用于估计电池的长期特性的系统和方法技术方案

一种用于估计电池的长期特性的系统，包括：学习数据输入单元，其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学习数据；测量数据输入单元，其用于接收要作为估计对象的电池的初始特性测量数据；以及人工神经网络操作单元，其用于从所述学习数据输入单元接收所述初始特性学习数据和长期特性学习数据以允许人工神经网络进行学习，从所述测量数据输入单元接收初始特性测量数据并将已学习过的人工神经网络应用至所述初始特性测量数据上，并因此而根据电池的所述初始特性测量数据计算长期特性估计数据，并输出所述长期特性估计数据。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及，更具体而言涉及基于电池的 初始特性。
技术介绍
随着电池被不断使用，电池出现容量缩小和性能降低。因此，非常重要的是设计一 种虽已使用较长时间但仍可保持其长期特性的电池。该长期特性例如可以是，电池的充电 容量、放电容量、厚度以及开路电压等。电池的长期特性是基于一循环充电/放电过程而被测量的。在循环充电/放电过 程中，从所制造的一批电池中取样特定数量的电池，然后将所取样的电池连续充电/放电。 如果所取样电池的长期特性在预定的长期循环下满足特定标准，则该相应的电池批次被认 为是合格的。例如，当在第300个循环(第300次充电/放电)时、3V下的放电容量是初始 容量的75%或更高时，该相应的电池批次被认为是合格的。然而，估计电池的长期特性会消耗较长时间。例如，300个循环的充电/放电过程 花去约3个月的时间。这样，为了基于循环充电/放电过程测量电池的长期特性，在充电/ 放电过程的时间内，电池的发货被延迟，由此增加了贮存负担。从而，在传统情况下，如果制造了一批电池，就取样出特定数量的电池，随即将该 批电池发货，然后对所取样电池的长期特性进行估计便于以后采取合适的措施，这种方法 被称为“后-发货估计”。如果在电池发货之后，通过长期特性的估计，发现任何问题的话， 与所取样电池对应的那批电池将被确定为具有不良的长期特性。其后，将已发货的电池召 回，并研究用于消除这种长期特性缺陷的因素的对策，然后将该对策应用于电池制造过程。 然而，这种后发货估计方法存在以下问题。首先，在某一特定电池批次被确定为不合格的情况下，收回该相应批次的电池会 消耗一定经济成本(例如，分销成本)。其次，在具有不良长期特性的电池已被销售给最终用户的情况下，则几乎不可能 对电池采取措施，例如不可能将电池召回。再次，通过内部长期特性分析确定在制造过程中存在缺陷的情况下，使用该相同 制造过程所制造的所有电池的长期特性都变得可疑，从而同样扩大了制造商的损失。第四，如果具有不良长期特性的电池被卖出并用于电子产品中，则电池的满意度 会降低，从而也会降低电池制造商和零售商的信誉度。因此，非常需要一种能够在电池发货之前可靠地估计相关领域中的电池的长期特 性的方案。公开文本技术问题本专利技术被设计用于解决现有技术的问题，因此本专利技术的目的在于提供用于估计电 池的长期特性的系统和方法，该系统和方法能够通过基于电池的初始特性来估计电池的长期特性从而快速确定缺陷，并且还能够通过使用所有电池所测量的特性一例如，在激活 过程时的充电数据一来进行电池的全数检查。技术方案 为了完成上述目的，本专利技术提供了用于估计电池的长期特性的系统，其包括学习 数据输入单元，其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学习数 据；测量数据输入单元，其用于接收要作为估计长期特性的对象的电池的初始特性测量数 据；以及人工神经网络操作单元，其用于从所述学习数据输入单元接收所述初始特性学习 数据和长期特性学习数据以允许人工神经网络进行学习，从所述测量数据输入单元接收初 始特性测量数据并将已学习过的人工神经网络应用至其上，并因此而根据电池的所述初始 特性测量数据计算长期特性估计数据，并输出所述长期特性估计数据。优选地，所述的已学习过的人工神经网络具有串联布置的至少一个神经元层。该 神经元层将输入矢量转换为输出矢量。此时，通过人工神经网络的学习计算的偏移矢量和 权矩阵被反映在输入矢量上，偏移矢量和权矩阵被反映在其上的输入矢量通过神经元传递 函数处理，接着，所述神经元传递函数的结果被作为输出矢量输出。在神经元层的串联布置 中，第一神经元层具有由初始特性测量数据组成的输入矢量。最后的神经元层的输出矢量 是长期特性估计矢量。优选地，关联于初始特性的数据包括在电池激活过程中测量的电池的充电特性变 化数据；或通过测量初始循环特性而获取的电池的充电特性变化数据、放电特性变化数据、 厚度变化数据，或者开路电压变化数据。而且，关联于长期特性的数据包括预定的长期循 环上的电池的充电特性变化数据、放电特性变化数据、厚度变化数据，或者开路电压变化数 据。根据本专利技术的系统还包括初始特性测量传感器，其用于测量置于激活过程的电池 的充电特性，并接着将所测量的充电特性输出作为初始特性测量数据，以及测量数据输入 单元可从初始特性测量传感器接收初始特性测量数据。根据本专利技术的系统还包括显示器，该显示器用于从人工神经网络操作单元接收长 期特性估计数据，以通过显示装置在图形-用户界面上显示长期特性估计数据；或包括长 期特性估计单元，其用于从人工神经网络操作单元接收长期特性估计数据，并通过将所接 收的长期特性估计数据与标准的长期特性数据相比较，来确定长期特性质量。此处，长期特性估计单元可以将电池的长期特性质量的确定结果通过显示装置输 出至图形-用户界面上。根据本专利技术的另一方面，还提供了一种用于估计电池的长期特性的系统，其包括 学习数据输入单元，其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学 习数据；测量数据输入单元，其用于接收要作为估计长期特性的对象的电池的初始特性测 量数据；以及；人工神经网络操作单元，其用于将所述初始特性学习数据和长期特性学习 数据转换到第一数据结构和第二数据结构中，允许人工神经网络基于每个数据结构学习所 述初始特性学习数据和长期特性学习数据、将所输入的初始特性测量数据转换到第一数据 结构和第二数据结构中，并独立地应用相应于每一数据结构的已学习过的人工神经网络来 计算并输出基于每一数据结构的长期特性估计数据；以及长期特性估计单元，其用于计算 每一数据结构的输出的长期特性估计数据的误差，并根据该误差确定长期特性估计数据的可靠性。为了实现上述目的，本专利技术还提供了一种用于估计电池的长期特性的方法，该方法包括接收要作为学习对象的电池的初始特性学习数据和长期特性学习数据；对所接收 到初始特性学习数据和所接收到的长期特性学习数据执行人工神经网络学习；接收要作为 估计长期特性的对象的电池的初始特性测量数据；以及通过将已学习过的人工神经网络应 用至所述初始特性测量数据上，根据电池的初始特性测量数据计算长期特性估计数据，然 后将该长期特性估计数据输出。在本专利技术的另一方面中，也提供了用于估计电池的长期特性的方法，包括接收要 作为学习对象的电池的初始特性学习数据和长期特性学习数据；将所接收的初始特性学习 数据和所接收的长期特性学习数据转换到第一和第二数据结构中，并接着独立地允许人工 神经网络基于每一数据结构而学习；接收要作为估计长期特性的对象的电池的初始特性测 量数据；将所接收的初始特性测量数据转换到第一和第二数据结构中，接着将对应于每一 数据结构的已学习过的人工神经网络应用至其上，并接着基于每一数据结构计算和输出长 期特性估计数据；以及基于每一数据结构计算所输出的长期特性估计数据的误差，并接着 依据该误差确定长期特性估计数据的可靠性。附图说明本专利技术的其它目的和方面将从下面参照附图对实施方案的描述中变得显而易见， 在所述附图中图1是示出根据本专利技术的第一实施方案的用于估计电池的长期特性的系统的框 图；图2是示出根据本专利技术的一个实施方案的、通过人工神经网络操作单元而具有学 习能力的人工神经网络结构的框图本文档来自技高网...

【技术保护点】
用于估计电池的长期特性的系统，包括：学习数据输入单元，其用于接收要作为学习对象的电池的初始特性学习数据和长期特性学习数据；测量数据输入单元，其用于接收要作为估计长期特性的对象的电池的初始特性测量数据；以及人工神经网络操作单元，其用于从所述学习数据输入单元接收所述初始特性学习数据和长期特性学习数据以允许人工神经网络进行学习，从所述测量数据输入单元接收初始特性测量数据并将已学习过的人工神经网络应用至所述初始特性测量数据上，并因此而根据电池的所述初始特性测量数据计算长期特性估计数据，并输出所述长期特性估计数据。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：宋炫坤，曹正柱，秋渊旭，孙美暎，李镐春，
申请(专利权)人：株式会社LG化学，
类型：发明
国别省市：KR[韩国]