基于数字孪生的动力电池制造工艺优化方法技术

发明专利技术提供了一种基于数字孪生的动力电池制造工艺优化方法，该方法将动力电池制造阶段关键材料参数、工艺参数和质检参数等上传存储到动力电池基因信息数据库，并在赛博物理空间建立动力电池数字孪生特征模型，使用过程中，动力电池数字孪生特征模型与动力电池物理实体连接，并对模型进行实时更新和迭代，将动力电池使用过程中的特征参数与动力电池制造过程中的基因信息进行比对，找出故障问题或失效原因，从而对动力电池制造工艺进行反馈优化。从而对动力电池制造工艺进行反馈优化。从而对动力电池制造工艺进行反馈优化。

【技术实现步骤摘要】
基于数字孪生的动力电池制造工艺优化方法


[0001]本专利技术属于动力电池设计与建模领域，具体涉及一种基于数字孪生的动力电池制造工艺优化方法。

技术介绍

[0002]目前新能源汽车技术的发展已进入大规模应用的关键时期，作为“三纵三横”研发布局中的关键节点，设计高强度、轻量化、高安全、低成本、长寿命的动力电池成为关键难题。伴随着电动汽车的使用，恶劣的路面条件、环境温度和负载的动态变化会导致电池系统性能非线性下降，进而导致漏液、绝缘损坏和部分短路等问题。若能明晰电池损耗的内部反应机理，及时监测故障特征和评估健康状态，这对于动力电池制造工艺的指导有着重要意义。
[0003]数字孪生技术是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖耦合的系统的数字映射系统。建立动力电池的数字孪生模型可以实现智能制造与高效管理。

技术实现思路

[0004]针对上述现有技术中存在的问题，本专利技术提出了一种基于数字孪生的动力电池制造工艺优化方法，该方法记录动力电池制造过程中的材料参数、工艺参数和质检参数等，建立动力电池基因信息数据库，并构建动力电池数字孪生特征模型，动力电池数字孪生特征模型与动力电池物理实体通过数据交互系统连接，进行实时更新和迭代，通过全生命周期对比可以明确动力电池老化衰退路径，找出故障问题，从而对动力电池制造工艺进行反馈优化。
[0005]本专利技术的技术方案具体如下：
[0006]一种基于数字孪生的动力电池制造工艺优化方法，包括以下步骤：
[0007]S1收集动力电池物理实体制造过程中的基因信息，并存入动力电池基因信息数据库中；
[0008]S2在赛博物理空间构建动力电池数字孪生特征模型；
[0009]S3采用数据交互系统连接动力电池物理实体和动力电池数字孪生特征模型，在动力电池的使用过程中，实时将使用信息传输至数据交互系统，并进行特征参数标定，然后将识别的特征参数传输至动力电池数字孪生特征模型，进行迭代更新，并存入动力电池基因信息数据库中；
[0010]S4在动力电池基因信息数据库中，将动力电池使用过程中的特征参数与动力电池制造过程中的基因信息比对，并建立特征参数与动力电池性能的映射关系，找出动力电池故障的原因，从而对动力电池的制造工艺进行反馈指导和设计优化。
[0011]进一步的，所述基因信息包括材料参数、工艺参数、品控参数和性能参数。
[0012]进一步的，所述材料参数包括电解液浓度、材料密度和体积分数；所述工艺参数包括壳体尺寸、预紧力和涂胶量；所述品控参数包括模组压差、系统漏气量和绝缘阻值；所述性能参数包括出厂时间、储存温度和初始SOC；
[0013]进一步的，所述动力电池基因信息数据库由底层异构数据库和上层中间件模块组成，异构数据库包括关系型数据库、时序数据库、图数据库和非结构化数据库，中间件模块包括数据处理模块、网关设置模块、监控系统和数据持久化模块。
[0014]进一步的，所述动力电池数字孪生特征模型由特征参数组合构成，包括动力电池在全生命周期使用中产生的业务特征、统计特征、机理特征和时频特征。
[0015]进一步的所述业务特征包括充电电流、累积充放电容量、累积使用时长、高温累积充放电容量、高倍率累积充放电容量等；所述机理特征包括内阻变化、内短路内阻变化、自放电率K值变化；所述统计特征包括电压最大/最小值、电压均值、单体电压标准差等物理量通过简单数学统计归纳可得的特征参数；所述时频特征包括经过小波变换、希尔伯特黄变换等频率计算方法得到的多阶模态分量，以及信息熵、奇异谱熵等参数。
[0016]进一步的，所述使用信息包括运行参数、维修保养参数和运行原始数据。
[0017]进一步的，所述运行参数包括欧姆内阻、开路电势和单体欠压量；所述维修保养参数包括更换电芯参数、报警故障码、螺栓预紧力；所述运行原始数据包括总线电压、总线电流和系统温度。
[0018]相比于现有技术，本专利技术的有益效果在于：
[0019]1.本专利技术建立的动力电池数字孪生特征模型能够存储、计算电池演化过程中的各项参数，并形成一定规律和经验反馈指导电池的设计和制造工艺，真正实现动力电池的全生命周期闭环控制。
[0020]2.使用本专利技术建立的数字孪生特征模型在动力电池出厂使用之前即可实现模拟装配误差分析、实时过程监测和故障提前检测，帮助生产制造企业管理流程知识、提高生产效率和产品质量，更好实现不同制造团队间协同优化。
[0021]3.本专利技术所采用的特征参数不仅可以作为数字孪生特征模型的输入，还降低了参数辨识的工作量和盲目性，且因为具有更强代表性能够作为存储变量记录电池制造和使用过程的规律。
[0022]4.本专利技术的动力电池制造工艺优化方法能够对同一产品的不同批次、不同工艺设置针对性的控制方法，并对故障电池包进行失效追溯和原因反推。
附图说明
[0023]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，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，可以根据这些附图获得其他的附图。其中：
[0024]图1为本专利技术的基于数字孪生的动力电池制造工艺优化方法的原理图；
[0025]图2本专利技术的动力电池基因信息数据库构成图；
[0026]图3本专利技术的动力电池包制造流程图。
具体实施方式
[0027]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本专利技术的实施例及实施例中的特征可以相互组合。
[0028]在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是，本专利技术还可以采用其他不同于在此描述的其他方式来实施，因此，本专利技术的保护范围并不受下面公开的具体实施例的限制。
[0029]如图1所示，本专利技术提供了一种基于数字孪生的动力电池制造工艺优化方法，包括以下步骤：
[0030]S1收集动力电池物理实体制造过程中的基因信息，并存入动力电池基因信息数据库中；
[0031]动力电池在出厂前的制造过程中，材料供应部门提供动力电池的原始材料参数，例如电解液浓度、材料密度和体积分数等，生产制造部门提供加工过程的工艺参数，例如壳体尺寸、预紧力和涂胶量等，以及性能参数，例如出厂时间、储存温度和初始SOC等；质检部门提供产品的品控参数，例如模组压差、系统漏气量和绝缘阻值等。
[0032]在动力电池出厂使用过程，上述参数数据可由车载电子网络和通信设备传入动力电池基因信息数据库。
[0033]本专利技术的动力电池基因信息数据库由底层异构数据库和上层中间件模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数字孪生的动力电池制造工艺优化方法，其特征在于，包括以下步骤：S1收集动力电池物理实体制造过程中的基因信息，并存入动力电池基因信息数据库中；S2在赛博物理空间构建动力电池数字孪生特征模型；S3采用数据交互系统连接动力电池物理实体和动力电池数字孪生特征模型，在动力电池的使用过程中，实时将使用信息传输至数据交互系统，并进行特征参数标定，然后将识别的特征参数传输至动力电池数字孪生特征模型，进行迭代更新，并存入动力电池基因信息数据库中；S4在动力电池基因信息数据库中，将动力电池使用过程中的特征参数与动力电池制造过程中的基因信息比对，并建立特征参数与动力电池性能的映射关系，找出动力电池故障的原因，从而对动力电池的制造工艺进行反馈指导和设计优化。2.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法，其特征在于，所述基因信息包括材料参数、工艺参数、品控参数和性能参数。3.根据权利要求2所述的基于数字孪生的动力电池制造工艺优化方法，其特征在于，所述材料参数包括电解液浓度、材料密度和体积分数；所述工艺参数包括壳体尺寸、预紧力和涂胶量；所述品控参数包括模组压差、系统漏气量和绝缘阻值；所述性能参数包括出厂时间、储存温度和初始SOC。4.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法，其特征在于，所述动力电池基因信息数...

【专利技术属性】
技术研发人员：杨世春，张正杰，舒唯，曹瑞，林家源，刘新华，徐斌，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：