【技术实现步骤摘要】
本申请属于电池处理，特别的涉及一种基于机器学习算法的电池电极一致性判定方法及装置。
技术介绍
1、一致性作为锂电池电极材料的重要性质之一，它对电池的充放电性能、容量以及寿命等都有着重要影响，通过对电极的一致性进行判定可了解电极材料的物理、化学性质以及电化学性能，以进一步评估其对电池性能的影响。同时，通过对电极一致性的分析，还可发现电池制造过程中存在的问题以及瓶颈，有助于提高电池的质量和生产效率。其中，锂电池电极的一致性具体可分为同质性以及异质性，当锂电池电极内部出现材料以及结构等方面的差异，可认定该锂电池发生异质现象，也即具有异质性；当锂电池电极内部区域性质一致，则可认定该锂电池发生同质现象，也即具有同质性。
2、传统用于锂电池的一致性的判定方式多以借助于各种仪器和基于物理表征、电化学测试以及材料分析为主，例如根据x射线衍射(xrd)、扫描电子显微镜(sem)、透射电子显微镜(tem)、拉曼光谱(raman)或是充放电性能测试得出判定结果，不仅需要花费过多的设备成本以及投入过多的人力物力，还易因先验知识和专业经验受到过多主观因素的评判，进而影响到判定结果的准确性。
技术实现思路
1、本申请为解决上述提到的传统判定方式不仅需要花费过多的设备成本以及投入过多的人力物力，还易因先验知识和专业经验受到过多主观因素的评判，进而影响到判定结果的准确性，提出一种基于机器学习算法的电池电极一致性判定方法及装置，其技术方案如下：
2、第一方面，本申请实施例提供了一种基于机器学
3、按照至少两种工艺参数进行制备处理，得到与每种工艺参数对应的电极片；
4、按照预设的方向从每个电极片上裁剪出至少两组子样品，并基于每个电极片所对应的所有子样品以及相应的工艺参数，确定出每个电极片的初始数据；
5、基于所有电极片的初始数据将所有电极片划分为至少两个簇群，并分别确定出每个簇群所对应的第一判定结果；其中，每个簇群包括至少一个电极片；
6、根据所有簇群所对应的第一判定结果、每个簇群中所有电极片的初始数据以及预设的分类模型，得到每个电极片的第二判定结果。
7、在第一方面的一种可选方案中，每种工艺参数包括活性物质占比、固含量占比以及涂层间隙；
8、按照至少两种工艺参数进行制备处理，得到与每种工艺参数对应的电极片，包括：
9、对溶解有粘结剂的活性物质溶剂以及导电材料进行混合处理，得到第一浆液；
10、基于每种工艺参数中的活性物质占比确定出相应的活性物质含量以及第一浆液含量，并按照每种工艺参数中的固含量占比对活性物质含量以及第一浆液含量进行混合处理，得到第二浆液；
11、按照预设的尺寸参数以及每种工艺参数中的涂层间隙，对第二浆液进行涂布烘干处理，得到与每种工艺参数对应的电极片。
12、在第一方面的又一种可选方案中，每组子样品中包含有至少两个子电极片；
13、基于每个电极片所对应的所有子样品以及相应的工艺参数，确定出每个电极片的初始数据，包括：
14、在每个电极片所对应的所有子样品中，分别测取出每组子样品内每个子电极片的第一重量负载以及第一涂层厚度；
15、根据每组子样品所对应的所有第一重量负载计算出第一重量标准差以及第一重量均值，并对第一重量标准差以及第一重量均值进行比值计算，得到第二重量负载；
16、根据所有子样品所对应的所有第一重量负载计算出第二重量标准差以及第二重量均值，并对第二重量标准差以及第二重量均值进行比值计算，得到第三重量负载；
17、根据每组子样品所对应的所有第一涂层厚度计算出第一厚度标准差以及第一厚度均值，并对第一厚度标准差以及第一厚度均值进行比值计算，得到第二涂层厚度；
18、根据所有子样品所对应的所有第一涂层厚度计算出第二厚度标准差以及第二厚度均值，并对第二厚度标准差以及第二厚度均值进行比值计算，得到第三涂层厚度；
19、将每个电极片所对应的活性物质占比、固含量占比、涂层间隙、第三重量负载、第三涂层厚度以及所有子样品所分别对应的第二重量负载、第二涂层厚度作为每个电极片的初始数据。
20、在第一方面的又一种可选方案中，在基于所有电极片的初始数据将所有电极片划分为至少两个簇群之前，还包括：
21、对每个电极片的初始数据进行归一化处理，得到相应的第一数据；
22、基于每个第一数据中与所有第二重量负载对应的特征值生成箱型图，并根据箱型图确定出与所有第二重量负载对应的特征值中的异常值；
23、对与所有第二重量负载对应的特征值中除去异常值的所有特征值进行均值计算，并将相应第一数据中的异常值替换为均值计算结果，得到第二数据；
24、基于所有电极片的初始数据将所有电极片划分为至少两个簇群，包括：
25、基于所有电极片的第二数据将所有电极片划分为至少两个簇群。
26、在第一方面的又一种可选方案中，基于所有电极片的第二数据将所有电极片划分为至少两个簇群，包括：
27、对每个电极片的第二数据中与所有第二重量负载对应的特征值，以及与所有第二涂层厚度对应的特征值进行降维处理，得到相应的第三数据；
28、根据所有电极片的第三数据对所有电极片进行聚类处理，得到至少两个簇群。
29、在第一方面的又一种可选方案中，分别确定出每个簇群所对应的第一判定结果，包括：
30、根据每个簇群中所有电极片所分别对应的第三重量负载、第三涂层厚度以及预设的概率密度函数，得到相应的统计量；
31、基于每个簇群的统计量与预设阈值之间的差值，得到相应的第一判定结果。
32、在第一方面的又一种可选方案中，根据所有簇群所对应的第一判定结果、每个簇群中所有电极片的初始数据以及预设的分类模型，得到每个电极片的第二判定结果，包括：
33、按照预设的比例从所有电极片中划分出训练集以及验证集，并对训练集中所有电极片所分别对应的活性物质占比、固含量占比以及涂层间隙进行标准化处理；
34、基于训练集中所有电极片所分别对应的第一判定结果、经过处理后的活性物质占比、固含量占比以及涂层间隙，对预设的分类模型进行训练；
35、将验证集中每个电极片所对应的活性物质占比、固含量占比以及涂层间隙输入至训练后的预设的分类模型，得到相应的预测结果；
36、基于验证集中所有电极片所分别对应的第一判定结果以及预测结果得到评估指标，并当检测到评估指标超过预设的指标阈值时，将每个电极片所对应的活性物质占比、固含量占比以及涂层间隙输入至训练后的预设的分类模型，得到相应的第二判定结果。
37、第二方面，本申请实施例提供了一种基于机器学习算法的电池电极一致性判定装置，包括：
38、第一处理模块，用于按照至少两种工艺参数进行制备处理，得到与每种工艺参数对本文档来自技高网...
【技术保护点】
1.一种基于机器学习算法的电池电极一致性判定方法，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，每种所述工艺参数包括活性物质占比、固含量占比以及涂层间隙；
3.根据权利要求2所述的方法，其特征在于，每组所述子样品中包含有至少两个子电极片；
4.根据权利要求3所述的方法，其特征在于，在所述基于所有所述电极片的初始数据将所有所述电极片划分为至少两个簇群之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所有所述电极片的第二数据将所有所述电极片划分为至少两个簇群，包括：
6.根据权利要求3所述的方法，其特征在于，所述分别确定出每个所述簇群所对应的第一判定结果，包括：
7.根据权利要求3所述的方法，其特征在于，所述根据所有所述簇群所对应的第一判定结果、每个所述簇群中所有所述电极片的初始数据以及预设的分类模型，得到每个所述电极片的第二判定结果，包括：
8.一种基于机器学习算法的电池电极一致性判定装置，其特征在于，包括：
9.一种基于机器学习算法的电池电极一致性判定装
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在计算机或处理器上运行时，使得所述计算机或处理器执行如权利要求1-7任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于机器学习算法的电池电极一致性判定方法，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，每种所述工艺参数包括活性物质占比、固含量占比以及涂层间隙；
3.根据权利要求2所述的方法，其特征在于，每组所述子样品中包含有至少两个子电极片；
4.根据权利要求3所述的方法，其特征在于，在所述基于所有所述电极片的初始数据将所有所述电极片划分为至少两个簇群之前，还包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所有所述电极片的第二数据将所有所述电极片划分为至少两个簇群，包括：
6.根据权利要求3所述的方法，其特征在于，所述分别确定出每个所述...
【专利技术属性】
技术研发人员：皮钱超，徐臣龙，
申请(专利权)人：孝感楚能新能源创新科技有限公司，
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。