CN114210591B - 一种基于ic曲线的锂电池梯次利用分选方法及装置 - Google Patents
一种基于ic曲线的锂电池梯次利用分选方法及装置 Download PDFInfo
- Publication number
- CN114210591B CN114210591B CN202111471645.XA CN202111471645A CN114210591B CN 114210591 B CN114210591 B CN 114210591B CN 202111471645 A CN202111471645 A CN 202111471645A CN 114210591 B CN114210591 B CN 114210591B
- Authority
- CN
- China
- Prior art keywords
- curve
- battery
- sorting
- batteries
- determining
- 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 40
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 36
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000000926 separation method Methods 0.000 claims abstract description 8
- 238000013139 quantization Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 230000032683 aging Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000006854 communication Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/344—Sorting according to other particular properties according to electric or electromagnetic properties
-
- 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
Abstract
本发明涉及一种基于IC曲线的锂电池梯次利用分选方法及装置，该方法包括：获取待分选电池的图像信息；根据所述图像信息进行初次筛选，确定对应的第一分选电池；获取所述第一分选电池进行充放电后得到的IC曲线；将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。本发明利用IC曲线和图像信息，从电池外部和内部老化机理方面对电池进行分选，使分选出的电池具有更长的使用寿命与更好的一致性，使梯次电池组具有更长的使用寿命。
Description
技术领域
本发明涉及锂离子电池技术领域，尤其涉及一种基于IC曲线的锂电池梯次利用分选方法及装置。
背景技术
由于电动汽车行业的兴起，电动汽车的销量成爆发式增长，同时也带动了锂离子动力电池销量的上升。与此同时，电动汽车的井喷式发展同时使得需要进行报废的电池数量急剧上涨。对于利用在电动汽车上的动力电池来说，为保证其满足电动汽车的续航里程，在电池容量下降到原有容量的80％便需要从汽车上淘汰下来，直接淘汰会造成电池剩余价值的浪费，目前退役梯次电池可用于通信基站、家庭备用电源、储能系统中。
梯次利用电池相比于刚刚出厂的电池，因为其经历过一次使用，电池组内的单体电池在经历不同的充放电过程，在不同的环境温度下工作，其性能也会产生不同的变化，电池组的单体一致性差异要大，内部复杂程度也要高，电池组内部的不一致性将会直接影响电池二次使用的容量性能、功率性能以及电池组的剩余寿命，同时退役电池更有产生故障的可能性，为了保障电池梯次利用的安全性与经济性，必须对电池进行重新分选成组。在现有的方法中，大部分分选方式都只是对电池的外部特性进行分选，如容量、内阻等，很少有人去对电池内部的机理特征进行实验研究进行分选，这样就会导致电池分选成组之后，电池的老化程度与老化速度不一致，电池的不一致性会很快呈现出来，影响梯次电池组的使用寿命。因此，如何实现电池进行有效的分选是亟待解决的问题。
发明内容
有鉴于此，有必要提供一种基于IC曲线的锂电池梯次利用分选方法及装置，用以克服现有技术中对电池分选不够准确的问题。
本发明提供一种基于IC曲线的锂电池梯次利用分选方法，包括：
获取待分选电池的图像信息；
根据所述图像信息进行初次筛选，确定对应的第一分选电池；
获取所述第一分选电池进行充放电后得到的IC曲线；
将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
进一步地，所述根据所述图像信息进行初次筛选，确定对应的第一分选电池，包括：
根据所述图像信息，提取出对应的亮度信息、对比度信息；
根据所述亮度信息和所述对比度信息，提取出对应的轮廓信息；
根据所述轮廓信息进行拟合，确定拟合轮廓曲线，并将与预设轮廓曲线不一致的所述拟合轮廓曲线进行剔除，剔除后余下的所述待分选电池为所述第一分选电池。
进一步地，所述获取所述第一分选电池进行充放电后得到的IC曲线，包括：
以恒流恒压的方式对所述第一分选电池进行充电，对充电结束的所述第一分选电池进行搁置；
对搁置后的所述第一分选电池进行多次放电，直到达到截止电压，并获取对应的IC曲线。
进一步地，所述将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池，包括：
将所述IC曲线输入至训练完备的神经网络中，输出对应的曲线特征；
根据所述曲线特征进行量化分类，确定对应的所述第二分选电池。
进一步地，所述IC曲线通过如下公式表示：
其中，为电压差值，/>为电压差值/>内对应的放电容量差值。
进一步地，所述曲线特征包括曲线峰值、曲线平均值，所述根据所述曲线特征进行量化分类，确定对应的所述第二分选电池，包括：
根据所述曲线峰值和所述曲线平均值，确定评价分数；
根据所述评价分数进行归一化处理，确定量化分数；
根据所述量化分数，确定对应的所述第二分选电池。
进一步地，所述根据所述量化分数，确定对应的所述第二分选电池，包括：
若所述量化分数大于预设值，则将对应的所述第一分选电池选取为所述第二分选电池；
若所述量化分数小于或等于预设值，则将对应的所述第一分选电池剔除。
进一步地，所述将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池，还包括：
在充放电过程中，计算所述第一分选电池的电池容量和电池内阻；
将所述IC曲线、电池容量和电池内阻，输入至训练完备的神经网络中，输出对应的电池提取特征；
根据所述电池提取特征进行量化分类，确定对应的所述第二分选电池。
进一步地，所述根据所述电池提取特征进行量化分类，确定对应的所述第二分选电池，包括：对所述电池提取特征进行归一化处理，确定映射分数，若所述映射分数满足预设条件，则为所述第二分选电池。
本发明还提供一种基于IC曲线的锂电池梯次利用分选装置，包括：
获取单元，用于获取待分选电池的图像信息；
处理单元，用于根据所述图像信息进行初次筛选，确定对应的第一分选电池；
分选单元，用于获取所述第一分选电池进行充放电后得到的IC曲线；还用于将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
获取待分选电池的图像信息；根据所述图像信息进行初次筛选，确定对应的第一分选电池；获取所述第一分选电池进行充放电后得到的IC曲线；将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池与现有技术相比，本发明的有益效果包括：首先，通过图像信息，对待分选电池进行检测，发现外观异常的电池（外壳损坏、鼓包、涨包和漏液），进行相应的剔除；剔除后剩余的电池为第一分选电池，进而对第一分选电池进行充放电的测试，得到其对应的IC曲线，利用神经网络对其IC曲线特征进行相应的提取，进而判断其是否合格，从而选取出第二分选电池。综上，本发明利用IC曲线和图像信息，从电池外部和内部老化机理方面对电池进行分选，使分选出的电池具有更长的使用寿命与更好的一致性，使梯次电池组具有更长的使用寿命。
附图说明
图1为本发明提供的基于IC曲线的锂电池梯次利用分选方法的应用系统一实施例的场景示意图；
图2为本发明提供的基于IC曲线的锂电池梯次利用分选方法一实施例的流程示意图；
图3为本发明提供的图2中步骤S2一实施例的流程示意图；
图4为本发明提供的图2中步骤S3一实施例的流程示意图；
图5为本发明提供的图2中步骤S4一实施例的流程示意图；
图6为本发明提供的图5中步骤S42一实施例的流程示意图；
图7为本发明提供的图5中步骤S41一实施例的流程示意图；
图8为本发明提供的基于IC曲线的锂电池梯次利用分选装置一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。此外，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明的描述中，提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，所描述的实施例可以与其它实施例相结合。
本发明提供了一种基于IC曲线的锂电池梯次利用分选方法及装置，为进一步提高目标检测的准确性提供了新思路。下面对具体实施例分别进行详细说明：
本发明实施例提供了一种基于IC曲线的锂电池梯次利用分选方法的应用系统，图1为本发明提供的基于IC曲线的锂电池梯次利用分选方法的应用系统一实施例的场景示意图，该系统可以包括服务器100，服务器100中集成有基于IC曲线的锂电池梯次利用分选装置，如图1中的服务器。
本发明实施例中服务器100主要用于：
获取待分选电池的图像信息；
根据所述图像信息进行初次筛选，确定对应的第一分选电池；
获取所述第一分选电池进行充放电后得到的IC曲线；
将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
本发明实施例中，该服务器100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
可以理解的是，本发明实施例中所使用的终端200可以是既包括接收和发射硬件的设备，即具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备。具体的终端200可以是台式机、便携式电脑、网络服务器、掌上电脑（Personal Digital Assistant，PDA）、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等，本实施例不限定终端200的类别。
本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本发明方案一种应用场景，并不构成对本发明方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的终端，例如图1中仅示出2个终端，可以理解的，该基于IC曲线的锂电池梯次利用分选方法的应用系统还可以包括一个或多个其他终端，具体此处不作限定。
另外，如图1所示，该基于IC曲线的锂电池梯次利用分选方法的应用系统还可以包括存储器300，用于存储数据，如图像信息、IC曲线、图像信息以及第一分选电池等。
需要说明的是，图1所示基于IC曲线的锂电池梯次利用分选方法的应用系统的场景示意图仅仅是一个示例，本发明实施例描述的基于IC曲线的锂电池梯次利用分选方法的应用系统以及场景是为了更加清楚地说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着基于IC曲线的锂电池梯次利用分选方法的应用系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
本发明实施例提供了一种基于IC曲线的锂电池梯次利用分选方法，结合图2来看，图2为本发明提供的基于IC曲线的锂电池梯次利用分选方法一实施例的流程示意图，包括步骤S1至步骤S4，其中：
在步骤S1中，获取待分选电池的图像信息；
在步骤S2中，根据所述图像信息进行初次筛选，确定对应的第一分选电池；
在步骤S3中，获取所述第一分选电池进行充放电后得到的IC曲线；
在步骤S4中，将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
在本发明实施例中，首先，通过图像信息，对待分选电池进行检测，发现外观异常的电池（外壳损坏、鼓包、涨包和漏液），进行相应的剔除；剔除后剩余的电池为第一分选电池，进而对第一分选电池进行充放电的测试，得到其对应的IC曲线，利用神经网络对其IC曲线特征进行相应的提取，进而判断其是否合格，从而选取出第二分选电池。
作为优选的实施例，结合图3来看，图3为本发明提供的图2中步骤S2一实施例的流程示意图，上述步骤S2具体包括步骤S21至步骤S23，其中：
在步骤S21中，根据所述图像信息，提取出对应的亮度信息、对比度信息；
在步骤S22中，根据所述亮度信息和所述对比度信息，提取出对应的轮廓信息；
在步骤S23中，根据所述轮廓信息进行拟合，确定拟合轮廓曲线，并将与预设轮廓曲线不一致的所述拟合轮廓曲线进行剔除，剔除后余下的所述待分选电池为所述第一分选电池。
在本发明实施例中，利用图像信息，进行轮廓信息的提取，进而拟合出对应的拟合轮廓曲线，再将其与预设轮廓曲线进行比对，若差距过大，则判断电池外观异常，进行相应的剔除。
其中，可以理解的是，当电池出现外壳损坏、鼓包、涨包和漏液，其外观会发生相应的变化，利用图像信息进行轮廓拟合，和正常外观电池的拟合轮廓曲线对比即可有效区分出异常。
作为优选的实施例，结合图4来看，图4为本发明提供的图2中步骤S3一实施例的流程示意图，上述步骤S3具体包括步骤S31至步骤S32，其中：
在步骤S31中，以恒流恒压的方式对所述第一分选电池进行充电，对充电结束的所述第一分选电池进行搁置；
在步骤S32中，对搁置后的所述第一分选电池进行多次放电，直到达到截止电压，并获取对应的IC曲线。
在本发明实施例中，利用多次充放电实验，得到第一分选电池的IC曲线，便于后续利用IC曲线特征进行进一步的分选。
作为优选的实施例，结合图5来看，图5为本发明提供的图2中步骤S4一实施例的流程示意图，上述步骤S4具体包括步骤S41至步骤S42，其中：
在步骤S41中，将所述IC曲线输入至训练完备的神经网络中，输出对应的曲线特征；
在步骤S42中，根据所述曲线特征进行量化分类，确定对应的所述第二分选电池。
在本发明实施例中，利用神经网络，有效地提取出IC曲线的曲线特征，进行利用其曲线特征进行量化分类，进行进一步的有效分选。
作为优选的实施例，所述IC曲线通过如下公式表示：
其中，为电压差值，/>为电压差值/>内对应的放电容量差值。
在本发明实施例中，利用多次充放电的数据，进行IC曲线的有效确定。
作为优选的实施例，结合图6来看，图6为本发明提供的图5中步骤S42一实施例的流程示意图，上述步骤S42具体包括步骤S421至步骤S423，其中：
在步骤S421中，根据所述曲线峰值和所述曲线平均值，确定评价分数；
在步骤S422中，根据所述评价分数进行归一化处理，确定量化分数；
在步骤S423中，根据所述量化分数，确定对应的所述第二分选电池。
在本发明实施例中，利用曲线峰值和曲线平均值，结合多方面因素，有效判断第一分选电池内部的质量情况。
作为更具体的实施例，将所述曲线峰值和所述曲线平均值加权求平均，即可达到对应的量化分数。
作为优选的实施例，步骤S423具体包括：
若所述量化分数大于预设值，则将对应的所述第一分选电池选取为所述第二分选电池；
若所述量化分数小于或等于预设值，则将对应的所述第一分选电池剔除。
在本发明实施例中，将量化分数和预设值进行比较，若其满足对应的条件，就将其分选出来，保证分选的准确性和高效性。
作为优选的实施例，结合图7来看，图7为本发明提供的图5中步骤S41一实施例的流程示意图，上述步骤S41具体包括步骤S411至步骤S413，其中：
在步骤S411中，在充放电过程中，计算所述第一分选电池的电池容量和电池内阻；
在步骤S412中，将所述IC曲线、电池容量和电池内阻，输入至训练完备的神经网络中，输出对应的电池提取特征；
在步骤S413中，根据所述电池提取特征进行量化分类，确定对应的所述第二分选电池。
在本发明实施例中，除了直接利用IC曲线之外，还可以结合IC曲线、电池容量和电池内阻，共同进行特征提取，得到反映第一分选电池多方面特征的电池提取特征，进行保证分选的有效性。
作为优选的实施例，步骤S413具体包括：对所述电池提取特征进行归一化处理，确定映射分数，若所述映射分数满足预设条件，则为所述第二分选电池。
在本发明实施例中，结合IC曲线、电池容量和电池内阻，进行分数评判，得到映射分数，利用映射分数进行相应的分选，全面地提高准确性。
本发明实施例还提供了一种基于IC曲线的锂电池梯次利用分选装置，结合图8来看，图8为本发明提供的基于IC曲线的锂电池梯次利用分选装置一实施例的结构示意图，基于IC曲线的锂电池梯次利用分选装置800包括：
获取单元801，用于获取待分选电池的图像信息；
处理单元802，用于根据所述图像信息进行初次筛选，确定对应的第一分选电池；
分选单元803，用于获取所述第一分选电池进行充放电后得到的IC曲线；还用于将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
基于IC曲线的锂电池梯次利用分选装置的各个单元的更具体实现方式可以参见对于上述基于IC曲线的锂电池梯次利用分选方法的描述，且具有与之相似的有益效果，在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现如上所述的基于IC曲线的锂电池梯次利用分选方法。
一般来说，用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质，除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言，特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
本发明实施例还提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现如上所述的基于IC曲线的锂电池梯次利用分选方法。
根据本发明上述实施例提供的计算机可读存储介质和计算设备，可以参照根据本发明实现如上所述的基于IC曲线的锂电池梯次利用分选方法具体描述的内容实现，并具有与如上所述的基于IC曲线的锂电池梯次利用分选方法类似的有益效果，在此不再赘述。
本发明公开了一种基于IC曲线的锂电池梯次利用分选方法及装置，首先，对雷达传感数据和图像传感数据进行有效的获取；然后，利用雷达传感数据，进行目标识别，确定每个目标的三维点云数据；进而，利用相机识别，基于图像传感数据，确定每个识别的目标的二维图像信息；接着，结合雷达和相机各分别识别的目标，让两方面识别的目标信息互为补充，将三维点云数据投影在二维图像信息，形成结合两方面信息的目标融合数据，实现更为精确的识别目的；最后，基于目标融合数据，进行高效的目标跟踪。
本发明技术方案，采用多传感器融合的方法对物体进行目标检测,避免单一传感器带来的问题，将雷达的目标检测信息与相机的目标检测信息进行融合，解决单纯依靠相机容易受到光照条件的影响，以及激光雷达探测距离有限的问题，接着对检测目标进行跟踪，为车辆的行为选择、障碍物避障以及路径规划提供基础。
以上所述，仅为本发明较佳的具体实施方式，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技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (4)
1.一种基于IC曲线的锂电池梯次利用分选方法，其特征在于，包括：
获取待分选电池的图像信息；
根据所述图像信息进行初次筛选，确定对应的第一分选电池，包括：根据所述图像信息，提取出对应的亮度信息、对比度信息；根据所述亮度信息和所述对比度信息，提取出对应的轮廓信息；根据所述轮廓信息进行拟合，确定拟合轮廓曲线，并将与预设轮廓曲线不一致的所述拟合轮廓曲线进行剔除，剔除后余下的所述待分选电池为所述第一分选电池；
获取所述第一分选电池进行充放电后得到的IC曲线，包括：以恒流恒压的方式对所述第一分选电池进行充电，对充电结束的所述第一分选电池进行搁置；对搁置后的所述第一分选电池进行多次放电，直到达到截止电压，并获取对应的IC曲线；
将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池，包括：将所述IC曲线输入至训练完备的神经网络中，输出对应的曲线特征；根据所述曲线特征进行量化分类，确定对应的所述第二分选电池；
其中，所述曲线特征包括曲线峰值、曲线平均值，所述根据所述曲线特征进行量化分类，确定对应的所述第二分选电池，包括：
根据所述曲线峰值和所述曲线平均值，确定评价分数；
根据所述评价分数进行归一化处理，确定量化分数；
若所述量化分数大于预设值，则将对应的所述第一分选电池选取为所述第二分选电池；
若所述量化分数小于或等于预设值，则将对应的所述第一分选电池剔除；
所述将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池，还包括：
在充放电过程中，计算所述第一分选电池的电池容量和电池内阻；
将所述IC曲线、电池容量和电池内阻，输入至训练完备的神经网络中，输出对应的电池提取特征；
根据所述电池提取特征进行量化分类，确定对应的所述第二分选电池。
2.根据权利要求1所述的基于IC曲线的锂电池梯次利用分选方法，所述IC曲线通过如下公式表示：
其中，为电压差值，/>为电压差值/>内对应的放电容量差值。
3.根据权利要求1所述的基于IC曲线的锂电池梯次利用分选方法，所述根据所述电池提取特征进行量化分类，确定对应的所述第二分选电池，包括：对所述电池提取特征进行归一化处理，确定映射分数，若所述映射分数满足预设条件，则为所述第二分选电池。
4.一种基于IC曲线的锂电池梯次利用分选装置，应用于如权利要求1-3任一项所述的基于IC曲线的锂电池梯次利用分选方法，其特征在于，包括：
获取单元，用于获取待分选电池的图像信息；
处理单元，用于根据所述图像信息进行初次筛选，确定对应的第一分选电池；
分选单元，用于获取所述第一分选电池进行充放电后得到的IC曲线；还用于将所述IC曲线输入至训练完备的神经网络中，确定对应的第二分选电池。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111471645.XA CN114210591B (zh) | 2021-12-02 | 2021-12-02 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111471645.XA CN114210591B (zh) | 2021-12-02 | 2021-12-02 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114210591A CN114210591A (zh) | 2022-03-22 |
| CN114210591B true CN114210591B (zh) | 2023-12-22 |
Family
ID=80699658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111471645.XA Active CN114210591B (zh) | 2021-12-02 | 2021-12-02 | 一种基于ic曲线的锂电池梯次利用分选方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114210591B (zh) |
Citations (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10104324A (ja) * | 1996-09-27 | 1998-04-24 | Mitsuoka Denki Seisakusho:Kk | 電池残量推定装置 |
| CN1567646A (zh) * | 2003-06-10 | 2005-01-19 | 财团法人工业技术研究院 | 电池最佳充电曲线搜寻设备及方法 |
| JP5354416B1 (ja) * | 2012-11-05 | 2013-11-27 | 東洋システム株式会社 | 二次電池評価方法および評価プログラム |
| CN103647328A (zh) * | 2013-12-23 | 2014-03-19 | 中国科学院电工研究所 | 一种阶梯式渐进参数衰减的电池均衡方法 |
| CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
| WO2015031437A1 (en) * | 2013-08-27 | 2015-03-05 | The Regents Of The University Of Michigan | On-board state of health monitoring of batteries using incremental capacity analysis |
| DE102015016987A1 (de) * | 2015-12-24 | 2016-08-11 | Daimler Ag | Verfahren zum Feststellen einer Degradation einer wiederaufladbaren Batteriezelle sowie Vorrichtung zur Durchführung des Verfahrens |
| CN107330474A (zh) * | 2017-07-12 | 2017-11-07 | 北京科技大学 | 一种锂电池梯次利用筛选方法 |
| CN107742283A (zh) * | 2017-09-16 | 2018-02-27 | 河北工业大学 | 一种电池片外观栅线粗细不均缺陷检测的方法 |
| CN107785624A (zh) * | 2016-08-30 | 2018-03-09 | 郑州思辩科技有限公司 | 一种评估锂电池性能的方法 |
| CN109376792A (zh) * | 2018-11-07 | 2019-02-22 | 河北工业大学 | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 |
| CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
| CN110311451A (zh) * | 2019-08-01 | 2019-10-08 | 上海电气分布式能源科技有限公司 | 梯次电池的充放电的控制方法、系统、设备和存储介质 |
| CN110333463A (zh) * | 2019-07-09 | 2019-10-15 | 深圳市清新电源研究院 | 一种电芯一致性筛选方法及其系统 |
| CN110794316A (zh) * | 2019-10-24 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
| CN110929451A (zh) * | 2019-10-24 | 2020-03-27 | 同济大学 | 一种燃料电池单体电压一致性预测方法 |
| CN110931897A (zh) * | 2019-11-29 | 2020-03-27 | 国网江苏电力设计咨询有限公司 | 一种梯次利用磷酸铁锂电池的分选方法 |
| CN111164822A (zh) * | 2017-07-25 | 2020-05-15 | 株式会社半导体能源研究所 | 蓄电系统、电子设备及车辆以及推测方法 |
| CN111448467A (zh) * | 2017-07-24 | 2020-07-24 | 罗伯特·博世有限公司 | 用于对电池容量进行建模和估计的方法及系统 |
| CN111580005A (zh) * | 2020-05-21 | 2020-08-25 | 中国电力科学研究院有限公司 | 一种梯次利用动力电池的快速分选方法及装置 |
| CN111584952A (zh) * | 2020-04-17 | 2020-08-25 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| CN111929591A (zh) * | 2020-08-21 | 2020-11-13 | 彩虹无线（北京）新技术有限公司 | 故障电池检测方法、装置、设备及计算机存储介质 |
| CN113227808A (zh) * | 2018-12-28 | 2021-08-06 | 横河电机株式会社 | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 |
| CN113486285A (zh) * | 2021-06-01 | 2021-10-08 | 北京海博思创科技股份有限公司 | 电池模组膨胀力的预估方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030184307A1 (en) * | 2002-02-19 | 2003-10-02 | Kozlowski James D. | Model-based predictive diagnostic tool for primary and secondary batteries |
-
2021
- 2021-12-02 CN CN202111471645.XA patent/CN114210591B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10104324A (ja) * | 1996-09-27 | 1998-04-24 | Mitsuoka Denki Seisakusho:Kk | 電池残量推定装置 |
| CN1567646A (zh) * | 2003-06-10 | 2005-01-19 | 财团法人工业技术研究院 | 电池最佳充电曲线搜寻设备及方法 |
| JP5354416B1 (ja) * | 2012-11-05 | 2013-11-27 | 東洋システム株式会社 | 二次電池評価方法および評価プログラム |
| WO2015031437A1 (en) * | 2013-08-27 | 2015-03-05 | The Regents Of The University Of Michigan | On-board state of health monitoring of batteries using incremental capacity analysis |
| CN103647328A (zh) * | 2013-12-23 | 2014-03-19 | 中国科学院电工研究所 | 一种阶梯式渐进参数衰减的电池均衡方法 |
| CN103785629A (zh) * | 2014-01-13 | 2014-05-14 | 国家电网公司 | 一种梯次利用锂电池筛选成组方法 |
| DE102015016987A1 (de) * | 2015-12-24 | 2016-08-11 | Daimler Ag | Verfahren zum Feststellen einer Degradation einer wiederaufladbaren Batteriezelle sowie Vorrichtung zur Durchführung des Verfahrens |
| CN107785624A (zh) * | 2016-08-30 | 2018-03-09 | 郑州思辩科技有限公司 | 一种评估锂电池性能的方法 |
| CN107330474A (zh) * | 2017-07-12 | 2017-11-07 | 北京科技大学 | 一种锂电池梯次利用筛选方法 |
| CN111448467A (zh) * | 2017-07-24 | 2020-07-24 | 罗伯特·博世有限公司 | 用于对电池容量进行建模和估计的方法及系统 |
| CN111164822A (zh) * | 2017-07-25 | 2020-05-15 | 株式会社半导体能源研究所 | 蓄电系统、电子设备及车辆以及推测方法 |
| CN107742283A (zh) * | 2017-09-16 | 2018-02-27 | 河北工业大学 | 一种电池片外观栅线粗细不均缺陷检测的方法 |
| CN109376792A (zh) * | 2018-11-07 | 2019-02-22 | 河北工业大学 | 基于多通道残差神经网络的光伏电池外观缺陷分类方法 |
| CN113227808A (zh) * | 2018-12-28 | 2021-08-06 | 横河电机株式会社 | 学习装置、推定装置、学习方法、推定方法、学习程序及推定程序 |
| CN110224192A (zh) * | 2019-05-30 | 2019-09-10 | 安徽巡鹰新能源科技有限公司 | 一种梯次利用动力电池寿命预测方法 |
| CN110333463A (zh) * | 2019-07-09 | 2019-10-15 | 深圳市清新电源研究院 | 一种电芯一致性筛选方法及其系统 |
| CN110311451A (zh) * | 2019-08-01 | 2019-10-08 | 上海电气分布式能源科技有限公司 | 梯次电池的充放电的控制方法、系统、设备和存储介质 |
| CN110794316A (zh) * | 2019-10-24 | 2020-02-14 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种梯次利用三元动力电池“跳水”故障的辨识预判方法 |
| CN110929451A (zh) * | 2019-10-24 | 2020-03-27 | 同济大学 | 一种燃料电池单体电压一致性预测方法 |
| CN110931897A (zh) * | 2019-11-29 | 2020-03-27 | 国网江苏电力设计咨询有限公司 | 一种梯次利用磷酸铁锂电池的分选方法 |
| CN111584952A (zh) * | 2020-04-17 | 2020-08-25 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| WO2021208309A1 (zh) * | 2020-04-17 | 2021-10-21 | 许继集团有限公司 | 用于储能电站电化学电池在线评估的方法和系统 |
| CN111580005A (zh) * | 2020-05-21 | 2020-08-25 | 中国电力科学研究院有限公司 | 一种梯次利用动力电池的快速分选方法及装置 |
| CN111929591A (zh) * | 2020-08-21 | 2020-11-13 | 彩虹无线（北京）新技术有限公司 | 故障电池检测方法、装置、设备及计算机存储介质 |
| CN113486285A (zh) * | 2021-06-01 | 2021-10-08 | 北京海博思创科技股份有限公司 | 电池模组膨胀力的预估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114210591A (zh) | 2022-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10598735B2 (en) | Method and apparatus for estimating battery life corresponding to characteristic of usage based on pattern information | |
| KR102343967B1 (ko) | 배터리의 상태를 추정하는 방법 및 장치 | |
| CN109613000B (zh) | 锂电池涂布缺陷检测方法、系统、设备及存储介质 | |
| CN113138340B (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 | |
| CN113378743A (zh) | 极耳检测方法、装置及电子设备 | |
| CN113083739B (zh) | 电芯分选方法、装置以及计算机设备 | |
| CN112784754A (zh) | 一种车辆再识别方法、装置、设备及存储介质 | |
| CN115166532A (zh) | 镍氢电池容量预测方法、装置、电子设备及存储介质 | |
| CN114210591B (zh) | 一种基于ic曲线的锂电池梯次利用分选方法及装置 | |
| CN110579708B (zh) | 电池容量识别方法、装置、计算设备及计算机存储介质 | |
| CN111079796A (zh) | 电池的筛选方法、系统、电子产品和介质 | |
| CN114210604A (zh) | 一种多特征梯次利用动力电池分选方法、装置及存储介质 | |
| CN117173100B (zh) | 聚合物锂离子电池生产控制系统及其方法 | |
| CN110068409B (zh) | 锂电池应力预测方法和装置 | |
| CN117110892A (zh) | 电池析锂预警方法、系统及电子设备 | |
| CN115327391B (zh) | 一种基于梯次利用电池的检测方法及装置 | |
| CN116014268A (zh) | 一种电池梯度利用方法、装置、设备和介质 | |
| CN115015762A (zh) | 一种基于预充工序的异常电芯筛查方法、装置和设备 | |
| CN115248394A (zh) | 电池动态分选方法、装置、设备及存储介质 | |
| CN111680175B (zh) | 人脸数据库建库方法、计算机设备和计算机可读存储介质 | |
| Marchiori et al. | Your battery is a blast! safeguarding against counterfeit batteries with authentication | |
| CN112614007A (zh) | 充电潜力小区的识别方法和装置 | |
| CN111652158A (zh) | 目标对象的检测方法和装置、存储介质及电子装置 | |
| CN112666477A (zh) | 电池内短路判断方法、电子装置以及存储介质 | |
| CN111401224B (zh) | 目标检测方法、装置及电子设备 |
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 |