中,对电堆零部件装配顺序进行规划的具体内容为:
301)电堆模块装配质量评价模型构建:构建用以表征零部件加工误差、电堆模块装配误差、零部件排列方案、电堆模块装配力或压缩位移参数对电堆模块装配性能指标的影响的电堆模块装配质量评价模型,该模型包括各零部件几何尺寸参数、零部件材料参数、边界条件参数和装配工艺参数,并具有n层BPP/MEA结构,电堆模块装配性能指标包括所述的装配界面性能指标和电堆模块V-I性能曲线;
302)电堆模块装配质量评价模型运行:从步骤204)所得的BPP分级数据库中选取n个BPP,并得到对应的n个BPP加工误差参数,从步骤214)所得的MEA分级数据库中选取n个MEA,并得到对应的n个MEA加工误差参数,以n个BPP加工误差参数、n个MEA加工误差参数和零部件排列方案作为模型参数输入,运行电堆模块装配质量评价模型,分别获取每一项电堆模块装配性能指标;
303)电堆模块装配质量评价:对每一项电堆模块装配性能指标进行量化处理,结合特定算法建立电堆模块综合评价指标;
304)电堆模块零部件排列方案:根据步骤303)所述的电堆模块综合评价指标,对电堆模块零部件排列方案进行优化,确定零部件加工误差情况下最优的零部件排列方案。
5.根据权利要求1所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤4)的具体内容包括:
401)电堆零部件装配路径规划:根据零部件分级仓储区、零部件堆叠生产线、电堆模块封装区和最优零部件排列方案,结合电堆零部件装配系统中抓取装置、加持装置、传送装置、堆叠装置和压装装置的硬件运作方式,制定电堆零部件装配过程中相关装置的运动路径;
402)电堆零部件堆叠:基于步骤401)得到的装配路径,装配系统将仓储区的BPP和MEA按照最优零部件排列方案依次在零部件堆叠工位进行交替堆叠,并在电堆模块封装工位进行压装,获取具有特定BPP/MEA层数的电堆模块。
6.根据权利要求1所述的一种基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤6)中,所述电堆模块装配质量评价与分级存储包括以下步骤:
601)电堆模块装配质量评价模型运行:根据步骤5)获取的电堆模块的实际几何尺寸参数与电堆模块设计几何尺寸参数对比,获取电堆模块装配误差,以实际电堆模块装配误差作为电堆模块装配质量评价模型的参数输入,求解,对电堆模块综合评价指标进行更新;
602)电堆模块分级指标制定:根据步骤601)更新后电堆模块综合评价指标的极差和分级级数确定电堆模块分级指标;
603)电堆模块分级存储:根据步骤603)得到的电堆模块分级指标确定每个电堆模块的装配质量等级,将电堆模块实物存储到特定等级的仓储位,将对应的电堆模块相关参数存储到特定等级的数据库。
7.根据权利要求6所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤7)中,规划电堆模块装配顺序的步骤包括:
701)电堆总体装配质量评价模型构建:构建用以表征电堆模块排列方案、电堆模块装配误差、电堆模块性能、电堆总体装配压力或压缩位移对电堆装配性能指标的影响的电堆总体装配质量评价模型,该模型包括零部件的几何尺寸参数、零部件材料参数、边界条件参数和装配工艺参数,并具有m层电堆模块结构,该模型对应的电堆装配性能指标包括所述的装配界面性能指标和电堆V-I性能曲线;
702)电堆总体装配质量评价模型运行:从步骤604)获取的电堆模块分级数据库中选取m个电堆模块,并得到对应的m个电堆模块装配误差参数和电堆模块性能参数,将上述参数和电堆模块排列方案作为模型参数输入,求解,分别获取每一项电堆装配性能指标;
703)电堆总体装配质量评价:对电堆装配性能指标进行量化处理以建立电堆综合评价指标;
704)电堆模块排列方案优化:根据步骤703)得到的电堆综合评价指标,对电堆模块排列方案进行优化,以得到确定电堆模块装配误差、电堆模块性能和电堆总体装配工艺参数的情况下最优的电堆模块排列方案。
8.根据权利要求7所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,步骤8)中对电堆总体进行装配的具体过程包括:
801)电堆模块装配路径规划:根据电堆模块分级仓储区、电堆模块堆叠生产线、电堆封装区和最优电堆模块排列方案,结合电堆模块装配系统中抓取装置、加持装置、传送装置、堆叠装置和压装装置的硬件运作方式,制定电堆模块装配过程中相关装置的运动路径;
802)电堆模块堆叠:基于步骤801)得到的装配路径,装配系统将仓储区的电堆模块按照最优排列方案依次在电堆模块堆叠生产线上进行堆叠,得到具有特定电堆模块个数的电堆;
803)其他零部件装配:在步骤802)得到的电堆的基础上安装包括集流板、绝缘板和端板在内的零部件;
804)电堆总体装配工艺参数控制:基于电堆总体装配质量评价模型,以装配工艺参数作为模型输入参数,运行求解,结合步骤703)制定的电堆综合评价指标,得到确定电堆模块相关参数和电堆模块排列方案情况下最优的电堆总体装配工艺参数,完成电堆压装;
805)其他配件安装:在步骤804)得到的电堆的基础上安装包括电压巡检装置、管路接口在内的零配件,获取装配完成的燃料电池电堆。
9.根据权利要求3所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,在BPP加工质量评价与分级存储过程中,根据BPP综合评价指标的极差和分级级数确定BPP分级指标或采用BPP加工误差等分作为BPP分级指标,在MEA加工质量评价与分级存储过程中,根据MEA综合评价指标的极差和分级级数确定MEA分级指标或采用MEA加工误差等分作为MEA分级指标。
10.根据权利要求7所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,电堆模块中BPP或MEA的层数根据需求进行调配,电堆模块中的BPP、MEA相关参数数据取自相同等级的数据库,或取自不同等级的数据库;燃料电池电堆中的电堆模块的个数根据需要进行调配,燃料电池电堆中的电堆模块的相关参数数据取自相同等级的数据库,或取自不同等级的数据库。
11.根据权利要求5或8所述的基于模型驱动的燃料电池电堆装配方法,其特征在于,所述零部件堆叠生产线在单工位完成电堆模块装配,或根据零部件装配顺序,设置多个零部件堆叠工位,在某个工位完成堆叠之后,进入下一个堆叠工位,实现连续生产;所述电堆模块堆叠生产线在单工位完成电堆模块总体装配,或根据电堆模块装配顺序,设置多个电堆模块堆叠工位,在某个工位完成堆叠之后,进入下一个堆叠工位,实现连续生产。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240177.9A CN112836391B (zh) | 2021-03-04 | 2021-03-04 | 一种基于模型驱动的燃料电池电堆装配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110240177.9A CN112836391B (zh) | 2021-03-04 | 2021-03-04 | 一种基于模型驱动的燃料电池电堆装配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836391A CN112836391A (zh) | 2021-05-25 |
CN112836391B true CN112836391B (zh) | 2022-07-12 |
Family
ID=75934562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110240177.9A Active CN112836391B (zh) | 2021-03-04 | 2021-03-04 | 一种基于模型驱动的燃料电池电堆装配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836391B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115816018A (zh) * | 2022-11-28 | 2023-03-21 | 重庆长安新能源汽车科技有限公司 | 燃料电池的压装机构及测试与压装方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109216722A (zh) * | 2018-08-28 | 2019-01-15 | 上海交通大学 | 厚度补偿式燃料电池堆集流板、燃料电池堆及其优化方法 |
CN109271653A (zh) * | 2018-07-13 | 2019-01-25 | 西安交通大学 | 一种基于形位公差与尺寸公差的机械零件选配方法 |
CN110688762A (zh) * | 2019-09-30 | 2020-01-14 | 集美大学 | 一种新型固体氧化物燃料电池电堆模型构建方法 |
CN111129562A (zh) * | 2020-01-15 | 2020-05-08 | 无锡先导智能装备股份有限公司 | 燃料电池电堆生产线 |
CN111723483A (zh) * | 2020-06-18 | 2020-09-29 | 南通大学 | 一种动力电池绿色优化设计集成系统及其集成方法 |
CN111785997A (zh) * | 2020-06-12 | 2020-10-16 | 东风汽车集团有限公司 | 一种燃料电池电堆自动堆叠装置 |
-
2021
- 2021-03-04 CN CN202110240177.9A patent/CN112836391B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271653A (zh) * | 2018-07-13 | 2019-01-25 | 西安交通大学 | 一种基于形位公差与尺寸公差的机械零件选配方法 |
CN109216722A (zh) * | 2018-08-28 | 2019-01-15 | 上海交通大学 | 厚度补偿式燃料电池堆集流板、燃料电池堆及其优化方法 |
CN110688762A (zh) * | 2019-09-30 | 2020-01-14 | 集美大学 | 一种新型固体氧化物燃料电池电堆模型构建方法 |
CN111129562A (zh) * | 2020-01-15 | 2020-05-08 | 无锡先导智能装备股份有限公司 | 燃料电池电堆生产线 |
CN111785997A (zh) * | 2020-06-12 | 2020-10-16 | 东风汽车集团有限公司 | 一种燃料电池电堆自动堆叠装置 |
CN111723483A (zh) * | 2020-06-18 | 2020-09-29 | 南通大学 | 一种动力电池绿色优化设计集成系统及其集成方法 |
Non-Patent Citations (4)
Title |
---|
A biogeography-based optimization algorithm with mutation strategies for model parameter estimation of solar and fuel cells;Qun Niu, Letian Zhang, Kang Li;《Energy Conversion and Management》;20141031;全文 * |
DiankaiQiu,LinfaPeng,PeiyunYi,XinminLai,HolgerJanßen.Contact behavior modelling and its size effect on proton exchange membrane fuel cell.《Journal of Power Sources》.2017,全文. * |
质子交换膜燃料电池及系统建模的研究与进展;吴金锋;《电源技术》;20040131;全文 * |
金属极板燃料电池电堆接触压力的分布规律;干频;《机械设计与研究》;20101031;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112836391A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yue et al. | Review on health-conscious energy management strategies for fuel cell hybrid electric vehicles: Degradation models and strategies | |
Gong et al. | A secured energy management architecture for smart hybrid microgrids considering PEM-fuel cell and electric vehicles | |
Ha et al. | Estimating the system price of redox flow batteries for grid storage | |
Mo et al. | Parameter optimization for a PEMFC model with a hybrid genetic algorithm | |
Feng et al. | Artificial intelligence-based multi-objective optimisation for proton exchange membrane fuel cell: A literature review | |
CN112836391B (zh) | 一种基于模型驱动的燃料电池电堆装配方法 | |
CN113935225B (zh) | 一种基于机器学习的液流电池电堆优化和性能预测方法 | |
You et al. | Charging strategy optimization at low temperatures for li-ion batteries based on multi-factor coupling aging model | |
Kui et al. | Proton exchange membrane fuel cell degradation and remaining useful life prediction based on artificial neural network | |
Martinez et al. | Electrical implementations of an empirical electrolyser model for improved Matlab/Simulink simulations | |
Saiju et al. | Performance analysis of lead acid battery model for hybrid power system | |
Ratib et al. | Electrical circuit modeling of proton exchange membrane electrolyzer: The state-of-the-art, current challenges, and recommendations | |
CN116167524A (zh) | 一种考虑电-氢-热耦合的多元负荷协同预测方法及系统 | |
CN116148681A (zh) | 一种铁-铬液流电池性能预测方法 | |
CN111293336A (zh) | 基于引力搜索算法的全钒液流电池储能系统运行优化方法 | |
Zhou et al. | Multi-stack fuel cell system stacks allocation optimization based on genetic algorithms | |
CN113540534B (zh) | 一种质子交换膜燃料电池堆的饥饿故障诊断方法 | |
Wiegman | Battery state estimation and control for power buffering applications | |
Ramakrishnan et al. | Assessment of energy storage systems for multiple grid service provision | |
CN110782126A (zh) | 一种多失效模型集成的电动汽车用直流充电桩运行可靠性评估方法 | |
CN113659174B (zh) | 一种膜电极制造过程能力指数的评估方法 | |
CN117592224B (zh) | 一种固体氧化物燃料电池柔性双极板结构优化设计方法 | |
Salodkar et al. | Review of hydrogen fuel cell as an emergent field in green technology | |
Yahia et al. | Predicting PEMFC maximum power point using an artificial neural network | |
Sun et al. | Inverse control optimization of voltage and temperature parameters of electric vehicle fuel cell based on genetic algorithm |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231025 Address after: No.4 factory building, 168 xinsiping Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Fengxian District, Shanghai, 201412 Patentee after: Shanghai Hydrogen Morning New Energy Technology Co.,Ltd. Address before: 200240 No. 800, Dongchuan Road, Shanghai, Minhang District Patentee before: SHANGHAI JIAO TONG University |