使用声学信号确定电化学系统的特性技术方案

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(bookkeeping))组合的电压监测(直接测量)。出于各种原因，这可能带来挑战。首先，对于电压测量，大多数电池容量(尤其是磷酸铁锂(LFP)电池)上的电压读数的平坦度存在困难。此外，电压衰减、变化的电池电阻抗及变动的放电速率影响基于电压的SOC测量的准确度。其次，库仑计数也是一门不精确科学，因为放电速率、环境因素(如温度)及电池劣化都会影响用于任何给定放电周期的实际充电容量。这可能导致滥用循环，使得放电条件导致对SOC的不正确估计，且电池因此无意中变得过度放电。这可能引起电池的损坏且导致SOC预测的进一步不准确，从而致使持续的过度放电及电池损坏。因此，需要可直接测量电池的机械及物理状态以增强SOC、SOH及电池故障的测定的低成本且高准确度技术。
技术实现思路
本专利技术的示例性实施方式涉及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，且包含确定在两个或更多个充电状态下的声学数据，及确定表示在该两个或更多个充电状态下的该声学数据的一精简声学数据集。该精简声学数据集包含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该精简声学数据集结合例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。例如，一个示例性实施方式涉及一种非侵入式分析电化学系统的方法，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-放电循环的至少所述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。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。另一示例性实施方式涉及一种非侵入式分析电化学系统的方法，所述方法包括：使用至少一第一数据库以及一第二电池的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，其中，所述第一数据库包括至少一精简声学数据集，所述精简声学数据集包括一个或多个数据点，所述一个或多个数据点表示在第一电池的两个或更多个充电状态下通过所述第一电池的至少一部分传输的声学信号以及对所述传输信号的响应信号中的一者或多者。又一示例性实施方式涉及一种装置，包括：至少一第一电池；电池管理系统，用于使所述第一电池经受一充电-放电循环的至少一部分；以及一个或多个换能器，所述一个或多个换能器用于在所述充电-放电循环的至少所述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。所述装置进一步包括计算机，所述计算机用于确定至少精简声学数据集，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。附图说明附图经呈现以协助描述本专利技术的各个实施方式且仅出于说明而非限制目的而提供。图1A至图1L示出了本公开中所引用的方程式。图2示出了根据本公开的实施方式的用于执行电池的声学分析的系统。图3A至图3B示出了根据本公开的实施方式的通过电池传输的声学信号的特征之间的关联。图4A至图4B示出了根据本公开的实施方式的使用机器学习模型预测电池的特性(如SOC、SOH)的方法。图5A至图5B示出了根据本公开的实施方式的通过电池传输的声学信号的特征与非声学数据之间的关联。图6A至图6D示出了根据本公开的实施方式的声学信号(包括TOF位移及总信号振幅)的示例性特征与电池的特性(包括SOC及容量)之间的关联。图7示出了根据本公开的实施方式的电池的非侵入式分析电池的示例性方法。具体实施方式本专利技术的实施方式在涉及本专利技术的特定实施方式的下文描述及相关附图中公开。在不脱离本专利技术的保护范围的情况下，可设计替代实施方式。另外，本专利技术的已知组件将不详细描述或将被省略以免模糊本专利技术的相关细节。本文中的词语“示例性”用来表示“用作示例、实例或说明”。本文中被描述为“示例性”的任何实施方式不必被解释为比其他实施方式更佳或有利。同样，术语“本专利技术的实施方式”不要求本专利技术的所有实施方式包含所讨论的特征、优点或操作模式。本文中所使用的术语仅用于描述特定实施方式的目的且并非旨在限制本专利技术的实施方式。如本文中所使用，单数形式“一”旨在包含其复数形式，除非文中另有明确指示。将进一步理解的是，术语“包括”和/或“包含”在本文中使用时，表示存在所述的特征、物体、步骤、操作、组件及/或部件，但不排除存在或添加一个或多个其他的特征、物体、步骤、操作、组件、部件和/或其组合。此外，许多实施方式被描述为由例如计算设备的组件执行的动作序列。将认知的是，本文中所描述的各种动作可由特定电路(例如，特定应用集成电路(ASIC))、被一个或多个处理器执行的程序指令或两者的结合来执行。另外，本文中所描述的动作序列可被视为完全体现于任何形式的计算机可读储存介质内，该存储介质内储存有在执行时将使得相关联的处理器执行本文中所描述的功能的一组相应的计算机指令。因此，本专利技术的各个实施方式可以数种不同形式体现，所有这些形式均被认为在所要求保护的主题的范围内。另外，针对本文中所描述的各个实施方式，任何此类实施方式的对应形式可在本文中被描述为例如“逻辑上用于”执行所描述的动作。本公开的实施方式涉及确定或预测电化学系统(如电池)的一个或多个特性，此类特性包括SOH、SOC、构造质量、剩余使用寿命、功率状态、安全状态等。在一些实施方式中，使用声学信号探测电池而获得的声学数据可用于电池特性的上述确定中。将理解的是，在本公开中，声学信号指的是声信号，如在下述实施方式中具体论述的超声波信号。对应本文档来自技高网...

【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