无损检测方法及其在新能源汽车锂电池回收中的应用技术

本发明专利技术涉及锂电池回收技术领域，尤其为无损检测方法及其在新能源汽车锂电池回收中的应用，包括如下步骤：

【技术实现步骤摘要】
无损检测方法及其在新能源汽车锂电池回收中的应用


[0001]本专利技术涉及锂电池回收
，尤其是一种无损检测方法及其在新能源汽车锂电池回收中的应用
。

技术介绍

[0002]锂电池具有能量密度高
、
循环寿命长
、
清洁高效等优点，是一种非常稳定且可靠的新型电化学储能器件，广泛应用于电子产品
、
电网储能和新能源汽车等领域
。
目前，锂电池根据包装材料的不同，可分为硬壳电池和软包电池两大类
。
可以理解的是，对锂电池的缺陷情况检测和安全性能评估具有非常重要的研究意义
。
现有的锂电池的检测方法主要有以下几种：
(1)
通过多次充放电或人工拆解的方法进行检测，但成本高
、
周期长；
(2)
采用红外成像技术
、
计算机断层扫描技术
、
中子成像技术和超声成像技术等进行检测
。
其中，红外成像检测技术主要是根据温度的分布情况来显示缺陷；当电池内部存在气泡等缺陷时，会出现温度尖峰
。
但此方法受温度环境影响较大，且不能实现动态在线检测
。
计算机断层扫描检测技术利用电池内部结构及密度对
x
射线吸收能力的差异进行检测和分析
。
但此方法对气泡
、
析锂等缺陷不能进行动态在线监测，且长时间使用
x
射线存在电离辐射的危险
。
中子成像检测技术对轻元素如
H
和
Li
敏感，因此可用于检测电解液润湿
、
气体生成
、
电池内部锂离子分布等
。
然而，中子成像技术的成本高且不方便，限制了其应用范围和场景
。
现有技术仅通过对电池状态进行检测以判断电池损耗情况等，无法实现对于电池剩余容量的精准测量，因此亟需提出一种无损检测方法，解决上述问题
。

技术实现思路

[0003]本专利技术的目的是通过提出无损检测方法及其在新能源汽车锂电池回收中的应用，以解决上述
技术介绍
中提出的缺陷
。
[0004]本专利技术采用的技术方案如下：提供无损检测方法及其在新能源汽车锂电池回收中的应用，包括如下步骤：
S1
：通过无线电波扫描第一检测对象；
S2
：采集第一检测对象的第一检测结果；
S3
：基于改进的
BP
神经网络进行第一检测对象的状态检测；
S4
：基于检测状态获取第二检测结果进行第一检测对象的残值计算
。
[0005]作为本专利技术的一种优选技术方案：所述
S2
中，基于滤波处理算法对采集的第一检测对象的第一检测结果进行滤波处理
。
[0006]作为本专利技术的一种优选技术方案：所述滤波处理算法基于如下的步长进行信号滤波处理：
其中，为滤波器的增益，为响应调整指数，为缩放因子，为上一次的误差信号，为当前误差信号，为滤波器的输出信号，为滤波器调整函数
。
[0007]作为本专利技术的一种优选技术方案：所述
S3
中，获取滤波处理算法滤波处理后的信号数据，提取信号数据的相移数据，并输入至改进的
BP
神经网络进行第一检测对象的状态检测
。
[0008]作为本专利技术的一种优选技术方案：所述改进的
BP
神经网络具体如下：输入层含有个神经元，隐含层含有个神经元，输出层含有个神经元，隐含层每个单元的输入为：其中，为输入层第个神经元与隐含层第个神经元之间的连接权值，为输入至第个神经元的经过滤波处理的第一检测结果，为第个神经元阈值；隐含层每个单元的输出为：其中，为激活函数；输出层每个单元的输出为：其中，为隐含层第个神经元与输出层第个神经元之间的连接权重，为输入层第个神经元阈值
。
[0009]作为本专利技术的一种优选技术方案：所述改进的
BP
神经网络中，基于改进的粒子群算法对
BP
神经网络的初始权重进行迭代寻优
。
[0010]作为本专利技术的一种优选技术方案：所述改进的粒子群算法具体如下：以计算误差的倒数为适应度函数， 种群每次更新后，求出粒子群的平均适应度值，将适应度值大于或者等于的适应度值求平均得到，将适应度值小于的适应度值求平均得到，将种群分成３份，适应度值大于或者等于的粒子为子种群，适应度值小于并且大于或者等于的粒子为子种群，适应度值小于的粒子为子种群；对于种群，基于下式进行更新：，基于下式进行更新：
其中，表示第次迭代第个粒子的位置，表示第次迭代第个粒子的位置，表示第次迭代第个粒子的速度，表示第次迭代第个粒子的速度，表示迭代权重，
、
为学习系数，为之间的随机数，为全局最优粒子，为当前最优粒子；对于种群，基于下式进行更新：，基于下式进行更新：其中，
、
分别表示第次迭代第个粒子和第个粒子的位置，
、
分别表示第次迭代第个粒子和第个粒子的位置，
、
分别表示第次迭代第个粒子和第个粒子的速度，
、
分别表示第次迭代第个粒子和第个粒子的速度，
、
为之间的随机数；对于种群，基于变异概率
0.6
进行变异；重复上述步骤进行寻优
。
[0011]作为本专利技术的一种优选技术方案：所述改进的
BP
神经网络还将输出值与样本真实值进行比较，通过下式对神经网络输出层各单元的误差进行计算：其中，为样本真实值；对神经网络隐含层各单元的误差进行计算：对系统连接权重
、
和阈值
、
进行修正：进行修正：进行修正：进行修正：其中，
、、
和分别为
、、
和的修正值，为修正因子
。
[0012]作为本专利技术的一种优选技术方案：所述
S4
中，基于所述改进的
BP
神经网络检测获得的第二检测数据进行第一检测对象的残值计算
。
[0013]另一方面，本专利技术还提供一种无损检测方法在新能源汽车锂电池回收中的应用
。
[0014]本专利技术提供的无损检测方法及其在新能源汽车锂电池回收中的应用，与现有技术相比，其有益效果有：
本专利技术通过无线电波进行无损检测的方式采集检测数据，并基于
BP
神经网络进行被检测对象的状态检测，简化了被检测对象的介电常数的数据处理过程，实现多参数同时计算，输出被检测对象的实时状态数据，提高测量准确率；还通过改进粒子群算法和误差修正的方式改进
BP
神经网络进一步提高检测精准度
。
附图说明
[0015]图1为本专利技术优选实施例的方法流程图
。...

【技术保护点】

【技术特征摘要】
1.
一种无损检测方法，其特征在于：包括如下步骤：
S1
：通过无线电波扫描第一检测对象；
S2
：采集第一检测对象的第一检测结果；
S3
：基于改进的
BP
神经网络进行第一检测对象的状态检测；
S4
：基于检测状态获取第二检测结果进行第一检测对象的残值计算
。2.
根据权利要求1所述的无损检测方法，其特征在于：所述
S2
中，基于滤波处理算法对采集的第一检测对象的第一检测结果进行滤波处理
。3.
根据权利要求2所述的无损检测方法，其特征在于：所述滤波处理算法基于如下的步长进行信号滤波处理：长进行信号滤波处理：其中，为滤波器的增益，为响应调整指数，为缩放因子，为上一次的误差信号，为当前误差信号，为滤波器的输出信号，为滤波器调整函数
。4.
根据权利要求3所述的无损检测方法，其特征在于：所述
S3
中，获取滤波处理算法滤波处理后的信号数据，提取信号数据的相移数据，并输入至改进的
BP
神经网络进行第一检测对象的状态检测
。5.
根据权利要求4所述的无损检测方法，其特征在于：所述改进的
BP
神经网络具体如下：输入层含有个神经元，隐含层含有个神经元，输出层含有个神经元，隐含层每个单元的输入为：其中，为输入层第个神经元与隐含层第个神经元之间的连接权值，为输入至第个神经元的经过滤波处理的第一检测结果，为第个神经元阈值；隐含层每个单元的输出为：其中，为激活函数；输出层每个单元的输出为：其中，为隐含层第个神经元与输出层第个神经元之间的连接权重，为输入层第
个神经元阈值
。6.
根据权利要求5所述的无损检测方法，其特征在于：所述改进的
BP
神经网络中，基于改进的粒子群算法对
BP
神经网络的初始权重进行迭代寻优
。7.
根据权利要求6所述的无损检测方法，其特征在于：...

【专利技术属性】
技术研发人员：安加俊，赵振平，尹凤福，杨杰，栾德智，刘军，刘滨，李娟，李军华，林元光，薛文娟，王晟昊，
申请(专利权)人：青岛金诺德科技有限公司，
类型：发明
国别省市：