当前位置: 首页 > 专利查询>费赛普公司专利>正文

使用声学信号确定电化学系统的特性技术方案

技术编号:24694135 阅读:68 留言:0更新日期:2020-06-27 12:56
使用声学信号预测电池的充电状态(SOH)、健康状况(SOC)及其他特性的系统及方法,包括确定在两个或更多个充电状态下的声学数据及确定表示在所述两个或更多个充电状态下的所述声学数据的精简声学数据集。所述精简声学数据集包括与所述充电状态相关的飞行时间(TOF)位移、总信号振幅或其他数据点。机器学习模型使用至少所述精简声学数据集结合如电压及温度的非声学数据来预测任何其他独立电池的特性。

Using acoustic signal to determine the characteristics of electrochemical system

【技术实现步骤摘要】
【国外来华专利技术】使用声学信号确定电化学系统的特性相关申请案的交叉引用本专利申请主张2017年9月1日申请的、正在审查的、已让渡于本申请案的受让人的、且全文以引用方式明确并入本申请中的名称为“超声方法用于确定电化学系统的充电状态和健康状态的用途”的临时专利申请第62/553,287号的权益。联邦政府赞助研究或开发的声明本专利技术是在美国联邦政府的支持下依据高级能量研究计划署授予的授权案第DE-AR0000621号完成的。美国联邦政府拥有本专利技术的特定权利。
本公开的实施方式涉及电化学系统的检测及诊断。更具体而言,实施方式涉及超声波信号在测定电化学系统的特性(如充电状态(SOC)及健康状况(SOH))中的用途。
技术介绍
出于各种原因(包括电池寿命的改良、更高的生产效率、故障的提早预测等),追踪电化学系统(如电池)的特性(如充电状态(SOC)、健康状况(SOH)、内部损坏等)是重要的。然而,在操作中,有效且低成本地可靠追踪或测定此类特性的能力是一项挑战。例如,在常规的实施方案中,SOC预测可包括与库仑计数(簿记(bookk本文档来自技高网...

【技术保护点】
1.一种非侵入式分析电化学系统的方法,其特征在于,所述方法包括:/n使至少一第一电池经受充电-放电循环的至少一部分;/n在所述充电-放电循环的所述至少一部分期间的两个或更多个时间例项下,通过所述第一电池的至少一部分传输声学信号且接收对应的响应信号,其中,所述两个或更多个时间例项对应于所述第一电池的两个或更多个充电状态;以及/n确定至少一精简声学数据集,所述精简声学数据集包括表示在所述两个或更多个充电状态下的所传输的声学信号或所述响应信号中的一者或多者的一个或多个数据点。/n

【技术特征摘要】
【国外来华专利技术】20170901 US 62/553,2871.一种非侵入式分析电化学系统的方法,其特征在于,所述方法包括:
使至少一第一电池经受充电-放电循环的至少一部分;
在所述充电-放电循环的所述至少一部分期间的两个或更多个时间例项下,通过所述第一电池的至少一部分传输声学信号且接收对应的响应信号,其中,所述两个或更多个时间例项对应于所述第一电池的两个或更多个充电状态;以及
确定至少一精简声学数据集,所述精简声学数据集包括表示在所述两个或更多个充电状态下的所传输的声学信号或所述响应信号中的一者或多者的一个或多个数据点。


2.根据权利要求1所述的方法,其特征在于,所述精简声学数据集包括与所述声学信号相关的一个或多个数据点,所述数据点包括:飞行时间位移、总信号振幅、频率成分、第一中断时间、质心频率、时域中的主响应峰的半峰全宽值、频域中的主峰的半峰全宽值、频率分布的标准偏差、偏度或峰度、所述响应信号在时域中的衰减率、所述声学信号的正振幅面积或负振幅面积。


3.根据权利要求1所述的方法,其特征在于,进一步包括:从所述精简声学数据集确定在所述两个或更多个充电状态下的所述第一电池的一个或多个物理性质,所述一个或多个物理性质包括所述第一电池的密度、弹性模量、体积模量、剪切模量、孔隙率或厚度中的一者或多者。


4.根据权利要求1所述的方法,其特征在于,进一步包括:创建至少具有所述第一电池的所述精简声学数据集的第一数据库。


5.根据权利要求4所述的方法,其特征在于,进一步包括:将与所述第一电池相关的非声学数据包含于所述第一数据库中,所述非声学数据包括在所述两个或更多个充电状态下的所述第一电池的一个或多个电压、电流或温度。


6.根据权利要求5所述的方法,其特征在于,进一步包括:将声学数据集包含于所述第一数据库中,所述声学数据集包括在所述两个或更多个充电状态下的所传输的声学信号或所述响应信号的一个或多个波形。


7.根据权利要求6所述的方法,其特征在于,进一步包括:使用至少所述第一数据库以及一第二电池的声学数据、精简声学数据或非声学数据中的一者或多者预测所述第二电池的特性。


8.根据权利要求7所述的方法,其特征在于,所预测的所述第二电池的特性包括充电状态(SOC)、健康状况(SOH)、构造质量、剩余使用寿命、功率状态或安全状态中的一者或多者。


9.根据权利要求7所述的方法,其特征在于,所述方法是在机器学习模型中执行的,其中,至少所述第一数据库用作训练数据集。


10.根据权利要求1所述的方法,其特征在于,所述声学信号包括超声波信号或弹性波,其中,所述声学信号由一个或多个换能器传输且所述响应信号由一个或多个换能器接收。


11.一种非侵入式分析电化学系统的方法,其特征在于,所述方法包括:
使用...

【专利技术属性】
技术研发人员:丹尼尔·A·史丹葛特葛瑞格·大卫斯萧尔乔·比斯瓦司安德鲁·G·谢贝瑞·凡·泰萨尔汤玛士·豪得森窦珊
申请(专利权)人:费赛普公司普林斯顿大学托管委员会
类型:发明
国别省市:美国;US

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1