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制造方法及图纸

本申请公开了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，通过在不同工艺参数所制备出的电极片上裁剪出多组子样品，以根据所有子样品的重量负载、涂层厚度以及相应工艺参数确定出每个电极片的初始数据；接着可基于多种类型的机器学习算法联合对所有电极片的初始数据进行处理，以得到所有电极片所划分的每个簇群所对应的准确性以及可靠性更高的判定结果，并利用该判定结果以及工艺参数对分类模型进行训练，可使训练后的分类模型根据电池电极的工艺参数能快速准确的预测出一致性，不仅不会受到主观因素的评判以及过多投入所带来的影响，还可极大提高电极判定效率。

【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...

【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：