【技术实现步骤摘要】
本申请涉及电池检测，具体而言，涉及一种电池检测方法、装置、存储介质及设备。
技术介绍
1、在动力电池生产过程中，存在异物引入或电芯撞伤的可能，这样的电芯的内部会发生轻微短路，若是将其装配到整车中，电芯随时会因为内部短路而发生失效，从而形成极大的安全隐患。因此，将这种内部发生轻微短路的异常电芯挑选出来，是生产过程中的关键步骤。
2、目前，检测这种异常电芯的方式主要是基于在电池循环过程中监测的边电压变化情况而实现。然而，这一方式的检测灵敏度较低，存在漏检的可能。
技术实现思路
1、本申请的目的在于提供一种电池检测方法、装置、存储介质及设备，旨在解决相关技术中针对内部发生轻微短路的异常电芯的检测方式存在的准确度较低，容易漏检的问题。
2、第一方面，本申请提供的一种电池检测方法，包括：获取目标批次中各个电芯的电芯数据，所述电芯数据包括正极柱对铝壳的边电压、负极柱对铝壳的边电压以及电芯编号；基于训练好的边电压异常检测模型对所述电芯数据进行处理，得到输出结果；所述边电压异常检测模型是基于中试线电芯的电芯数据作为训练样本训练得到的，所述边电压异常检测模型基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，再基于密度的聚类算法对所述电芯数据进行聚类，得到表征边电压正常的第一类型簇和表征边电压异常的第二类型簇；根据所述输出结果确定所述目标批次中出现内短路的电芯。
3、在上述实现过程中，利用中试线电芯的电芯数据作为训练样本，使用改进的灰狼优化算法和基于密度的聚类
4、进一步地，在一些例子中，所述电芯数据是在将相应电芯的充电电压设置为目标电压值并维持指定时间的情况下采集得到的；所述目标电压值是基于所述电芯的电压与膨胀力之间的对应关系确定的，当所述电芯处于所述目标电压值时，所述电芯的膨胀力最大。
5、在上述实现过程中，在收集电芯数据时，将各个电芯的充电电压设置为其膨胀力最大点对应的电压值，然后停留指定时间，以此进行边电压在线检测，从而使得收集到的电芯数据更为准确有效，进而能够提升内短路异常检测的准确性。
6、进一步地，在一些例子中，所述训练样本基于以下方式获取得到：采集中试线电芯的产品数据，通过大数据平台从所述产品数据中提取出电芯数据；将所述中试线电芯的电芯数据中负荷异常数据的间断点和噪声点去除，得到训练样本。
7、在上述实现过程中，对采集到的中试线电芯的产品数据进行特征提取，并去除负荷异常数据的间断点和噪声点，从而得到可靠的训练数据。
8、进一步地，在一些例子中，所述基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，包括：随机产生灰狼种群，所述灰狼种群中每只灰狼的个体位置向量代表一个潜在的解，所述个体位置向量由基于密度的聚类算法的参数组合组成；通过适应度函数计算每只灰狼在当前个体位置上的适应度，根据计算得到的适应度将所述灰狼种群分级为α狼、β狼、δ狼和ω狼；迭代执行以下步骤，直至迭代次数达到预设的最大迭代次数：将适应度最好的α狼、β狼和δ狼的个体位置保留，并更新其余灰狼的个体位置；重新计算每只灰狼在个体位置上的适应度，将适应度最好的灰狼的个体位置向量确定为当前最优解；根据重新计算得到的适应度，执行差分进化操作。
9、在上述实现过程中，提供一种基于igwo算法优化dbscan算法的参数组合的具体方式。
10、进一步地，在一些例子中，所述训练样本还包括所述中试线电芯的类型标签；所述适应度函数表示为以下公式：
11、
12、其中，fitness为适应度函数；n为训练样本的样本总个数；yvalid为样本的真实值，所述真实值基于所述样本的类型标签确定；为经过训练的聚类模型的预测值，所述聚类模型是由训练样本以及超参数训练而成，所述超参数基于每只灰狼的个体位置向量确定。
13、在上述实现过程中，提供一种适应度函数。
14、进一步地，在一些例子中，所述基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，还包括：将迭代结束时的当前最优解确定为基于密度的聚类算法的参数组合，得到训练好的聚类模型；使用所述聚类模型对测试集进行聚类，并计算聚类结果对应的轮廓系数；根据所述轮廓系数评估所述聚类模型的聚类性能。
15、在上述实现过程中，将轮廓系数作为聚类结果评价指标，有效提升聚类效果，从而提升最终确定的边电压异常检测模型的预测准确性。
16、进一步地，在一些例子中，所述根据所述输出结果确定所述目标批次中出现内短路的电芯，包括：将所述第一类型簇的离群点对应的电芯，以及所述第二类型簇对应的电芯，确定为所述目标批次中出现内短路的电芯。
17、在上述实现过程中，将第一类型簇的离群点和第二类型簇均认为是目标批次中的边电压异常点，以此确定出发生内短路的异常电芯，如此，提升对异常电池检测的准确性和可靠性。
18、第二方面，本申请提供的一种电池检测装置，包括：获取模块，用于获取目标批次中各个电芯的电芯数据，所述电芯数据包括正极柱对铝壳的边电压、负极柱对铝壳的边电压以及电芯编号；处理模块，用于基于训练好的边电压异常检测模型对所述电芯数据进行处理，得到输出结果；所述边电压异常检测模型是基于中试线电芯的电芯数据作为训练样本训练得到的，所述边电压异常检测模型基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，再基于密度的聚类算法对所述电芯数据进行聚类，得到表征边电压正常的第一类型簇和表征边电压异常的第二类型簇；确定模块，用于根据所述输出结果确定所述目标批次中出现内短路的电芯。
19、第三方面，本申请提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
20、第四方面，本申请提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。
21、第五方面，本申请提供的一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行如第一方面任一项所述的方法。
22、本申请公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本申请公开的上述技术即可得知。
23、为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种电池检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述电芯数据是在将相应电芯的充电电压设置为目标电压值并维持指定时间的情况下采集得到的；所述目标电压值是基于所述电芯的电压与膨胀力之间的对应关系确定的，当所述电芯处于所述目标电压值时，所述电芯的膨胀力最大。
3.根据权利要求1所述的方法，其特征在于，所述训练样本基于以下方式获取得到：
4.根据权利要求1所述的方法，其特征在于，所述基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，包括：
5.根据权利要求4所述的方法，其特征在于，所述训练样本还包括所述中试线电芯的类型标签；所述适应度函数表示为以下公式：
6.根据权利要求5所述的方法，其特征在于，所述基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，还包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述输出结果确定所述目标批次中出现内短路的电芯，包括：
8.一种电池检测装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其
10.一种电子设备，其特征在于，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种电池检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述电芯数据是在将相应电芯的充电电压设置为目标电压值并维持指定时间的情况下采集得到的；所述目标电压值是基于所述电芯的电压与膨胀力之间的对应关系确定的，当所述电芯处于所述目标电压值时，所述电芯的膨胀力最大。
3.根据权利要求1所述的方法，其特征在于，所述训练样本基于以下方式获取得到：
4.根据权利要求1所述的方法，其特征在于，所述基于改进的灰狼优化算法获取基于密度的聚类算法的参数组合，包括：
5.根据权利要求4所述的方法，其特征在于，所述训练样本还包括所述中试线电芯的类型标签；所述适应度函数表示为以...
【专利技术属性】
技术研发人员：许炳，谢宇新，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：
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。