CN115130370A - 电池健康状态检测模型创建方法、检测方法及其检测设备 - Google Patents

电池健康状态检测模型创建方法、检测方法及其检测设备 Download PDF

Info

Publication number
CN115130370A
CN115130370A CN202210511086.9A CN202210511086A CN115130370A CN 115130370 A CN115130370 A CN 115130370A CN 202210511086 A CN202210511086 A CN 202210511086A CN 115130370 A CN115130370 A CN 115130370A
Authority
CN
China
Prior art keywords
battery
health
sound
state
detection
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
Application number
CN202210511086.9A
Other languages
English (en)
Inventor
汪志成
王泽旺
赵杰
张斌
岳万兴
吴成中
周显恩
纪荣焕
邹意
王哲
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.)
East China Institute of Technology
Original Assignee
East China Institute of Technology
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 East China Institute of Technology filed Critical East China Institute of Technology
Priority to CN202210511086.9A priority Critical patent/CN115130370A/zh
Publication of CN115130370A publication Critical patent/CN115130370A/zh
Pending legal-status Critical Current

Links

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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • 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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835—Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health
    • 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
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种电池健康状态检测模型创建方法、检测方法及其检测设备，检测方法包括获取电池升压时发出的放电声音；将电池升压时发出的放电声音输入训练好的电池健康状态检测模型对电池的健康状态进行评估以获得电池的健康状态信息。本发明通过对电池高压放电声音进行检测识别，充分利用锂电池短时间产生的高压放电声音信息对电池健康状态进行诊断，对电池的剩余使用寿命等进行精准评估，解决了现有检测方法速度慢、成本高、难度大、不安全等问题，可用于新电池出厂的合格检测以及废旧电池的梯次分选利用，提高电池分选的检测效率和安全性，提升电池资源综合利用水平，保障梯次利用电池产品的质量，有助于加强我国锂电池产业的创新能力。

Description

电池健康状态检测模型创建方法、检测方法及其检测设备
技术领域
本发明涉及电池检测技术领域，具体是一种电池健康状态检测模型创建方法、检测方法及其检测设备。
背景技术
现阶段锂电池健康状态检测手段主要为安时积分法，该方法需要对锂电池进行一次完整的充放电周期，测试时间长，不适用大容量电池测试。为进一步提高锂电池状态检测的精度和效率，满足新锂电池出厂的合格检测以及废旧锂电池的梯次分选利用，提高电池分选的检测效率和安全性，现急需一种能够实现对锂电池状态快速检测的方法。
发明内容
本发明的目的在于提供一种电池健康状态检测模型创建方法、检测方法及其检测设备，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种电池健康状态检测模型的创建方法，所述方法包括：
获取电池升压时发出的放电声音；
根据多次获取的电池升压时发出的放电声音使用神经网络模型进行训练，训练后得到电池健康状态检测模型，训练后的电池健康状态检测模型以电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
进一步的，在获取电池升压时发出的放电声音之前还获取电池的电压参数，并根据多次获取的电压参数和对应的电池升压时发出的放电声音使用神经网络模型进行训练，所述训练后的电池健康状态检测模型以电压参数和电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
进一步的，所述创建方法还包括：
选取多组不同健康状态的电池，通过电池分容测试系统对选取的电池进行健康状态检测，将不同健康状态的电池进行标记分类；
采集电池升压时发出的放电声音，将不同健康状态的电池与采集到的高压放电声音一一对应，形成电池高压放电声音数据库；
根据电池高压放电声音数据库对电池健康状态检测模型进行修正。
进一步的，对电池升压时发出的放电声音进行训练时，将放电声音转换成声谱图，在对放电声音进行时频分析的基础上使用声谱图这一特征提取方式作为识别特征矢量，建立声谱图数据集，喂入神经网络模型进行识别训练。
进一步的，所述将放电声音转换成声谱图时，按照帧长25ms，帧移8.5ms的标尺，将.wav 格式的声波序列逐一转换为声谱图图像，构建声谱图数据集。
一种电池健康状态检测方法，所述方法包括：
获取电池升压时发出的放电声音；
将所述电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
进一步的，在获取电池升压时发出的放电声音之前还获取电池的电压参数，并将获取的电压参数和对应的电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
一种电池健康状态检测设备，其特征在于，包括：
电池升压装置，用于对待测电池进行升压，直至产生高压放电，发出放电声音；
声音采集装置，用于采集电池升压时发出的放电声音；
评估模块，训练好的电池健康状态检测模型写入检测模块中，用于根据电池升压时发出的放电声音对所述电池的健康状态进行评估以获得电池的健康状态信息。
进一步的，所述检测设备还包括电压检测装置，用于检测待测电池的电压参数。
进一步的，所述检测设备还包括机械臂，所述机械臂用于将电池的正负极与电池升压装置的输入端进行连接以对电池进行升压。
与现有技术相比，本发明的有益效果是：本发明通过对电池高压放电声音进行检测识别，充分利用锂电池短时间产生的高压放电声音信息对电池健康状态进行诊断，对电池的剩余使用寿命等进行精准评估，解决了现有检测方法速度慢、成本高、难度大、不安全等问题，可用于新电池出厂的合格检测以及废旧电池的梯次分选利用，提高电池分选的检测效率和安全性，提升电池资源综合利用水平，保障梯次利用电池产品的质量，有助于加强我国锂电池产业的创新能力。
附图说明
图1为本发明具体实施例一电池健康状态检测模型创建方法流程图；
图2为本发明具体实施例一电池健康状态检测方法流程图；
图3为本发明具体实施例一电池健康状态检测检测设备结构示意图；
图4为本发明具体实施例一电池健康状态检测检测设备结构框图；
图5为本发明具体实施例二电池健康状态检测模型创建方法流程图；
图6为本发明具体实施例二电池健康状态检测方法流程图；
图7为本发明具体实施例二电池健康状态检测检测设备结构示意图；
图8为本发明具体实施例二电池健康状态检测检测设备结构框图；
图中，100-锂电池、1-电池升压装置、2-声音采集装置、3-评估模块、4-传送带、5-恒温隔音装置、51-门帘、6-柔性机械臂、7-CCD相机、8-电压检测装置。
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，而不是全部的实施例。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。
具体实施例一：
如图1所示，本实施例提供一种电池健康状态检测模型的创建方法，本实施例的电池以锂电池为例进行说明，所述创建方法包括以下步骤：
S101：获取电池升压时发出的放电声音；
S102：根据多次获取的电池升压时发出的放电声音使用神经网络模型进行训练，训练后得到电池健康状态检测模型，训练后的电池健康状态检测模型以电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
具体的，采集多种不同类型的锂电池制作成样本，所述样本包括圆柱形锂电池样本、软包锂电池样本、方壳锂电池样本和纽扣锂电池样本，其中圆柱形锂电池包括18650锂电池、26680锂电池、32700锂电池，方壳锂电池包括钢壳锂电池和塑料壳锂电池，对电池样本进行升压，直至产生高压放电，发出放电声音，得到不同的数据模型，将不同健康状态的电池打好标签，与所述采集到的放电声音信号一一对应，对放电声音进行时频分析，在对放电声音进行时频分析的基础上使用声谱图这一特征提取方式作为识别特征矢量，为后续的神经网络部署做好准备，当放电声音频率很高时，声音在空气介质中传递会使高频声部的能量损耗严重，声音预加重就是一种对声音信号的高频分量进行补偿的信号处理方式，从而提高声音的高频分辨率与输出信噪比，使声音特征更加明显，放电声音信号的能量大多集中在高频段，因此提取不同健康状态的锂电池经过升压产生的声音声谱图，并对放电声音预加重，根据预加重算法及FFT声音信号分析，对声音进行时频域分析，将锂电池不同健康程度的放电声音生成声谱图特征作为特征提取方式，实现声音信号—声谱图的快速转换，声谱图刻度标尺选取帧时长25ms，频率范围0-25kHz，将.wav格式的声波序列逐一转换为声谱图图像，为更好的与后续神经网络模型相结合，将灰度图像映射为RGB 三通道彩色声谱图，绘制不同健康状态的锂电池进行升压产生的放电声音声谱图，通过声谱图批量生成算法，构建声谱图数据集，喂入神经网络模型进行识别训练，训练后得到电池健康状态检测模型，训练后的电池健康状态检测模型以电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出，对锂电池健康状态进行预估，通过不断增加声谱图数据集、训练时间，优化模型参数，提高锂电池健康状态评估的精确性。
由于实际检测的实验数据与模拟训练的理论数据会有一定的误差，因此本实施例还设置实际检测数据对电池健康状态检测模型进行修正，在初始环境温度条件下，选取多组同一品牌同一类型同一批次不同健康状态的锂电池，通过电池分容测试系统对选取的锂电池进行健康状态检测，将不同健康状态的锂电池进行标记分类，采集电池升压时发出的放电声音，通过声音处理与识别电路准确的提取锂电池状态变化信息，将不同健康状态的电池与采集到的高压放电声音一一对应，形成电池高压放电声音数据库作为实验数据，将实验数据和理论数据进行对比，对电池健康状态检测模型进行修正，形成不同健康状态的锂电池所对应的高压放电声音分布关系数据。
电池健康状态检测模型创建完成后即可对电池健康状态进行检测，如图2所示，本实施例提供一种电池健康状态检测方法，所述检测方法包括以下步骤：
S201：获取电池升压时发出的放电声音；
S202：将所述电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
具体的，当电池健康状态检测模型之后，需要检测锂电池的健康状态时，采集该锂电池升压时发出的放电声音，将该放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得锂电池的健康状态信息，方便将不同健康状态的锂电池分类挑选出来。
如图3、图4所示，本实施例还提供一种电池健康状态检测设备，包括电池升压装置1、声音采集装置2、评估模块3，为了方便进行采集以及检测的准确性，所述检测设备还包括传送带4、恒温隔音装置5、柔性机械臂6、CCD相机7，所述传送带4贯穿恒温隔音装置5，通过传送带4将锂电池100送入恒温隔音装置5内进行下一步处理，所述电池升压装置1、声音采集装置2、柔性机械臂6、CCD相机7设置于所述恒温隔音装置5内，所述CCD相机7和声音采集装置2的信号输出端连接评估模块3，所述电池升压装置1、柔性机械臂6设置于恒温隔音装置5内传送带4上方锂电池100附近，所述声音采集装置 2设置于电池升压装置1附近，所述CCD相机7设置于恒温隔音装置5内上方附近，电池升压装置1采用散热器和升压板一体化设计，保证电池升压装置1在指定的环境规格条件下正常工作，从而满足对电池升压装置1各部分温升的限制性要求，使用2万伏高压脉冲电路，输入端接电池正负极，经过2次升压后，输出端产生高压放电，声音采集装置2对锂电池的放电声音进行高灵敏度的快速采集，声音采集装置2的频率响应范围为50～20kHz、最大采样频率为48000Hz，有效的将传输中的数字信号高保真还原为原始信号，其储存的音频格式为.wav格式音频，所用的PCM编码格式也有效保证了声音信号的原始特征，所述恒温隔音装置5采用高纯度铝材料和隔音毡两层结构，保证恒温隔音装置5的恒温性和隔音性，减少了外界噪声对高压放电声音的影响，减少了环境温度对锂电池状态的影响，提高了锂电池健康状态的预估的准确性，柔性机械臂6用于将锂电池的正负极与电池升压装置1的输入端进行连接以对锂电池进行升压，所述CCD相机7用于检测恒温隔音装置5 内锂电池100正负极输出端与电池升压装置1输入端的连接情况以及锂电池100升压后的放电情况，并将画面实时传输到评估模块3，降低了恒温隔音装置5内部设备发生故障所带来的安全隐患，提高了锂电池健康状态评估的安全性，检测时将锂电池100置于传送带 4，通过传送带4将锂电池100穿过恒温隔音装置5的门帘51送入恒温隔音装置5，恒温隔音装置5使得锂电池100所处环境保持在一个给定的温度条件下，采用电池升压装置1 对锂电池100进行升压，直至产生高压，发出放电声音，通过CCD相机7对锂电池100 与电池升压装置1连接情况、电池升压装置1放电情况、柔性机械臂6工作情况等进行监测，并将画面实时传送给评估模块3，结合声音采集装置2对锂电池100经过升压发出的放电声音进行高灵敏度的快速采集，经声音处理与识别电路识别处理生成声谱图发送到评估模块3，评估模块3中的电池健康状态检测模型根据锂电池100升压时发出的放电声音对锂电池100的健康状态进行评估以获得锂电池100的健康状态信息，方便将不同健康状态的锂电池分类挑选出来。
具体实施例二：
由于电池的内阻不同，例如，一个新的锂电池只充了一半的电，一个老化的电池满电，在进行对比是有误差的，为了提高训练的精度和效率，本实施例的电池健康状态检测模型的创建方法，在获取电池升压时发出的放电声音之前还获取电池的电压参数，如图5所示，所述创建方法包括以下步骤：
S301：获取电池的电压参数；
S302：获取电池升压时发出的放电声音；
S303：根据多次获取的电压参数和对应的电池升压时发出的放电声音使用神经网络模型进行训练，所述训练后的电池健康状态检测模型以电压参数和电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
具体的，采集多种不同类型的锂电池制作成样本，先检测锂电池样本的电压，送入神经网络模型，作为神经网络模型的特征量，对锂电池样本进行升压，直至产生高压放电，发出放电声音，将检测得到的电压和放电声音一一对应进行绑定，得到不同的数据模型，将不同健康状态的锂电池打好标签，与所述采集到的放电声音信号一一对应，对放电声音进行时频分析，构建声谱图数据集，喂入神经网络模型进行识别训练，训练后得到电池健康状态检测模型，训练后的电池健康状态检测模型以测的电压参数和电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出，对锂电池健康状态进行预估，通过不断增加测量电压和声谱图数据集、训练时间，优化模型参数，提高锂电池健康状态评估的精确性。
由于实际检测的实验数据与模拟训练的理论数据会有一定的误差，因此本实施例还设置实际检测数据对电池健康状态检测模型进行修正，在初始环境温度条件下，选取多组同一品牌同一类型同一批次不同健康状态的锂电池，测量选取的锂电池的电压，通过电池分容测试系统对选取的锂电池进行健康状态检测，将不同健康状态的锂电池进行标记分类，采集电池升压时发出的放电声音，将放电声音与测的电压参数一一对应进行绑定，通过声音处理与识别电路准确的提取锂电池状态变化信息，将不同健康状态的锂电池与采集到的高压放电声音一一对应，形成锂电池高压放电声音数据库作为实验数据，将实验数据和理论数据进行对比，对锂电池健康状态检测模型进行修正，形成不同健康状态的锂电池所对应的高压放电声音分布关系数据。
电池健康状态检测模型创建完成后即可对电池健康状态进行检测，如图6所示，本实施例还提供一种电池健康状态检测方法，所述检测方法包括以下步骤：
S401：获取电池的电压参数；
S402：获取电池升压时发出的放电声音；
S403：将获取的电压参数和对应的电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
具体的，当电池健康状态检测模型之后，需要检测锂电池的健康状态时，测量该锂电池的电压参数，采集该锂电池升压时发出的放电声音，将该电压参数和放电声音输入训练好的电池健康状态检测模型对该锂电池的健康状态进行评估以获得锂电池的健康状态信息，方便将不同健康状态的锂电池分类挑选出来。
如图7、图8所示，本实施例还提供一种电池健康状态检测设备，该检测设备与实施例一具有相同的电池升压装置1、声音采集装置2、评估模块3、传送带4、恒温隔音装置 5、柔性机械臂6、CCD相机7，与实施例一不同的是，本实施例得检测设备还包括电压检测装置8，所述电压检测装置8在恒温隔音装置5外检测锂电池100电压，通过传送带4 将锂电池100送入恒温隔音装置5内进行下一步处理，所述电压检测装置8、CCD相机7 和声音采集装置2的信号输出端连接评估模块3，检测时通过电压检测装置8获取待测锂电池100的电压，并将所测锂电池100电压参数发送给评估模块3，将锂电池100置于传送带4，通过传送带4将锂电池100穿过恒温隔音装置5的门帘51送入恒温隔音装置5，恒温隔音装置5使得锂电池100所处环境保持在一个给定的温度条件下，采用电池升压装置1对锂电池100进行升压，直至产生高压，发出放电声音，通过CCD相机7对锂电池 100与电池升压装置1连接情况、电池升压装置1放电情况、柔性机械臂6工作情况等进行监测，并将画面实时传送给评估模块3，结合声音采集装置2对锂电池100经过升压发出的放电声音进行高灵敏度的快速采集，经声音处理与识别电路进行处理识别生成声谱图发送到评估模块3，评估模块3中的电池健康状态检测模型根据采集的锂电池的电压参数和电池升压时发出的放电声音对锂电池100的健康状态进行评估以获得锂电池100的健康状态信息，方便将不同健康状态的锂电池分类挑选出来。
本发明通过对电池高压放电声音进行检测识别，充分利用锂电池短时间产生的高压放电声音信息对电池健康状态进行诊断，对电池的剩余使用寿命等进行精准评估，解决了现有检测方法速度慢、成本高、难度大、不安全等问题，可用于新电池出厂的合格检测以及废旧电池的梯次分选利用，提高电池分选的检测效率和安全性，提升电池资源综合利用水平，保障梯次利用电池产品的质量，有助于加强我国锂电池产业的创新能力。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电池健康状态检测模型的创建方法，其特征在于，所述方法包括：
获取电池升压时发出的放电声音；
根据多次获取的电池升压时发出的放电声音使用神经网络模型进行训练，训练后得到电池健康状态检测模型，训练后的电池健康状态检测模型以电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
2.根据权利要求1所述的电池健康状态检测模型的创建方法，其特征在于：在获取电池升压时发出的放电声音之前还获取电池的电压参数，并根据多次获取的电压参数和对应的电池升压时发出的放电声音使用神经网络模型进行训练，所述训练后的电池健康状态检测模型以电压参数和电池升压时发出的放电声音作为输入，以电池的健康状态信息作为输出。
3.根据权利要求1或2所述的电池健康状态检测模型的创建方法，其特征在于：所述创建方法还包括：
选取多组不同健康状态的电池，通过电池分容测试系统对选取的电池进行健康状态检测，将不同健康状态的电池进行标记分类；
采集电池升压时发出的放电声音，将不同健康状态的电池与采集到的高压放电声音一一对应，形成电池高压放电声音数据库；
根据电池高压放电声音数据库对电池健康状态检测模型进行修正。
4.根据权利要求1或2所述的电池健康状态检测模型的创建方法，其特征在于：对电池升压时发出的放电声音进行训练时，将放电声音转换成声谱图，在对放电声音进行时频分析的基础上使用声谱图这一特征提取方式作为识别特征矢量，建立声谱图数据集，喂入神经网络模型进行识别训练。
5.根据权利要求4所述的电池健康状态检测模型的创建方法，其特征在于：所述将放电声音转换成声谱图时，按照帧长25ms，帧移8.5ms的标尺，将.wav格式的声波序列逐一转换为声谱图图像，构建声谱图数据集。
6.一种电池健康状态检测方法，其特征在于，所述方法包括：
获取电池升压时发出的放电声音；
将所述电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
7.根据权利要求6所述的电池健康状态检测方法，其特征在于：在获取电池升压时发出的放电声音之前还获取电池的电压参数，并将获取的电压参数和对应的电池升压时发出的放电声音输入训练好的电池健康状态检测模型对所述电池的健康状态进行评估以获得电池的健康状态信息。
8.一种电池健康状态检测设备，其特征在于，包括：
电池升压装置，用于对待测电池进行升压，直至产生高压放电，发出放电声音；
声音采集装置，用于采集电池升压时发出的放电声音；
评估模块，训练好的电池健康状态检测模型写入检测模块中，用于根据电池升压时发出的放电声音对所述电池的健康状态进行评估以获得电池的健康状态信息。
9.根据权利要求8所述的电池健康状态检测装置，其特征在于：所述检测设备还包括电压检测装置，用于检测待测电池的电压参数。
10.根据权利要求8或9所述的电池健康状态检测装置，其特征在于：所述检测设备还包括机械臂，所述机械臂用于将电池的正负极与电池升压装置的输入端进行连接以对电池进行升压。
CN202210511086.9A 2022-05-11 2022-05-11 电池健康状态检测模型创建方法、检测方法及其检测设备 Pending CN115130370A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210511086.9A CN115130370A (zh) 2022-05-11 2022-05-11 电池健康状态检测模型创建方法、检测方法及其检测设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210511086.9A CN115130370A (zh) 2022-05-11 2022-05-11 电池健康状态检测模型创建方法、检测方法及其检测设备

Publications (1)

Publication Number Publication Date
CN115130370A true CN115130370A (zh) 2022-09-30

Family

ID=83375837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210511086.9A Pending CN115130370A (zh) 2022-05-11 2022-05-11 电池健康状态检测模型创建方法、检测方法及其检测设备

Country Status (1)

Country Link
CN (1) CN115130370A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116660761A (zh) * 2023-08-02 2023-08-29 深圳市神通天下科技有限公司 一种锂离子电池检测方法及系统
CN117162789A (zh) * 2023-11-03 2023-12-05 中国第一汽车股份有限公司 电池热安全的控制方法、存储介质、处理器及车辆

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116660761A (zh) * 2023-08-02 2023-08-29 深圳市神通天下科技有限公司 一种锂离子电池检测方法及系统
CN116660761B (zh) * 2023-08-02 2023-09-22 深圳市神通天下科技有限公司 一种锂离子电池检测方法及系统
CN117162789A (zh) * 2023-11-03 2023-12-05 中国第一汽车股份有限公司 电池热安全的控制方法、存储介质、处理器及车辆

Similar Documents

Publication Publication Date Title
CN115130370A (zh) 电池健康状态检测模型创建方法、检测方法及其检测设备
US10976374B2 (en) Battery information processing system, battery assembly, method of evaluating characteristic of battery module, and method of manufacturing battery assembly
CN106353689B (zh) 一种快速筛选退役蓄电池的系统和方法
US20200033414A1 (en) Battery information processing system, method of estimating capacity of secondary battery, and battery assembly and method of manufacturing battery assembly
CN112327189A (zh) 一种基于knn算法的储能电池健康状态综合判断方法
CN117289067B (zh) 一种变压器运行状态在线监测系统
CN211236165U (zh) 一种锂离子电池健康状态声发射检测系统
CN102801840B (zh) 移动通讯终端自动检测装置及方法
CN117615297A (zh) 一种基于数据分析的微型麦克风运行质检评估系统
CN117169639B (zh) 一种电源适配器生产用产品检测方法及系统
CN109088780B (zh) 一种信号检测方法和检测装置
CN202798867U (zh) 移动通讯终端自动检测装置
CN117031339A (zh) 多通道的电池健康监测系统及方法
CN113671363A (zh) 一种高压断路器状态辨识系统及方法
CN106937244B (zh) 一种多通道无线噪声测试方法及装置
CN101241872A (zh) 一种分布式超声引线键合质量在线检测系统
CN114443612A (zh) 数据筛选系统、数据选择方法及应用其的状态预测系统
CN112149731A (zh) 基于id3算法的电力系统故障分类方法及系统
CN111456915A (zh) 风机机舱内部部件的故障诊断装置及方法
CN114500615B (zh) 基于物联传感技术的智能终端
CN106093155A (zh) 高通量电化学测试系统及高通量电化学测试方法
CN216411516U (zh) 锂电池和模组的析锂检测装置
CN109556864A (zh) 一种电机轴承缺陷检测系统
CN116224091A (zh) 电池的电芯故障检测方法、装置、电子设备及存储介质
CN113593536B (zh) 一种检测语音识别准确率的装置和系统

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