CN115881882A - 电极涂布面密度的控制方法和相关产品 - Google Patents
电极涂布面密度的控制方法和相关产品 Download PDFInfo
- Publication number
- CN115881882A CN115881882A CN202111135190.4A CN202111135190A CN115881882A CN 115881882 A CN115881882 A CN 115881882A CN 202111135190 A CN202111135190 A CN 202111135190A CN 115881882 A CN115881882 A CN 115881882A
- Authority
- CN
- China
- Prior art keywords
- pump
- density
- pump revolution
- coating
- revolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
Landscapes
- Coating Apparatus (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本申请实施例提供了一种电极涂布面密度的控制方法和相关产品,该方法通过获取第一面密度和第一参数集合,所述第一面密度为用户期望的涂布的面密度,所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;并基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,进而对涂布的密度进行准确的调节,能极大的提高电池的充放电性能。
Description
技术领域
本申请涉及电池生产技术领域,尤其涉及一种电极涂布面密度的控制方法和相关产品。
背景技术
动力电池作为电动汽车的重要部件,其性能优劣将直接影响电动汽车的整体性能,而电池的性能与电极上涂布的面密度密切相关。在生产过程中,能否准确、快速地调节涂布的面密度是决定电池充放电性能的重要因素。
为了准确、快速地调节涂布的面密度,需要严格把控涂布机对涂布浆料的泵转数。在现如今电池的生产过程中,涂布浆料泵转数主要依赖于工作人员的主观经验来进行控制。
然而,单纯依赖工作人员的先验知识,无法准确对泵转数进行准确的调节,也就无法准确控制涂布的面密度的大小,严重影响了电池的充放电性能。
发明内容
本申请实施例公开了一种电极涂布面密度的控制方法和相关产品,该方法利用涂布参数建立统计预测模型,并根据训练好的模型和涂布面密度的设定值计算出浆料泵的目标泵转数,进而对涂布面密度进行准确的调节,能极大的提高电池的充放电性能。
第一方面,本申请提供了一种电极涂布面密度的控制方法,包括:获取第一面密度和第一参数集合,所述第一面密度为用户期望的涂布的面密度,所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,所述目标模型表征浆料的泵转数与涂布的面密度之间的关系;根据所述目标泵转数,用于控制所述涂布机中浆料的输入量,得到目标涂布,所述目标涂布的面密度为第二面密度,所述第二面密度与所述第一面密度的差值小于第二阈值。
本方法采用涂布参数建立统计预测模型,根据训练好的模型和涂布面密度设定值计算出浆料泵的目标转速,进而实现迅速的软件闭环调节,能够对涂布面密度进行准确的调节,能极大的提高电池的充放电性能。
在第一方面的一种可选的实施方式中,在所述基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数之后,所述方法还包括:利用所述第二面密度和所述第一参数集合对所述目标模型进行更新。
在本实施方式中,所述目标模型可根据后面实际测量的面密度以及所述第一参数进行不断地学习更新,不断的改善所述目标模型的性能,能能够对涂布面密度进行更加准确的调节。
在第一方面的一种可选的实施方式中,所述基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,包括:获取第一泵转数,所述第一泵转数为使涂布的面密度为所述第一面密度的估计值;基于所述第一泵转数,生成泵转数集合,所述泵转数集合中的最小泵转数小于所述第一泵转数,所述泵转数集合中的最大泵转数大于所述第一泵转数;将所述第一参数集合和所述泵转数集合中的每一泵转数依次作为所述目标模型的输入,得到面密度集合;从所述面密度集合中获取第三面密度,所述第三面密度的差值与所述第一面密度的差值小于所述第二阈值;将所述泵转数集合中与所述第三面密度对应的泵转数确定为所述目标泵转数。
在本实施方式中,工作人员可以基于所述第一面密度,并根据自身的先验知识确定能使涂布的密度大概为所述第一面密度的泵转数,即所述第一泵转数。之后,再根据所述第一泵转数,选取若干个与所述第一泵转数大小相近的泵转数作为所述泵转数集合,并依次将所述泵转数集合中的每一泵转数和所述第一参数集合作为所述目标模型的输入,得到若干个相应的面密度。可以理解的,在这若干个面密度中,存在与所述第一免密度相差较小的面密度(即所述第三面密度),所述第三面密度对应的泵转数即可以作为上述目标泵转数。
本实施方式通过所述第一面密度确定泵转数大概的数值,并基于该数值选取大量的样本,通过所述目标模型对这些样本进行预测,能够较为准确地得到所述目标泵转数,使涂布最后的面密度更为靠近所述第一面密度。
在第一方面的一种可选的实施方式中,在所述获取第一面密度和第一参数集合之前,所述方法还包括:确定第二参数集合,所述第二参数集合包括表征浆料的特性的参数和表征涂布机的性能的参数,所述第一参数集合为所述第二参数集合的子集;将所述第二参数集合中与涂布面密度的相关度大于第一阈值的参数确定为所述第一参数集合。
相关度是研究变量之间线性相关程度的量。由于研究对象的不同,相关度有多种定义方式。相关度用以反映变量之间相关关系密切程度的统计指标,其可以按积差方法计算,同样以两变量与各自平均值的离差为基础,通过两个离差相乘来反映两变量之间相关程度。
一般而言,两个变量之间的相关度是一个客观存在的系数,为了计算得到这个系数,通常会采用大量样本数据来进行计算。在这些样本数据中,每一条样本数据中上述两个变量的值都是确定的。例如,假设上述第一参数集合中存在参数X,涂布面密度表示为Y,则对这两个参数之间的相关度进行计算时可以基于下列表1所示的样本数据进行计算:
表1
样本编号 | 1 | 2 | …… | N-1 | N |
(X,Y) | (X<sub>1</sub>,Y<sub>1</sub>) | (X<sub>2</sub>,Y<sub>2</sub>) | …… | (X<sub>N-1</sub>,Y<sub>N-1</sub>) | (X<sub>1</sub>,Y<sub>1</sub>) |
(X1,Y1)表示在参数X的值为X1的情况下,所得到的涂布的面密度为Y1,其中,X1,Y1均为确定的值;(X2,Y2)表示在参数X的值为X2的情况下,所得到的涂布的面密度为Y2,其中,X2,Y2均为确定的值,以此类推。
基于上述样本数据,可以采用相关性分析法来得到这两个系数的相关度。一般而言,当上述样本数据的数量越庞大,即上述N的值越大时,计算所得的相关度就越准确。
可以理解的,在涂布机对电池进行涂布操作的过程中,涂布浆料的特性(例如浆料泵数、浆料泵压力、浆料温度、浆料密度等)和涂布机的性能(例如模头操作间隙、模头驱动间隙粘度η、涂布速度等)均可能对涂布的面密度产生极大的影响。本实施方式为了确定这些与涂布面密度的强相关参数,并排除其余与涂布面密度无关的参数,可以通过相关性分析法或者方差分析法对从大量的涂布参数中识别出与涂布面密度强相关的影响因素。这样,可以减轻模型的预测负担,并能够进一步准确地得到目标泵转数,对涂布的面密度进行更加准确的把控。
在第一方面的一种可选的实施方式中,所述第一参数集合包括浆料泵数、浆料泵压力、浆料温度、浆料密度、所述涂布机的过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度以及涂布速度中的一项或多项。
在第一方面的一种可选的实施方式中,在所述获取第一面密度和第一参数集合之前,所述方法还包括:对多个样本数据进行训练,得到多个弱学习器,其中,所述多个样本数据中的任一样本数据均表征所述第一参数集合、泵转数与涂布的面密度之间的对应关系;将所述多个弱学习器进行加权融合,得到所述目标模型。
所述样本数据可以通过对之前的涂布过程记录得到,其可以包括所述第一参数集合中每一参数的具体数值,泵转数以及在该泵转数下涂布的面密度。在本实施方式中,将训练样本整体按不同权值进行分配,得到所述多个样本数据;其中每一个样本数据均可以选取对应基函数作未为决策树的弱学习器进行训练,通过更新训练数据的分布,迭代进行,直到达到迭代次数或者损失函数小于某一阈值,在对这多个弱学习器进行加权融合,产生一个最后的较强的学习器(即所述目标模型)。这样,所得的目标模型可以通过泵转数对涂布的面密度进行准确的预测,以便工作人员能够更为准确地获取与期望的面密度(即所述第一面密度)对应的泵转数。
在第一方面的一种可选的实施方式中,所述第三面密度为所述面密度集合中与所述第一面密度差值最小的面密度。
在本实施方式中,通过获取所述面密度集合中与所述第一面密度差值最小的面密度作为所述第三面密度,在后续涂布的过程中,可以最大程度保证涂布的面密度与期望的面密度(及所述第一面密度)的差值最小。
在第一方面的一种可选的实施方式中,所述基于所述第一泵转数,生成泵转数集合,包括:基于所述第一泵转数,生成第一泵转数序列,所述第一泵转数序列为等差序列,所述第一泵转数序列中的任一泵转数均大于所述第一泵转数;基于所述第一泵转数,生成第二泵转数序列,所述第二泵转数序列为等差序列,所述第二泵转数序列中的任一泵转数均小于所述第一泵转数;结合所述第一泵转数、所述第一泵转数序列和所述第二泵转数序列,得到所述泵转数集合。
在本实施方式中,在确定所述第一泵转数之后,可以以所述第一泵转数为基点,将所述第一泵转数逐步增大,每次增大的值均相同,并获取每一次增大后的转数值,得到一个等差数列,即所述第一泵转数序列;再将所述第一泵转数逐步减小,每次减小的值均相同,并获取每一次减小后的转数值,得到另一个等差数列,即所述第二泵转数序列;再结合这两个数列以及所述第一泵转数得到上述泵转数集合。这样,在后续通过所述目标模型对所述泵转数集合中每一泵转数对应的涂布面密度进行预测的时候,可以所得的所述面密度集合中的面密度的数值分布均匀,以此尽可能缩小最后的涂布面密度与所述第一面密度的差值。
第二方面,本申请提供了一种电极涂布面密度的控制装置,包括:获取单元,用于获取第一面密度和第一参数集合,所述第一面密度为用户期望的涂布的面密度,所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;预测单元,用于基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,所述目标模型表征浆料的泵转数与涂布的面密度之间的关系;控制单元,用于根据所述目标泵转数,控制所述涂布机中浆料的输入量,得到目标涂布,所述目标涂布的面密度为第二面密度,所述第二面密度与所述第一面密度的差值小于第二阈值。
在第二方方面一个可选的实施方式中,所述装置还包括:更新单元,用于利用所述第二面密度和所述第一参数集合对所述目标模型进行更新。
在第二方方面一个可选的实施方式中,所述预测单元,具体用于获取第一泵转数,所述第一泵转数为使涂布的面密度为所述第一面密度的估计值;基于所述第一泵转数,生成泵转数集合,所述泵转数集合中的最小泵转数小于所述第一泵转数,所述泵转数集合中的最大泵转数大于所述第一泵转数;将所述第一参数集合和所述泵转数集合中的每一泵转数依次作为所述目标模型的输入,得到面密度集合;从所述面密度集合中获取第三面密度,所述第三面密度的差值与所述第一面密度的差值小于所述第二阈值;将所述泵转数集合中与所述第三面密度对应的泵转数确定为所述目标泵转数。
在第二方方面一个可选的实施方式中,所述装置还包括:确定单元,用于确定第二参数集合,所述第二参数集合包括表征浆料的特性的参数和表征涂布机的性能的参数,所述第一参数集合为所述第二参数集合的子集;分析单元,用于将所述第二参数集合中与涂布面密度的相关度大于第一阈值的参数确定为所述第一参数集合。
在第二方面的一种可选的实施方式中,所述第一参数集合包括浆料泵数、浆料泵压力、浆料温度、浆料密度、所述涂布机的过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度以及涂布速度中的一项或多项。
在第二方方面一个可选的实施方式中,所述装置还包括:训练单元,用于对多个样本数据进行训练,得到多个弱学习器,其中,所述多个样本数据中的任一样本数据均表征所述第一参数集合、泵转数与涂布的面密度之间的对应关系;融合单元,用于将所述多个弱学习器进行加权融合,得到所述目标模型。
在第二方方面一个可选的实施方式中,所述第三面密度为所述面密度集合中与所述第一面密度差值最小的面密度。
在第二方方面一个可选的实施方式中,所述预测单元具体用于:基于所述第一泵转数,生成第一泵转数序列,所述第一泵转数序列为等差序列,所述第一泵转数序列中的任一泵转数均大于所述第一泵转数;基于所述第一泵转数,生成第二泵转数序列,所述第二泵转数序列为等差序列,所述第二泵转数序列中的任一泵转数均小于所述第一泵转数;结合所述第一泵转数、所述第一泵转数序列和所述第二泵转数序列,得到所述泵转数集合。
第三方面,本申请提供了一种电子设备,所述电子设备包括:一个或多个处理器、存储器;所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述电子设备执行如第一方面以及第一方面任一种可能的方法。
第四方面,本申请提供了一种计算机可读存储介质,包括指令,其特征在于,当所述指令在电子设备上运行时,使得所述电子设备执行如第一方面以及第一方面任一种可能的方法。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图作简单的介绍。
图1为本申请实施例提供的一种电极涂布面密度的控制方法的流程图;
图2为本申请实施例提供的一种电极涂布面密度的控制方法的流程图;
图3为本申请实施例提供的一种电极涂布面密度的控制方法的流程图;
图4为本申请实施例提供的一种模型训练方法的流程图;
图5为本申请实施例提供的一种获取目标泵转数的方法的流程图;
图6为本申请实施例提供的一种电极涂布面密度的控制装置的结构示意图;
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地描述。
本申请的说明书、权利要求书及附图中的术语“第一”和“第二”等仅用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备等,没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元等,或可选地还包括对于这些过程、方法、产品或设备等固有的其它步骤或单元。
在本文中提及的“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申请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。本领域技术人员可以显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上,“至少两个(项)”是指两个或三个及三个以上,“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”。
本发明实施例提供了面密度的控制方法和相关产品,为更清楚的描述本发明的方案。下面先介绍一些本申请实施例提供的电极涂布面密度的控制方法和相关产品所涉及的知识。
(1)泵转数
泵转数是指涂布机中指旋转工作的泵(离心泵、转子泵等)带动叶轮或转子旋转的泵轴的旋转数,旋转数与涂布面密度正相关。通过调节涂布机中的泵的泵转数,可以相应地调整涂布机中涂布浆料的输入量,进而对涂布的面密度进行调整。
(2)引导聚集算法(Bootstrap aggregating,Bagging)
Bagging算法又称装袋算法,是一种重要的集成学习方法。该算法从原始样本集中抽取训练集,每轮从原始样本集中抽取n个训练样本(在训练集中,有些样本可能被多次抽取到,而有些样本可能一次都没有被抽中);共进行k轮抽取,得到k个训练集(k个训练集之间是相互独立的)。每次使用一个训练集得到一个模型,k个训练集共得到k个学习能力较弱的模型,最后对这k个模型进行加权融合,得到一个学习能力较强的模型。
(3)方差分析
方差分析是一类用于分析多组数据之间均值差异的统计方法模型,可以用于检验多个总体均值是否相等,研究一个或多个分类型自变量对一个数值型应变量的影响。
(4)相关系数法
相关系数是根据样本数据计算的度量两个变量之间线性关系强度的统计量。相关系数法即对相关系数进行显著性校验,以判断样本所反应的关系是否能够代表两个变量总体的关系。
在全社会节能减排的迫切需求下,发展具有环保、节能优势的新能源汽车已经成为汽车行业的共识,电动汽车作为新能源汽车发展的主要方向,面临诸多挑战和压力,动力电池作为电动汽车的重要部件,其性能优劣将直接影响电动汽车的整体性能,而电池的性能直接与电极参数相关,电极材料涂布面密度作为电极的主要参数之一,若涂布面密度太小,则电池容量可能达不到标称容量,若涂布面密度太大,则容易造成配料浪费,影响电池的充放电性能和使用寿命,严重时甚至可能引发安全隐患。
为了准确、快速地调节涂布的面密度,需要严格把控涂布机对涂布浆料的泵转数。如图1所示,在现如今电池的生产过程中,对涂布浆料泵转数的把控主要依赖涂布机机尾的测量装置,通过在线测量涂布面密度后,工作人员可以通过自己的主观经验,调整涂布机的泵转数,由此来控制涂布的面密度。然而,单纯依赖工作人员的先验知识,无法准确对泵转数进行准确的调节,也就无法准确控制涂布的面密度的大小,严重影响了电池的充放电性能。此外,由于机尾测量装置与机头的进料调节设备相隔太远,导致调节具有滞后性,无法实现准确快速的在线调节。
针对上述问题,本申请实施例提供了一种电极涂布面密度的控制方法,如图2所示,该方法可以利用涂布参数建立统计预测模型,并根据训练好的模型和涂布面密度的设定值计算出浆料泵的目标泵转数,进而对涂布面密度进行准确的调节,能极大的提高电池的充放电性能。
接下来对图2中涉及的电极涂布面密度的控制方法进行进一步的说明,具体请参阅图3。
图3为本申请实施例提供的一种电极涂布面密度的控制方法的流程图。如图3所示,该方法可以包括以下步骤:
301、电子设备获取第一面密度和第一参数集合。
上述电子设备可以是手机、平板电脑、带数据收发功能的电脑(如笔记本电脑、掌上电脑等)、移动互联网设备、工业控制中的终端或者可穿戴设备。可选的,当电子设备为工业控制中的终端,该电子设备可以是具备数据处理功能的电子涂布机。可理解,对于终端装置的具体形态,本申请不作限定。
上述第一面密度为用户期望的涂布的面密度。在电池生产的过程中,不同型号的电池对于涂布的面密度可能会有不同的要求。在本申请实施例中,工作人员可以根据电池的型号确定出与这种型号的电池相适应的涂布面密度,即上述第一面密度,并将其输入至上述电子设备中。
上述第一参数集合包括所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数。该第一参数集合可以包括但不限于浆料泵数、浆料泵压力、浆料温度、浆料密度、过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度、涂布速度等参数。应理解,这些参数都是与涂布面密度强相关的参数,其具体的数值均可测出。实际上,在本申请实施中,电子设备将获取这些参数以及这些参数的具体数值。
可以理解的,在涂布机对电池进行涂布操作的过程中,涂布浆料的特性(例如浆料泵数、浆料泵压力、浆料温度、浆料密度等)和涂布机的性能(例如模头操作间隙、模头驱动间隙粘度η、涂布速度等)均可能对涂布的面密度产生极大的影响。假设将所有可能与涂布面密度的强相关的参数称为第二参数集合,即所述第二参数集合包括表征浆料的特性的参数和表征涂布机的性能的参数;为了从该第二参数集合中确定真正与涂布面密度的强相关参数(即上述第一参数集合),并排除其余与涂布面密度无关的参数,在一个可选的实施方式中,在进行步骤301之前,可以通过相关性分析法或者方差分析法对从大量的涂布参数中识别出与涂布面密度强相关的影响因素。这样,可以减轻模型的预测负担,并能够进一步准确地得到目标泵转数,对涂布的面密度进行更加准确的把控。
具体的,为了确定这些与涂布面密度的强相关参数,并排除其余与涂布面密度无关的参数,可以通过相关性分析法或者方差分析法对从大量的涂布参数中识别出与涂布面密度强相关的影响因素。例如,为计算浆料温度与涂布面密度的相关程度,在获取到一定数量的浆料温度与涂布面密度的数据之后,可以采用以下公式通过计算浆料温度与涂布面密度的相关系数:
其中,X表示浆料温度,Y表示涂布面密度,cov(X,Y)表示基于上述数据计算得到的这两个参数的协方差,表示基于上述数据计算得到的浆料温度的方差,/>表示基于上述数据计算得到的涂布面密度的方差。ρxy即表示浆料温度与涂布面密度相关性系数,其数值接近1或者-1被称为具有强相关性。在本申请实施例中,与涂布面密度强相关的参数可以包括浆料泵数、浆料泵压力、浆料温度、浆料密度、过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度以及涂布速度。
可以理解的,通过上述公式可以分别计算出其他参数与涂布面密度之间的相关度,这里不再一一列举。此外,除了上述方法之外,还可以通过其他的相关性分析法(例如图表分析、信息熵及互信息分析等)来计算各个参数与涂布面密度之间的相关度,本申请对此不作限定。
302、电子设备基于上述第一面密度、上述第一参数集合以及目标模型,得到目标泵转数。
上述目标模型表征浆料的泵转数与涂布的面密度之间的关系。
在一个可选的实施方式中,为了减小上述第一面密度和上述第二面密度之间的差值,在得到上述目标转数和上述第二面密度之后,上述电子设备还将利用上述目标转数和上述第二面密度对上述目标模型进行更新。也就是说,在得到上述目标转数和上述第二面密度之后,上述电子设备可以将该第二面密度、该第二转数以及上述第一参数集合作为新的样本数据,在将该新的样本数据作为模型的驯如进行训练,得到预测性能更好的模型以此来达到自适应产线长期的波动和测量偏差。
可选的,在执行本方法之前,上述电子设备可以基于bagging算法对样本数据进行训练得到上述目标模型。图4为本申请实施例提供的一种模型训练方法的流程图,该上述目标模型可以基于该流程图示出的流程得到。如图4所示,总训练样本中的任一样本数据均包括上述第一参数集合、涂布浆料的泵转数(该第一参数集合中各参数的值以及该泵转数的值已确定)以及在该第一参数集合和该泵转数下涂布机涂布的面密度。在实际的训练过程中,可以先将上述总训练样本整体按不同权值(即图4中所示的W1、W2……Wn)进行分配,得到n个子训练样本。之后,再分别为这n个子训练样本选取对应基函数为决策树的弱学习器进行训练,得到n个学习能力较弱的弱学习器(即图4中所示的弱学习器1、弱学习器2……弱学习器n),训练完毕后根据权值分配策略(即图4中所示的W1’、W2’……Wn’)对这n这弱学习器加权融合,得到一个学习能力较强的强学习器,该强学习器即可作为上述目标模型。
具体的,为了得到上述目标泵转数,在上述电子设备获取到第一面密度、上述第一参数集合之后,上述电子设备还将获取第一泵转数,该第一泵转数为使涂布的密度大概为上述第一面密度的泵转数,该泵转数可以由工作人员基于自身的先验知识得出后输入至上述电子设备中。之后,电子设备可以根据上述第一泵转数,选取若干个与上述第一泵转数大小相近的泵转数作为上述泵转数集合,并依次将上述泵转数集合中的每一泵转数和上述第一参数集合作为上述目标模型的输入,得到若干个相应的面密度。可以理解的,在这若干个面密度中,存在与上述第一免密度相差较小的面密度(以下称为第三面密度),该第三面密度对应的泵转数即可以作为上述目标泵转数。
此外,在一个可选的实施方式中,上述泵转数集合可以通过以下方式得到:在确定上述第一泵转数之后,以上述第一泵转数为基点,将上述第一泵转数逐步增大,每次增大的值均相同,并获取每一次增大后的转数值,得到一个等差数列,即上述第一泵转数序列;再将上述第一泵转数逐步减小,每次减小的值均相同,并获取每一次减小后的转数值,得到另一个等差数列,即上述第二泵转数序列;再结合这两个数列以及上述第一泵转数得到上述泵转数集合。这样,在后续通过上述目标模型对上述泵转数集合中每一泵转数对应的涂布面密度进行预测的时候,可以所得的上述面密度集合中的面密度的数值分布均匀,以此尽可能缩小最后的涂布面密度与上述第一面密度的差值。此外,上述等差数列的差值可以根据实际的需求进行设定,本申请对此不做限定。
在一个可选的实施方式中,为了确保在后续涂布的过程中,所得涂布的实际的面密度与期望的面密度(及所述第一面密度)的差值最小,上述电子设备可以从上述面密度集合中选取与上述第一面密度差值最小的面密度作为上述第三面密度。
为对上述泵准数集合以及上述目标泵转数的获取过程进行更为详细的说明,接下来请参阅图5。图5为本申请实施例提供的一种获取目标泵转数的方法的流程图。如图5所示,图5中的r即为上述第一泵转数。上述电子设备可以以该泵转数r为基点,以0.001r为差值,将上述第一泵转数逐步增大,并获取每一次增大后的转数值,得到一个等差数列502,该等差数列502即为上述第一泵转数序列;同理,以该泵转数r为基点,以0.001r为差值,再将上述第一泵转数逐步减小,每次减小的值均相同,并获取每一次减小后的转数值,得到另一个等差数列501,该等差数列501即上述第二泵转数序列。应理解,图5只象征性的示出了数列501以及数列502中的一些数值,并未示出数列501以及数列502中的每一个数。
在得到数列501和数列502之后,上述电子设备可以将上述数列501和数列502中的每一个转数依次与参数集合503作为上述目标模型的输入,并得到若干个面密度的预测值(ρ(0.5r)……ρ(0.75r)……ρ(r)……ρ(1.25r)……ρ(1.5r)),作为上述面密度集合,即图5中所示的面密度集合504。其中,参数集合503即为上述第一参数集合,其可以包括X1r,X2r,…,Xnr等多个参数,这些参数可以是浆料泵数、浆料泵压力、浆料温度、浆料密度、过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度、涂布速度等与涂布面密度强相关的参数。需注意,在本方法中,这些参数的值可以测出来,且是唯一确定的。
在得到上述若干个面密度的预测值之后,电子设备将从中挑选出符合要求的预测值ρs,该ρs即可以作为上述第三面密度,ρs其需满足条件|ρs-ρt|<=D,其中ρt为上述第一面密度,D即为上述第二阈值。之后,电子设备即可以将上述ρs对应的转数rs作为上述目标泵转数。
可以理解的,在上述面密度集合中,可能存在多个符合要求的面密度。例如,当上述第一面密度的值为100,第二阈值为0.1的情况下,上述面密度集合中存在面密度ρ1,其值为9.96,对应的泵转数r1;此外上述面密度集合中存在面密度ρ2,其值为9.92,对应的泵转数r2;这时,面密度ρ1与第一面密度的差值为0.04,面密度ρ2与第一面密度的差值为0.08,上述电子设备可以将差值较小的面密度对应的泵转数(即r2)作为上述目标泵转数。
303、电子设备根据上述目标泵转数,控制涂布机中浆料的输入量,得到目标涂布。
上述目标泵转数用于控制涂布机中浆料的输入量,得到上述目标涂布;该目标涂布的面密度为第二面密度,该第二面密度与上述第一面密度的差值小于第二阈值。可以理解的,上述目标泵转数只是上述目标模型基于上述第一参数集合以及上述第一面密度计算所得出的泵转数。也就是说,对上述目标模型而言,该目标泵转数为在上述第一参数集合下使涂布机涂布面密度为上述第一面密度的理想的泵转数。但实际上,当涂布机采用第一泵转数对电池进行涂布时,所得涂布的实际面密度(即上述第二面密度)还是会与上述第一面密度存在一定的差值。当该差值小于上述第二阈值时,该目标泵转数即可做作为最后使用的泵转数。
上述电子设备在获取到上述目标泵转数之后,可以对上述涂布机中涂布浆料的泵转数进行调节,由此来控制涂布机中涂布浆料的输入量,得到面密度与上述第一面密度接近的上述目标涂布。
下面介绍本申请实施例提供的一种电极涂布面密度的控制装置的结构示意图,请参阅图6。如图6所示,图6中的面密度的控制装置可以执行图3中电极涂布面密度的控制方法的流程,该装置包括:
获取单元601,用于获取第一面密度和第一参数集合,上述第一面密度为用户期望的涂布的面密度,上述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;
预测单元602,用于基于上述第一面密度、上述第一参数集合以及目标模型,得到目标泵转数,上述目标模型表征浆料的泵转数与涂布的面密度之间的关系;上述目标泵转数用于控制上述涂布机中浆料的输入量。
控制单元603,用于根据所述目标泵转数,控制所述涂布机中浆料的输入量,得到目标涂布,所述目标涂布的面密度为第二面密度,所述第二面密度与所述第一面密度的差值小于第二阈值。
在一个可选的实施方式中,上述装置还包括:更新单元604,用于利用上述第二面密度和上述第一参数集合对上述目标模型进行更新。
在一个可选的实施方式中,上述预测单元,具体用于获取第一泵转数,上述第一泵转数为使涂布的面密度为上述第一面密度的估计值;基于上述第一泵转数,生成泵转数集合,上述泵转数集合中的最小泵转数小于上述第一泵转数,上述泵转数集合中的最大泵转数大于上述第一泵转数;将上述第一参数集合和上述泵转数集合中的每一泵转数依次作为上述目标模型的输入,得到面密度集合;从上述面密度集合中获取第三面密度,上述第三面密度的差值与上述第一面密度的差值小于上述第二阈值;将上述泵转数集合中与上述第三面密度对应的泵转数确定为上述目标泵转数。
在一个可选的实施方式中,上述装置还包括:确定单元605,用于确定第二参数集合,上述第二参数集合包括表征浆料的特性的参数和表征涂布机的性能的参数,上述第一参数集合为上述第二参数集合的子集;分析单元606,用于将上述第二参数集合中与涂布面密度的相关度大于第一阈值的参数确定为上述第一参数集合。
在一个可选的实施方式中,所述第一参数集合包括浆料泵数、浆料泵压力、浆料温度、浆料密度、所述涂布机的过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度以及涂布速度中的一项或多项。
在一个可选的实施方式中,上述装置还包括:训练单元607,用于对多个样本数据进行训练,得到多个弱学习器;上述多个样本数据中的任一样本数据均表征上述第一参数集合、泵转数与涂布的面密度之间的对应关系;融合单元608,用于将上述多个弱学习器进行加权融合,得到上述目标模型。
在一个可选的实施方式中,上述第三面密度为上述面密度集合中与上述第一面密度差值最小的面密度。
在一个可选的实施方式中,上述预测单元具体用于:基于上述第一泵转数,生成第一泵转数序列,上述第一泵转数序列为等差序列,上述第一泵转数序列中的任一泵转数均大于上述第一泵转数;基于上述第一泵转数,生成第二泵转数序列,上述第二泵转数序列为等差序列,上述第二泵转数序列中的任一泵转数均小于上述第一泵转数;结合上述第一泵转数、上述第一泵转数序列和上述第二泵转数序列,得到上述泵转数集合。
应理解,以上面密度的控制装置的各个单元的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。例如,以上各个单元可以为单独设立的处理元件,也可以集成同一个芯片中实现,此外,也可以以程序代码的形式存储于控制器的存储元件中,由处理器的某一个处理元件调用并执行以上各个单元的功能。此外各个单元可以集成在一起,也可以独立实现。这里的处理元件可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,所述方法的各步骤或以上各个单元可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。所述处理元件可以是通用处理器,例如CPU,还可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(application-specific integrated circuit,ASIC),或,一个或多个微处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field-programmable gate array,FPGA)等。
图7为本申请实施例提供的一种电子设备的结构示意图。如图7所示,电子设备70包括处理器701、存储器702和通信接口703;上述处理器701、存储器702和通信接口703通过总线704相互连接。具体的,电子设备70可以是前述说明中的电子设备。
存储器702包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programablereadonly memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CDROM),上述存储器702用于相关指令及数据。通信接口704用于接收和发送数据。具体的,通信接口704可实现图6中的获取单元601的功能。
处理器701可以是一个或多个中央处理器(central processing unit,CPU),在处理器701是一个CPU的情况下,上述CPU可以是单核CPU也可以是多核CPU。具体的,处理器701可实现图5中的控制单元603、确定单元605、分析单元606、训练单元607、融合单元608以及更新单元604的功能。
在本申请的实施例中提供另一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现:获取第一面密度和第一参数集合,该第一面密度为用户期望的涂布的面密度,该第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;基于上述第一面密度、上述第一参数集合以及目标模型,得到目标泵转数,上述目标模型表征浆料的泵转数与涂布的面密度之间的关系;根据上述涂布机中浆料的输入量,得到目标涂布,上述目标涂布的面密度为第二面密度,上述第二面密度与上述第一面密度的差值小于第二阈值。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行前述实施例所提供的电极涂布面密度的控制方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,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申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种电极涂布面密度的控制方法,其特征在于,包括:
获取第一面密度和第一参数集合,所述第一面密度为用户期望的涂布的面密度,所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;
基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,所述目标模型表征浆料的泵转数与涂布的面密度之间的关系;
根据所述目标泵转数,控制所述涂布机中浆料的输入量,得到目标涂布,所述目标涂布的面密度为第二面密度,所述第二面密度与所述第一面密度的差值小于第二阈值。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数之后,所述方法还包括:
利用所述第二面密度和所述第一参数集合对所述目标模型进行更新。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,包括:
获取第一泵转数,所述第一泵转数为使涂布的面密度为所述第一面密度的估计值;
基于所述第一泵转数,生成泵转数集合,所述泵转数集合中的最小泵转数小于所述第一泵转数,所述泵转数集合中的最大泵转数大于所述第一泵转数;
将所述第一参数集合和所述泵转数集合中的每一泵转数依次作为所述目标模型的输入,得到面密度集合;
从所述面密度集合中获取第三面密度,所述第三面密度的差值与所述第一面密度的差值小于所述第二阈值;
将所述泵转数集合中与所述第三面密度对应的泵转数确定为所述目标泵转数。
4.根据权利要求1至3任一项所述的方法,其特征在于,在所述获取第一面密度和第一参数集合之前,所述方法还包括:
确定第二参数集合,所述第二参数集合包括表征浆料的特性的参数和表征涂布机的性能的参数,所述第一参数集合为所述第二参数集合的子集;
将所述第二参数集合中与涂布面密度的相关度大于所述第一阈值的参数确定为所述第一参数集合。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述第一参数集合包括浆料泵数、浆料泵压力、浆料温度、浆料密度、所述涂布机的过滤器压差、模腔压力、模头操作间隙、模头驱动间隙、粘度以及涂布速度中的一项或多项。
6.根据权利要求1至5任一项所述的方法,其特征在于,在所述获取第一面密度和第一参数集合之前,所述方法还包括:
对多个样本数据进行训练,得到多个弱学习器,其中,所述多个样本数据中的任一样本数据均表征所述第一参数集合、泵转数与涂布的面密度之间的对应关系;
将所述多个弱学习器进行加权融合,得到所述目标模型。
7.根据权利要求3至6任一项所述的方法,其特征在于,所述第三面密度为所述面密度集合中与所述第一面密度差值最小的面密度。
8.根据权利要求3至7任一项所述的方法,其特征在于,所述基于所述第一泵转数,生成泵转数集合,包括:
基于所述第一泵转数,生成第一泵转数序列,所述第一泵转数序列为等差序列,所述第一泵转数序列中的任一泵转数均大于所述第一泵转数;
基于所述第一泵转数,生成第二泵转数序列,所述第二泵转数序列为等差序列,所述第二泵转数序列中的任一泵转数均小于所述第一泵转数;
结合所述第一泵转数、所述第一泵转数序列和所述第二泵转数序列,得到所述泵转数集合。
9.一种面密度的控制装置,其特征在于,包括:
获取单元,用于获取第一面密度和第一参数集合,所述第一面密度为用户期望的涂布的面密度,所述第一参数集合包括与涂布面密度的相关度大于第一阈值的参数;预测单元,用于基于所述第一面密度、所述第一参数集合以及目标模型,得到目标泵转数,所述目标模型表征浆料的泵转数与涂布的面密度之间的关系;
控制单元,用于根据所述目标泵转数,控制所述涂布机中浆料的输入量,得到目标涂布,所述目标涂布的面密度为第二面密度,所述第二面密度与所述第一面密度的差值小于第二阈值。
10.一种电子设备,其特征在于,所述电子设备包括:一个或多个处理器、存储器;
所述存储器与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,所述一个或多个处理器调用所述计算机指令以使得所述电子设备执行如权利要求1至7中任一项所述的方法。
11.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在电子设备上运行时,使得所述电子设备执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135190.4A CN115881882A (zh) | 2021-09-27 | 2021-09-27 | 电极涂布面密度的控制方法和相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111135190.4A CN115881882A (zh) | 2021-09-27 | 2021-09-27 | 电极涂布面密度的控制方法和相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115881882A true CN115881882A (zh) | 2023-03-31 |
Family
ID=85762905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111135190.4A Pending CN115881882A (zh) | 2021-09-27 | 2021-09-27 | 电极涂布面密度的控制方法和相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115881882A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391404A (zh) * | 2023-12-11 | 2024-01-12 | 深圳市曼恩斯特科技股份有限公司 | 锂电池涂布横向面密度的控制方法、装置及电子设备 |
-
2021
- 2021-09-27 CN CN202111135190.4A patent/CN115881882A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117391404A (zh) * | 2023-12-11 | 2024-01-12 | 深圳市曼恩斯特科技股份有限公司 | 锂电池涂布横向面密度的控制方法、装置及电子设备 |
CN117391404B (zh) * | 2023-12-11 | 2024-05-10 | 深圳市曼恩斯特科技股份有限公司 | 锂电池涂布横向面密度的控制方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108920863B (zh) | 一种机器人伺服系统能耗估计模型的建立方法 | |
CN109725606B (zh) | 加工条件调整装置以及机器学习装置 | |
CN110572297B (zh) | 网络性能的评估方法、服务器及存储介质 | |
CN109613440B (zh) | 电池的分级方法、装置、设备和存储介质 | |
CN112327191B (zh) | 一种基于几何特征融合决策的电池跳水概率评估方法 | |
CN110988695A (zh) | 动力电池健康状态评估方法、装置、存储介质及电子设备 | |
CN116994416B (zh) | 基于人工智能的风机运行故障预警方法及系统 | |
CN115881882A (zh) | 电极涂布面密度的控制方法和相关产品 | |
CN110298369A (zh) | 一种电力系统不良数据的辨识方法及系统 | |
CN108320112B (zh) | 一种确定设备健康状态的方法及装置 | |
CN114444738B (zh) | 一种电气设备保养周期生成方法 | |
CN110348540B (zh) | 基于聚类的电力系统暂态功角稳定故障筛选方法及装置 | |
CN116699446A (zh) | 退役电池快速分选方法、装置、设备及存储介质 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 | |
CN112633583A (zh) | 发电机组振动预测方法、装置、计算机设备和存储介质 | |
CN116014764B (zh) | 一种分布式储能优化处理方法及装置 | |
CN113492724B (zh) | 基于赫斯特指数的动力电池sop预测方法、存储介质及设备 | |
CN106055883B (zh) | 一种基于改进Sammon映射的暂稳评估输入特征有效性分析方法 | |
CN115034146A (zh) | 电池鼓胀率的模型建立方法、监控方法、装置及存储介质 | |
CN112485694A (zh) | 电池组的检测方法及装置 | |
CN111382479A (zh) | 预估铸件重量的方法和设备 | |
CN112836374B (zh) | 一种可靠性指标增量确定方法和系统 | |
CN117911195B (zh) | 一种异步电动机机群等效模型参数辨识方法及装置 | |
CN116090265B (zh) | 一种可变速抽水蓄能机组压力脉动强度的量化评估方法 | |
CN110707695B (zh) | 基于人工智能的暂态功角稳定裕度计算方法及系统 |
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 |