CN117059862B - 一种电池模组的装配控制方法及系统 - Google Patents
一种电池模组的装配控制方法及系统 Download PDFInfo
- Publication number
- CN117059862B CN117059862B CN202311173613.0A CN202311173613A CN117059862B CN 117059862 B CN117059862 B CN 117059862B CN 202311173613 A CN202311173613 A CN 202311173613A CN 117059862 B CN117059862 B CN 117059862B
- Authority
- CN
- China
- Prior art keywords
- gluing
- battery
- optimizing
- cell
- module
- 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
- 238000004026 adhesive bonding Methods 0.000 claims abstract description 327
- 238000009826 distribution Methods 0.000 claims abstract description 219
- 238000003466 welding Methods 0.000 claims abstract description 191
- 230000003213 activating effect Effects 0.000 claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 24
- 238000004806 packaging method and process Methods 0.000 claims abstract description 8
- 239000000084 colloidal system Substances 0.000 claims description 116
- 239000003292 glue Substances 0.000 claims description 67
- 239000011162 core material Substances 0.000 claims description 50
- 238000003892 spreading Methods 0.000 claims description 48
- 230000007480 spreading Effects 0.000 claims description 48
- 238000011156 evaluation Methods 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000010073 coating (rubber) Methods 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 description 16
- 238000000576 coating method Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/04—Construction or manufacture in general
- H01M10/0404—Machines for assembling batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M50/00—Constructional details or processes of manufacture of the non-active parts of electrochemical cells other than fuel cells, e.g. hybrid cells
- H01M50/20—Mountings; Secondary casings or frames; Racks, modules or packs; Suspension devices; Shock absorbers; Transport or carrying devices; Holders
- H01M50/258—Modular batteries; Casings provided with means for assembling
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Battery Mounting, Suspending (AREA)
Abstract
本发明提供了一种电池模组的装配控制方法及系统,涉及电池模组装配领域,包括:激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案控制上料机械手抓取电芯进行定位,激活涂胶粘合模块,结合电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果控制自动涂胶机进行涂胶,执行完成时,激活激光点焊模块,结合电池型号信息和电芯型号信息,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序控制激光电焊机进行点焊,获取初始装配电池模组进行电气测试,通过进行封装电池成品模组。现有技术中依赖专家经验设定控制参数,导致存在控制参数客观性较弱的技术问题。
Description
技术领域
本发明涉及电池模组装配技术领域,具体涉及一种电池模组的装配控制方法及系统。
背景技术
电池模组是由多个电芯串并联固定后进行电气封装得到的功能组件,由于电气组件的工作场景需求,电池模组的装配控制精细化要求较高,完整的电池模组装配流程通常包括电芯定位、涂胶粘合、串并联点焊,封装,电气测试等五个流程。在这之中,涂胶粘合和串并联点焊的质量优劣,对于电池模组的成品性能具有较大的影响,更由于涂胶粘合和串并联点焊控制的复杂性,使得其成为电池模组的装配自动化控制的攻克难点。
传统的电池模组的装配自动化控制主要侧向于装配的执行端,而对于装配前的参数设计,则较多的依赖专家经验设定,自动化程度较低,此种方式的缺点在于装配控制参数的客观性较弱。
发明内容
本申请提供了一种电池模组的装配控制方法及系统,用于针对解决现有技术中依赖专家经验设定控制参数,导致存在控制参数客观性较弱的技术问题。
鉴于上述问题,本申请提供了一种电池模组的装配控制方法及系统。
本申请的第一个方面,提供了一种电池模组的装配控制方法,应用于电池模组的装配控制系统,所述系统包括服务端,所述服务端包括电芯上料模块、涂胶粘合模块和激光点焊模块,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括:激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果;基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序;基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
本申请的第二个方面,提供了一种电池模组的装配控制系统,包括服务端,所述服务端包括电芯上料模块、涂胶粘合模块和激光点焊模块,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括:分布方案匹配单元,用于激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;电芯抓取定位单元,用于基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;涂胶控制优化单元,用于当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果;涂胶控制执行单元,用于基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;点焊控制优化单元,用于当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序;电焊控制执行单元,用于基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;模组电气测试单元,用于对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过提供一种电池模组的装配控制方法及系统,主要通过电芯上料模块实现电芯定位的自动化决策、通过涂胶粘合模块实现电芯定位完成后涂胶粘合控制的自动化决策,通过激光点焊模块实现电芯串并联的电焊控制的自动化决策。对于较为复杂的上料、涂胶和点焊步骤配置了自动化决策的智能处理方案,达到了提升电池模组的装配控制决策自动化水平的技术效果。
附图说明
图1为本申请提供的一种电池模组的装配控制方法流程示意图;
图2为本申请提供的一种电池模组的装配控制方法中涂胶路径微变量寻优算法的流程示意图;
图3为本申请提供的一种电池模组的装配控制方法中涂胶参数扩充结果的确定流程示意图;
图4为本申请提供的一种电池模组的装配控制系统的结构示意图。
附图标记说明:服务端001,电芯上料模块0011、涂胶粘合模块0012,激光点焊模块0013,分布方案匹配单元100,电芯抓取定位单元200,涂胶控制优化单元300,涂胶控制执行单元400,点焊控制优化单元500,电焊控制执行单元600,模组电气测试单元700。
具体实施方式
本申请通过提供了一种电池模组的装配控制方法及系统,通过提供一种电池模组的装配控制方法及系统,主要通过电芯上料模块实现电芯定位的自动化决策、通过涂胶粘合模块实现电芯定位完成后涂胶粘合控制的自动化决策,通过激光点焊模块实现电芯串并联的电焊控制的自动化决策。用于针对解决现有技术中依赖专家经验设定控制参数,导致存在控制参数客观性较弱的技术问题,对于较为复杂的上料、涂胶和点焊步骤配置了自动化决策的智能处理方案,达到了提升电池模组的装配控制决策自动化水平的技术效果。
实施例一
如图1所示,本申请提供了一种电池模组的装配控制方法,应用于电池模组的装配控制系统,所述系统包括服务端,所述服务端包括电芯上料模块、涂胶粘合模块和激光点焊模块,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括步骤:
在一个优选的实施例中,本申请实施例提供的一种电池模组的装配控制方法通过电池模组的装配控制系统实施,电池模组的装配控制系统至少包括一个处理器和一个存储器,存储器用于存储一种电池模组的装配控制方法的任意一个步骤的指令或者程序,处理器用于当任意一个步骤执行时,调取存储器的指令或者程序进行相应步骤的实施。
具体的,电池模组的装配控制系统至少包括服务端,服务端至少内嵌有电芯上料模块、涂胶粘合模块和激光点焊模块,电芯上料模块用于进行电芯的定位布局以及上料控制的决策分析,涂胶粘合模块用于进行电芯定位完成后的电芯之间的粘合,电芯与箱体间的粘合等控制决策分析,激光点焊模块用于进行电芯串并联电焊的控制决策分析。电芯上料模块与上料机械手通信连接,涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,上料机械手、自动涂胶机和激光电焊机皆为电池模组装配的常规组件,通过与电芯上料模块、涂胶粘合模块和激光点焊模块通信连接,从而实现对实体设备的控制参数设定落地。
通过电芯上料模块、涂胶粘合模块和激光点焊模块即可实现上料、涂胶和点焊的自动化控制决策,通过上料机械手、自动涂胶机和激光电焊机即可是实现上料、涂胶和点焊的自动化执行,实现了从决策到执行的全流程自动化,具有提升电池模组的装配控制智能性的作用。
S10:激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;
进一步的,基于激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案,步骤S10包括步骤:
S11:根据所述电池型号信息,调取电池模组期望电压和电池模组期望容量;
S12:根据所述电芯型号信息,调取单电芯容量参数和单电芯电压参数;
S13:设定电芯数量约束区间,对串联电芯数量和并联电芯数量进行随机分配,生成多个初始电芯分布方案;
S14:激活内嵌于所述电芯上料模块的电池模组电压预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测电压;
S15:激活内嵌于所述电芯上料模块的电池模组容量预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测容量;
S16:根据所述电池模组期望电压和所述电池模组期望容量,对所述多个电池模组预测容量和所述多个电池模组预测电压进行分选,生成一级电芯分布方案;
S17:当所述一级电芯分布方案的数量等于1时,将所述一级电芯分布方案设为所述电芯分布方案;
S18:当所述一级电芯分布方案的数量大于1时,筛选电芯数量最小值的所述一级电芯分布方案,设为所述电芯分布方案;
S19:当所述一级电芯分布方案的数量等于0时,基于所述电芯数量约束区间,对所述串联电芯数量和所述并联电芯数量进行随机分配,更新所述多个初始电芯分布方案。
进一步,步骤S14之前还包括步骤:
S141:采集电池模组装配日志,其中,所述电池模组装配日志包括电芯容量记录数据、电芯电压记录数据、串联电芯数量记录数据、并联电芯数量记录数据、电池模组电压记录数据和电池模组容量记录数据;
S142:构建BP神经网络结构,其中,所述BP神经网络结构的输入层具有四个并行输入节点,分别与所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据相对应;所述BP神经网络结构的处理层具有两个并行映射通道,分别为所述电池模组电压预测通道和所述电池模组容量预测通道,所述BP神经网络结构的输出层具有两个并行输出节点,分别与所述电池模组电压记录数据和电池模组容量记录数据相对应;
S143:结合所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据,所述电池模组电压记录数据和所述电池模组容量记录数据对所述BP神经网络结构进行映射拟合,生成所述电池模组电压预测通道和所述电池模组容量预测通道,内嵌于所述电芯上料模块。
在一个优选实施例中,电池型号信息指的是需要装配的电池模组型号,电芯型号信息指的是装配电池的模组的电芯型号。优选的,当电芯上料模块接收到电池型号信息和电芯型号信息时,依据电池型号信息可以确定需求的电池模组的容量和电压大小,依据电芯型号信息可以确定电芯容量和电芯电压大小。基于电池模组的容量和电压大小,可结合电芯容量和电芯电压大小,对电芯进行串联数量分配,并联数量分配,从而得到使用电芯数量最少,却可以满足电池模组的容量和电压大小的电芯分布方案,优选的,电芯分布方案至少需要包括电芯串联数量、电芯并联数量、电芯空间分布方案等信息。
基于如上原理,本申请实施例提出优选电芯分布方案确定流程:
在电芯上料模块预先存储有不同电池模组型号所需要的电压和电池容量,以及不同电芯型号的电芯容量和电芯电压数据,优选的,不同电池模组型号所需要的电压和电池容量,以及不同电芯型号的电芯容量和电芯电压数据,在电芯上料模块中以数据库的形式一一对应存储,且周期性对数据库进行更新,以保证存储数据的时效性。
根据电池型号信息,从电芯上料模块调取表征电池型号信息对应需求电压的电池模组期望电压,表征电池模组型号对应需求容量的电池模组期望容量。同理,根据所述电芯型号信息,调取单电芯容量参数和单电芯电压参数。
更进一步,电芯上料模块至少还包括电池模组电压预测通道,用于结合单电芯容量参数和单电芯电压参数,预测电芯分布方案目标电池模组的电压。电芯上料模块至少还包括电池模组容量预测通道,用于结合单电芯容量参数和单电芯电压参数,预测电芯分布方案目标电池模组的容量。
电芯数量约束区间指的是电池生产管理终端预设的电芯数量限制区间,串联电芯数量指的是电芯串联的数量,并联电芯数量指的是电芯并联的数量,基于电芯数量约束区间对串联电芯数量和并联电芯数量进行随机分配,得到多个初始电芯分布方案,多个初始电芯分配方案的最小数量:以电芯数量约束区间的最小值数量作为2的指数进行计算所得数量的0.5倍,从而保证不损失计算资源的前提下,可以遍历足够多的电芯分布方案。
进一步,激活电池模组电压预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测电压;激活电池模组容量预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测容量。更进一步的,根据电池模组期望电压和电池模组期望容量,分别与多个电池模组预测电压以及多个电池模组预测容量比对,将电池模组预测容量小于电池模组期望容量,或电池模组预测电压小于电池模组期望电压的初始电芯分布方案删除,存储剩余的初始电芯分布方案得到一级电芯分布方案。
当所述一级电芯分布方案的数量等于1时,将所述一级电芯分布方案设为所述电芯分布方案;当一级电芯分布方案的数量大于1时,基于节点资源的思想,筛选电芯数量最小值的一级电芯分布方案,设为电芯分布方案;当一级电芯分布方案的数量等于0时,则需要进行更新,基于电芯数量约束区间,对串联电芯数量和并联电芯数量进行随机分配,更新所述多个初始电芯分布方案,更新后的初始电芯分布方案不同于更新前的初始电芯分布方案,若是相同,则直接删除,重新更新。通过电池模组电压预测通道和电池模组容量预测通道实现电芯串并联的组合的电压以及容量预测,实现了对电芯分布方案的自动化分选过程,更进一步,即可依据串并联数量,电芯的尺寸特征,基于电池装配箱体的空间形状以及尺寸特征进行电芯的常规分布,得到电芯的空间分布信息对筛选确定的电芯分布方案进行标识,为后步执行电芯定位的自动化控制提供了参数数据。
S20:基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;
在一个优选实施例中,根据电芯分布方案的电芯串联数量、电芯并联数量、电芯空间分布方案,可提取表征电芯的分布位置,电芯的正负极固定方向等信息的电芯定位信息,控制上料机械手抓取电芯在电池装配箱体中进行定位,当满足电芯分布方案时,生成电芯定位完成信号,用于提醒系统电芯定位完成,可以进入后步装配流程。
S30:当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果;
进一步的,如图2所示,当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果,步骤S30包括步骤:
S31:基于所述电芯定位信息、所述电池型号信息、所述电芯型号信息和涂胶材料类型,激活内嵌于所述涂胶粘合模块的涂胶样本标定表,匹配涂胶样本信息,其中,所述涂胶样本信息包括胶体样本分布定位信息和胶体样本厚度信息;
S32:以所述电芯定位信息、所述电池型号信息、所述电芯型号信息和所述涂胶材料类型,基于电池模组装配大数据进行采样,生成多组涂胶日志数据,其中,任意一组涂胶日志数据包括涂胶路径记录数据、涂胶流量序列记录数据和多个涂胶结果记录数据;
S33:对所述多个涂胶结果记录数据进行胶体分布标定,生成胶体分布定位标识;
S34:对所述多个涂胶结果记录数据进行胶体厚度标定,生成胶体厚度定位标识;
S35:基于涂胶路径微变量寻优算法,调取所述胶体样本分布定位信息、所述胶体样本厚度信息、所述胶体分布定位标识和所述胶体厚度定位标识,对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,基于涂胶路径微变量寻优算法,调取所述胶体样本分布定位信息、所述胶体样本厚度信息、所述胶体分布定位标识和所述胶体厚度定位标识,对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,步骤S35包括步骤:
S351:构建涂胶参数分选概率评估函数:
x0=[(a01,b01,c01),…(a0k,b0k,c0k),…(a0m,b0m,c0m),…,(a0l,b0l,c0l)];
xi=[(ai1,bi1,ci1),...(aik,bik,cik),...(aim,bim,cim),...,(aiq,biq,ciq)];
n1(xi,x0)=l+q-2*m;
其中,P(xi)表征第i组涂胶参数分选概率,x0表征胶体样本分布定位信息的多个坐标信息,xi表征第i组涂胶参数的胶体分布定位标识的多个坐标信息,(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m)表征胶体样本分布定位信息与胶体分布定位标识的m个重合坐标,a,b,c分别为坐标值,(a0(m+1),b0(m+1),c0(m+1))到(a0l,b0l,c0l)表征胶体样本分布定位信息的,与胶体分布定位标识的非重合坐标,(ai(m+1),bi(m+1),ci(m+1)),...,(aiq,biq,ciq)表征胶体分布定位标识的,与胶体样本分布定位信息的非重合坐标,e表征常数,α表征归一化调节系数,[n1(xi,x0)+n2(xi,x0)]α与n1(xi,x0),n2(xi,x0)正相关,d(a0k,b0k,c0k)表征胶体样本分布定位信息的第k点位的胶体样本厚度信息,d(aik,bik,cik)表征胶体分布定位标识的第k点位的胶体厚度定位标识,d0表征异常厚度阈值;
S352:根据所述涂胶参数分选概率评估函数,结合所述涂胶路径微变量寻优算法对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,根据所述涂胶参数分选概率评估函数,结合所述涂胶路径微变量寻优算法对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,步骤S352包括步骤:
S3521:基于所述涂胶参数分选概率评估函数,遍历所述多组涂胶日志数据进行分选概率评价,生成多个分选概率评估结果;
S3522:基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果;
S3523:基于所述涂胶参数扩充结果,在所述电池模组装配大数据进行采样,生成扩充参数分选概率;
S3524:对所述多个分选概率评估结果和所述扩充参数分选概率进行最大值提取,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,如图3所示,基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果,步骤S3522包括步骤:
S35221:遍历所述多个分选概率评估结果,计算与分选概率总和的比值,设为多个变异概率;
S35222:基于所述多个变异概率进行轮盘赌选择N次,选取N个待变异涂胶参数,其中,所述N个待变异涂胶参数可以重复;
S35223:设定涂胶路径坐标波动区间和涂胶流量波动区间,遍历所述N个待变异涂胶参数进行随机波动Z次,生成N*Z个涂胶扩充参数,添加进所述涂胶参数扩充结果。
在一个优选实施例中,当服务端接收到电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果,其中,涂胶路径寻优结果指的是涂胶的指导路径,涂胶流量序列寻优结果指的是路径的不同位置的流量变化状态。
优选的,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果的优选流程如下:
在涂胶粘合模块内置有涂胶样本标定表,涂胶样本标定表为预先设定的表,任意一个涂胶样本和所述电芯定位信息、所述电池型号信息和所述电芯型号信息关联存储,由于电池装配箱体对于空间分布具有强约束作用,因此相同空间分布场景有限,可通过涂胶样本标定表进行标定,涂胶样本表征相同场景下的理想涂胶状态,至少包括表征胶体分布位置的胶体样本分布定位信息,以及不同位置胶体分布厚度的胶体样本厚度信息。
涂胶粘合模块还具备联网功能,可联网检索相同的电芯定位信息、电池型号信息、电芯型号信息和涂胶材料类型场景下的电池模组装配大数据,从而得到历史涂胶生产数据,存储为多组涂胶日志数据,其中,任意一组涂胶日志数据包括涂胶路径记录数据、涂胶流量序列记录数据和多个涂胶结果记录数据,表征一次完整的涂胶控制数据。
由于涂胶路径记录数据和涂胶流量序列记录数据,和涂胶结果之间为一对多的结果,因此无法基于胶体样本分布定位信息和胶体样本厚度信息进行逆向检索。仅可以依据涂胶路径记录数据、涂胶流量序列记录数据,对其多个涂胶结果进行高频出现的分布定位进行标定,存储为胶体分布定位标识,以及高频出现的胶体厚度进行标定,存储为胶体厚度定位标识,以得到控制较为稳定,且满足胶体样本分布定位信息和胶体样本厚度信息的涂胶控制参数。
进一步,分布定位标流程如下:
由用户自定义设定分布定位重合坐标比例阈值,并构建分布定位重合坐标比例统计函数:分布定位重合坐标比例=任意两个胶体分布定位信息的重合坐标数量/(重合坐标数量+非重合坐标数量)。
当任意两个胶体分布定位信息的分布定位重合坐标比例大于或等于分布定位重合坐标比例阈值时,将两个胶体分布定位信息具体为一组,重复聚类,当任意两个聚类的胶体分布定位信息的分布定位重合坐标比例小于分布定位重合坐标比例阈值时停止聚类。提取胶体分布定位信息聚类数量最大值的聚类结果的任意一个胶体分布定位信息,作为胶体分布定位标识。更进一步,胶体厚度标定流程如下,对胶体分布定位信息聚类数量最大值的聚类结果的分布定位重合坐标的厚度求取均值进行厚度定位标识,以胶体分布定位标识的厚度特征对分布定位非重合坐标的厚度进行标定,从而得到胶体厚度定位标识。
更进一步,由于采集的涂胶日志数据组数较多,全部遍历虽然可以筛选出全局最优的涂胶控制信息,但是算力要求较高,因此需要一种依赖较低算力,但是所得涂胶控制信息仍然具有一定的全局最优性的优化方案,本申请实施例提出了涂胶路径微变量寻优算法,详细流程示例性地如下:构建涂胶参数分选概率评估函数:x0=[(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m),...,(a0l,b0l,c0l)];xi=[(ai1,bi1,ci1),...(aik,bik,cik),…(aim,bim,cim),...,(aiq,biq,ciq)];n1(xi,x0)=l+q-2*m; 其中,P(xi)表征第i组涂胶参数分选概率,x0表征胶体样本分布定位信息的多个坐标信息,xi表征第i组涂胶参数的胶体分布定位标识的多个坐标信息,(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m)表征胶体样本分布定位信息与胶体分布定位标识的m个重合坐标,a,b,c分别为坐标值,(a0(m+1),b0(m+1),c0(m+1))到(a0l,b0l,c0l)表征胶体样本分布定位信息的,与胶体分布定位标识的非重合坐标,(ai(m+1),bi(m+1),ci(m+1)),...,(aiq,biq,ciq)表征胶体分布定位标识的,与胶体样本分布定位信息的非重合坐标,e表征常数,α表征归一化调节系数,[n1(xi,x0)+n2(xi,x0)]α与n1(xi,x0),n2(xi,x0)正相关,d(a0k,b0k,c0k)表征胶体样本分布定位信息的第k点位的胶体样本厚度信息,d(aik,bik,cik)表征胶体分布定位标识的第k点位的胶体厚度定位标识,d0表征异常厚度阈值。
进一步,利用涂胶参数分选概率评估函数,可以对多组涂胶日志数据进行涂胶路径微变量寻优,从而得到涂胶路径寻优结果和所述涂胶流量序列寻优结果。详细地如下:
步骤一:基于所述涂胶参数分选概率评估函数,遍历所述多组涂胶日志数据进行分选概率评价,生成多个分选概率评估结果;
步骤二:基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果。具体地,遍历所述多个分选概率评估结果,计算与分选概率总和的比值,设为多个变异概率;基于所述多个变异概率进行轮盘赌选择N次,选取N个待变异涂胶参数,其中,所述N个待变异涂胶参数可以重复,N≥10,N为整数;设定涂胶路径坐标波动区间和涂胶流量波动区间,遍历所述N个待变异涂胶参数进行随机波动Z次,生成N*Z个涂胶扩充参数,添加进所述涂胶参数扩充结果。其中,涂胶路径坐标波动区间表征以路径的边界坐标为中心可以波动的邻域范围大小,涂胶流量波动区间表征每个位置的涂胶流量可以修改的范围大小,即为管理人员自定义参数,若是管理人员想要得到全局性较强的涂胶控制参数,则涂胶路径坐标波动区间和涂胶流量波动区间可以设置大一些,反之,则可以设置小一些。
步骤三:基于所述涂胶参数扩充结果,在所述电池模组装配大数据进行采样,生成扩充参数分选概率,即根据扩充的涂胶参数扩充结果在电池模组装配大数据进行检索,确定相同控制参数的分布定位信息和厚度定位信息,从而可以通过涂胶参数分选概率评估函数进行分选概率评价。
步骤四:对所述多个分选概率评估结果和所述扩充参数分选概率进行最大值提取,生成涂胶路径寻优结果和涂胶流量序列寻优结果。
通过涂胶路径微变量寻优算法,可以在选择性的选择较优的控制参数进行变异,不需要进行全局调整,提升了优化过程的计算效率,同时保证了涂胶路径寻优结果和涂胶流量序列寻优结果的全局特性,提升了涂胶路径寻优结果和涂胶流量序列寻优结果的客观性。
S40:基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;
在一个优选实施例中,当涂胶路径寻优结果和涂胶流量序列寻优结果生成时,即自动涂胶机进行涂胶控制,当涂胶路径寻优结果和涂胶流量序列寻优结果都执行完成时,自动涂胶机生成涂胶完成信号,发送至服务端,以提醒进行后步流程。
S50:当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序;
S60:基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;
在一个优选的实施例中,当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序。其中,单电芯正极点焊寻优路径指的是任意一个电芯正级位置的点焊指导路径,单电芯负极点焊寻优路径指的是任意一个电芯负级位置的点焊指导路径,电芯焊接寻优顺序指的是多个电芯之间的焊接顺序。
需要声明的是,此处的焊接路径微变量寻优算法流程与涂胶路径微变量寻优算法流程完全相同,主要用于分析单电芯正极点焊寻优路径和单电芯负极点焊寻优路径,当用于分析单电芯正极点焊寻优路径和单电芯负极点焊寻优路径时,只需要将涂胶路径微变量寻优算法全流程,以及公式中的涂胶路径记录数据替换为焊接路径记录数据、涂胶流量序列记录数据替换为焊接功率序列记录数据,多个涂胶结果记录数据替换为多个焊接结果记录数据。根据焊接结果记录数据中包括焊点分布定位标识和焊接深度定位标识,焊点分布定位标识和胶体分布定位标识对应替换,焊接深度定位标识和胶体厚度定位标识对应替换。涂胶样本信息替换为电芯焊接样本。数据替换完成后,即可进行焊接路径微变量寻优,确定单电芯正极点焊寻优路径和单电芯负极点焊寻优路径。
电芯焊接寻优顺序确定方法具体为:根据电芯的分布位置进行电焊路径的枚举设定,得到多个电芯焊接顺序;从多个电芯焊接顺序中筛选连续电芯数量最多的路径,设为电芯焊接寻优顺序。避免点焊机无规律的移动点焊,导致耗能较多。
S70:对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
在一个优选实施例中,预设电气测试指的是由用户预先设定的各项电气测试项目,若是不通过,则生成异常项目测试信号,发送至管理终端进行复核排查,若是所有的电气测试均通过,则对所述初始装配电池模组进行封装,生成电池成品模组,完成电池模组装配,输送至预设存储区域。
综上所述,本申请实施例至少具有如下技术效果:
1、本申请实施例通过提供一种电池模组的装配控制方法及系统,主要通过电芯上料模块实现电芯定位的自动化决策、通过涂胶粘合模块实现电芯定位完成后涂胶粘合控制的自动化决策,通过激光点焊模块实现电芯串并联的电焊控制的自动化决策。对于较为复杂的上料、涂胶和点焊步骤配置了自动化决策的智能处理方案,达到了提升电池模组的装配控制决策自动化水平的技术效果。
2、通过涂胶路径微变量寻优算法,可以在选择性的选择较优的控制参数进行变异,不需要进行全局调整,提升了优化过程的计算效率,同时保证了涂胶路径寻优结果和涂胶流量序列寻优结果的全局特性,提升了涂胶路径寻优结果和涂胶流量序列寻优结果的客观性。
实施例二
基于与前述实施例中一种电池模组的装配控制方法相同的发明构思,如图4所示,本申请提供了一种电池模组的装配控制系统,包括服务端001,所述服务端001包括电芯上料模块0011、涂胶粘合模块0012和激光点焊模块0013,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括:
分布方案匹配单元100,用于激活电芯上料模块0011,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;
电芯抓取定位单元200,用于基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;
涂胶控制优化单元300,用于当生成所述电芯定位完成信号时,激活涂胶粘合模块0012,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果;
涂胶控制执行单元400,用于基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;
点焊控制优化单元500,用于当生成所述涂胶完成信号时,激活激光点焊模块0013,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序;
电焊控制执行单元600,用于基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;
模组电气测试单元700,用于对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
进一步的,所述分布方案匹配单元100执行步骤包括:
根据所述电池型号信息,调取电池模组期望电压和电池模组期望容量;
根据所述电芯型号信息,调取单电芯容量参数和单电芯电压参数;
设定电芯数量约束区间,对串联电芯数量和并联电芯数量进行随机分配,生成多个初始电芯分布方案;
激活内嵌于所述电芯上料模块的电池模组电压预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测电压;
激活内嵌于所述电芯上料模块的电池模组容量预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测容量;
根据所述电池模组期望电压和所述电池模组期望容量,对所述多个电池模组预测容量和所述多个电池模组预测电压进行分选,生成一级电芯分布方案;
当所述一级电芯分布方案的数量等于1时,将所述一级电芯分布方案设为所述电芯分布方案;
当所述一级电芯分布方案的数量大于1时,筛选电芯数量最小值的所述一级电芯分布方案,设为所述电芯分布方案;
当所述一级电芯分布方案的数量等于0时,基于所述电芯数量约束区间,对所述串联电芯数量和所述并联电芯数量进行随机分配,更新所述多个初始电芯分布方案。
进一步的,所述分布方案匹配单元100执行步骤还包括:
采集电池模组装配日志,其中,所述电池模组装配日志包括电芯容量记录数据、电芯电压记录数据、串联电芯数量记录数据、并联电芯数量记录数据、电池模组电压记录数据和电池模组容量记录数据;
构建BP神经网络结构,其中,所述BP神经网络结构的输入层具有四个并行输入节点,分别与所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据相对应;所述BP神经网络结构的处理层具有两个并行映射通道,分别为所述电池模组电压预测通道和所述电池模组容量预测通道,所述BP神经网络结构的输出层具有两个并行输出节点,分别与所述电池模组电压记录数据和电池模组容量记录数据相对应;
结合所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据,所述电池模组电压记录数据和所述电池模组容量记录数据对所述BP神经网络结构进行映射拟合,生成所述电池模组电压预测通道和所述电池模组容量预测通道,内嵌于所述电芯上料模块。
进一步的,所述涂胶控制优化单元300执行步骤包括:
基于所述电芯定位信息、所述电池型号信息、所述电芯型号信息和涂胶材料类型,激活内嵌于所述涂胶粘合模块的涂胶样本标定表,匹配涂胶样本信息,其中,所述涂胶样本信息包括胶体样本分布定位信息和胶体样本厚度信息;
以所述电芯定位信息、所述电池型号信息、所述电芯型号信息和所述涂胶材料类型,基于电池模组装配大数据进行采样,生成多组涂胶日志数据,其中,任意一组涂胶日志数据包括涂胶路径记录数据、涂胶流量序列记录数据和多个涂胶结果记录数据;
对所述多个涂胶结果记录数据进行胶体分布标定,生成胶体分布定位标识;
对所述多个涂胶结果记录数据进行胶体厚度标定,生成胶体厚度定位标识;
基于涂胶路径微变量寻优算法,调取所述胶体样本分布定位信息、所述胶体样本厚度信息、所述胶体分布定位标识和所述胶体厚度定位标识,对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,所述涂胶控制优化单元300执行步骤包括:
构建涂胶参数分选概率评估函数:
x0=[(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m),...,(a0l,b0l,c0l)];
xi=[(ai1,bi1,ci1),...(aik,bik,cik),...(aim,bim,cim),...,(aiq,biq,ciq)];
n1(xi,x0)=l+q-2*m;
其中,P(xi)表征第i组涂胶参数分选概率,x0表征胶体样本分布定位信息的多个坐标信息,xi表征第i组涂胶参数的胶体分布定位标识的多个坐标信息,(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m)表征胶体样本分布定位信息与胶体分布定位标识的m个重合坐标,a,b,c分别为坐标值,(a0(m+1),b0(m+1),c0(m+1))到(a0l,b0l,c0l)表征胶体样本分布定位信息的,与胶体分布定位标识的非重合坐标,(ai(m+1),bi(m+1),ci(m+1)),...,(aiq,biq,ciq)表征胶体分布定位标识的,与胶体样本分布定位信息的非重合坐标,e表征常数,α表征归一化调节系数,[n1(xi,x0)+n2(xi,x0)]α与n1(xi,x0),n2(xi,x0)正相关,d(a0k,b0k,c0k)表征胶体样本分布定位信息的第k点位的胶体样本厚度信息,d(aik,bik,cik)表征胶体分布定位标识的第k点位的胶体厚度定位标识,d0表征异常厚度阈值;
根据所述涂胶参数分选概率评估函数,结合所述涂胶路径微变量寻优算法对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,所述涂胶控制优化单元300执行步骤包括:
基于所述涂胶参数分选概率评估函数,遍历所述多组涂胶日志数据进行分选概率评价,生成多个分选概率评估结果;
基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果;
基于所述涂胶参数扩充结果,在所述电池模组装配大数据进行采样,生成扩充参数分选概率;
对所述多个分选概率评估结果和所述扩充参数分选概率进行最大值提取,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果。
进一步的,所述涂胶控制优化单元300执行步骤包括:
遍历所述多个分选概率评估结果,计算与分选概率总和的比值,设为多个变异概率;
基于所述多个变异概率进行轮盘赌选择N次,选取N个待变异涂胶参数,其中,所述N个待变异涂胶参数可以重复;
设定涂胶路径坐标波动区间和涂胶流量波动区间,遍历所述N个待变异涂胶参数进行随机波动Z次,生成N*Z个涂胶扩充参数,添加进所述涂胶参数扩充结果。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (4)
1.一种电池模组的装配控制方法,其特征在于,应用于电池模组的装配控制系统,所述系统包括服务端,所述服务端包括电芯上料模块、涂胶粘合模块和激光点焊模块,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括:
激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;
基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;
当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果,包括:
基于所述电芯定位信息、所述电池型号信息、所述电芯型号信息和涂胶材料类型,激活内嵌于所述涂胶粘合模块的涂胶样本标定表,匹配涂胶样本信息,其中,所述涂胶样本信息包括胶体样本分布定位信息和胶体样本厚度信息;
以所述电芯定位信息、所述电池型号信息、所述电芯型号信息和所述涂胶材料类型,基于电池模组装配大数据进行采样,生成多组涂胶日志数据,其中,任意一组涂胶日志数据包括涂胶路径记录数据、涂胶流量序列记录数据和多个涂胶结果记录数据;
对所述多个涂胶结果记录数据进行胶体分布标定,生成胶体分布定位标识;
对所述多个涂胶结果记录数据进行胶体厚度标定,生成胶体厚度定位标识;
基于涂胶路径微变量寻优算法,调取所述胶体样本分布定位信息、所述胶体样本厚度信息、所述胶体分布定位标识和所述胶体厚度定位标识,对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,包括:
构建涂胶参数分选概率评估函数:
x0=[(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m),...,(a0l,b0l,c0l)];
xi=[(ai1,bi1,ci1),...(aik,bik,cik),...(aim,bim,cim),...,(aiq,biq,ciq)];
n1(xi,x0)=l+q-2*m;
其中,P(xi)表征第i组涂胶参数分选概率,x0表征胶体样本分布定位信息的多个坐标信息,xi表征第i组涂胶参数的胶体分布定位标识的多个坐标信息,(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m)表征胶体样本分布定位信息与胶体分布定位标识的m个重合坐标,a,b,c分别为坐标值,(a0(m+1),b0(m+1),c0(m+1))到(a0l,b0l,c0l)表征胶体样本分布定位信息的,与胶体分布定位标识的非重合坐标,(ai(m+1),bi(m+1),ci(m+1)),...,(aiq,biq,ciq)表征胶体分布定位标识的,与胶体样本分布定位信息的非重合坐标,e表征常数,α表征归一化调节系数,[n1(xi,x0)+n2(xi,x0)]α与n1(xi,x0),n2(xi,x0)正相关,d(a0k,b0k,c0k)表征胶体样本分布定位信息的第k点位的胶体样本厚度信息,d(aik,bik,cik)表征胶体分布定位标识的第k点位的胶体厚度定位标识,d0表征异常厚度阈值;
根据所述涂胶参数分选概率评估函数,结合所述涂胶路径微变量寻优算法对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,包括:
基于所述涂胶参数分选概率评估函数,遍历所述多组涂胶日志数据进行分选概率评价,生成多个分选概率评估结果;
基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果,包括:
遍历所述多个分选概率评估结果,计算与分选概率总和的比值,设为多个变异概率;
基于所述多个变异概率进行轮盘赌选择N次,选取N个待变异涂胶参数,其中,所述N个待变异涂胶参数可以重复;
设定涂胶路径坐标波动区间和涂胶流量波动区间,遍历所述N个待变异涂胶参数进行随机波动Z次,生成N*Z个涂胶扩充参数,添加进所述涂胶参数扩充结果;
基于所述涂胶参数扩充结果,在所述电池模组装配大数据进行采样,生成扩充参数分选概率;
对所述多个分选概率评估结果和所述扩充参数分选概率进行最大值提取,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果;
基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;
当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序,其中,焊接路径微变量寻优算法流程与涂胶路径微变量寻优算法流程完全相同,将涂胶路径记录数据替换为焊接路径记录数据、涂胶流量序列记录数据替换为焊接功率序列记录数据、多个涂胶结果记录数据替换为多个焊接结果记录数据、焊点分布定位标识和胶体分布定位标识对应替换、焊接深度定位标识和胶体厚度定位标识对应替换即可进行寻优;
基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;
对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
2.如权利要求1所述的方法,其特征在于,激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案,包括:
根据所述电池型号信息,调取电池模组期望电压和电池模组期望容量;
根据所述电芯型号信息,调取单电芯容量参数和单电芯电压参数;
设定电芯数量约束区间,对串联电芯数量和并联电芯数量进行随机分配,生成多个初始电芯分布方案;
激活内嵌于所述电芯上料模块的电池模组电压预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测电压;
激活内嵌于所述电芯上料模块的电池模组容量预测通道,结合所述单电芯容量参数和所述单电芯电压参数,遍历所述多个初始电芯分布方案进行预测,生成多个电池模组预测容量;
根据所述电池模组期望电压和所述电池模组期望容量,对所述多个电池模组预测容量和所述多个电池模组预测电压进行分选,生成一级电芯分布方案;
当所述一级电芯分布方案的数量等于1时,将所述一级电芯分布方案设为所述电芯分布方案;
当所述一级电芯分布方案的数量大于1时,筛选电芯数量最小值的所述一级电芯分布方案,设为所述电芯分布方案;
当所述一级电芯分布方案的数量等于0时,基于所述电芯数量约束区间,对所述串联电芯数量和所述并联电芯数量进行随机分配,更新所述多个初始电芯分布方案。
3.如权利要求2所述的方法,其特征在于,还包括:
采集电池模组装配日志,其中,所述电池模组装配日志包括电芯容量记录数据、电芯电压记录数据、串联电芯数量记录数据、并联电芯数量记录数据、电池模组电压记录数据和电池模组容量记录数据;
构建BP神经网络结构,其中,所述BP神经网络结构的输入层具有四个并行输入节点,分别与所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据相对应;所述BP神经网络结构的处理层具有两个并行映射通道,分别为所述电池模组电压预测通道和所述电池模组容量预测通道,所述BP神经网络结构的输出层具有两个并行输出节点,分别与所述电池模组电压记录数据和电池模组容量记录数据相对应;
结合所述电芯容量记录数据、所述电芯电压记录数据、所述串联电芯数量记录数据、所述并联电芯数量记录数据,所述电池模组电压记录数据和所述电池模组容量记录数据对所述BP神经网络结构进行映射拟合,生成所述电池模组电压预测通道和所述电池模组容量预测通道,内嵌于所述电芯上料模块。
4.一种电池模组的装配控制系统,其特征在于,用于执行权利要求1-3任意一项所述的方法,包括服务端,所述服务端包括电芯上料模块、涂胶粘合模块和激光点焊模块,所述电芯上料模块与上料机械手通信连接,所述涂胶粘合模块和自动涂胶机通信连接,所述激光点焊模块和激光电焊机通信连接,包括:
分布方案匹配单元,用于激活电芯上料模块,接收电池型号信息和电芯型号信息进行电芯分布方案匹配,生成电芯分布方案;
电芯抓取定位单元,用于基于所述电芯分布方案,控制上料机械手抓取电芯在电池装配箱体中进行定位,当电芯定位信息满足所述电芯分布方案时,生成电芯定位完成信号;
涂胶控制优化单元,用于当生成所述电芯定位完成信号时,激活涂胶粘合模块,基于涂胶路径微变量寻优算法,结合所述电芯定位信息进行寻优,生成涂胶路径寻优结果和涂胶流量序列寻优结果,包括:
基于所述电芯定位信息、所述电池型号信息、所述电芯型号信息和涂胶材料类型,激活内嵌于所述涂胶粘合模块的涂胶样本标定表,匹配涂胶样本信息,其中,所述涂胶样本信息包括胶体样本分布定位信息和胶体样本厚度信息;
以所述电芯定位信息、所述电池型号信息、所述电芯型号信息和所述涂胶材料类型,基于电池模组装配大数据进行采样,生成多组涂胶日志数据,其中,任意一组涂胶日志数据包括涂胶路径记录数据、涂胶流量序列记录数据和多个涂胶结果记录数据;
对所述多个涂胶结果记录数据进行胶体分布标定,生成胶体分布定位标识;
对所述多个涂胶结果记录数据进行胶体厚度标定,生成胶体厚度定位标识;
基于涂胶路径微变量寻优算法,调取所述胶体样本分布定位信息、所述胶体样本厚度信息、所述胶体分布定位标识和所述胶体厚度定位标识,对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,包括:
构建涂胶参数分选概率评估函数:
x0=[(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0mn),...,(a0l,b0l,c0l)];
xi=[(ai1,bi1,ci1),...(aik,bik,cik),...(aim,bim,cim),...,(aiq,biq,ciq)];
n1(xi,x0)=l+q-2*m;
其中,P(xi)表征第i组涂胶参数分选概率,x0表征胶体样本分布定位信息的多个坐标信息,xi表征第i组涂胶参数的胶体分布定位标识的多个坐标信息,(a01,b01,c01),...(a0k,b0k,c0k),...(a0m,b0m,c0m)表征胶体样本分布定位信息与胶体分布定位标识的m个重合坐标,a,b,c分别为坐标值,(a0(m+1),b0(m+1),c0(m+1))到(a0l,b0l,c0l)表征胶体样本分布定位信息的,与胶体分布定位标识的非重合坐标,(ai(m+1),bi(m+1),ci(m+1)),...,(aiq,biq,ciq)表征胶体分布定位标识的,与胶体样本分布定位信息的非重合坐标,e表征常数,α表征归一化调节系数,[n1(xi,x0)+n2(xi,x0)]α与n1(xi,x0),n2(xi,x0)正相关,d(a0k,b0k,c0k)表征胶体样本分布定位信息的第k点位的胶体样本厚度信息,d(aik,bik,cik)表征胶体分布定位标识的第k点位的胶体厚度定位标识,d0表征异常厚度阈值;
根据所述涂胶参数分选概率评估函数,结合所述涂胶路径微变量寻优算法对所述多组涂胶日志数据进行分选,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,包括:
基于所述涂胶参数分选概率评估函数,遍历所述多组涂胶日志数据进行分选概率评价,生成多个分选概率评估结果;
基于所述涂胶路径微变量寻优算法,结合所述多个分选概率评估结果进行轮盘赌变异,生成涂胶参数扩充结果,包括:
遍历所述多个分选概率评估结果,计算与分选概率总和的比值,设为多个变异概率;
基于所述多个变异概率进行轮盘赌选择N次,选取N个待变异涂胶参数,其中,所述N个待变异涂胶参数可以重复;
设定涂胶路径坐标波动区间和涂胶流量波动区间,遍历所述N个待变异涂胶参数进行随机波动Z次,生成N*Z个涂胶扩充参数,添加进所述涂胶参数扩充结果;
基于所述涂胶参数扩充结果,在所述电池模组装配大数据进行采样,生成扩充参数分选概率;
对所述多个分选概率评估结果和所述扩充参数分选概率进行最大值提取,生成所述涂胶路径寻优结果和所述涂胶流量序列寻优结果;
涂胶控制执行单元,用于基于所述涂胶路径寻优结果和所述涂胶流量序列寻优结果,控制自动涂胶机进行涂胶控制,当所述涂胶路径寻优结果执行完成时,生成涂胶完成信号;
点焊控制优化单元,用于当生成所述涂胶完成信号时,激活激光点焊模块,基于焊接路径微变量寻优算法,结合所述电池型号信息和所述电芯型号信息进行点焊路径优化,生成单电芯正极点焊寻优路径、单电芯负极点焊寻优路径和电芯焊接寻优顺序,其中,焊接路径微变量寻优算法流程与涂胶路径微变量寻优算法流程完全相同,将涂胶路径记录数据替换为焊接路径记录数据、涂胶流量序列记录数据替换为焊接功率序列记录数据、多个涂胶结果记录数据替换为多个焊接结果记录数据、焊点分布定位标识和胶体分布定位标识对应替换、焊接深度定位标识和胶体厚度定位标识对应替换即可进行寻优;
电焊控制执行单元,用于基于所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序,控制激光电焊机进行点焊控制,当所述单电芯正极点焊寻优路径、所述单电芯负极点焊寻优路径和所述电芯焊接寻优顺序执行完成时,生成点焊完成信号,获取初始装配电池模组;
模组电气测试单元,用于对所述初始装配电池模组进行预设电气测试,当电气测试通过时,对所述初始装配电池模组进行封装,生成电池成品模组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311173613.0A CN117059862B (zh) | 2023-09-12 | 2023-09-12 | 一种电池模组的装配控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311173613.0A CN117059862B (zh) | 2023-09-12 | 2023-09-12 | 一种电池模组的装配控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117059862A CN117059862A (zh) | 2023-11-14 |
CN117059862B true CN117059862B (zh) | 2024-03-08 |
Family
ID=88655466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311173613.0A Active CN117059862B (zh) | 2023-09-12 | 2023-09-12 | 一种电池模组的装配控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117059862B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434908B (zh) * | 2023-12-18 | 2024-02-20 | 深圳市鑫路远电子设备有限公司 | 一种精密abc胶水的智能搅拌监测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR1358396A (fr) * | 1962-11-19 | 1964-04-17 | Cantop | Procédé et machine pour fabriquer des fermetures déchirables pour récipients |
CN206432330U (zh) * | 2016-12-28 | 2017-08-22 | 昂华(上海)自动化工程股份有限公司 | 一种电池组件清洗涂胶生产线 |
CN112864440A (zh) * | 2020-12-31 | 2021-05-28 | 惠州亿纬集能有限公司 | 软包电芯制造方法及软包电芯 |
CN112871596A (zh) * | 2021-01-11 | 2021-06-01 | 合肥国轩高科动力能源有限公司 | 一种电池包涂胶方法及系统 |
WO2021232592A1 (zh) * | 2020-05-22 | 2021-11-25 | 梅卡曼德(北京)机器人科技有限公司 | 涂胶轨迹的获取方法及涂胶方法、装置和涂胶轨迹生成系统 |
CN114566692A (zh) * | 2020-11-27 | 2022-05-31 | 中车时代电动汽车股份有限公司 | 一种封装电池的制备系统及制备方法 |
CN115661040A (zh) * | 2022-09-28 | 2023-01-31 | 广州市易鸿智能装备有限公司 | 一种锂电池电芯涂胶的检测方法及装置、电子设备 |
-
2023
- 2023-09-12 CN CN202311173613.0A patent/CN117059862B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR1358396A (fr) * | 1962-11-19 | 1964-04-17 | Cantop | Procédé et machine pour fabriquer des fermetures déchirables pour récipients |
CN206432330U (zh) * | 2016-12-28 | 2017-08-22 | 昂华(上海)自动化工程股份有限公司 | 一种电池组件清洗涂胶生产线 |
WO2021232592A1 (zh) * | 2020-05-22 | 2021-11-25 | 梅卡曼德(北京)机器人科技有限公司 | 涂胶轨迹的获取方法及涂胶方法、装置和涂胶轨迹生成系统 |
CN114566692A (zh) * | 2020-11-27 | 2022-05-31 | 中车时代电动汽车股份有限公司 | 一种封装电池的制备系统及制备方法 |
CN112864440A (zh) * | 2020-12-31 | 2021-05-28 | 惠州亿纬集能有限公司 | 软包电芯制造方法及软包电芯 |
CN112871596A (zh) * | 2021-01-11 | 2021-06-01 | 合肥国轩高科动力能源有限公司 | 一种电池包涂胶方法及系统 |
CN115661040A (zh) * | 2022-09-28 | 2023-01-31 | 广州市易鸿智能装备有限公司 | 一种锂电池电芯涂胶的检测方法及装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117059862A (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117059862B (zh) | 一种电池模组的装配控制方法及系统 | |
CN109165687B (zh) | 基于多分类支持向量机算法的车用锂电池故障诊断方法 | |
CN110224192B (zh) | 一种梯次利用动力电池寿命预测方法 | |
US20220373601A1 (en) | Battery Performance Prediction | |
CN106842045A (zh) | 一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统 | |
KR20180017198A (ko) | 데이터 처리 방법, 장치, 시스템, 프로그램 및 컴퓨터 판독가능한 기록매체 | |
CN110333463B (zh) | 一种电芯一致性筛选方法及其系统 | |
CN103364732A (zh) | 预测电池寿命的系统及方法 | |
Westermeier et al. | Method for quality parameter identification and classification in battery cell production quality planning of complex production chains for battery cells | |
CN110323508B (zh) | 电动汽车中动力电池的回收系统和方法 | |
CN114280479A (zh) | 一种基于电化学阻抗谱的退役电池快速分选方法 | |
CN109772753B (zh) | 动力电池分选系统和方法 | |
CN109697461A (zh) | 基于有限数据的分类模型训练方法和终端设备 | |
Qu et al. | Systematic overview of active battery equalization structures: Mathematical modeling and performance evaluation | |
CN113125960A (zh) | 一种基于随机森林模型的车载锂离子电池荷电状态预测方法 | |
CN115174416B (zh) | 一种网络规划系统、方法、装置及电子设备 | |
CN115204038A (zh) | 一种基于数据分解和集成模型的储能锂电池寿命预测方法 | |
Wanner et al. | Quality modelling in battery cell manufacturing using soft sensoring and sensor fusion-A review | |
CN109378834A (zh) | 基于信息最大相关的大规模电网电压稳定裕度评估系统 | |
KR101650041B1 (ko) | 전지셀의 품질 규격을 산정하는 방법 및 그것을 이용한 품질관리 시스템 | |
Azzouz et al. | Analysis of the critical failure modes and developing an aging assessment methodology for lithium iron phosphate batteries | |
CN117009303B (zh) | 一种芯片视觉测试数据的存储方法 | |
KR102650969B1 (ko) | 2-브랜치 등가회로모델을 이용한 배터리 시뮬레이션 방법 | |
CN117438005A (zh) | 电化学阻抗谱的锂电池拓扑结构数据库建立方法及装置 | |
CN116441662B (zh) | 一种多自由度智能焊接切割控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |