【技术实现步骤摘要】
电池信息处理系统、二次电池的容量推定方法、电池组及其制造方法
本公开涉及电池信息处理系统、二次电池的容量推定方法、电池组以及该电池组的制造方法，更特定而言，涉及用于推定二次电池的满充电容量的信息处理技术。
技术介绍
近年来，搭载有电池组的电动车辆(混合动力车、电动汽车等)正在不断普及。伴随着这些电动车辆的重新购买等，车载的电池组被回收。所回收的电池组的数量在今后预想会急速地增加。一般而言，电池组可能随着时间的经过、或者反复充放电而发生劣化，但劣化的发展程度会按所回收来的每个电池组而不同。因此，关于所回收来的各个电池组，要求对能反映劣化的发展程度的特性(满充电容量等)进行评价，并根据该评价结果对电池组进行再利用。作为评价二次电池的特性的方法，交流阻抗测定法是公知的。例如日本特开2003－317810号公报公开了如下方法：基于通过交流阻抗测定法取得的二次电池的反应电阻值，判定二次电池中有无微小短路。
技术实现思路
作为在反映二次电池的劣化的发展程度的特性中也特别重要的特性，可举出二次电...
【技术保护点】
1.一种电池信息处理系统，具备：/n存储装置，其存储已学习的神经网络模型；和/n推定装置，其使用所述已学习的神经网络模型，根据表示对象二次电池的交流阻抗测定结果的奈奎斯特图推定所述对象二次电池的满充电容量，/n所述已学习的神经网络模型是基于满充电容量处于基准范围内的多个二次电池的奈奎斯特图进行了学习的神经网络模型，/n所述推定装置，/n通过将从所述对象二次电池的奈奎斯特图提取的至少一个特征量作为说明变量的判别分析，判别所述对象二次电池属于满充电容量处于所述基准范围内的第1组群和满充电容量处于所述基准范围外的第2组群中的哪一个，/n在判别为所述对象二次电池属于所述第1组群的情...
【技术特征摘要】
20180731 JP 2018-1435841.一种电池信息处理系统，具备：
存储装置，其存储已学习的神经网络模型；和
推定装置，其使用所述已学习的神经网络模型，根据表示对象二次电池的交流阻抗测定结果的奈奎斯特图推定所述对象二次电池的满充电容量，
所述已学习的神经网络模型是基于满充电容量处于基准范围内的多个二次电池的奈奎斯特图进行了学习的神经网络模型，
所述推定装置，
通过将从所述对象二次电池的奈奎斯特图提取的至少一个特征量作为说明变量的判别分析，判别所述对象二次电池属于满充电容量处于所述基准范围内的第1组群和满充电容量处于所述基准范围外的第2组群中的哪一个，
在判别为所述对象二次电池属于所述第1组群的情况下，使用所述已学习的神经网络模型，推定所述对象二次电池的满充电容量。
2.根据权利要求1所述的电池信息处理系统，
所述已学习的神经网络模型是基于满充电容量超过作为所述基准范围的下限值的基准容量的多个二次电池的奈奎斯特图进行了学习的神经网络模型，
所述第1组群是满充电容量超过所述基准容量的二次电池组群，
所述第2组群是满充电容量低于所述基准容量的二次电池组群。
3.根据权利要求1或者2所述的电池信息处理系统，
所述至少一个特征量包括所述对象二次电池的奈奎斯特图的半圆部分及直线部分中的所述直线部分所包含的预定频率下的交流阻抗的虚数成分、和所述直线部分的倾斜度。
4.根据权利要求1～3中任一项所述的电池信息处理系统，
所述已学习的神经网络模型包括输入层，所述输入层被提供在预先确定的像素数量的区域描绘了所述二次电池的奈奎斯特图而得到的图像的各像素的数值，
所述区域的像素数量比表示所述二次电池的交流阻抗的测定结果的实数成分的个数与虚数成分的个数之和多。
5.根据权利要求1～4中任一项所述的电池信息处理系统，
所述对象二次电池的奈奎斯特图包括所施加的交流...
【专利技术属性】
技术研发人员：泉纯太，三井正彦，八十岛珠仁，涩谷康太郎，
申请(专利权)人：丰田自动车株式会社，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。