CN116231143B - 一种基于柔性产线的动力电池包拆解方法及系统 - Google Patents

Abstract

本公开提供了一种基于柔性产线的动力电池包拆解方法及系统，所述方法包括：识别待拆解电池包的电池信息；基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；获取柔性产线中各工作站的工具配置和工作进程信息；为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤。本公开根据各工作站和各工具的使用情况，为待拆解电池包确定最优的工具配置和各拆解步骤对应的目标工作站，使柔性产线的效率最大化。

Description

一种基于柔性产线的动力电池包拆解方法及系统

技术领域

本公开涉及动力电池包拆解回收技术领域，具体涉及一种基于柔性产线的动力电池包拆解方法及系统。

背景技术

随着新能源行业的增长，废旧的动力电池数据也逐年增长，对废旧动力电池的拆解再利用对经济、环保等具有重大意义。传统方法通常采用人工拆解，拆解慢且易损坏电池单体，现有技术为解决人工拆解工作效率低的问题，逐渐开始采用流水线作业的方式，根据固定拆解工序构成的流水线式产线，在产线的各工位可以采用手工拆解或单一机器人拆解，但由于动力电池包的尺寸、类型的不同，采用流水线式产线拆解动力电池的兼容性差、柔性差，为兼容不同尺寸、不同类型的电池包拆解，需要人工切换工具甚至更换产线配置，严重降低了电池包拆解的效率。

为了解决现有的流水线式拆解产线存在的兼容性差、拆解效率低、柔性差等问题，亟需设计和布局一种新的柔性产线来解决上述问题。新的柔性产线可以采用机器人结合工作岛的作业模式，提高拆解产线的柔性、安全性；可以通过拆解工具的自适应配置使拆解产线兼容多种尺寸、类型的电池包拆解，提高拆解产线的兼容性；还可以根据当前的拆解进程以及历史拆解信息，为待拆解电池包的各拆解工序自适应配置最佳的工作站和最佳的工具分布，通过持续优化拆解效率，实现整个拆解产线效率最大化。

发明内容

本公开提供一种基于柔性产线的动力电池拆解方法，以解决现有技术中拆解不同尺寸、不同类型的电池兼容性差、效率低且存在安全隐患的问题，使柔性产线能安全、高效地拆解动力电池。

第一方面，本公开提供一种基于柔性产线的动力电池包拆解方法，所述方法包括：

识别待拆解电池包的电池信息；

基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；

获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息；

基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；

基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置，包括：基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的各拆解步骤确定候选工作站；基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤及其对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置，包括：从所述候选工作站随机确定一组工作站作为所述待拆解电池包的各拆解步骤对应的初始工作站，并将初始工作站的工具分布情况作为初始工具配置；将所述初始工作站和初始工具配置输入预设的拆解时间预测模型，得到所述待拆解电池包的各拆解步骤对应的拆解时间预测值；基于各拆解步骤对应的拆解时间预测值和标准拆解时间构建关于拆解时间的损失函数，并通过最小化损失函数确定所述待拆解电池包的各拆解步骤对应的工作站和最优的工具配置。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述预设的拆解时间预测模型为基于已拆解电池包的拆解数据训练得到的拆解时间预测模型，所述拆解数据包括：各电池包对应的拆解工序、实际拆解步骤及各拆解步骤的实际拆解时间、工具配置。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤，包括：基于所述电池信息确定所述待拆解电池包的电池型号和外形；基于所述待拆解电池包的电池型号和外形，确定所述待拆解电池包的拆解工序；计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述柔性产线包括多个工作站、至少一个运送装置和至少一个人工辅助工作站，各工作站包括至少一台机器人和一个快换工具台，所述机器人用于执行待拆解电池包的各拆解步骤，所述快换工具台用于为所述机器人提供工具。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，包括：按照所述待拆解电池包的拆解步骤，由运送装置将所述待拆解电池包依次移动至各拆解步骤对应的工作站，所述工作站的机器人从快换工具台获取相应拆解步骤对应的工具，再执行相应拆解步骤，并在完成相应拆解步骤后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站。

根据本公开提供的一种基于柔性产线的动力电池包拆解方法，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，还包括：对所述工作站的机器人执行相应拆解步骤的过程进行实时拆解检测，并判断是否存在异常情况；若不存在异常情况，则继续拆解并记录实际拆解时间，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站；若存在异常情况，则停止拆解并将所述待拆解电池包运送至所述人工辅助工作站进行人工拆解，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站进行拆解。

第二方面，本公开还提供一种基于柔性产线的动力电池包拆解系统，所述系统包括：

识别模块，用于识别待拆解电池包的电池信息；

排序模块，用于基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；

管理模块，用于获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息；

优化模块，用于基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；

移送模块，用于基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤。

根据本公开提供的一种基于柔性产线的动力电池包拆解系统，所述优化模块具体用于：基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的各拆解步骤确定候选工作站；基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤及其对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

综上所述，本公开提供的一种基于柔性产线的动力电池包拆解方法及系统，通过构建多工作站模式、具备深度学习功能的柔性产线，使利用柔性产线拆解动力电池包时，能根据当前各工作站和各工具的使用情况，实现为待拆解电池包确定最优的工具配置和各拆解步骤对应的目标工作站，使柔性产线的效率最大化；同时，柔性产线为各工作站配置了快换工具台，且快换工具台的各工具在各工作站之间可以按需调整，从而使柔性产线可以兼容不同尺寸、不同类型的电池包拆解，提高了拆解效率。

附图说明

为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本公开提供的一种基于柔性产线的动力电池包拆解方法的流程示意图；

图2是本公开提供的一种柔性产线的结构示意图；

图3是本公开提供的一种为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置的流程示意图；

图4是本公开提供的一种基于柔性产线的动力电池包拆解系统的结构示意图。

图标：400-控制装置；410-识别模块；420-排序模块；430-管理模块；440-优化模块；450-移送模块。

具体实施方式

为使本公开内容的目的、技术方案和优点更加清楚，下面将结合本公开中的附图，对本公开中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开的一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

图1是本公开提供的一种基于柔性产线的动力电池包拆解方法的流程示意图，其中，所述柔性产线包括多个工作站、至少一个运送装置和至少一个人工辅助工作站，各工作站包括至少一台机器人和一个快换工具台。

图2是本公开提供的一种柔性产线的结构示意图，参照图2，所述柔性产线包括工作站21、运送装置22、人工辅助工作站23，工作站21包括机器人211、快换工具台212、拆解回收装置213。

所述机器人211用于执行待拆解电池包的各拆解步骤，各工作站的多个机器人可以是同类型，也可以是不同类型，机器人的类型包括：三轴桁架机器人、四轴机器人、六轴机器人等，也可以采用机械臂替代机器人，本公开对此不做特殊限定。

所述快换工具台212用于为所述机器人提供工具，所述工具为电池包拆解时需要使用的各种工具，包括：套筒、钳子、螺丝刀、锯子等。在一些实施例中，所述快换工具台上设有多个工具卡位，各工具卡位上可放置不同的工具，且各工具卡位设有工具传感器，所述工具传感器用于识别各工具卡位上是否存在工具、获取各工具卡位上工具的详细信息。

所述拆解回收装置213，用于存放执行各拆解步骤后的拆解产物，所述拆解产物可以是电池包的各组件或者各物料，例如，可再利用的电池模组、电池单元等，拆解下来的螺丝、线束、铝壳、正负极材料等。

所述运送装置22主要是在各工作站之间运送待拆解电池包、各拆解工具的手段，可以是移动小车，例如，自动导向车(Automated Guided Vehicle，简称AGV)，也可以是轨道车，例如，自动化轨道车，当移动小车或轨道车都发生故障的个别特定情况下，也可以通过人工移送，本公开对此不做特殊限定。所述运送装置可以用来运送各待拆解电池包，还可以用来运送各工作站的工具，使各工作站的工具可以按需调整。

所述人工辅助工作站23用于辅助各工作站的机器人完成待拆解电池包的拆解，例如，各工作站的机器人无法进行的拆解步骤，可以通过所述运送装置运送至人工辅助工作站进行拆解，所述人工辅助工作站的位置可以根据整个柔性产线中各工作站的分布情况进行调整，本公开对此不做特殊限定。

上述柔性产线，采用多工作站模式，配备有快换工具台，且各工具在各工作站之间可以按需调整，相对于现有的拆解产线可以兼容不同尺寸、不同类型的电池包拆解，极大地提高了拆解效率和拆解灵活性。

参照图1，所述基于柔性产线的动力电池包拆解方法，包括：

S11，识别待拆解电池包的电池信息；

其中，所述电池信息包括电池包的型号、外形、尺寸等；所述电池信息还包括电池包的厂商、生产日期、重量等；所述待拆解电池包为动力电池的电池包，动力电池包括：磷酸铁锂电池、三元电池、钛酸锂电池、镍氢电池等。

具体地，可以理解的是，所述识别所述待拆解电池包的电池信息可以人工判别、记录电池信息，如，利用量尺测量电池尺寸，也可以利用扫描设备获取电池包装的标识信息，如，电池型号、厂商、生产日期等。

在一些实施例中，步骤S11识别电池信息之前，所述方法还包括：对所述待拆解电池包进行电池外观检查，电池外观检查的目的是检查电池是否存在破裂、发鼓、漏液甚至表面腐蚀等现象，而电池损坏严重在拆解过程易发生爆炸事故，存在一定的安全隐患，因此，在拆解前进行外观检查的初步判断，将电池外观检查合格的电池送入各工作站拆解，将电池外观检查不合格的电池送入人工辅助工作站进行进一步判断和后续处理，或者，采用柔性产线外的其他拆解设备进行拆解。

S12，基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤。

具体地，可以理解的是，不同规格的电池包的拆解工序也存在不同，有些电池可能需要进行拆帽工序，有些电池则可以直接进行拆盖工序，因此在进行拆解前，需要通过识别的电池信息确定电池的规格，再根据电池规格确定其拆解工序。

具体地，还可以理解的是，所述基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤，包括：

S121，基于所述电池信息确定所述待拆解电池包的电池型号和外形。

其中，所述电池信息包括电池包的型号、外形、尺寸、厂商、生产日期、重量等。

S122，基于所述待拆解电池包的电池型号和外形，确定所述待拆解电池包的拆解工序。

具体地，动力电池包拆解工序一般包括：电池放电、排空冷却液、拆卸箱盖螺栓、分离箱盖、拆解内部线束、剪掉扎带、拆卸铜排线、分离电池模组、拆解电池模组、分离电池单元、拆解电池单元。其中，电池放电前需要进行电池电压检测以确定是否需要进行电池放电，电池放电的目的是防止动力电池包拆解过程中发生短路引起火灾、爆炸事故的发生；冷却液的主要成分是乙二醇，其泄漏后对环境有污染，因此在电池放电后还需要排空冷却液；拆卸箱盖螺栓是拆除电池包箱盖的螺丝，以便于分离箱盖；拆解内部线束、剪掉扎带、拆卸铜排线均属于分离箱盖后，对电池包内部结构的拆解。但上述拆解工序是相对常见的锂电池包拆解工序，由于不同型号、不同外形的电池包的拆解工序不同，因此，需要根据待拆解电池包的型号和外形确定其对应的拆解工序，若根据电池包的型号和外形无法准确地确定其对应的拆解工序，还可以进一步结合电池包的尺寸、厂商等信息确定其对应的拆解工序。

在一些实施例中，为了实现对动力电池包拆解后的回收再利用，在对电池包进行拆解的过程中，还可以增加一些检测工序，以便于将拆解出的部分电池模组或电池单元再次利用，例如，在分离电池模组后，增加电池模组检测工序，判断所分离出的电池模组是否继续拆解，若电池模组的性能测试合格则可以直接回收利用，否则再按下一拆解工序继续拆解；又例如，在分离电池单元后，增加电池单元检测工序，判断所分离出的电池单元是否继续拆解，若电池单元的性能测试合格，则该电池单元也可以进入直接回收利用，否则将再按下一拆解工序“拆解电池单元”继续拆解，将拆解产物进行废料再利用。

S123，计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤。

具体地，由于电池包的拆解过程较为复杂，部分拆解工序可以同时进行拆解，但可同时进行拆解的拆解工序间可能也存在一定的顺序，例如，在将电池包上盖拆除后进行内部结果拆解时，可能会涉及内部线束、内部螺栓、铜排线、剪扎带等多个拆解工序，但对于拆解工序“内部线束”而言，可以和拆解内部螺栓、拆解铜排线或剪扎带同时进行，对于拆解工序“剪扎带”而言，可以和拆解内部线束或拆解内部螺栓同时进行，但又必须在拆解铜排线之前进行，此时，就需要对拆解工序进行排序，以基于拆解顺序的优先级确定明确的拆解步骤。因此，需要对电池包的拆解工序进行排序，确定拆解过程的拆解步骤。

在一些实施例中，计算所述待拆解电池包的拆解工序的量化分数包括：通过矩阵对比的方式计算所述待拆解电池包的拆解工序的量化分数；具体地，将各拆解工序以对称形式写入表格中，结合各拆解工序的优先级顺序为表格中各位置赋值，再计算每一行之和，将其作为各拆解工序的量化分数。其中，结合各拆解工序的优先级顺序为表格中各位置赋值包括：针对表格中任一位置对应的(拆解工序1, 拆解工序2)，判断拆解工序1的优先级是否高于拆解工序2的优先级，若高于则该位置赋值为1，若低于则该位置赋值为-1，若优先级相同则该位置赋值为0。需要注意的是，若拆解工序1与拆解工序2为相同拆解工序，此时该位置不赋值。

以拆解工序“电池放电、排空冷却液、拆卸箱盖螺栓、分离箱盖、拆解内部线束、剪掉扎带、拆卸铜排线、分离电池模组、拆解电池模组、分离电池单元、拆解电池单元”为例，对“通过矩阵对比的方式计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤”进行详细说明：

步骤a1，将各拆解工序“电池放电、排空冷却液、拆卸箱盖螺栓、分离箱盖、拆解内部线束、剪掉扎带、拆卸铜排线、分离电池模组、拆解电池模组、分离电池单元、拆解电池单元”记为拆解工序A、B、C、D、E、F、G、H、I、J、K，并将各拆解工序写入第一行和第一列。

步骤a2，结合各拆解工序的优先级顺序为表格中各位置赋值，得到表1。

具体地，分析各拆解工序的优先级，可以得到各拆解工序的优先级排序为：A>B>C>D>E，E=F，E=G，F>G>H>I>J>K，即，拆解工序A的优先级最高，拆解工序K的优先级最低。由于拆解工序E和F的优先级相同，拆解工序E和G的优先级相同，且拆解工序F的优先级高于的优先级G，因此，针对拆解工序E、F和G的优先级赋值时，位置(E, F)、(E, G)、(F, E)、(G, E)均赋值为0，位置(F, G)赋值为1，位置(G, F)赋值为-1。其余位置的赋值情况参见表1。

步骤a3，计算每一行之和，并将其作为各拆解工序的量化分数。

具体地，计算每一行之和，以表格中第4行为例，计算拆解工序C的量化分数，为将位置(C, A)、(C, B)、(C, D)、(C, E)、(C, F)、(C, G)、(C, H)、(C, I)、(C, J)、(C, K)的值求和，结果为6，则将6作为拆解工序C的量化分数。同理，依次计算各拆解工序的量化分数，即可得到表1中“量化分数”列的结果。

表1

步骤a4，按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤。

具体地，按照各拆解工序量化分数的大小对拆解工序进行排序，得到最终的拆解步骤。以表1中各拆解工序的量化分数为例，按照各量化分数的大小进行排序为：10、8、6、4、1、0、-1、-4、-6、-8、-10，对应的拆解工序依次为A、B、C、D、F、E、G、H、I、J、K，则电池包的拆解步骤依次为A、B、C、D、F、E、G、H、I、J、K，即，电池放电、排空冷却液、拆卸箱盖螺栓、分离箱盖、剪掉扎带、拆解内部线束、拆卸铜排线、分离电池模组、拆解电池模组、分离电池单元、拆解电池单元。

在上述实施例中，基于步骤a1-a4实现通过矩阵对比的方式计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，可以将待拆解电池包中可同时进行的拆解工序进一步排序，得到待拆解电池包的拆解步骤。

需要说明的是，由于各拆解工序中需要使用不同的工具，因此，还可以将各拆解工序进一步划分为多个工步，如，拆解工序“拆卸箱盖螺栓”可以划分为拆卸箱盖四周螺栓、拆卸与控制面板连接的螺栓、拆卸上下两条金属垫片，拆解工序“拆解内部线束”可以分为拆卸快插接头、拆卸加热快插接头上黑胶带、拆卸加热排线接头、拆卸内部传输线接头，拆解工序“拆卸铜排线”可以分为去掉压线端子上的黑色绝缘胶带、拆卸正负极铜排的螺丝、掰开正负极接线压线端子、取下电池模组间的铜排、剪断固定铜排的扎带、去掉左右两侧塑料挡板、取下正负极总连接线。在某一拆解工序下，各拆解工序的拆解步骤也可以采用与确定拆解工序的拆解步骤的方法，即通过矩阵对比的方式计算各拆解工步的量化分数，再按照各拆解工步量化分数对拆解工步进行排序，得到该拆解工序下的各工步的拆解步骤。

S13，获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息。

其中，所述工具配置包括各工作站当前工具分布和预计调整的工具分布；所述当前拆解进程信息指各工作站正在进行的拆解步骤以及所需拆解时间，所述计划拆解进程信息指各工作站计划进行的拆解步骤以及预计拆解时间。

在一些实施例中，各工作站当前工具分布基于快换工具台的工具传感器获取，而预计调整的工具分布、各工作站正在进行的拆解步骤和各工作站计划进行的拆解步骤可以基于至少一个正在拆解电池包的拆解方案进行确定，正在拆解电池包的拆解方案包括各拆解步骤对应的工作站和工具配置；正在进行的拆解步骤所需拆解时间、计划进行的拆解步骤的拆解时间可以参考各拆解步骤的标准拆卸时间。

S14，基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置。

具体地，可以理解的是，各工作站之间相互独立，并不是固定的流水线，为了使所述柔性产线的效率最大化，需要为后续的待拆解电池包分配最佳的工作站，即，充分利用各工作站和各工具，因此，需要根据各工作站的工具配置和工作进程信息确定各工作站以及各工具的使用情况，再进一步为所述待拆解电池包的拆解步骤确定最优的工具配置和各拆解步骤对应的工作站。

具体地，还可以理解的是，步骤S14可以采用深度学习算法，利用柔性产线记录已拆解电池包的各种拆解数据，并根据这些拆解数据进行深度学习，以便于为后续的待拆解电池包提出最优拆解方案，实现柔性产线效率最大化。

在一些实施例中，基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置，包括：

步骤b1，基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包确定候选工作站；

步骤b2，基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

在另一些实施例中，由于待拆解电池包的所有拆解步骤是基于拆解工序的量化分数进行排序确定的，若存在多个拆解工序的量化分数相同，则这些拆解工序作为可以并行的拆解步骤，需要在步骤S14的优化过程，同时考虑各工作站的使用情况和各工作站各工具的使用情况，在为各拆解步骤确定对应的工作站的同时，也将并行的拆解步骤进行再次排序，从而确定各拆解步骤对应的工作站顺序。此时，所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置，包括：

步骤c1，基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包确定候选工作站；

步骤c2，基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤对应的标准拆解时间，确定所述待拆解电池包的最优拆解步骤，以及从所述候选工作站中为各最优拆解步骤确定对应的工作站和最优的工具配置。

S15，基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤。

具体地，可以理解的是，基于步骤S14为所述待拆解电池包确定最优的工具配置和各拆解步骤的对应的工作站，是可以将所述柔性产线效率最大化的情况下对待拆解电池包的拆解规划，在利用运送装置将所述待拆解电池包依次移动至各拆解步骤对应的工作站的同时，也需要利用运送装置调整各工作站的工具分布使其符合最优的工具配置。

在一些实施例中，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，包括：按照所述待拆解电池包的拆解步骤，由运送装置将所述待拆解电池包依次移动至各拆解步骤对应的工作站，所述工作站的机器人从快换工具台获取相应拆解步骤对应的工具，再执行相应拆解步骤，并在完成相应拆解步骤后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站。

在另一些实施例中，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，还包括：

步骤d1，对所述工作站的机器人执行相应拆解步骤的过程进行实时拆解检测，并判断是否存在异常情况。

其中，所述异常情况包括：拆解步骤机器人无法执行（如一些极端情况下螺丝变形或者卡死，机器人按照正常拆解步骤对应的操作流程无法拆卸螺丝）、拆解步骤需人工处理、待拆解电池包存在爆炸风险等。

步骤d2，若不存在异常情况，则继续拆解并记录实际拆解时间，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站；

步骤d3，若存在异常情况，则停止拆解并将所述待拆解电池包运送至所述人工辅助工作站进行人工拆解，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站进行拆解。

本公开实施例提供的一种基于柔性产线的动力电池包拆解方法，通过构建多工作站模式、具备深度学习功能的柔性产线，使利用柔性产线拆解动力电池包时，能根据当前各工作站和各工具的使用情况，实现为待拆解电池包确定最优的工具配置和各拆解步骤对应的目标工作站，使柔性产线的效率最大化；同时，柔性产线为各工作站配置了快换工具台，且快换工具台的各工具在各工作站之间可以按需调整，从而使柔性产线可以兼容不同尺寸、不同类型的电池包拆解，提高了拆解效率。

图3是本公开提供的一种为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置的流程示意图；参照图3，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置，包括以下步骤：

S31，基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包确定候选工作站。

具体地，步骤S31可以是先基于所述待拆解电池包的拆解步骤确定拆解过程所需工具，再基于各工作站的工具配置判断所需工具的分布情况及使用情况，然后进一步筛选可以用来执行所述待拆解电池包各拆解步骤的各工具及各工作站；步骤S31也可以是先根据所述柔性产线各工作站的工作进程信息判断各工作站的使用情况和各工作站各工具的使用情况，再进一步筛选可以用来执行所述待拆解电池包各拆解步骤的各工具及各工作站。

S32，基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

其中，所述预设的拆解时间预测模型为基于已拆解电池包的拆解数据训练得到的拆解时间预测模型，在训练过程中通过迭代训练调整模型参数，使各拆解步骤的拆解时间预测值无限接近于实际拆解时间；所述拆解数据包括：各电池包对应的拆解工序、实际拆解步骤及各拆解步骤的实际拆解时间、工具配置。所述待拆解电池包的各拆解步骤对应的标准拆解时间，指工作站的机器人第一次仿照某一拆解步骤的人工拆解过程完成该拆解步骤所用的时间，若某一拆解步骤又分为多个拆解工步，则拆解步骤的标准拆解时间为各拆解工序标准拆解时间之和。此外，各拆解步骤对应的标准拆解时间可以保持不变，也可以定期根据操作环境等变化进行再次仿照拆解并修改标准拆解时间，本公开对此不做特殊限定。

具体地，基于步骤S32确定各拆解步骤对应的工作站和最优的工具配置，具体包括以下步骤：

步骤S321，从所述候选工作站随机确定一组工作站作为所述待拆解电池包的各拆解步骤对应的初始工作站，并将初始工作站的工具分布情况作为初始工具配置；

步骤S322，将所述初始工作站和初始工具配置输入预设的拆解时间预测模型，得到所述待拆解电池包的各拆解步骤对应的拆解时间预测值。

具体地，所述预设的拆解时间预测模型用于预测待拆解电池包在各拆解步骤对应不同工作站、不同工具配置时的拆解时间，将所述初始工作站和初始工具配置输入预设的拆解时间预测模型，即基于初始工作站和初始工具配置拆解所述待拆解电池包的拆解时间预测值。

步骤S323，基于各拆解步骤对应的拆解时间预测值和标准拆解时间构建关于拆解时间的损失函数，并通过最小化损失函数确定所述待拆解电池包的各拆解步骤对应的工作站和最优的工具配置。

具体地，构建关于拆解时间的损失函数可以直接通过衡量拆解时间预测值和标准拆解时间的差异进行构建，也可以参考现有的损失函数计算方法；确定最优的目标工作站和最优的工具配置可以采用最小化损失函数，即通过梯度下降法寻找损失函数的最小值，也可以采用遗传算法、模拟退火算法等现有方法，将所述预设的拆解时间预测模型中的各拆解步骤对应的工作站顺序、工具配置作为优化算法的变化参数，通过调整这两个参数使所述预设的拆解时间预测模型计算的拆解时间预测值无限接近于标准拆解时间，从而确定各拆解步骤对应的工作站和最优的工具配置。

其中，直接通过衡量拆解时间预测值和标准拆解时间的差异进行构建，例如计算公式

该公式中，L(θ)表示关于参数θ的损失函数，N表示待拆解电池包的拆解步骤的数量，Tr _i表示第i个拆解步骤的拆解时间预测值，Ts _i表示第i个拆解步骤的标准拆解时间。由于拆解时间预测值与各拆解步骤对应的工具和工作站均相关，参数θ包括各拆解步骤对应的工作站顺序、工具配置。

本公开实施例提供的一种为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置的方法，通过以各拆解步骤对应的标准拆解时间为基准优化模型，确保各待拆解电池包的所有拆解步骤的高效拆解，同时，在优化模型时，又结合当前柔性产线的各工作站和各工具的当前使用情况和预期安排，通过各工作站的分配和各工具的调度，为各待拆解电池包提供最优的拆解方案，从而使得整个柔性产线的拆解效率保持最大化。

图4是本公开提供的一种基于柔性产线的动力电池包拆解系统的结构示意图，参照图4，所述动力电池包拆解系统400包括：识别模块410、排序模块420、管理模块430、优化模块440、移送模块450。

识别模块410，用于识别待拆解电池包的电池信息；

排序模块420，用于基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；

管理模块430，用于获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息；

优化模块440，用于基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；

具体地，所述优化模块440具体用于：

基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的各拆解步骤确定候选工作站；

基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤及其对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

移送模块450，用于基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤。

本公开实施例提供的一种基于柔性产线的动力电池包拆解系统，通过构建多工作站模式、具备深度学习功能的柔性产线，并为各工作站配置了可按需调整工具的快换工具台，使利用柔性产线拆解动力电池包时，能利用识别模块和排序模块获取电池包的电池信息、拆解步骤，利用管理模块记录并管理各工作站的电池包拆解进程信息，利用优化模块根据当前各工作站和各工具的使用情况为待拆解电池包确定最优的工具配置和各拆解步骤对应的目标工作站，使柔性产线可以兼容不同尺寸、不同类型的电池包拆解，提高了拆解效率，从而使柔性产线的效率最大化。

以上所描述的控制装置的实施例仅仅是示意性的，其中所使用的作为分离部件说明的“单元”可以是实现预定功能的软件和/或硬件的组合，可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

最后应说明的是：以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于柔性产线的动力电池包拆解方法，其特征在于，所述方法包括：

识别待拆解电池包的电池信息；

基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；

获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息；其中，所述柔性产线包括多个工作站、至少一个运送装置和至少一个人工辅助工作站，所述运送装置用于运送各待拆解电池包，还用于运送各工作站的工具；

基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；

基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤；

其中，所述基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤，包括：

基于所述电池信息确定所述待拆解电池包的电池型号和外形；

基于所述待拆解电池包的电池型号和外形，确定所述待拆解电池包的拆解工序；

计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤；

所述基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置，包括：

基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的各拆解步骤确定候选工作站；

基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤及其对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。

2.根据权利要求1所述的方法，其特征在于，所述基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置，包括：

从所述候选工作站随机确定一组工作站作为所述待拆解电池包的各拆解步骤对应的初始工作站，并将初始工作站的工具分布情况作为初始工具配置；

将所述初始工作站和初始工具配置输入预设的拆解时间预测模型，得到所述待拆解电池包的各拆解步骤对应的拆解时间预测值；

基于各拆解步骤对应的拆解时间预测值和标准拆解时间构建关于拆解时间的损失函数，并通过最小化损失函数确定所述待拆解电池包的各拆解步骤对应的工作站和最优的工具配置。

3.根据权利要求2所述的方法，其特征在于，所述预设的拆解时间预测模型为基于已拆解电池包的拆解数据训练得到的拆解时间预测模型，所述拆解数据包括：各电池包对应的拆解工序、实际拆解步骤及各拆解步骤的实际拆解时间、工具配置。

4.根据权利要求1所述的方法，其特征在于，所述柔性产线的各工作站包括至少一台机器人和一个快换工具台，所述机器人用于执行待拆解电池包的各拆解步骤，所述快换工具台用于为所述机器人提供工具。

5.根据权利要求4所述的方法，其特征在于，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，包括：按照所述待拆解电池包的拆解步骤，由运送装置将所述待拆解电池包依次移动至各拆解步骤对应的工作站，所述工作站的机器人从快换工具台获取相应拆解步骤对应的工具，再执行相应拆解步骤，并在完成相应拆解步骤后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站。

6.根据权利要求5所述的方法，其特征在于，所述将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，还包括：

对所述工作站的机器人执行相应拆解步骤的过程进行实时拆解检测，并判断是否存在异常情况；

若不存在异常情况，则继续拆解并记录实际拆解时间，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站；

若存在异常情况，则停止拆解并将所述待拆解电池包运送至所述人工辅助工作站进行人工拆解，拆解完成后再由运送装置将所述待拆解电池包运送至下一拆解步骤对应的工作站进行拆解。

7.一种基于柔性产线的动力电池包拆解系统，其特征在于，所述系统包括：

识别模块，用于识别待拆解电池包的电池信息；

排序模块，用于基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤；

管理模块，用于获取柔性产线中各工作站的工具配置和工作进程信息，所述工作进程信息包括各工作站当前拆解进程信息和计划拆解进程信息；其中，所述柔性产线包括多个工作站、至少一个运送装置和至少一个人工辅助工作站，所述运送装置用于运送各待拆解电池包，还用于运送各工作站的工具；

优化模块，用于基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的拆解步骤确定对应的工作站和最优的工具配置；

移送模块，用于基于所述最优的工具配置调整所述柔性产线的工具分布，并将所述待拆解电池包依次移动至各拆解步骤对应的工作站进行拆解，直至完成所有拆解步骤；

其中，所述基于所述电池信息确定待拆解电池包的拆解工序，并对所述待拆解电池包的拆解工序进行排序，得到待拆解电池包的拆解步骤，包括：

基于所述电池信息确定所述待拆解电池包的电池型号和外形；

基于所述待拆解电池包的电池型号和外形，确定所述待拆解电池包的拆解工序；

计算所述待拆解电池包的拆解工序的量化分数，并按照各拆解工序量化分数对拆解工序进行排序，得到所述拆解电池包的拆解步骤；

所述优化模块具体用于：

基于所述各工作站的工具配置和工作进程信息，为所述待拆解电池包的各拆解步骤确定候选工作站；

基于预设的拆解时间预测模型和所述待拆解电池包的各拆解步骤及其对应的标准拆解时间，从所述候选工作站中为各拆解步骤确定对应的工作站和最优的工具配置。