基于阵列传感器的锂电池火灾特征气体探测方法及系统技术方案

本发明专利技术涉及一种基于阵列传感器的锂电池火灾特征气体探测方法及系统。该探测方法通过设计阵列式的多个气敏传感器来搭建气体检测模块，配置混合气体的样本为气体检测模块制定不同浓度梯度的混合气体，构建出与混合气体关联的数据集，具体包含了相应的响应恢复曲线及其指纹信息，训练、测试和改进LSTM模型，形成气体序列分类识别模型，得到响应曲线与混合气体的分类及浓度之间的映射关系，最终利用气体检测模块在实际待探测环境中重新生成数据，并使用气体序列分类模型对实际数据进行分析，得到待探测环境中的特征气体类别及浓度。该探测方法的分类识别结果具备较高的分析准确率，并且可有效为锂电池火灾的监测提供数据支撑，减少火灾安全隐患。火灾安全隐患。火灾安全隐患。

【技术实现步骤摘要】
基于阵列传感器的锂电池火灾特征气体探测方法及系统


[0001]本专利技术涉及锂电池火灾监控
，特别是涉及一种基于阵列传感器的锂电池火灾特征气体探测方法及系统。

技术介绍

[0002]近年来，随着新能源汽车的发展以及产业升级，因具备高能量密度、大倍率充放电性能和长循环寿命等优点，动力锂电池发展迅猛，逐渐成为电动汽车电能、储能电站存储载体所采用的主要动力电池类型。然而，锂电池的自燃和爆炸事故也呈高发态势。
[0003]针对锂电池火灾的早期探测和预警，目前传统的方法主要基于环境的检测数据，使用传感器获取锂电池火灾过程中的特征参量，比如发热位置特征、烟雾火焰特征等，根据一定的专家经验进行分析及预判。此种方法预判的错误率以及延迟相对较高，在实际应用中存在误报漏报的问题，从而难以对锂电池进行有效监控，造成安全隐患。

技术实现思路

[0004]基于此，有必要针对现有技术中对锂电池火灾监测的精度较低的技术问题，本专利技术提供一种基于阵列传感器的锂电池火灾特征气体探测方法及系统。
[0005]本专利技术公开一种基于阵列传感器的锂电池火灾特征气体探测方法，包括以下步骤：
[0006]S1.采用阵列式的多个气敏传感器搭建气体检测模块。
[0007]其中，多个气敏传感器共设置有五种，分别与以下五种锂电池热失控特征气体相对应，即H2、CO、CH4、C2H4以及DEC蒸汽。
[0008]S2.按照预设的气体组分比例配置包含有五种锂电池热失控特征气体的混合气体，并利用混合气体制备不同体积的多组样本。
[0009]S3.在一个标准实验环境下，将气体检测模块置入特定容积的实验舱内，并将每组混合气体样本注入实验舱且保持预设停留时间后排出，同时按照预设的采样周期和采样频率对每个气敏传感器的响应进行采集并记录，得到分别与多个气敏传感器相对应的多组数据集。
[0010]其中，每组数据集包含相应气敏传感器对单个浓度梯度混合气体中对应特征气体的响应恢复曲线，以及基于该响应恢复曲线获得的气敏传感器对相应特征气体的指纹信息。指纹信息包括响应恢复曲线的响应时间、斜率、最大灵敏度、平均灵敏度、方差及恢复时间。每条响应恢复曲线由若干个响应恢复数据点组成。
[0011]S4.判断当前完成注入并排出的混合气体样本是否为多组样本中的最后一组。是则执行S5。否则返回S3直至完成对多组不同浓度梯度样本的数据采集。
[0012]S5.将得到的若干组数据集划分为训练集和测试集，以此对一个构建好的LSTM模型进行训练、测试及改进，形成气体序列分类识别模型。
[0013]S6.参照S3的方式采集气体检测模块在一个待探测环境中的各个气敏传感器对应
的多组实测数据集，并将实测数据集输入至气体序列分类识别模型中，进而根据各项响应恢复曲线及其指纹信息检测出待探测环境中的特征气体类别及浓度。
[0014]作为上述方案的进一步改进，气敏传感器选用SnO2电阻型半导体传感器。
[0015]作为上述方案的进一步改进，通过采集气敏传感器对气体的敏感稳态电阻值R
s
与基准电阻值R0的比值，进而绘制出气敏传感器对特征气体的响应恢复曲线。
[0016]作为上述方案的进一步改进，在搭建的气体检测模块中，气敏传感器的数量为十个。其中，每种气敏传感器的数量均为两个。
[0017]作为上述方案的进一步改进，S2中，根据锂电池种类来配置四种不同气体组分比例的混合气体。其中，锂电池种类包括：磷酸铁锂电池、镍锰钴电池、钴酸锂电池以及钛酸锂电池。
[0018]作为上述方案的进一步改进，S2中，多组样本的体积分别为10mL、20mL、50mL和100mL。其中，每种体积的样本数量设置为40
±
2组。
[0019]作为上述方案的进一步改进，S3中，标准实验环境下的温度为25
±
5℃，湿度为70
±
5％。
[0020]作为上述方案的进一步改进，S3中，采样周期不小于250s。采样频率为1Hz。
[0021]作为上述方案的进一步改进，S3中，每得到一组混合气体样本的数据集后，还持续向实验舱内注入预设清洗时间的空气，进而排出实验舱内的残余混合气体。
[0022]本专利技术还公开一种基于阵列传感器的锂电池火灾特征气体探测系统，其采用上述任意一项基于阵列传感器的锂电池火灾特征气体探测方法。探测系统包括：气体检测模块以及数据处理模块。
[0023]气体检测模块采用阵列式的多个气敏传感器搭建而成。
[0024]数据处理模块用于根据气体检测模块在不同浓度梯度的锂电池热失控特征混合气体下形成的相应气敏响应数据，对预先构建的LSTM模型进行训练、测试及改进，形成气体序列分类识别模型。数据处理模块还用于根据气体检测模块在一个待探测环境中采集到的相应气敏响应数据，输入至形成的气体序列分类识别模型中，进而根据各项响应恢复曲线及其指纹信息检测出待探测环境中的特征气体类别及浓度。
[0025]与现有技术相比，本专利技术公开的技术方案具有如下有益效果：
[0026]1.该探测方法通过设计阵列式的多个气敏传感器来搭建气体检测模块，分别与锂电池热失控的主要特征气体相对应，从而通过配置混合气体的样本，为气体检测模块制定不同浓度梯度的混合气体氛围，进而构建出与已知浓度的混合气体相互关联的数据集，具体包含了相应的响应恢复曲线及其指纹信息，利用这些数据集对构建好的LSTM模型进行训练、测试和改进，形成了气体序列分类识别模型，得到响应曲线与混合气体的分类及浓度之间的映射关系，最终可以利用气体检测模块在实际待探测环境中重新生成数据，并使用形成的气体序列分类模型对重新生成的实际数据进行分析，得到待探测环境中的特征气体类别及浓度。经实验表明，该探测方法的分类识别结果具备较高的分析准确率，并且可有效为锂电池火灾的监测提供数据支撑，减少火灾安全隐患。
[0027]另外，本专利技术选用阵列传感器并获取气体响应恢复曲线的指纹特征数据，基于该特征数据集可以进行小样本的学习训练以构建模型，相较于常规深度学习模型和方法，本专利技术无需动辄成千上万的数据集，更有利于实际应用推广。
[0028]2.该探测系统的有益效果与上述探测方法的有益效果相同，在此不再赘述。
附图说明
[0029]图1为本专利技术实施例1中基于阵列传感器的锂电池火灾特征气体探测方法的流程图；
[0030]图2为本专利技术实施例1中SnO2半导体传感器的上电工作过程图；
[0031]图3为本专利技术实施例1中半导体传感器气敏性测试电路图；
[0032]图4为本专利技术实施例1中气敏传感器对气体的响应恢复曲线；
[0033]图5为本专利技术实施例1中阵列传感器的气敏响应采集原理图；
[0034]图6为本专利技术实施例1中阵列传感器在磷酸铁锂电池热失控产生的混合气体中的响应恢复曲线；
[0035]图7为本专利技术实施例1中阵列传感器在镍锰钴锂电池热失控产生的混合气本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于阵列传感器的锂电池火灾特征气体探测方法，其特征在于，包括以下步骤：S1.采用阵列式的多个气敏传感器搭建气体检测模块；其中，多个所述气敏传感器共设置有五种，分别与以下五种锂电池热失控特征气体相对应，即H2、CO、CH4、C2H4以及DEC蒸汽；S2.按照预设的气体组分比例配置包含有五种所述锂电池热失控特征气体的混合气体，并利用所述混合气体制备不同体积的多组样本；S3.在一个标准实验环境下，将所述气体检测模块置入特定容积的实验舱内，并将每组混合气体样本注入所述实验舱且保持预设停留时间后排出，同时按照预设的采样周期和采样频率对每个气敏传感器的响应进行采集并记录，得到分别与多个所述气敏传感器相对应的多组数据集；其中，每组数据集包含相应气敏传感器对单个浓度梯度混合气体中对应特征气体的响应恢复曲线，以及基于该响应恢复曲线获得的气敏传感器对相应特征气体的指纹信息；所述指纹信息包括所述响应恢复曲线的响应时间、斜率、最大灵敏度、平均灵敏度、方差及恢复时间；每条所述响应恢复曲线由若干个响应恢复数据点组成；S4.判断当前完成注入并排出的混合气体样本是否为多组样本中的最后一组；是则执行S5；否则返回S3直至完成对多组不同浓度梯度样本的数据采集；S5.将得到的若干组数据集划分为训练集和测试集，以此对一个构建好的LSTM模型进行训练、测试及改进，形成气体序列分类识别模型；S6.参照S3的方式采集所述气体检测模块在一个待探测环境中的各个气敏传感器对应的多组实测数据集，并将所述实测数据集输入至所述气体序列分类识别模型中，进而根据各项响应恢复曲线及其指纹信息检测出所述待探测环境中的特征气体类别及浓度。2.根据权利要求1所述的基于阵列传感器的锂电池火灾特征气体探测方法，其特征在于，所述气敏传感器选用SnO2电阻型半导体传感器。3.根据权利要求2所述的基于阵列传感器的锂电池火灾特征气体探测方法，其特征在于，通过采集所述气敏传感器对气体的敏感稳态电阻值R
s
与基准电阻值R0的比值，进而绘制出所述气敏传感器对所述特征气体的响应恢复曲线。4.根据权利...

【专利技术属性】
技术研发人员：张永明，单志林，张启兴，汪书苹，王青松，任晓迪，李昌豪，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：