ES3072844T3 - Big data-based battery inspection method - Google Patents
Big data-based battery inspection methodInfo
- Publication number
- ES3072844T3 ES3072844T3 ES21760133T ES21760133T ES3072844T3 ES 3072844 T3 ES3072844 T3 ES 3072844T3 ES 21760133 T ES21760133 T ES 21760133T ES 21760133 T ES21760133 T ES 21760133T ES 3072844 T3 ES3072844 T3 ES 3072844T3
- Authority
- ES
- Spain
- Prior art keywords
- battery
- stage
- impedance
- discrimination
- value
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
-
- 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
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/48—Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/023—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance where the material is placed in the field of a coil
- G01N27/025—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance where the material is placed in the field of a coil a current being generated within the material by induction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/83—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws by investigating stray magnetic fields
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/72—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables
- G01N27/82—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws
- G01N27/90—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents
- G01N27/9046—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating magnetic variables for investigating the presence of flaws using eddy currents by analysing electrical signals
-
- 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
- H01M50/50—Current conducting connections for cells or batteries
- H01M50/531—Electrode connections inside a battery casing
-
- 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
- H01M50/50—Current conducting connections for cells or batteries
- H01M50/531—Electrode connections inside a battery casing
- H01M50/534—Electrode connections inside a battery casing characterised by the material of the leads or tabs
-
- 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
- H01M50/50—Current conducting connections for cells or batteries
- H01M50/531—Electrode connections inside a battery casing
- H01M50/536—Electrode connections inside a battery casing characterised by the method of fixing the leads to the electrodes, e.g. by welding
-
- 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
- H01M50/50—Current conducting connections for cells or batteries
- H01M50/543—Terminals
-
- 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
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Magnetic Means (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
La presente invención se refiere a un método de inspección de baterías basado en macrodatos. En concreto, la presente invención proporciona un método de inspección de baterías basado en macrodatos que aplica información sobre una parte metálica de la batería, medida mediante un sensor de corrientes de Foucault, a una función de discriminación para inspeccionar rápidamente el estado de dicha parte metálica. (Traducción automática con Google Translate, sin valor legal)
Description
[0001] DESCRIPCIÓN
[0002] Método de inspección de baterías basado en big data
[0003] Campo técnico
[0004] La presente invención se refiere a un método para inspeccionar una batería basado en big data y, más específicamente, a un método para inspeccionar una batería basado en big data que permite evaluar rápidamente el estado de una parte metálica de la batería mediante la aplicación de información sobre dicha parte metálica, obtenida mediante un sensor de corrientes de Foucault, en una función discriminante.
[0005] Antecedentes de la técnica
[0006] En general, una batería secundaria es una batería que puede utilizarse repetidamente mediante un proceso de descarga que convierte la energía química en energía eléctrica y un proceso de carga en sentido inverso; entre los tipos de baterías secundarias se incluyen las de níquel-cadmio (Ni-Cd), las de níquel-hidrógeno (Ni-MH), las de metal litio, las de iones de litio y las de polímero de iones de litio, etc. Entre estas baterías secundarias, se han comercializado y se utilizan ampliamente las baterías secundarias de litio, que presentan una altas densidad energética y tensión, una vida útil prolongada y una baja tasa de autodescarga.
[0007] Se puede proporcionar una celda de batería provista de un conjunto de electrodos que consiste en un electrodo positivo, un electrodo negativo y un separador, integrados en una carcasa de batería. La batería puede incluir un terminal de electrodo configurado mediante la soldadura de pestañas de electrodo que sobresalen de un colector de corriente a un conductor de electrodo.
[0008] En este momento, si un proceso tal como la soldadura no se lleva a cabo correctamente en la zona de conexión entre la pestaña y el conductor del electrodo de la batería secundaria, puede producirse un flujo anómalo de corriente eléctrica o la conexión eléctrica puede volverse inestable debido a los golpes o las vibraciones a los que se somete la batería y, en casos graves, el conductor de electrodo y la pestaña del electrodo pueden separarse.
[0009] De acuerdo con lo anterior, existe la necesidad de un método capaz de inspeccionar de forma rápida y precisa los problemas físicos y eléctricos en la zona de conexión entre la pestaña y el conductor de la batería.
[0010] El documento WO 2020/009337 A1 describe un método y un dispositivo para inspeccionar los daños en un electrodo de una batería secundaria de tipo bolsa, con el fin de inspeccionar de forma rápida y con gran precisión los daños en una pestaña de electrodo. Una pluralidad de conjuntos de electrodos se encuentran integrados en una carcasa laminar de tipo bolsa en estado sellado, y un conductor de electrodo está conectado eléctricamente a una pestaña de electrodo de la pluralidad de conjuntos de electrodos y se extiende hacia el exterior de la carcasa de lámina. El método comprende una etapa de generación de fuerza electromotriz inducida que consiste en colocar un primer sensor en la cara superior de la pestaña de electrodo, colocar un segundo sensor en la cara inferior de la pestaña de electrodo y generar una fuerza electromotriz inducida en el segundo sensor mediante inducción electromagnética, mediante la aplicación de corriente eléctrica en el primer sensor mientras se desplazan el primer y el segundo sensor desde una primera cara hacia una segunda cara a lo largo de la dirección de la anchura de la pestaña de electrodo; una etapa de adquisición de señal que consiste en adquirir una señal de amplitud mediante fuerza electromotriz inducida, y una etapa de determinación que consiste en determinar, basándose en la señal de amplitud, si la pestaña de electrodo ha sufrido daños.
[0011] El documento DE 4201502 A1 se refiere a un método y un dispositivo para la inspección eléctrica por corrientes de Foucault. En el presente método, las señales de medición se registran secuencialmente a diferentes frecuencias de medición. Las señales de medición dependen de la impedancia compleja de un circuito de medición que contiene por lo menos una bobina de medición, y se procesan para obtener una señal mixta. Para mejorar la relación señal-ruido, la señal mixta se forma mediante el procesamiento de estas señales de medición en una red neuronal.
[0012] S.C. Mukhopadhyay et al., «Neural network aided estimation of near-surface material properties using planar type micromagnetic sensors», IEEE SENSORS, 2002, señalan que la impedancia de una bobina situada cerca de cualquier superficie metálica es una función compleja de numerosos parámetros, entre los que se incluyen las propiedades del material cerca de la superficie (tales como la conductividad, la permeabilidad, la distancia de separación, etc.). La impedancia de transferencia (es decir, la proporción entre la tensión de detección y la corriente de excitación) de los sensores micromagnéticos de tipo plano, que consiste en una bobina de excitación y una bobina de detección, se utiliza para la estimación de las propiedades de los materiales cercanos a la superficie. Se han analizado dos métodos para el posprocesamiento de los parámetros de salida a partir de los datos de impedancia medidos utilizando un modelo de red neuronal. A partir de la estimación de las propiedades cercanas a la superficie, es posible detectar la existencia de defectos y predecir la degradación del material, la fatiga, etc.
[0013] Resumen de la invención
[0014] La presente invención se refiere a un método de inspección de baterías basado en big data y, más específicamente, tiene por objeto proporcionar un método de inspección de baterías basado en big data que permita inspeccionar rápidamente el estado de una parte metálica de la batería mediante la aplicación de información sobre la parte metálica, obtenida mediante un sensor de corrientes de Foucault, a una función discriminante.
[0015] Los problemas técnicos que pretende resolver la presente invención no se encuentran limitados a los problemas técnicos mencionados anteriormente, y los expertos en la materia a la que se refiere la presente invención comprenderán claramente otros problemas técnicos no mencionados a partir de la descripción siguiente.
[0016] Las realizaciones de la invención se refieren a un método para inspeccionar una batería basándose en big data. El método comprende una etapa de inducción de corrientes de Foucault que consiste en introducir una corriente de entrada, que es una corriente alterna (CA), en una bobina de transmisión e irradiar un campo magnético primario generado en la bobina de transmisión hacia una parte metálica de la batería, con el fin de inducir una corriente de Foucault en la parte metálica de la batería; una etapa de medición de la tensión de salida que consiste en introducir un campo magnético secundario, generado por la corriente de Foucault generada en la etapa de inducción de corrientes de Foucault, en una bobina receptora y medir una fuerza electromotriz inducida en la bobina receptora generada por el campo magnético secundario; una etapa de cálculo de la impedancia que consiste en calcular una impedancia basándose en el valor de la corriente de entrada y el valor de la tensión de salida; una etapa de análisis de impedancia que consiste en separar la parte real y la parte imaginaria del valor de impedancia, introducirlas en una función discriminante y emitir un valor de discriminación a partir de la función discriminante; y una etapa de valoración de estado que consiste en evaluar el estado de la parte metálica de la batería basándose en el valor de discriminación obtenido en la etapa de análisis de impedancia. La corriente de entrada comprende una pluralidad de corrientes alternas parciales que presentan diferentes frecuencias establecidas y se representa mediante la siguiente ecuación:
[0019]
[0021] en la que I es la corriente de entrada, N es el número de valores parciales de corriente alterna, IP<n>es un número complejo que representa la amplitud y la fase de la n-ésima corriente alterna parcial, f<n>es la frecuencia de la n-ésima corriente alterna parcial y t es el tiempo.
[0022] El método de inspección de una batería basándose en big data de la presente invención tiene por objeto inspeccionar la parte metálica de la batería y, específicamente, según la presente invención, permite analizar y evaluar de forma rápida y precisa el estado de la conexión física y eléctrica en la zona de conexión entre la pestaña de electrodo y el conductor de electrodo, en la que la pestaña de electrodo y el conductor de electrodo están conectados, mediante la utilización del valor de medición de un sensor de corrientes de Foucault, que es un dispositivo de ensayo no destructivo.
[0023] El método de inspección de una batería basado en big data de la presente invención permite inspeccionar el estado de la parte metálica de la batería de forma rápida y precisa sin dañar el objeto que se va a inspeccionar, por lo que puede aplicarse a la línea de producción en serie, lo que permite una inspección completa de la batería, a diferencia del sistema de inspección por muestreo, que consiste en examinar algunos objetos de la población.
[0024] Breve descripción de los dibujos
[0025] La Fig.1 es un diagrama de bloques que muestra un método para inspeccionar una batería basándose en big data. La Fig.2 es una vista en perspectiva que muestra la parte metálica de la batería a la que se aplica el método de inspección de baterías basado en big data de la presente invención.
[0026] La Fig.3 es un gráfico que muestra la correlación entre el valor de impedancia medido con una corriente de entrada de frecuencia única y el estado de la parte metálica de la batería.
[0027] Las Figs. 4 y 5 son gráficos que muestran los resultados de ensayo del método de inspección de una batería basado en big data de la presente invención.
[0028] Descripción detallada
[0029] El método puede comprender una etapa de inducción de corrientes de Foucault que consiste en introducir una corriente de entrada, que es una corriente alterna, en una bobina de transmisión e irradiar un campo magnético primario generado en la bobina de transmisión hacia una parte metálica de la batería, con el fin de inducir una corriente de Foucault en la parte metálica de la batería; una etapa de medición de la tensión de salida que consiste en introducir un campo magnético secundario, generado por la corriente de Foucault generada en la etapa de inducción de
corrientes de Foucault, en una bobina receptora y medir una fuerza electromotriz inducida en la bobina receptora generada por el campo magnético secundario; una etapa de cálculo de la impedancia que consiste en calcular una impedancia basándose en el valor de la corriente de entrada y el valor de la tensión de salida; una etapa de análisis de impedancia que consiste en separar la parte real y la parte imaginaria del valor de impedancia, introducirlas en una función discriminante y emitir un valor de discriminación a partir de la función discriminante, y una etapa de valoración de estado que consiste en evaluar el estado de la parte metálica de la batería basándose en el valor de discriminación obtenido en la etapa de análisis de impedancia.
[0030] En la etapa de inducción de corrientes de Foucault del método de inspección de una batería basado en big data de la presente invención, la corriente de entrada comprende una pluralidad de corrientes alternas parciales con diferentes frecuencias preestablecidas.
[0031] En el método de inspección de una batería basado en big data de la presente invención, la corriente de entrada se calcula mediante la Ecuación 1, a continuación:
[0034]
[0036] I es una corriente de entrada, N es el número de valores de corriente alterna parcial, I<Pn>es un número complejo que representa la amplitud y la fase de la n-ésima corriente alterna parcial, f<n>es una frecuencia establecida de la n-ésima corriente alterna parcial, y t es el tiempo.
[0037] En la etapa de inducción de corrientes de Foucault del método de inspección de una batería basado en big data de la presente invención, la bobina de transmisión puede irradiar el campo magnético primario hacia la superficie de la parte metálica de la batería, mientras que la dirección longitudinal de la bobina de transmisión es perpendicular a la superficie de la parte metálica de la batería.
[0038] En la etapa de medición de la tensión de salida del método de inspección de una batería basado en big data de la presente invención, la bobina receptora puede disponerse de manera que la dirección longitudinal de la bobina receptora sea perpendicular a la superficie de la parte metálica de la batería.
[0039] En la etapa de cálculo de la impedancia del método para inspeccionar una batería basado en big data de la presente invención, la impedancia puede calcularse mediante la división del valor de la tensión de salida por el valor de la corriente de entrada.
[0040] En el método de inspección de una batería basado en big data de la presente invención, la impedancia puede comprender una pluralidad de impedancias parciales correspondientes a cada una de las frecuencias establecidas. En la etapa de análisis de impedancia del método para inspeccionar una batería basándose en big data de la presente invención, puede proporcionarse una pluralidad de funciones discriminantes, y cada uno de los valores de discriminación para la pluralidad de funciones discriminantes puede calcularse mediante la Ecuación 4, a continuación:
[0043]
[0045] D<m>es un valor de discriminación de la m-ésima función discriminante, N es el número de frecuencias establecidas, R<n>es la parte real de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, X<n>es la parte imaginaria de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y Cr<m,n>y Cx<m,n>son coeficientes de discriminación correspondientes a la n-ésima frecuencia establecida de la m-ésima función discriminante.
[0046] En el método de inspección de una batería basado en big data de la presente invención, los coeficientes de discriminación pueden calcularse a partir de los valores de impedancia de las muestras medidos en partes metálicas de una pluralidad de baterías de muestra y de los valores de información sobre el estado de las partes metálicas de la pluralidad de baterías de muestra.
[0047] En el método de inspección de una batería basado en big data de la presente invención, el valor de información de estado puede comprender por lo menos un dato del valor de la resistencia óhmica, del espesor de la soldadura y de la resistencia a la tracción de la parte metálica de la batería de muestra.
[0048] En la etapa de análisis de impedancia del método de inspección de una batería basado en big data de la presente invención, se pueden calcular m valores de discriminación para cada una de las partes metálicas de la batería, y en la etapa de valoración de estado, se puede evaluar el estado de la parte metálica de la batería mediante la consideración concurrente de por lo menos dos de los m valores de discriminación.
[0049] En el método de inspección de una batería basado en big data de la presente invención, la etapa de valoración de estado puede comprender una etapa de selección de valores de discriminación, en el que se seleccionan dos valores de discriminación de entre los m valores de discriminación; una etapa de salida de gráficos, en el que se genera un gráfico de discriminación bidimensional en el que los valores de discriminación seleccionados en la etapa de selección de valores de discriminación se utilizan como cada uno de los ejes, y una etapa de marcado de datos, en el que se muestra el valor de discriminación de la parte metálica de la batería como una coordenada en el gráfico de discriminación generado en la etapa de salida de gráficos.
[0050] En la etapa de salida de gráficos del método de inspección de una batería basado en big data de la presente invención, pueden mostrarse en el gráfico de discriminación una pluralidad de zonas de estado que indican el estado de la parte metálica de la batería.
[0051] A continuación en el presente documento se describirán en detalle realizaciones según la presente invención, en referencia a los dibujos adjuntos. En este proceso, el tamaño o forma de los componentes ilustrados en los dibujos puede haberse exagerado en aras de la claridad y por conveniencia de la explicación. Además, los términos definidos específicamente en consideración a la configuración y el funcionamiento de la presente exposición pueden variar según las intenciones o costumbre de usuarios y operadores. Las definiciones de estos términos deben hacerse en función del contenido a lo largo de la presente especificación.
[0052] La Fig.1 es un diagrama de bloques que muestra un método para inspeccionar una batería basándose en big data. La Fig. 2 es una vista en perspectiva que muestra la parte metálica de la batería a la que se aplica el método de inspección de baterías basado en big data de la presente invención. La Fig.3 es un gráfico que muestra la correlación entre el valor de impedancia medido con una corriente de entrada de frecuencia única y el estado de la parte metálica de la batería. Las Figs.4 y 5 son gráficos que muestran los resultados de ensayo del método de inspección de una batería basado en big data de la presente invención.
[0053] A continuación se describirá detalladamente el método de inspección de una batería basado en big data de la presente invención, en referencia a las Figs.1 a 5.
[0054] Tal como se muestra en la Fig. 1, el método de inspección de una batería basándose en big data de la presente invención puede comprender una etapa de inducción de corrientes de Foucault (S100) que consiste en introducir una corriente de entrada, que es una corriente alterna, en una bobina de transmisión e irradiar un campo magnético primario generado en la bobina de transmisión hacia una parte metálica de la batería, con el fin de inducir una corriente de Foucault en la parte metálica de la batería; una etapa de medición de la tensión de salida (S200) que consiste en introducir un campo magnético secundario, generado por la corriente de Foucault generada en la etapa de inducción de corrientes de Foucault (S100), en una bobina receptora y medir una fuerza electromotriz inducida en la bobina receptora generada por el campo magnético secundario; una etapa de cálculo de la impedancia (S300) que consiste en calcular una impedancia basándose en el valor de la corriente de entrada y el valor de la tensión de salida; una etapa de análisis de impedancia (S400) que consiste en separar la parte real y la parte imaginaria del valor de impedancia, introducirlas en una función discriminante y emitir un valor de discriminación a partir de la función discriminante, y una etapa de valoración de estado (S500) que consiste en evaluar el estado de la parte metálica de la batería basándose en el valor de discriminación obtenido en la etapa de análisis de impedancia (S400).
[0055] En el método de inspección de una batería basándose en big data de la presente invención, la parte metálica de la batería puede medirse mediante un sensor de corrientes de Foucault, que es un dispositivo de ensayo no destructivo, y el valor de impedancia medido por el sensor de corrientes de Foucault puede introducirse en una función discriminante, inspeccionando de esta manera el estado de la parte metálica de la batería de forma rápida y precisa. En el método de inspección de una batería basándose en big data de la presente invención, la parte metálica de la batería que se va a inspeccionar puede ser el colector de corriente del electrodo, la pestaña de electrodo 11 y el conductor de electrodo 12, que están incluidos en la batería, o bien una zona de conexión en la que el colector de corriente del electrodo, la pestaña de electrodo 11 y el conductor de electrodo 12 están conectados entre sí. Específicamente, tal como se muestra en la Fig.2, la parte metálica de la batería puede ser una zona de conexión 13 entre pestaña y conductor, en la que la pestaña de electrodo 11, que sobresale del colector de corriente del electrodo, y el conductor del electrodo 12, que se acopla a un terminal eléctrico de un dispositivo externo, están unidos entre sí mediante soldadura o similar.
[0056] El sensor de corrientes de Foucault utilizado en el método de inspección de una batería basado en big data de la presente invención puede comprender una bobina de transmisión destinada a irradiar un campo magnético primario, que es un campo magnético alternante, hacia una parte metálica de la batería que se va a inspeccionar, y una bobina
receptora destinada a recibir un campo magnético secundario irradiado por una corriente de Foucault generada por el campo magnético primario en la parte metálica de la batería, con el fin de generar una fuerza electromotriz. La bobina de transmisión y la bobina receptora pueden colocarse en un estado de no contacto, separándolas de la parte metálica de la batería por una distancia predeterminada. La bobina de transmisión y la bobina receptora pueden presentar forma cilíndrica, de pilar cuadrado, de pilar poligonal o similar, y pueden consistir en un alambre enrollado de manera que se genere un campo magnético en la dirección longitudinal de la bobina de transmisión y de la bobina receptora. En la etapa de inducción por corrientes de Foucault (S100), la corriente de entrada puede incluir una pluralidad de corrientes alternantes parciales que presentan diferentes frecuencias establecidas. La Fig.3 es un gráfico que muestra la correlación entre un valor de impedancia medido con una corriente de entrada de frecuencia única y el estado de la parte metálica de la batería, en el que el eje X representa la resistencia a la tracción y el eje Y es la impedancia a 8500 Hz. Tal como se muestra en la Fig.3, la impedancia medida a una sola frecuencia no presenta una correlación directa con el estado de la parte metálica de la batería y, por lo tanto, resulta difícil distinguir entre un estado defectuoso y uno normal utilizando únicamente una sola frecuencia.
[0057] En el método de inspección de una batería basado en big data de la presente invención, en la etapa de inducción de corrientes de Foucault (S100), mediante la formación de una corriente de Foucault en la parte metálica de la batería mediante una corriente de entrada que incluye una pluralidad de corrientes alternas parciales que presentan diferentes frecuencias establecidas, se puede obtener como valor de medición el mismo número de valores de impedancia que el número de corrientes alternas parciales, y se puede evaluar con precisión el estado de la parte metálica de la batería.
[0058] La frecuencia establecida de cada una de la pluralidad de corrientes alternas parciales puede seleccionarse dentro de la banda de 100 Hz a 200 kHz. Si la frecuencia establecida es superior a 200 kHz, solo se generan corrientes de Foucault excesivamente intensas en la superficie de la parte metálica de la batería que se va a inspeccionar, por lo que se mide un valor de impedancia insignificante. Si la frecuencia establecida es inferior a 100 Hz, el campo magnético primario penetra profundamente en la parte metálica de la batería, pero la densidad de la corriente de Foucault inducida a esa profundidad es baja, por lo que se puede medir ruido en la bobina receptora. Por lo tanto, puede resultar deseable que la frecuencia establecida se seleccione dentro de la banda de 100 Hz a 200 kHz. El número de corrientes alternas parciales, es decir, el número de frecuencias establecidas, puede ser, preferentemente, de 2 a 16. Si el número de frecuencias establecidas es demasiado reducido, la precisión de la inspección disminuye. Por el contrario, si el número de frecuencias establecidas es demasiado elevado, no solo se tarda más en calcular el resultado, sino que además la extracción de la función discriminante puede suponer un gran gasto de tiempo y recursos, y los resultados de las mediciones pueden solaparse entre frecuencias. De acuerdo con lo anterior, el número de frecuencias establecidas puede ser, preferentemente, de 2 a 16, y más preferentemente, el número de frecuencias establecidas puede ser 8. Por ejemplo, el número de frecuencias establecidas puede ser de 8, y cada frecuencia establecida puede seleccionarse de entre 6000 Hz, 6800 Hz, 7200 Hz, 7500 Hz, 8000 Hz, 8500 Hz, 9200 Hz y 9700 Hz.
[0059] En la etapa de inducción por corrientes de Foucault (S100), aunque cada una de las corrientes alternas parciales puede introducirse secuencialmente en la bobina de transmisión como corriente de entrada, también es posible introducir en la bobina de transmisión, como corriente de entrada, un valor obtenido al sumar todas las corrientes alternas parciales. Cuando se aplica la corriente de entrada a la bobina de transmisión, la corriente de excitación puede permanecer en la bobina de transmisión, la bobina receptora, la parte metálica de la batería, etc., incluso si se interrumpe la corriente de entrada. Para realizar una inspección precisa, puede resultar deseable volver a introducir la corriente de entrada en la bobina de transmisión una vez que haya desaparecido la corriente de excitación. Por lo tanto, cuando las corrientes alternas parciales se introducen secuencialmente en la bobina de transmisión, cuanto mayor sea el número de corrientes alternas parciales, es decir, el número de frecuencias establecidas, más tiempo llevará la inspección. Sin embargo, en la etapa de inducción de corrientes de Foucault (S100) del método de inspección de una batería basado en big data de la presente invención, mediante la introducción de un valor obtenido mediante la suma de todas las corrientes alternas parciales a la bobina de transmisión como corriente de entrada, es posible reducir el tiempo necesario en la etapa de inducción de corrientes de Foucault (S100) y en la etapa de medición de la tensión de salida (S200). Es decir, el valor obtenido mediante la suma de todas las corrientes alternas parciales se introduce en la bobina de transmisión como corriente de entrada.
[0060] Específicamente, cuando se introduce en la bobina de transmisión, como corriente de entrada, un valor obtenido mediante la suma de corrientes alternas parciales, la corriente de entrada se calcula mediante la Ecuación 1, a continuación:
[0063]
[0064] I es una corriente de entrada, N es el número de valores de corriente alterna parcial, I<Pn>es un número complejo que representa la amplitud y la fase de la n-ésima corriente alterna parcial, f<n>es una frecuencia establecida de la n-ésima corriente alterna parcial, y t es el tiempo. Debido a que N es el número de valores parciales de corriente alterna, también es el número de frecuencias establecidas o el número de valores parciales de impedancia que se describirán posteriormente.
[0065] En la etapa de inducción de corrientes de Foucault (S100), la bobina de transmisión puede generar un campo magnético primario hacia la superficie de la parte metálica de la batería, mientras que la dirección longitudinal de la bobina de transmisión es perpendicular a la superficie de la parte metálica de la batería. Específicamente, la bobina de transmisión puede generar un campo magnético primario en una dirección perpendicular a la superficie de la parte metálica de la batería.
[0066] En la etapa de medición de la tensión de salida (S200), la bobina receptora puede disponerse de manera que la dirección longitudinal de la bobina receptora sea perpendicular a la superficie de la parte metálica de la batería. Específicamente, la bobina de transmisión puede generar una fuerza electromotriz mediante la absorción de un campo magnético secundario que se emite en una dirección perpendicular a la superficie de la parte metálica de la batería. La fuerza electromotriz generada puede medirse como un valor de tensión de salida.
[0067] En la etapa de cálculo de la impedancia (S300), la impedancia puede calcularse mediante la división del valor de la tensión de salida por el valor de la corriente de entrada. Es decir, la impedancia puede calcularse mediante la Ecuación 2, a continuación.
[0070]
[0072] Z es una impedancia y V es una tensión de salida. En este caso, la tensión de salida V puede ser una tensión alterna. En la etapa de cálculo de la impedancia (S300), la impedancia puede comprender una pluralidad de impedancias parciales correspondientes a cada una de las frecuencias establecidas. Es decir, la impedancia parcial puede proporcionarse en un número de valores igual al de las frecuencias establecidas. Específicamente, la impedancia puede ser la suma de todas las impedancias parciales.
[0073] Es decir, la correlación entre impedancia e impedancia parcial puede expresarse mediante la Ecuación 3.
[0076]
[0078] R<n>es la parte real de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y X<n>es la parte imaginaria de la impedancia parcial correspondiente a la n-ésima frecuencia establecida. R<n>y X<n>son números reales. En la etapa de análisis de impedancia (S400), puede proporcionarse una pluralidad de funciones discriminantes, y cada uno de los valores de discriminación para la pluralidad de funciones discriminantes puede calcularse mediante la Ecuación 4, a continuación:
[0081]
[0083] D<m>es un valor de discriminación de la m-ésima función discriminante, N es el número de frecuencias establecidas, R<n>es la parte real de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, X<n>es la parte imaginaria de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y Cr<m,n>y Cx<m,n>son coeficientes de discriminación correspondientes a la n-ésima frecuencia establecida de la m-ésima función discriminante. El coeficiente de discriminación es un número real. En el método de inspección de una batería basado en big data de la presente invención, se proporcionan por lo menos dos funciones discriminantes, y el estado de la parte metálica de la
batería puede evaluarse de acuerdo con la correlación entre los valores de discriminación, que son los valores de salida de las funciones discriminantes. La función discriminante puede proporcionarse como una función lineal, tal como en la Ecuación 4.
[0084] Los coeficientes de discriminación pueden calcularse basándose en los valores de impedancia de las muestras medidos en las partes metálicas de una pluralidad de baterías de muestra y de los valores de información sobre el estado de las partes metálicas de la pluralidad de baterías de muestra. La parte metálica de la batería de muestra puede ser una parte metálica de la batería de muestra que se proporciona por separado de la batería que se va a inspeccionar.
[0085] El valor de impedancia de la muestra puede ser un valor de impedancia obtenido tras llevar a cabo la etapa de inducción de corrientes de Foucault (S100), la etapa de medición de la tensión de salida (S200) y la etapa de cálculo de la impedancia (S300) en la parte metálica de la batería de muestra.
[0086] El valor de información de estado de la parte metálica de la batería de muestra puede incluir, como mínimo, uno de los siguientes datos: el valor de la resistencia óhmica, el espesor de soldadura y la resistencia a la tracción de la parte metálica de la batería de muestra. El valor de información de estado de la parte metálica de la batería de muestra puede ser una magnitud física medida directamente por un dispositivo de medición, tal como un sensor de resistencia o un medidor de resistencia a la tracción, con respecto a la parte metálica de la batería de muestra.
[0087] La función discriminante puede obtenerse mediante minería de datos a partir de los valores de impedancia de muestra y de los valores de información sobre el estado, y los valores de los coeficientes de discriminación pueden ajustarse de acuerdo con los resultados de la minería de datos.
[0088] La función discriminante puede obtenerse mediante minería de datos a partir de los valores de impedancia de muestra y los valores de información sobre el estado extraídos de un conjunto de baterías de muestra en un número al menos seis veces el número N de frecuencias establecidas. Específicamente, la función discriminante puede extraerse mediante minería de datos, aplicando un coeficiente derivado de un programa estadístico (R, Minitab, etc.). En la producción en serie real de la batería, el número de lote suele ser de 10.000 o superior; por lo tanto, lo ideal sería obtener la información de impedancia a partir de 10.000 o más baterías de muestra. Sin embargo, cuando la función discriminante se obtiene mediante minería de datos a partir de los valores de impedancia de muestra y de los valores de información sobre el estado extraídos de baterías de muestra en un número de por lo menos seis veces el número N de frecuencias establecidas, es posible obtener una función discriminante con un determinado nivel de fiabilidad. En la etapa de análisis de impedancia (S400), se calculan m valores de discriminación para cada parte metálica; y en la etapa de valoración de estado (S500), se evalúa el estado de la parte metálica de la batería mediante la consideración conjunta de por lo menos dos valores de discriminación de entre los m valores de discriminación. Específicamente, el estado de la parte metálica de la batería puede evaluarse mediante la selección de algunos valores de discriminación de una pluralidad de valores de discriminación en función del estado que se desee evaluar, tal como el estado de soldadura, el estado de conducción o similares y analizando la correlación entre los valores de discriminación.
[0089] Específicamente, la etapa de evaluación de la condición (S500) puede comprender una etapa de selección de valores de discriminación, en la que se seleccionan dos valores de discriminación de entre los m valores de discriminación; una etapa de salida de gráficos, en la que se genera un gráfico de discriminación bidimensional en el que los valores de discriminación seleccionados en la etapa de selección de valores de discriminación se utilizan como cada eje; y una etapa de marcado de datos, en la que se muestra el valor de discriminación de la parte metálica de la batería como una coordenada en el gráfico de discriminación generado en la etapa de salida de gráficos.
[0090] En la etapa de salida de gráficos, pueden mostrarse en el gráfico de discriminación una pluralidad de zonas de estado que indican el estado de la parte metálica de la batería. De acuerdo con lo anterior, el estado de la parte metálica de la batería puede evaluarse en función de la zona del gráfico de discriminación en la que se represente la coordenada correspondiente al estado de la parte metálica de la batería. La zona de estado puede evaluarse en función de la correlación entre los valores de discriminación.
[0091] Ejemplo 1
[0092] La inspección se llevó a cabo en las partes metálicas de 25 baterías normales y en las partes metálicas de 25 baterías defectuosas, mediante la aplicación del método de inspección de baterías basado en big data de la presente invención. Se llevaron a cabo una etapa de inducción de corrientes de Foucault (S100) y una etapa de medición de la tensión de salida (S200) en una zona de conexión de pestaña y conductor 13 en la que se habían soldado por ultrasonidos una pestaña de electrodo 11 fabricada con una película delgada de aluminio y un conductor de electrodo 12 fabricado con una aleación de aluminio. En este momento, se utilizó como valor de corriente de entrada en el equipo de ensayo de corrientes de Foucault la suma de ocho corrientes alternas parciales, cuyas frecuencias establecidas son 6000 Hz, 6800 Hz, 7200 Hz, 7500 Hz, 8000 Hz, 8500 Hz, 9200 Hz y 9700 Hz, respectivamente.
[0093] La función discriminante se obtuvo mediante minería de datos a partir de los valores de impedancia de muestra y de la información sobre el estado extraídos de las partes metálicas de las 50 baterías de muestra; a continuación, se llevó a cabo la etapa de análisis de impedancia (S400) utilizando la función discriminante derivada de un programa estadístico, y se realizó la etapa de valoración de estado (S500) con 16 valores de discriminación.
[0094] El gráfico de la Fig.4 es un gráfico de discriminación bidimensional en el que se utilizan dos valores de discriminación como cada eje, en donde la coordenada indicada por un círculo la parte metálica de la batería normal y la coordenada indicada por un cuadrado la parte metálica de la batería defectuosa. Tal como se muestra en la Fig. 4, se puede observar que la coordenada de la parte metálica de la batería normal y la coordenada de la parte metálica de la batería defectuosa están separadas entre sí y se encuentran concentradas.
[0095] Ejemplo 2
[0096] La inspección se llevó a cabo en las partes metálicas de un total de 30 baterías, es decir, 10 baterías con soldadura débil, 10 baterías con soldaduras excesivas y 10 baterías con soldaduras normales, mediante la aplicación del método de inspección de baterías basado en big data de la presente invención.
[0097] Se llevaron a cabo una etapa de inducción de corrientes de Foucault (S100) y una etapa de medición de la tensión de salida (S200) en una zona de conexión de pestaña y conductor 13 en la que se habían soldado por ultrasonidos una pestaña de electrodo 11 fabricada con una película delgada de aluminio y un conductor de electrodo 12 fabricado con una aleación de aluminio. En este momento, se utilizó como valor de corriente de entrada en el equipo de ensayo de corrientes de Foucault la suma de ocho corrientes alternas parciales, cuyas frecuencias establecidas son 30 kHz, 50 kHz, 70 kHz, 90 kHz, 110 kHz, 130 kHz, 150 kHz y 170 kHz, respectivamente.
[0098] La función discriminante se obtuvo mediante minería de datos a partir de los valores de impedancia de muestra y de los valores de información sobre el estado extraídos de las partes metálicas de las 30 baterías de muestra; a continuación, se llevó a cabo la etapa de análisis de impedancia (S400) utilizando la función discriminante derivada del programa estadístico R, y se llevó a cabo la etapa de valoración de estado (S500) con 32 valores de discriminación. Específicamente, se obtuvieron LD1 y LD2 para la parte real y la parte imaginaria de la impedancia correspondientes a cada uno de los ocho valores parciales de la corriente de entrada, respectivamente.
[0099] El gráfico de la Fig.5 es un gráfico de discriminación bidimensional en el que se utilizan dos valores de discriminación como cada uno de los ejes. En el gráfico de discriminación bidimensional se muestra una pluralidad de zonas de estado que representan el estado de soldadura, y las coordenadas correspondientes al estado de la parte metálica de la batería están superpuestas y marcadas en la zona de estado. Tal como se muestra en la Fig.5, en lo que respecta a las partes metálicas de un total de 30 baterías, se determinó que 10 presentaban una soldadura deficiente, 10 presentaban una soldadura excesiva y 10 presentaban una soldadura normal. Es decir, el método de inspección de baterías basado en big data de la presente invención proporcionó resultados de inspección precisos para la totalidad de las 30 baterías.
[0100] Aunque anteriormente se han descrito realizaciones según la presente invención, estas son meramente ilustrativas, y los expertos habituales en la materia comprenderán que a partir de ellas son posibles diversas modificaciones e intervalos equivalentes de las realizaciones. Por lo tanto, el alcance técnico real de la presente exposición deberá determinarse a partir de las siguientes reivindicaciones.
[0101] El método de inspección de una batería basándose en big data de la presente invención tiene por objeto inspeccionar la parte metálica de la batería y, específicamente, según la presente invención, permite analizar y evaluar de forma rápida y precisa el estado de la conexión física y eléctrica en la zona de conexión entre la pestaña de electrodo y el conductor de electrodo, en la que la pestaña de electrodo y el conductor de electrodo están conectados, mediante la utilización del valor de medición de un sensor de corrientes de Foucault, que es un dispositivo de ensayo no destructivo.
[0102] El método de inspección de una batería basado en big data de la presente invención permite inspeccionar el estado de la parte metálica de la batería de forma rápida y precisa sin dañar el objeto que se va a inspeccionar, por lo que puede aplicarse a la línea de producción en serie, lo que permite una inspección completa de la batería, a diferencia del sistema de inspección por muestreo, que consiste en examinar algunos objetos de la población.
Claims (13)
1. REIVINDICACIONES
1. Método de inspección de una batería basado en big data, que comprende:
una etapa de inducción de corriente de Foucault (S100) que comprende introducir una corriente de entrada, que es una corriente alterna, en una bobina de transmisión, e irradiar un campo magnético primario generado en la bobina transmisora a una parte metálica de la batería para inducir una corriente de Foucault en la parte metálica de la batería,
una etapa de medición (S200) que comprende introducir en una bobina receptora un campo magnético secundario generado por la corriente de Foucault generada en la etapa de inducción de corriente de Foucault (S100), y medir una fuerza electromotriz inducida en la bobina receptora generada por el campo magnético secundario, y
una etapa de valoración de estado (S500) en la que se evalúa el estado de la parte metálica de la batería, caracterizado porque
la etapa de medición (S200) es una etapa de medición de una tensión de salida (S200) en la que se mide la fuerza electromotriz inducida en la bobina receptora como un valor de tensión de salida, y el método comprende, además:
una etapa de cálculo de la impedancia (S300) que comprende calcular una impedancia a partir del valor de la corriente de entrada y del valor de la tensión de salida, y
una etapa de análisis de impedancia (S400) que comprende separar una parte real y una parte imaginaria del valor de la impedancia, introducirlas en una función discriminante y emitir un valor de discriminación a partir de la función discriminante,
en donde, en dicha etapa de valoración de estado (S500), se evalúa el estado de la parte metálica de la batería basándose en el valor de discriminación obtenido en la etapa de análisis de impedancia (S400),
en el que la corriente de entrada comprende una pluralidad de corrientes alternas parciales que presentan diferentes frecuencias establecidas y se representa mediante la siguiente ecuación:
en la que I es una corriente de entrada, N es el número de valores de corriente alterna parcial, IP<n>es un número complejo que representa la amplitud y la fase de la n-ésima corriente alterna parcial, f<n>es una frecuencia establecida de la n-ésima corriente alterna parcial, y t es un tiempo.
2. Método según la reivindicación 1, en el que las frecuencias de la pluralidad de corrientes alternas parciales están comprendidas en el intervalo de 100 Hz a 200 kHz.
3. Método según la reivindicación 1 o 2, en el que, en la etapa de inducción de corrientes de Foucault (S100), la bobina de transmisión irradia el campo magnético primario hacia la superficie de la parte metálica de la batería, mientras que la dirección longitudinal de la bobina de transmisión es perpendicular a la superficie de la parte metálica de la batería.
4. Método según una de las reivindicaciones 1 a 3, en el que, en la etapa de medición de la tensión de salida (S200), la bobina receptora está dispuesta de manera que la dirección longitudinal de la bobina receptora es perpendicular a la superficie de la parte metálica de la batería.
5. Método según la reivindicación 1, en el que, en la etapa de cálculo de la impedancia (S300), la impedancia se calcula mediante la división del valor de la tensión de salida por el valor de la corriente de entrada.
6. Método según la reivindicación 5, en el que la impedancia comprende una pluralidad de impedancias parciales correspondientes a cada una de las frecuencias establecidas.
7. Método según la reivindicación 5 o 6, en el que la impedancia, que comprende la pluralidad de impedancias parciales correspondientes a cada una de las frecuencias establecidas, puede describirse mediante la siguiente ecuación: en la que R<n>es la parte real de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y X<n>es la parte imaginaria de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y R<n>y X<n>son números reales.
8. Método según la reivindicación 6, en el que, en la etapa de análisis de impedancia (S400), se proporciona una pluralidad de funciones discriminantes, y
cada uno de los valores de discriminación D<m>de la pluralidad de funciones discriminantes se calcula mediante la siguiente ecuación:
en la que D<m>es un valor de discriminación de la m-ésima función discriminante, N es el número de frecuencias establecidas, R<n>es la parte real de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, X<n>es la parte imaginaria de la impedancia parcial correspondiente a la n-ésima frecuencia establecida, y Cr<m,n>y Cx<m,n>son coeficientes de discriminación correspondientes a la n-ésima frecuencia establecida de la m-ésima función discriminante.
9. Método según la reivindicación 8, en el que los coeficientes de discriminación Cr<m,n>y Cx<m,n>se calculan a partir de los valores de impedancia de muestra medidos en las partes metálicas de una pluralidad de baterías de muestra y de los valores de información sobre el estado de las partes metálicas de la pluralidad de baterías de muestra.
10. Método según la reivindicación 9, en el que el valor de información de estado comprende por lo menos una información seleccionada de entre un valor de resistencia óhmica, un espesor de soldadura y una resistencia a la tracción de la parte metálica de la batería de muestra.
11. Método según la reivindicación 8, en el que, en la etapa de análisis de impedancia (S400), se calculan m valores de discriminación para cada una de las partes metálicas de la batería, y
en la etapa de valoración de estado (S500), se evalúa el estado de la parte metálica de la batería mediante la consideración conjunta de por lo menos dos de los m valores de discriminación.
12. Método según la reivindicación 11, en el que la etapa de valoración de estado (S500) comprende:
una etapa de selección de valores de discriminación que comprende seleccionar dos valores de discriminación de entre los m valores de discriminación,
una etapa de salida de gráficos que comprende generar un gráfico de discriminación bidimensional en el que los valores de discriminación seleccionados en la etapa de selección de valores de discriminación se utilizan como cada uno de los ejes, y
una etapa de marcado de datos que consiste en mostrar el valor de discriminación de la parte metálica de la batería como una coordenada en el gráfico de discriminación generado en la etapa de generación de gráfico.
13. Método según la reivindicación 12, en el que, en la etapa de generación de gráfico, se muestra en el gráfico de discriminación una pluralidad de zonas de estado que indican el estado de la parte metálica de la batería.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200022634A KR102741369B1 (ko) | 2020-02-25 | 2020-02-25 | 빅데이터 기반 전지 검사 방법 |
| PCT/KR2021/000165 WO2021172735A1 (ko) | 2020-02-25 | 2021-01-07 | 빅데이터 기반 전지 검사 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES3072844T3 true ES3072844T3 (en) | 2026-07-06 |
Family
ID=77491135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES21760133T Active ES3072844T3 (en) | 2020-02-25 | 2021-01-07 | Big data-based battery inspection method |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US12072389B2 (es) |
| EP (1) | EP4113113B1 (es) |
| JP (1) | JP7374327B2 (es) |
| KR (1) | KR102741369B1 (es) |
| CN (1) | CN115244395B (es) |
| ES (1) | ES3072844T3 (es) |
| PL (1) | PL4113113T3 (es) |
| WO (1) | WO2021172735A1 (es) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7635946B2 (ja) * | 2021-10-25 | 2025-02-26 | エルジー エナジー ソリューション リミテッド | 電池セルの電極タブ断線検査装置 |
| KR20230140482A (ko) | 2022-03-22 | 2023-10-06 | 주식회사 엘지에너지솔루션 | 전지 셀에서의 리튬 석출 검사 장치 및 방법 |
| KR20230161079A (ko) | 2022-05-18 | 2023-11-27 | 삼성전자주식회사 | 튜브 검사 장치 및 이를 이용한 튜브 검사 방법 |
| JP2024044007A (ja) * | 2022-09-20 | 2024-04-02 | 日置電機株式会社 | 検出システム及び検出方法 |
| KR102841755B1 (ko) * | 2022-12-15 | 2025-08-04 | 주식회사 엘지에너지솔루션 | 전지 검사 방법 |
Family Cites Families (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5553469U (es) * | 1978-10-04 | 1980-04-10 | ||
| JPS59104545A (ja) * | 1982-12-07 | 1984-06-16 | Kobe Steel Ltd | 連続鋳造鋼片の熱間探傷方法 |
| US5453689A (en) * | 1991-12-06 | 1995-09-26 | Massachusetts Institute Of Technology | Magnetometer having periodic winding structure and material property estimator |
| DE4201502C2 (de) | 1992-01-21 | 1995-12-14 | Siemens Ag | Verfahren und Anordnung zur elektrischen Wirbelstromprüfung |
| US6285185B1 (en) | 1992-07-22 | 2001-09-04 | U.S. Philips Corporation | Apparatus and method for determining the type of a battery or accumulator by use of magnetic fields |
| JPH06313762A (ja) * | 1993-04-30 | 1994-11-08 | Toshiba Corp | 多重周波数型渦流探傷装置 |
| JP3309702B2 (ja) | 1996-04-05 | 2002-07-29 | 日本鋼管株式会社 | 金属体の探傷方法および装置 |
| KR100388314B1 (ko) | 2001-09-03 | 2003-06-25 | 금호석유화학 주식회사 | 전지의 임피던스 측정과 분석을 통한 전지 선택 최적화 방법 |
| WO2006042000A2 (en) * | 2004-10-06 | 2006-04-20 | Ener1 Group, Inc. | Method and apparatus for electromagnetic-based quality inspection of battery dry electrode structure |
| KR20060134764A (ko) | 2005-06-23 | 2006-12-28 | 고각현 | 와전류 센서의 금속 모재선별 방법 및 장치 |
| JP4875382B2 (ja) * | 2006-02-27 | 2012-02-15 | 三菱重工業株式会社 | 渦流探傷信号の評価方法及び装置 |
| KR20080070292A (ko) | 2007-01-26 | 2008-07-30 | (주)노바마그네틱스 | 교류자기장을 이용한 금속 피검체의 결함 탐지 장치 |
| JP2009092388A (ja) | 2007-10-03 | 2009-04-30 | Sumitomo Light Metal Ind Ltd | 渦流探傷プローブ |
| JP5273350B2 (ja) | 2008-03-17 | 2013-08-28 | 健一 田島 | 渦流探傷装置とその測定方法 |
| KR101104884B1 (ko) * | 2010-02-26 | 2012-01-17 | 한국수력원자력 주식회사 | 와전류 검사 장치 및 와전류 처리 방법 |
| KR101151536B1 (ko) * | 2010-04-20 | 2012-05-30 | 한국수력원자력 주식회사 | 와전류 신호 복조 모듈 및 이를 포함하는 와전류 신호 검사 장치 |
| JP5492004B2 (ja) | 2010-07-28 | 2014-05-14 | 株式会社東芝 | 渦電流探傷装置、方法、及びプログラム |
| US8928316B2 (en) * | 2010-11-16 | 2015-01-06 | Jentek Sensors, Inc. | Method and apparatus for non-destructive evaluation of materials |
| JP5611863B2 (ja) | 2011-03-04 | 2014-10-22 | 株式会社東芝 | 渦電流探傷装置、方法、及びプログラム |
| KR20130019872A (ko) | 2011-08-18 | 2013-02-27 | (주)디엘정보기술 | 임피던스 분석기술을 이용한 금속성 부품소재 물성의 비파괴 검사방법 |
| KR101339117B1 (ko) | 2012-02-02 | 2013-12-09 | 한국원자력연구원 | 펄스와전류를 이용한 이면 결함 탐지 장치 및 방법 |
| JP2014134448A (ja) | 2013-01-10 | 2014-07-24 | Kyushu Univ | 磁気特性測定装置、磁気特性測定プローブ及び磁気特性測定方法 |
| FR3030900A1 (fr) * | 2014-12-19 | 2016-06-24 | Michelin & Cie | Systeme de mesure de l'hygrometrie d'une membrane echangeuse d'ions dans une pile a combustible |
| JP6551885B2 (ja) | 2015-10-03 | 2019-07-31 | 国立大学法人 岡山大学 | 非破壊検査装置及び非破壊検査方法 |
| JP6474343B2 (ja) | 2015-11-27 | 2019-02-27 | 株式会社電子工学センター | 渦電流探傷検査装置のプローブ及び渦電流探傷検査装置 |
| KR20170141400A (ko) | 2016-06-15 | 2017-12-26 | 자동차부품연구원 | 고전압 배터리 팩의 임피던스 측정 장치 |
| KR102141380B1 (ko) | 2017-02-09 | 2020-08-05 | 주식회사 엘지화학 | 초음파를 이용한 알루미늄 파우치 실링을 위한 비파괴검사 판정시스템 |
| KR102255489B1 (ko) * | 2017-11-09 | 2021-06-03 | 주식회사 엘지에너지솔루션 | 전극 성능 평가시스템 및 전극 성능 평가방법 |
| JP6943727B2 (ja) * | 2017-11-09 | 2021-10-06 | 日置電機株式会社 | インピーダンス測定システムおよびインピーダンス測定方法 |
| KR102136982B1 (ko) * | 2018-06-14 | 2020-07-23 | 전남대학교산학협력단 | 양방향 벅 컨버터를 이용한 태양광 가로등 장치 및 제어방법 |
| KR102151175B1 (ko) | 2018-07-06 | 2020-09-03 | 주식회사 정안시스템 | 파우치형 2차전지의 전극손상위치 검사방법 |
| KR102086434B1 (ko) | 2018-08-23 | 2020-03-09 | 주식회사 만도 | 전원 인터페이스 장치, 전원 장치, 센서 장치, 조향 장치 및 조향 방법 |
| KR102023739B1 (ko) | 2019-04-17 | 2019-09-20 | 주식회사 엘지화학 | 와전류를 이용한 전지셀 내부의 균열 검사 방법 및 검사 장치 |
| DE102019219743A1 (de) * | 2019-12-16 | 2021-06-17 | PLR Prüftechnik Linke & Rühe GmbH | Verfahren zur Charakterisierung einer Schweißnaht |
-
2020
- 2020-02-25 KR KR1020200022634A patent/KR102741369B1/ko active Active
-
2021
- 2021-01-07 WO PCT/KR2021/000165 patent/WO2021172735A1/ko not_active Ceased
- 2021-01-07 PL PL21760133.5T patent/PL4113113T3/pl unknown
- 2021-01-07 CN CN202180007204.6A patent/CN115244395B/zh active Active
- 2021-01-07 ES ES21760133T patent/ES3072844T3/es active Active
- 2021-01-07 EP EP21760133.5A patent/EP4113113B1/en active Active
- 2021-01-07 US US17/789,983 patent/US12072389B2/en active Active
- 2021-01-07 JP JP2022535675A patent/JP7374327B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP7374327B2 (ja) | 2023-11-06 |
| EP4113113A1 (en) | 2023-01-04 |
| US12072389B2 (en) | 2024-08-27 |
| US20220381840A1 (en) | 2022-12-01 |
| KR20210107997A (ko) | 2021-09-02 |
| WO2021172735A1 (ko) | 2021-09-02 |
| CN115244395A (zh) | 2022-10-25 |
| KR102741369B1 (ko) | 2024-12-11 |
| JP2023507316A (ja) | 2023-02-22 |
| EP4113113A4 (en) | 2023-08-16 |
| EP4113113B1 (en) | 2026-03-18 |
| CN115244395B (zh) | 2025-08-26 |
| PL4113113T3 (pl) | 2026-07-20 |