CN116943816A - 用于以工业规模制造电池的悬浮液的方法和设备 - Google Patents

Abstract

本发明涉及用于以工业规模制造电池的悬浮液的方法和设备，至少一种输入材料借助于在用于球研磨的装置的至少一个设有研磨球的旋转室中进行球研磨来处理。利用连续受控添加至少一种输入材料并且利用将加工过的输出材料连续受控输送，将球研磨作为连续过程实施，在悬浮液的制造期间将输入材料的状态参数和生产设施的多个过程参数作为第一参数获取，至少在学习阶段中在制造期间将关于至少制成的悬浮液的质量或状态的实验室分析的结果作为第二参数获取，在该学习阶段中将第一参数和第二参数用于借助于机器学习训练用于预测状态或质量的模型，至少在学习阶段之外借助于第一参数和训练过的模型开环控制或闭环控制用于球研磨的装置。

Description

用于以工业规模制造电池的悬浮液的方法和设备

技术领域

本发明涉及一种根据本发明的前序部分的用于大规模制造用于电池的悬浮液的方法，以及一种根据本发明的前序部分的用于以工业规模制造用于电池的悬浮液的设备。

背景技术

由于全球对例如锂离子电池的需求不断增长，电池制造商寻求扩大其产量的方法。特别是电动车辆的电池，不仅在件数方面，而且在材料的绝对量方面对产能提出越来越高的要求。在此，他们面临两个挑战：

·产能的增加能够通过当前生产机器的数量扩展或通过过程的质量变化来实现。后一种变体对制造商更具吸引力，因为更高效的方法步骤对产能和成本效率两方面都进行了提高。

·由于废品率高和生产内部分未知的影响关系，尤其最小化生产内的质量波动的那些过程适配尤为重要。

在工业中，在电极生产开始时，活性材料、粘合剂/添加剂的球研磨和球混合被确定为批处理过程，这意味着：总是在一个工序中处理并且然后输出限定量的输入材料。生产量基本上能够通过混合线的数量来定量地缩放。附加地，所谓的批次在其质量方面不同。而连续球研磨(在此连续地输送输入材料并且输出处理过的输出材料)相反地通过连续的材料流来提供较高的生产量和借此制造的电极膏(在下文也称作为悬浮液或“浆料”(英文：Schlamm))的(理论上)减小的质量波动。在此，悬浮液是活性膏，该活性膏在混合后涂覆或挤出到电极薄膜上。然而，由于成品质量测量持续时间长而使过程调节困难，所以连续球研磨未用于以工业规模实践中。

为了能够在实践中使用连续球研磨和混合的优点，因此需要精确调节过程特征变量，以持续输出质量一致的浆料。所述调节因大量影响参数而变难，影响参数中的一些无法在线测量(即在以工业规模生产制造过程期间)并且只能进行不充分的模拟：例如研磨球的磨损进程，其温度抗性和剩余研磨力。此外，浆料的质量是多维特征，其中一些因素又无法在线测量：例如其粘度、其粒度和固体份额的分布。由于能够在最短时间内和/或以合理成本进行的合适的测量机构和测量方法的可用性的缺乏，变量的“在线”测量是失败的。

文献WO 2020/216491 A1 Dreger的“用于制造电池的方法”提出一种用于制造电池、尤其电动车辆的电池的悬浮液(电极膏)的方法，其中，根据在挤出过程期间作用于悬浮液的特定能量与挤出机的填充量的关系对具有悬浮液的挤出机进行控制。但是，还由于上述原因，该方法不能用于球研磨，使得在以工业规模应用中，球研磨如之前那样通常以“批次运行”的方式来进行、即逐批次地进行。

迄今为止，连续的球研磨和球混合主要在实验室/实验员规模上进行尝试。如前所述，面向批处理的方法步骤在工业中占主导地位。在此，活性材料的研磨和原材料的混合经由所谓的配方进行控制。对于特定的单池化学，所述配方存储内含物和方法流程(例如持续时间、温度、混合筒的旋转速度)。机器操作员能够根据其经验(并借助对输入材料或原材料的实验室分析的研究)导向地干预流程。

工业中的混合线仅配备简陋的传感装置，传感装置不允许在线测量浆料质量。配方通常在试验设施中进行验证，并在持续进行的过程中通过随机实验室样品进行监控。

连续球研磨和球混合在化学方法程序中是活跃的研究领域。为此，试验性的实验室研究能够在近年来的文献中找到，该实验室研究针对特定的制药应用测试连续混合并探索合适的传感装置(例如近红外光谱NIRS)。

出版物Aditya U.Vanarase、Manel Alcalà、Jackeline I.Jerez Rozo、FernandoJ.Muzzio和Rodolfo J.的“Real-time monitoring of drug concentrationin a continuous powder mixing process using NIR spectroscopy使用NIR光谱实时监测连续粉末混合过程中的药物浓度”，Chemical Engineering Science,65(21):5728-5733,2010展示了这种方案。

在此，该研究考虑化学活性材料的均匀混合并且在三个主要点中与本发明不同：

a)在混合过程的进展期间估计内含物的浓度。在此没有对过程本身的特征变量进行反馈(在控制意义上)。

b)与作为多维和潜在标准的浆液质量相反，预测单一的、客观可测量的参数(活性材料浓度)。

c)化学初始材料已被研磨；消除由于研磨球逐渐磨损造成的复杂性。

球研磨中的混合过程在加工工业、例如水泥制造中是常见过程。然而，在此没有使用具有反馈回路的在线传感装置，因为许多产品参数(研磨度、研磨物的均匀性、粒度分布......)，但是还无法测量过程中的一些过程参数(球的磨损)。如果在这种应用中质量波动不明显，则在那里也在连续方法中使用球研磨/球混合。由于在电池生产中的质量要求，球研磨/球混合在那里以工业规模地仅在具有限定的初始条件(例如，每批次的新混合球、初始材料的指定的量和条件、恒定的环境条件等)的批量运行中使用。

发明内容

因此，本发明的目的是：适配用于球研磨的现有的方法和设备，使得在连续的生产过程中能够以保持不变的高质量制造悬浮液，尤其用于BEV(电动车辆)的电池的电极的悬浮液。

该目的通过根据本发明的方法和根据本发明的设备来实现。

在此，提出一种用于在生产设施中以工业规模制造用于电池、特别是用于锂离子电池的电极的悬浮液的方法，其中，至少一种输入材料借助于在至少一个设有研磨球的旋转室中进行球研磨来处理(研磨并且必要时混合)，并且对得出的输出材料(中间产品)借助于后续的处理单元与多种其他材料混合并排出。在此，利用连续受控添加至少一种输入材料并且利用将加工过的输出材料或中间产品连续受控输送至后续的处理单元，将球研磨作为连续过程实施，其中，在悬浮液的制造期间将输入材料的状态参数和生产设施的多个过程参数作为第一参数获取，其中，至少在学习阶段中在制造期间将关于至少制成的悬浮液和可能的中间产品的质量或状态的实验室分析的结果作为第二参数获取，其中，在学习阶段中将第一参数和第二参数用于训练模型，该模型借助于机器学习用于预测状态或质量，并且其中，至少在学习阶段之外借助于第一参数和训练过的模型开环控制或闭环控制用于球研磨的装置。对于在闭环系统内的可实现的质量使用以这种方式形成的“软传感器”允许将研磨过程和混合过程在用于球研磨或球混合的装置中作为连续过程进行闭环控制，其中，对过程特征变量进行适配，使得离开的浆料的质量特征保持恒定。

该目的还通过一种用于在生产设施中以工业规模制造用于电池、特别是用于锂离子电池的电极的悬浮液的设备来实现，其中，设有用于球研磨的装置以在至少一个设有研磨球的旋转室中对至少一种输入材料进行处理。在此，用于球研磨的装置设置用于，利用连续受控添加至少一种输入材料并且利用将加工过的输出材料连续受控输送至后续的处理单元，将球研磨作为连续过程实施，其中，设有第一传感器，以在悬浮液的制造期间将输入材料的状态参数和生产设施的多个过程参数作为第一参数获取，其中，至少在学习阶段中设有第二传感器和/或至少一个分析装置以获取至少制成的悬浮液的质量或状态，其中，设有用于训练模型的计算装置，该模型用于借助于机器学习根据第一参数和第二参数在学习阶段中用于预测状态或质量，并且其中，设有控制装置，控制装置设置用于至少在学习阶段之外借助于第一参数和训练过的模型开环控制或闭环控制用于球研磨的装置。借此能够实现根据方法所讨论的优点。

该方法的有利的设计方案在从属专利权利要求中说明。特征和优点既能够单独实现，也能够通过有意义的组合实现。结合该方法公开的特征和优点也适用于根据本发明的设备。

在一个实施变型形式中，计算装置和控制装置也能够是相同的。

监督学习或强化学习有利地用于机器学习。借此，在学习过程结束之后，能够对最终产品的特性(质量)进行良好的估计，并且根据实施方式，还能够对中间产品的特性(质量)进行估计。此外，也能够在操作运行中进一步改进借此产生的模型，例如通过借助于记录的过程参数和在此制造的产品的随机分析来进行再训练来进一步改进。如果使用强化学习，则有利地在其中使用奖励函数，奖励函数旨在奖励在至少所制成的悬浮液的预测的状态或质量与实际的状态或质量之间的尽量小的偏差。

通过使用研磨球的磨损程度作为过程参数之一，考虑了对质量的基本影响因素。如果在此磨损程度从研磨球的使用历史中计算，则无需在运行期间对球进行重复的测量技术分析。

有利地，将球研磨的装置的旋转速度用作过程参数之一，因为借此影响产品的质量或特性，以及研磨球的磨损。

通过将用于球研磨的装置的能量消耗或所需的驱动转矩用作过程参数之一，能够间接地检测研磨物料的材料特性。在此，也能够对所述值在波动方面进行评估。

通过将来自用于球研磨的装置的上下文参数用作过程参数之一，能够提高生产装置的控制的预测和精度。优选地，将来自用于球研磨的装置的混合室中的声发射和可能的视频图像作为上下文参数评估和使用。

有利地，悬浮液通过随后的处理单元，特别是通过挤出机成型为用于电极的坯料。在挤出机的出口处，在学习阶段期间，能够获得用于实验室分析研究的材料样本和操作运行中能简单检测的参数，其用作为控制的“反馈”进而还用作为学习过的模型(人工智能)的输入值。

附图说明

下面，根据附图解释根据本发明的方法的一个实施例。其同时用于解释根据本发明的设备。

在此，图1示意性地示出具有用于球研磨的装置和两个挤出机的设备。

具体实施方式

图1示出由用于球研磨的装置KM和两个挤出机EX1、EX2构成的设备。输入材料EM被输送给球研磨机KM(“用于球研磨的装置”)。其输出流由中间产品ZP构成，该中间产品在本实例中与挤出机EX2的输出产品一起输送给挤出机EX1。所述输出流由制成的悬浮液SP(简称：浆料)构成，所述悬浮液以电极坯料的形式被挤压(挤出)。

生产设施、特别是球研磨机KM配备有用于监视和开环控制或闭环控制操作(常规)运行的第一传感装置S1；在附图中，对于传感装置S1示例性地示出研磨筒中的麦克风。借助第一传感装置S1，检测输入材料EM的状态的第一参数(温度、粒度、流入的质量流等)。但是，生产设施的过程参数，特别是球研磨机KM的过程参数(例如旋转速度；研磨球MK的使用寿命、量和尺寸；温度；筒的填充水平；驱动器A的所需的功率或转矩/转矩曲线)以及上下文参数(例如来自研磨筒的录音；驱动力矩的波动(“波纹”)；振动；视频图像)也属于第一参数。同样地，输入材料EM的不可测量的特性，例如来源/供应商、仓储期等是第一参数的一部分。第一传感装置S1的一些传感器也能够不同地放置，例如该传感器能够在挤出机EX1的输出端处持续地检测挤出的材料(悬浮液SP-“浆料”)的特性，例如流动行为的参数(压力，分散)。在此应注意：传感装置S1在持续的常规运行中持续地且迅速地(“在线”)工作。

生产设施还至少暂时配备有第二传感装置S2，或者尤其在学习阶段中在外部提供或添加第二传感装置。在此，例如，其是用于实验室分析的装置，特别是制成的产品、即悬浮液SP的用于实验室分析的装置。第二传感装置S2在操作运行中根本不可用或仅随机可用或者至少缓慢/迟钝，使得其值无法用于闭环控制。因此，以这种方式检测的第二参数主要涉及在第一线中的制成的产品SP的质量。为此，例如，能够使用高光谱分析或近红外光谱。其他机械特性(例如韧性、断裂强度)或化学或电气特性也属于第二参数。

在一个实施方式中，第一参数和第二参数中的至少一些参数也能够或完全仅在中间产品ZP处检测。当不使用具有其他材料的第二挤出机EX2并且第一挤出机EX1仅用于压出悬浮液SP而不混合其他材料进而对主要产品特性几乎没有影响时，这尤其适用。

第二参数是用于控制生产设施、特别是球研磨KM和球研磨KM的入流和出流的重要的控制变量。但是，他们并不总是可用的，而且通常不能立刻使用。因此，有必要借助于模型提供第二参数，即第二传感装置S2应该对于操作运行借助于在训练阶段中参数化的模型来替换，该模型迅速提供所需的第二参数。在此，这也称为“软传感器”或“虚拟传感器”。

为此，生产设施配备有计算设备，例如具有神经处理器的工业控制装置(图中未示出)，模型例如以训练过的神经网络的形式在神经处理器中存储或处理。该模型借助第一传感装置的在持续运行中可用的传感器值和其他的第一参数来驱控，并且根据其参数化返回第二参数，即制成的悬浮液SP的预测质量。

为了训练(也称为参数化)模型，使用“监督学习”或“强化学习”，即人工智能的既定方法。训练能够在所描述的计算设备(首先是工业控制装置)中进行。但是，该模型也能够在外部训练。有时，能够借助于对随机样本的实验室分析，即借助于第二传感装置S2来检查或简化(再训练)模型。对于(再)训练，第一参数的可能记录(“登记”)的数据都与第二参数关联进而训练或简化模型，第二参数稍后根据在此制成的材料来获得。这就是说，也能够对悬浮液进行长期分析，因为其用于模型训练的结果不必在运行期间可用，而是与记录(“登记”)的生产数据关联。而在此训练过的模型在操作运行中能够：“在线”并且在此几乎无延迟地提供对正在生产的材料的质量或特性的预测，这实现闭环控制路线(“closed loop闭环”)，使得代替“基于批次”(batch-based)的生产过程实现连续的生产过程。在此，还能够估计其他参数并将其包括到模型中，特别是研磨球MK的磨损程度。

所描述的方法使用“监督学习”方法：以推导出用于在线估计电极生产的研磨过程和混合过程中的浆料质量的预测模型。在此，此外，采用过程特征变量作为时间序列(例如旋转速度、研磨球的数量和使用寿命)、上下文参数(例如混合筒的录音和振动、环境温度)还有原材料EM的特性(例如实验室分析、来源、仓储期、填充时的温度)。

在模型训练期间并且可能地在随后的时间点(质量控制、再训练)，以实验室分析的方式确定浆料的质量。对此，分析能够包含在制造期间可用于质量检测的在线传感器上“良好”浆料的目标值。此外，能够将未在制造内在线实施的更耗费的实验室分析用于确定浆料质量。例如，检测良好质量的浆料的视觉信息(例如光谱)或流动特性(例如分散、粘度)。

在常规的、以工业规模制造期间，仅能够检测可在线测量的参数(例如从混合过程中流出的浆料的光谱，但通常例如没有分散或粘度等)。所述参数直接与出自实验室设定中的良好浆料的比较值进行比较，或者借助于所描述的软传感器与更耗费的实验室分析测量相关联。

在下一步骤中，在线质量模型用于持续预测球研磨和混合中的浆料质量(例如直接在球研磨中或在挤出机EX1中)。借助例如“强化学习”方法，学习生产参数(例如旋转速度、新研磨球的添加、溶剂量、添加剂)的调节策略(调节规则)，调节策略对通过预测模型预测的浆料质量教导质量维度的目标值。

在此，调节能够借助于屏幕输出或类似方式充当用于一个/多个机器操作员的助手，或者作为闭环控制装置自主干预过程。混合形式是可行的。

作为批量过程，球研磨和混合能够主要通过购置新的线/机器来扩展。连续研磨和混合通过匹配制造参数(例如旋转速度)提供产能的更有效的扩展。因此也能够更灵活地控制生产量。

通过连续的材料出流消除了批次之间的质量波动，这稳定了制造过程并降低了废品率。

通过使用软传感器概念，能够在生产过程中使用简单可用的在线测量对离开的浆料进行现场质量评估。这节省了每条线上昂贵的测量仪器的成本。迄今为止仅经由实验室分析测量获得的且无法在线(即使借助昂贵传感装置也无法)执行的质量评估仍经由软传感器在线(迅速)提供。

在调节系统内使用软传感器允许对研磨过程和混合过程进行封闭控制，研磨过程和混合过程适配成，使得离开的浆料的质量特性保持恒定并保持在所需的水平。

软传感器和设置的调节系统扩展对于电极生产可用的自动化解决方案。能够将软传感器集成到制造过程的质量监控装置中，以预测浆料质量。自主的调节技术加强了过程控制，并允许将数据驱动的优化结合到现有的自动化解决方案中。

用于学习软传感器或基于传感器数据的调节策略的信息技术方法是已知的机器学习方法，即人工智能。然而，对于连续的球研磨和混合的应用是新颖的。特别地，将球磨损考虑为过程特性变量的一部分、在唯一的软传感器中对浆料质量(粘度、固体份额的分布、水分含量、……)进行多维描述，并在运行操作中省略专用传感器是本解决方案的基本核心方面。

Claims (13)

1.一种用于在生产设施中以工业规模制造悬浮液(SP)的方法，所述悬浮液用于电池，尤其用于锂离子电池的电极，

其中，在用于球研磨的装置(KM)的至少一个配备有研磨球(MK)的旋转室中借助于球研磨来处理至少一种输入材料(EM)，并且借助于后续的处理单元(EX1)将输出材料(ZP)与多种其他材料混合并排出，

其特征在于，

利用连续受控添加至少一种所述输入材料(EM)并且利用将加工过的所述输出材料(ZP)连续受控输送至后续的处理单元(EX1)，将所述球研磨作为连续过程实施，

在所述悬浮液(SP)的制造期间，将所述输入材料(EM)的状态参数和所述生产设施的多个过程参数作为第一参数获取，

在所述制造期间，至少在学习阶段中将关于至少制成的所述悬浮液(SP)的状态或质量的实验室分析的结果作为第二参数获取，

在所述学习阶段中，将所述第一参数和所述第二参数用于训练模型，所述模型用于借助机器学习来预测所述状态或质量，

至少在所述学习阶段之外，借助于所述第一参数和训练过的所述模型来开环控制或闭环控制用于球研磨的所述装置(KM)。

2.根据权利要求1所述的方法，

其特征在于，

将监督学习或强化学习用于所述机器学习。

3.根据权利要求2所述的方法，

其特征在于，

在所述强化学习的情况下使用奖励函数，所述奖励函数旨在奖励在至少制成的所述悬浮液(SP)的预测的状态或质量与实际的状态或质量之间的尽量小的偏差。

4.根据前述权利要求中任一项所述的方法，

其特征在于，

将所述研磨球(MK)的磨损程度用作所述过程参数之一。

5.根据权利要求4所述的方法，

其特征在于，

从所述研磨球(MK)的使用历史中计算出所述磨损程度。

6.根据前述权利要求中任一项所述的方法，

其特征在于，

将用于球研磨的所述装置(KM)的旋转速度用作所述过程参数之一。

7.根据前述权利要求中任一项所述的方法，

其特征在于，

将用于球研磨的所述装置(KM)的能量消耗或需要的驱动转矩用作所述过程参数之一。

8.根据前述权利要求中任一项所述的方法，

其特征在于，

将来自用于球研磨的所述装置(KM)的上下文参数用作所述过程参数之一。

9.根据权利要求8所述的方法，

其特征在于，

将来自用于球研磨的所述装置(KM)的混合室的声发射用作所述上下文参数。

10.根据前述权利要求中任一项所述的方法，

其特征在于，

将在用于球研磨的所述装置(EM)的出口处的中间产品(ZP)的实验室分析的结果也用作所述第二参数。

11.根据前述权利要求中任一项所述的方法，

其特征在于，

将在用于球研磨的所述装置(EM)的出口处的中间产品(ZP)的状态传感器的值也用作所述第一参数。

12.根据前述权利要求中任一项所述的方法，

其特征在于，

由后续的所述处理单元(EX1)、特别是挤出机将所述悬浮液(SP)成型为用于电极的坯料。

13.一种用于在生产设施中以工业规模制造悬浮液(SP)的设备，所述悬浮液用于电池，尤其用于锂离子电池的电极，

其中，设有用于球研磨的装置(KM)，所述装置用于在至少一个配备有研磨球(MK)的旋转室中处理至少一种输入材料(EM)，其特征在于，

用于球研磨的所述装置(KM)设置用于，利用连续受控添加至少一种所述输入材料(EM)并且利用将加工过的输出材料(ZP)连续受控输送至后续的处理单元(EX1)，将所述球研磨作为连续过程实施，

设有第一传感器(S1)，以在所述悬浮液(SP)的制造期间将所述输入材料(EM)的状态参数和所述生产设施的多个过程参数作为第一参数获取，

至少在学习阶段中设有第二传感器(S2)和/或至少一个分析装置，以获取至少制成的所述悬浮液(SP)的状态或质量，

设有用于训练模型的计算装置，所述模型用于在所述学习阶段中基于所述第一参数和第二参数借助机器学习来预测所述状态或质量，并且

设有控制装置，所述控制装置设置用于，至少在所述学习阶段之外借助于所述第一参数和训练过的所述模型来开环控制或闭环控制用于球研磨的所述装置(KM)。