一种用于确定电池生产设备的可控过程参数的方法、用于运行电池生产设备的方法和电池生产设备技术

本发明专利技术涉及一种用于确定电池生产设备的可控过程参数的方法、一种用于运行电池生产设备的方法和一种电池生产设备。用于确定用于电池生产设备的可控过程参数的方法包括多个步骤。首先，借助传感器确定在电池生产设备中的制造参数的测量值。还确定至少一个在电池生产设备中利用确定的测量值制造的电池电芯的至少一个质量值，其中，所述质量值配属于测量值。至少一个质量值和测量值被传递至计算单元。随后，在计算单元中确定至少一个质量值与测量值的关联性。随后，在计算单元中确定至少一个质量值与改变的制造参数的关联性，所述改变的制造参数在数值上不同于测量值，其中，在计算单元中尤其利用贝叶斯优化实施机器学习方法，其中，尤其将测量值连同配属的质量值作为控制点纳入优化中。随后，由改变的制造参数连同改进的质量值确定至少一个可控过程参数，其中，尤其基于借助贝叶斯优化确定的关联性进行所述确定。

【技术实现步骤摘要】
【国外来华专利技术】

技术介绍

技术实现思路

【技术保护点】

1.一种用于确定用于电池生产设备(1)的可控过程参数(x)的方法，包括以下步骤：

2.根据权利要求1所述的方法，其中，所述贝叶斯优化在迭代过程中使用机器学习方法，并且逐步地用于制造参数的建议被生成并且在通过机器学习方法生成的模型中被测试。

3.根据权利要求1或2所述的方法，其中，作为制造参数，使用过程参数、随机制造参数和干扰量。

4.根据上述权利要求中任一项所述的方法，其中，作为制造参数，使用材料性质、温度、空气湿度、粉尘浓度、空气流、物流信息和/或批次信息。

5.根据上述权利要求中任一项所述的方法，其中，作为干扰量，测量异物颗粒夹杂物、温...

【技术特征摘要】
【国外来华专利技术】

1.一种用于确定用于电池生产设备(1)的可控过程参数(x)的方法，包括以下步骤：

2.根据权利要求1所述的方法，其中，所述贝叶斯优化在迭代过程中使用机器学习方法，并且逐步地用于制造参数的建议被生成并且在通过机器学习方法生成的模型中被测试。

3.根据权利要求1或2所述的方法，其中，作为制造参数，使用过程参数、随机制造参数和干扰量。

4.根据上述权利要求中任一项所述的方法，其中，作为制造参数，使用材料性质、温度、空气湿度、粉尘浓度、空气流、物流信息和/或批次信息。

5.根据上述权利要求中任一项所述的方法，其中，作为干扰量，测量异物颗粒夹杂物、温度偏差、空气湿度偏差、振动和原溶液不均匀性。

6.根据上述权利要求中任一项所述的方法，其中，作为过程参数，使用用于电极层的原溶液的温度、搅拌速度、原溶液的性质、在用于电极层的涂层过程期间原溶液的推进速度和/或质量流量、涂层系统为制造电极层的按压压力和/或间隙值和/或用于电极层的原溶液的组分的浓度。

7.根据上述权利要求中任一项所述的方法，其中，作为质量值，使用电池电芯的自放电率、内阻、容量、开路电压、变形值、内阻、重量、电极层的层厚、表面特性、表面载荷...

【专利技术属性】
技术研发人员：M·巴尔道夫，C·M·布鲁恩，C·奥特，A·雷廷格，B·施里克，S·舒尔特，J·威特，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：