CN117849636A - 一种基于人工智能的电池安全性能测试系统 - Google Patents
一种基于人工智能的电池安全性能测试系统 Download PDFInfo
- Publication number
- CN117849636A CN117849636A CN202410083256.7A CN202410083256A CN117849636A CN 117849636 A CN117849636 A CN 117849636A CN 202410083256 A CN202410083256 A CN 202410083256A CN 117849636 A CN117849636 A CN 117849636A
- Authority
- CN
- China
- Prior art keywords
- test
- performance
- coefficient
- battery
- simulation
- 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.)
- Granted
Links
- 238000011056 performance test Methods 0.000 title claims abstract description 57
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 212
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 230000006978 adaptation Effects 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000004088 simulation Methods 0.000 claims description 92
- 238000000034 method Methods 0.000 claims description 39
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000007599 discharging Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000001125 extrusion Methods 0.000 claims description 13
- 238000003825 pressing Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009778 extrusion testing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- Secondary Cells (AREA)
Abstract
本发明属于电池性能测试领域，涉及数据分析技术，用于解决现有技术中的电池安全性能测试系统会导致大量经过性能测试的电池报废的问题，具体是一种基于人工智能的电池安全性能测试系统，包括性能测试平台，性能测试平台通信连接有充放测试模块、模拟分析模块、适应分析模块以及存储模块；充放测试模块用于对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象；本发明可以对电池的充放电性能进行测试分析，对同一批次的所有电池中进行测试对象的随机筛选，然后对测试对象进行充放电测试，获取多项充放电参数并进行综合分析与计算得到性能系数，根据性能系数对电池的充放电性能好坏程度进行反馈。
Description
技术领域
本发明属于电池性能测试领域，涉及数据分析技术，具体是一种基于人工智能的电池安全性能测试系统。
背景技术
电池安全性能测试系统是一套复杂的设备，它用来检测和评估电池的安全性能，这套系统通常包含电池充放电测试、电池挤压测试、电池跌落测试以及高温测试等测试项目。
现有技术中的电池安全性能测试系统一般是选取很多个电池作为测试对象，针对每一个测试对象进行单一项目的性能测试，然后对所有测试结果进行统计与汇总来对安全性能进行评估，但是经过挤压测试、跌落测试等测试项目的电池无法进行销售，这就导致了大量经过性能测试的电池报废，不满足节能、环保的发展需求。
针对上述技术问题，本申请提出一种解决方案。
发明内容
本发明的目的在于提供一种基于人工智能的电池安全性能测试系统，用于解决现有技术中的电池安全性能测试系统会导致大量经过性能测试的电池报废的问题；
本发明需要解决的技术问题为：如何提供一种基于人工智能的电池安全性能测试系统，以降低因性能测试而报废的电池数量。
本发明的目的可以通过以下技术方案实现：
一种基于人工智能的电池安全性能测试系统，包括性能测试平台，所述性能测试平台通信连接有充放测试模块、模拟分析模块、适应分析模块以及存储模块；
所述充放测试模块用于对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到测试对象的性能系数XN；通过性能系数XN将测试对象标记为正常对象或异常对象；将正常对象的数量与M1的比值标记为正常系数，通过存储模块获取正常阈值，将正常系数与正常阈值进行比较并通过比较结果对该批次电池成品的充放电性能是否满足要求进行判定；
所述模拟分析模块用于对电池的适应性能进行模拟分析并得到模拟测试顺序与模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试；
所述适应分析模块用于对电池适应性优化方向进行分析。
作为本发明的一种优选实施方式，效率数据XL的获取过程包括：将测试对象进行充电测试时的额定容量与充电时长的比值标记为充电效率值，将测试对象进行放电测试时的额定容量与放电时长的比值标记为放电效率值，将充电效率值与放电效率值的平均值标记为效率数据XL；深度数据SD为测试对象进行放电测试时放电量与额定电量的比值标记为深度数据SD，温度数据WD为充放电测试过程中测试对象表面温度值的最大值。
作为本发明的一种优选实施方式，将测试对象标记为正常对象或异常对象的具体过程包括：通过存储模块获取到性能阈值XNmin，将测试对象的性能系数XN与性能阈值XNmin进行比较：若性能系数XN小于性能阈值XNmin，则判定测试对象的充放电性能不满足要求，将对应的测试对象标记为异常对象；若性能系数XN大于等于性能阈值XNmin，则判定测试对象的充放电性能满足要求，将对应的测试对象标记为正常对象。
作为本发明的一种优选实施方式，对该批次电池成品的充放电性能是否满足要求进行判定的具体过程包括：若正常系数小于正常阈值，则判定该批次电池成品的性能不满足要求，生成性能异常信号并将性能异常信号通过性能测试平台发送至管理人员的手机终端；若正常系数大于等于正常阈值，则判定该批次电池成品的性能满足要求，生成模拟分析信号并将模拟分析信号通过性能测试平台发送至模拟分析模块。
作为本发明的一种优选实施方式，模拟测试顺序与模拟序列的获取过程包括：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，i=1，2，…，n，n为正整数，由测试温度值CWi与挤压压力值JYi构成第一模拟参数，由测试温度值CWi与跌落高度值DLi构成第二模拟参数，由第一模拟参数与第二模拟参数构成测试模拟顺序CW1JY1，CW1JY2，…，CW1JYn，CW2JY1，…，CWnJYn，CW1，DL1，CW1DL2，…，CW1DLn，CW2DL1，…，CWnDLn，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列。
作为本发明的一种优选实施方式，按照测试模拟顺序对模拟序列进行适应性能测试的具体过程包括：将模拟序列中排序第一的正常对象标记为分析对象，将分析对象的测试环境设置为CW1JY1：将分析对象的测试环境温度值设置为CW1，对分析对象进行压力值为JY1的压力按压，然后再次对分析对象进行充放电测试并将得到的性能系数XN标记为分析对象的适应系数，将适应系数与性能阈值XNmin进行比较：若适应系数小于性能阈值XNmin，则将模拟序列中排序第二的正常对象标记为分析对象；若适应系数大于等于性能阈值XNmin，则将分析对象的测试环境设置为CW1JY2，以此类推；直至测试模拟顺序中的第一模拟参数与第二模拟参数均完成测试或模拟序列中的正常对象全部完成测试，将完成测试的正常对象标记为执行对象，将执行对象的数量与正常对象的数量比值标记为执行系数，通过存储模块获取到执行阈值，将执行系数与执行阈值进行比较：若执行系数小于执行阈值，则判定该批次电池成品的适应性测试结果满足要求；若执行系数大于等于执行阈值，则判定该批次电池成品的适应性测试结果不满足要求，生成适应分析信号并将适应分析信号通过性能测试平台发送至适应分析模块。
作为本发明的一种优选实施方式，适应分析模块对电池适应性优化方向进行分析的具体过程包括：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过存储模块获取到偏差阈值，将偏差系数与偏差阈值进行比较：若偏差系数小于偏差阈值，则生成工艺优化信号并将工艺优化信号通过性能测试平台发送至管理人员的手机终端；若偏差系数大于等于偏差阈值，则生成工序监管信号并将工序监管信号通过性能测试平台发送至管理人员的手机终端。
作为本发明的一种优选实施方式，该基于人工智能的电池安全性能测试系统的工作方法，包括以下步骤：
步骤一：对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到性能系数XN；
步骤二：通过性能系数XN将测试对象标记为正常对象或异常对象，通过正常对象的数量与M1的比值对该批次电池成品的充放电性能是否满足要求进行判定；
步骤三：对电池的适应性能进行模拟分析：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，由第一模拟参数与第二模拟参数构成测试模拟顺序，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试；
步骤四：对电池适应性优化方向进行分析：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过偏差系数生成工艺优化信号或工序监管信号并发送至管理人员的手机终端。
本发明具备下述有益效果：
1、通过充放测试模块可以对电池的充放电性能进行测试分析，对同一批次的所有电池中进行测试对象的随机筛选，然后对测试对象进行充放电测试，获取多项充放电参数并进行综合分析与计算得到性能系数，根据性能系数对电池的充放电性能好坏程度进行反馈；
2、通过模拟分析模块可以对电池的适应性能进行模拟分析，对设定不同的测试环境对电池进行模拟测试，并根据不同的测试温度值、挤压压力值以及跌落高度值生成模拟测试顺序，对固定数量的测试电池进行接力式适应性能测试，从而降低进行性能测试的电池数量，降低性能测试导致的电池浪费；
3、通过适应分析模块可以对电池适应性优化方向进行分析，在电池的适应性能不合格时，对所有参与模拟测试的电池的充放电测试次数差异性进行分析得到偏差系数，从而通过偏差系数对电池适应性不合格的影响因素进行反馈。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例一的系统框图；
图2为本发明实施例二的方法流程图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例一
如图1所示，一种基于人工智能的电池安全性能测试系统，包括性能测试平台，性能测试平台通信连接有充放测试模块、模拟分析模块、适应分析模块以及存储模块。
充放测试模块用于对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD，效率数据XL的获取过程包括：将测试对象进行充电测试时的额定容量与充电时长的比值标记为充电效率值，将测试对象进行放电测试时的额定容量与放电时长的比值标记为放电效率值，将充电效率值与放电效率值的平均值标记为效率数据XL；深度数据SD为测试对象进行放电测试时放电量与额定电量的比值标记为深度数据SD，温度数据WD为充放电测试过程中测试对象表面温度值的最大值；通过公式XN=α1*XL-α2*SD-α3*WD得到测试对象的性能系数XN，其中α1、α2以及α3均为比例系数，且α1＞α2＞α3＞1；通过存储模块获取到性能阈值XNmin，将测试对象的性能系数XN与性能阈值XNmin进行比较：若性能系数XN小于性能阈值XNmin，则判定测试对象的充放电性能不满足要求，将对应的测试对象标记为异常对象；若性能系数XN大于等于性能阈值XNmin，则判定测试对象的充放电性能满足要求，将对应的测试对象标记为正常对象；将正常对象的数量与M1的比值标记为正常系数，通过存储模块获取到正常阈值，将正常系数与正常阈值进行比较：若正常系数小于正常阈值，则判定该批次电池成品的性能不满足要求，生成性能异常信号并将性能异常信号通过性能测试平台发送至管理人员的手机终端；若正常系数大于等于正常阈值，则判定该批次电池成品的性能满足要求，生成模拟分析信号并将模拟分析信号通过性能测试平台发送至模拟分析模块；对电池的充放电性能进行测试分析，对同一批次的所有电池中进行测试对象的随机筛选，然后对测试对象进行充放电测试，获取多项充放电参数并进行综合分析与计算得到性能系数，根据性能系数对电池的充放电性能好坏程度进行反馈。
模拟分析模块用于对电池的适应性能进行模拟分析：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，i=1，2，…，n，n为正整数，测试温度值CWi的设置过程包括：获取电池运行的温度标准范围，将温度标准范围的最大值与最小值的差值标记为温差值，将温差值与n-1的比值标记为递增值DZ，然后将CW1设置为温度标准范围的最小值，CWi=CW1+（i-1）*DZ得到测试温度值CWi，挤压压力值JYi以及跌落高度值DLi的设置过程与测试温度值CWi的设置过程相同；由测试温度值CWi与挤压压力值JYi构成第一模拟参数，由测试温度值CWi与跌落高度值DLi构成第二模拟参数，由第一模拟参数与第二模拟参数构成测试模拟顺序CW1JY1，CW1JY2，…，CW1JYn，CW2JY1，…，CWnJYn，CW1，DL1，CW1DL2，…，CW1DLn，CW2DL1，…，CWnDLn，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试：将模拟序列中排序第一的正常对象标记为分析对象，将分析对象的测试环境设置为CW1JY1：将分析对象的测试环境温度值设置为CW1，对分析对象进行压力值为JY1的压力按压，然后再次对分析对象进行充放电测试并将得到的性能系数XN标记为分析对象的适应系数，将适应系数与性能阈值XNmin进行比较：若适应系数小于性能阈值XNmin，则将模拟序列中排序第二的正常对象标记为分析对象；若适应系数大于等于性能阈值XNmin，则将分析对象的测试环境设置为CW1JY2，以此类推；直至测试模拟顺序中的第一模拟参数与第二模拟参数均完成测试或模拟序列中的正常对象全部完成测试，将完成测试的正常对象标记为执行对象，将执行对象的数量与正常对象的数量比值标记为执行系数，通过存储模块获取到执行阈值，将执行系数与执行阈值进行比较：若执行系数小于执行阈值，则判定该批次电池成品的适应性测试结果满足要求；若执行系数大于等于执行阈值，则判定该批次电池成品的适应性测试结果不满足要求，生成适应分析信号并将适应分析信号通过性能测试平台发送至适应分析模块；对电池的适应性能进行模拟分析，对设定不同的测试环境对电池进行模拟测试，并根据不同的测试温度值、挤压压力值以及跌落高度值生成模拟测试顺序，对固定数量的测试电池进行接力式适应性能测试，从而降低进行性能测试的电池数量，降低性能测试导致的电池浪费。
适应分析模块用于对电池适应性优化方向进行分析：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过存储模块获取到偏差阈值，将偏差系数与偏差阈值进行比较：若偏差系数小于偏差阈值，则生成工艺优化信号并将工艺优化信号通过性能测试平台发送至管理人员的手机终端；若偏差系数大于等于偏差阈值，则生成工序监管信号并将工序监管信号通过性能测试平台发送至管理人员的手机终端；对电池适应性优化方向进行分析，在电池的适应性能不合格时，对所有参与模拟测试的电池的充放电测试次数差异性进行分析得到偏差系数，从而通过偏差系数对电池适应性不合格的影响因素进行反馈。
实施例二
如图2所示，一种基于人工智能的电池安全性能测试方法，包括以下步骤：
步骤一：对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到性能系数XN；
步骤二：通过性能系数XN将测试对象标记为正常对象或异常对象，通过正常对象的数量与M1的比值对该批次电池成品的充放电性能是否满足要求进行判定；
步骤三：对电池的适应性能进行模拟分析：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，由第一模拟参数与第二模拟参数构成测试模拟顺序，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试；
步骤四：对电池适应性优化方向进行分析：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过偏差系数生成工艺优化信号或工序监管信号并发送至管理人员的手机终端。
一种基于人工智能的电池安全性能测试系统，工作时，从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到性能系数XN；通过性能系数XN将测试对象标记为正常对象或异常对象，通过正常对象的数量与M1的比值对该批次电池成品的充放电性能是否满足要求进行判定；设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，由第一模拟参数与第二模拟参数构成测试模拟顺序，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；如：公式XN=α1*XL-α2*SD-α3*WD；由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的性能系数；将设定的性能系数和采集的样本数据代入公式，任意三个公式构成三元一次方程组，将计算得到的系数进行筛选并取均值，得到α1、α2以及α3的取值分别为4.36、2.85和2.32；
系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的性能系数；只要不影响参数与量化后数值的比例关系即可，如性能系数与效率数据的数值成正比。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于人工智能的电池安全性能测试系统，其特征在于，包括性能测试平台，所述性能测试平台通信连接有充放测试模块、模拟分析模块、适应分析模块以及存储模块；
所述充放测试模块用于对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到测试对象的性能系数XN；通过性能系数XN将测试对象标记为正常对象或异常对象；将正常对象的数量与M1的比值标记为正常系数，通过存储模块获取正常阈值，将正常系数与正常阈值进行比较并通过比较结果对该批次电池成品的充放电性能是否满足要求进行判定；
所述模拟分析模块用于对电池的适应性能进行模拟分析并得到模拟测试顺序与模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试；
所述适应分析模块用于对电池适应性优化方向进行分析。
2.根据权利要求1所述的一种基于人工智能的电池安全性能测试系统，其特征在于，效率数据XL的获取过程包括：将测试对象进行充电测试时的额定容量与充电时长的比值标记为充电效率值，将测试对象进行放电测试时的额定容量与放电时长的比值标记为放电效率值，将充电效率值与放电效率值的平均值标记为效率数据XL；深度数据SD为测试对象进行放电测试时放电量与额定电量的比值标记为深度数据SD，温度数据WD为充放电测试过程中测试对象表面温度值的最大值。
3.根据权利要求2所述的一种基于人工智能的电池安全性能测试系统，其特征在于，将测试对象标记为正常对象或异常对象的具体过程包括：通过存储模块获取到性能阈值XNmin，将测试对象的性能系数XN与性能阈值XNmin进行比较：若性能系数XN小于性能阈值XNmin，则判定测试对象的充放电性能不满足要求，将对应的测试对象标记为异常对象；若性能系数XN大于等于性能阈值XNmin，则判定测试对象的充放电性能满足要求，将对应的测试对象标记为正常对象。
4.根据权利要求3所述的一种基于人工智能的电池安全性能测试系统，其特征在于，对该批次电池成品的充放电性能是否满足要求进行判定的具体过程包括：若正常系数小于正常阈值，则判定该批次电池成品的性能不满足要求，生成性能异常信号并将性能异常信号通过性能测试平台发送至管理人员的手机终端；若正常系数大于等于正常阈值，则判定该批次电池成品的性能满足要求，生成模拟分析信号并将模拟分析信号通过性能测试平台发送至模拟分析模块。
5.根据权利要求4所述的一种基于人工智能的电池安全性能测试系统，其特征在于，模拟测试顺序与模拟序列的获取过程包括：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，i=1，2，…，n，n为正整数，由测试温度值CWi与挤压压力值JYi构成第一模拟参数，由测试温度值CWi与跌落高度值DLi构成第二模拟参数，由第一模拟参数与第二模拟参数构成测试模拟顺序CW1JY1，CW1JY2，…，CW1JYn，CW2JY1，…，CWnJYn，CW1，DL1，CW1DL2，…，CW1DLn，CW2DL1，…，CWnDLn，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列。
6.根据权利要求5所述的一种基于人工智能的电池安全性能测试系统，其特征在于，按照测试模拟顺序对模拟序列进行适应性能测试的具体过程包括：将模拟序列中排序第一的正常对象标记为分析对象，将分析对象的测试环境设置为CW1JY1：将分析对象的测试环境温度值设置为CW1，对分析对象进行压力值为JY1的压力按压，然后再次对分析对象进行充放电测试并将得到的性能系数XN标记为分析对象的适应系数，将适应系数与性能阈值XNmin进行比较：若适应系数小于性能阈值XNmin，则将模拟序列中排序第二的正常对象标记为分析对象；若适应系数大于等于性能阈值XNmin，则将分析对象的测试环境设置为CW1JY2，以此类推；直至测试模拟顺序中的第一模拟参数与第二模拟参数均完成测试或模拟序列中的正常对象全部完成测试，将完成测试的正常对象标记为执行对象，将执行对象的数量与正常对象的数量比值标记为执行系数，通过存储模块获取到执行阈值，将执行系数与执行阈值进行比较：若执行系数小于执行阈值，则判定该批次电池成品的适应性测试结果满足要求；若执行系数大于等于执行阈值，则判定该批次电池成品的适应性测试结果不满足要求，生成适应分析信号并将适应分析信号通过性能测试平台发送至适应分析模块。
7.根据权利要求6所述的一种基于人工智能的电池安全性能测试系统，其特征在于，适应分析模块对电池适应性优化方向进行分析的具体过程包括：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过存储模块获取到偏差阈值，将偏差系数与偏差阈值进行比较：若偏差系数小于偏差阈值，则生成工艺优化信号并将工艺优化信号通过性能测试平台发送至管理人员的手机终端；若偏差系数大于等于偏差阈值，则生成工序监管信号并将工序监管信号通过性能测试平台发送至管理人员的手机终端。
8.根据权利要求1-7任一项所述的一种基于人工智能的电池安全性能测试系统，其特征在于，该基于人工智能的电池安全性能测试系统的工作方法，包括以下步骤：
步骤一：对电池的充放电性能进行测试分析：从同一批次的电池成品中筛选M1个电池作为测试对象，对测试对象进行充放电测试并获取测试对象的效率数据XL、深度数据SD以及温度数据WD并进行数值计算得到性能系数XN；
步骤二：通过性能系数XN将测试对象标记为正常对象或异常对象，通过正常对象的数量与M1的比值对该批次电池成品的充放电性能是否满足要求进行判定；
步骤三：对电池的适应性能进行模拟分析：设置测试温度值CWi、挤压压力值JYi以及跌落高度值DLi，由第一模拟参数与第二模拟参数构成测试模拟顺序，将正常对象按照性能系数XN数值由小到大的顺序进行排列得到模拟序列，按照测试模拟顺序对模拟序列进行适应性能测试；
步骤四：对电池适应性优化方向进行分析：将执行对象在适应性能测试中进行充放电测试的次数标记为执行对象的执行值，由所有执行对象的执行值构成偏差集合，对偏差集合进行方差计算得到偏差系数，通过偏差系数生成工艺优化信号或工序监管信号并发送至管理人员的手机终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410083256.7A CN117849636B (zh) | 2024-01-19 | 2024-01-19 | 一种基于人工智能的电池安全性能测试系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410083256.7A CN117849636B (zh) | 2024-01-19 | 2024-01-19 | 一种基于人工智能的电池安全性能测试系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117849636A true CN117849636A (zh) | 2024-04-09 |
| CN117849636B CN117849636B (zh) | 2024-06-07 |
Family
ID=90538397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410083256.7A Active CN117849636B (zh) | 2024-01-19 | 2024-01-19 | 一种基于人工智能的电池安全性能测试系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117849636B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111130173A (zh) * | 2019-12-26 | 2020-05-08 | 安徽六和同心风能设备有限公司 | 一种基于物联网的锂电池安全监测系统 |
| CN112036014A (zh) * | 2020-08-18 | 2020-12-04 | 中国检验检疫科学研究院 | 一种基于层次分析法的锂离子电池安全可靠性测试方法 |
| CN112290513A (zh) * | 2020-11-16 | 2021-01-29 | Oppo广东移动通信有限公司 | 终端及其电池安全管理方法和装置 |
| CN113238157A (zh) * | 2020-12-09 | 2021-08-10 | 北京大学深圳研究生院 | 一种通过对电动汽车退役电池进行ai检测来筛选的方法 |
| CN114924193A (zh) * | 2022-05-27 | 2022-08-19 | 徐州市恒源电器有限公司 | 一种电池安全评估方法 |
| CN114977414A (zh) * | 2022-06-14 | 2022-08-30 | 中储绿能(山东)新能源有限公司 | 一种基于多簇并联储能的电池存储智能管理系统 |
| WO2023088163A1 (zh) * | 2021-11-16 | 2023-05-25 | 宇通客车股份有限公司 | 新能源车辆及其电池系统soc异常监控诊断方法、装置 |
| CN116315175A (zh) * | 2023-03-20 | 2023-06-23 | 江苏大学 | 一种基于大数据的新能源汽车电池安全性能评价方法 |
| KR20230112092A (ko) * | 2023-07-08 | 2023-07-26 | 조진영 | 배터리보호시스템 및 실장방법 |
| CN116872734A (zh) * | 2023-06-28 | 2023-10-13 | 深蓝汽车科技有限公司 | 动力电池安全预警方法、装置、车辆及存储介质 |
| CN116973796A (zh) * | 2023-08-02 | 2023-10-31 | 国网陕西省电力有限公司电力科学研究院 | 一种电池一致性评估方法、系统、设备及介质 |
| WO2023225378A1 (en) * | 2022-05-20 | 2023-11-23 | Our Next Energy, Inc. | Large scale energy storage with ai-based grading and efficiency assessment |
-
2024
- 2024-01-19 CN CN202410083256.7A patent/CN117849636B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111130173A (zh) * | 2019-12-26 | 2020-05-08 | 安徽六和同心风能设备有限公司 | 一种基于物联网的锂电池安全监测系统 |
| CN112036014A (zh) * | 2020-08-18 | 2020-12-04 | 中国检验检疫科学研究院 | 一种基于层次分析法的锂离子电池安全可靠性测试方法 |
| CN112290513A (zh) * | 2020-11-16 | 2021-01-29 | Oppo广东移动通信有限公司 | 终端及其电池安全管理方法和装置 |
| CN113238157A (zh) * | 2020-12-09 | 2021-08-10 | 北京大学深圳研究生院 | 一种通过对电动汽车退役电池进行ai检测来筛选的方法 |
| WO2023088163A1 (zh) * | 2021-11-16 | 2023-05-25 | 宇通客车股份有限公司 | 新能源车辆及其电池系统soc异常监控诊断方法、装置 |
| WO2023225378A1 (en) * | 2022-05-20 | 2023-11-23 | Our Next Energy, Inc. | Large scale energy storage with ai-based grading and efficiency assessment |
| CN114924193A (zh) * | 2022-05-27 | 2022-08-19 | 徐州市恒源电器有限公司 | 一种电池安全评估方法 |
| CN114977414A (zh) * | 2022-06-14 | 2022-08-30 | 中储绿能(山东)新能源有限公司 | 一种基于多簇并联储能的电池存储智能管理系统 |
| CN116315175A (zh) * | 2023-03-20 | 2023-06-23 | 江苏大学 | 一种基于大数据的新能源汽车电池安全性能评价方法 |
| CN116872734A (zh) * | 2023-06-28 | 2023-10-13 | 深蓝汽车科技有限公司 | 动力电池安全预警方法、装置、车辆及存储介质 |
| KR20230112092A (ko) * | 2023-07-08 | 2023-07-26 | 조진영 | 배터리보호시스템 및 실장방법 |
| CN116973796A (zh) * | 2023-08-02 | 2023-10-31 | 国网陕西省电力有限公司电力科学研究院 | 一种电池一致性评估方法、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117849636B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111584952B (zh) | 用于储能电站电化学电池在线评估的方法和系统 | |
| CN114911209B (zh) | 一种基于数据分析的大蒜加工废水处理管理系统 | |
| CN114113987B (zh) | 一种芯片检验追踪方法及系统 | |
| CN114977414B (zh) | 一种基于多簇并联储能的电池存储智能管理系统 | |
| CN108363678B (zh) | 一种用于燃料电池电堆测试数据快速自动处理系统 | |
| CN109425837A (zh) | 退役电池模组的快速筛选方法 | |
| CN112255560B (zh) | 一种电池电芯健康度预测方法 | |
| CN114280479A (zh) | 一种基于电化学阻抗谱的退役电池快速分选方法 | |
| CN115473319B (zh) | 一种基于超级电容器的储能方法 | |
| CN112686380A (zh) | 基于神经网络的梯次动力电芯一致性评估方法和系统 | |
| CN114720899A (zh) | 退役电池梯次利用分选方法及系统、电子设备、存储介质 | |
| CN112327193A (zh) | 一种锂电池容量跳水预警方法 | |
| CN115201616A (zh) | 一种基于大数据的充电机运行在线监测方法 | |
| CN117849636B (zh) | 一种基于人工智能的电池安全性能测试系统 | |
| CN113406524B (zh) | 一种动力电池系统的不一致性故障诊断方法及系统 | |
| CN114548493A (zh) | 一种电能表电流过载预测方法与系统 | |
| CN116859253B (zh) | 一种基于大数据的锂电池析锂分析方法及系统 | |
| CN115208067B (zh) | 一种新能源场站惯量响应检测方法、装置和系统 | |
| CN114974477B (zh) | 一种用于双流向防雷器的镍铁电极材料优化方法及系统 | |
| CN113672508B (zh) | 一种基于风险策略和多样性策略的Simulink测试方法 | |
| CN114500615A (zh) | 基于物联传感技术的智能终端 | |
| CN117849556B (zh) | 一种驱动电机位置传感器的局放智能预警系统 | |
| CN117081262B (zh) | 一种基于数据分析的光伏储能蓄电池运行监测系统 | |
| CN112666478A (zh) | 一种梯次利用动力电池健康状态监测方法 | |
| CN117573494B (zh) | 一种基于人工智能的软件运行数据后台存储管理系统 |
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 |