一种锂离子电池析锂超声无损检测方法及系统

本发明涉及锂离子电池检测，尤其涉及一种锂离子电池析锂超声无损检测方法及系统。

背景技术：

1、这里的陈述仅提供与本发明相关的背景技术，而不必然地构成现有技术。

2、随着经济的快速发展，资源短缺问题日益严重，亟待发展各种新能源、动力电池以及储能系统。锂离子电池作为一种可重复充电电池，具有能量密度大、输出电压高、循环性能好、自放电率低等优点，是非常具有应用前景的二次电池和化学储能电源，被广泛应用于电动汽车、航空航天和储能电源系统等多个领域。然而，锂离子电池在充电过程中，尤其是在低温、快充(即高倍率充电)、过充等过程中，容易出现析锂的问题。锂离子电池析锂是指锂离子电池在充电过程中，锂离子在负极侧没有嵌入负极材料，而是以金属锂的形式在电池负极表面析出的异常现象。由于锂离子电池析锂时析出的金属锂往往不是形成平整的镀层，而是以树枝状结晶的形式存在，其被称为锂枝晶，过度生长的锂枝晶可能会刺穿隔膜，导致正负极短路，甚至会引起锂离子电池的起火和爆炸。大量关于锂离子电池失效机制的研究表明，析锂是导致锂离子电池容量衰减，甚至形成内短路而引发热失控的重要原因。因此，进行锂离子电池析锂检测具有重要意义。

3、目前，对锂离子电池析锂产生机理和造成因素的常规分析方法主要通过电池拆解方法和微观表征方法实现，但是，由于锂离子电池通常具有封闭式的外包装，通过上述方法进行析锂检测，破坏了电池内部原本封闭的体系，造成内部信息发生变化，严重影响分析的准确性。为此，还提出了多种无损检测方法(即非拆解方法)，如基于锂引起电芯物理特性变化的检测方法等。

4、其中，超声无损检测方法具有普适性强和准确率高等优点，其对结构内部材料特性的变化敏感，电极在电池充放电过程中力学特性(例如密度和模量)的变化会影响超声波在电池中的传播特性，因此利用超声传播特性能够实现锂离子电池的无损检测。然而，现有的锂离子电池超声无损检测方法主要依赖于超声波飞行时间分析，忽略了缺陷处(即析锂)的超声衍射等信息，该方法仅能检测缺陷尺寸远大于超声入射波长的情况。即，现有的常规超声检测方法仅适用于检测较大尺寸的析锂缺陷，且检测精度较低。

技术实现思路

1、为解决上述现有技术的不足，本发明提供了一种锂离子电池析锂超声无损检测方法及系统，考虑缺陷处的超声模态转换及多重散射等综合响应信息，通过基于物理模型的无监督学习方法，实现高分辨率和高精度的锂离子电池析锂缺陷无损检测。

2、第一方面，本公开提供了一种锂离子电池析锂超声无损检测方法。

3、一种锂离子电池析锂超声无损检测方法，包括：

4、利用超声相控阵换能器采集锂离子电池的全矩阵捕捉超声检测数据；

5、将超声检测数据输入至初始的全卷积网络中，输出声速预测模型；

6、将声速预测模型作为初始值输入至声学波动方程，输出重建声速数据；

7、以超声检测数据和重建声速数据的误差，构建损失函数，不断循环迭代，直至损失函数收敛，完成无监督学习的全卷积网络训练；

8、训练完成的全卷积网络最终输出准确的声速预测模型，所述声速预测模型即为锂离子电池析锂缺陷的检测结果。

9、第二方面，本公开提供了一种锂离子电池析锂超声无损检测系统。

10、一种锂离子电池析锂超声无损检测系统，包括：

11、数据获取模块，用于利用超声相控阵换能器采集锂离子电池的全矩阵捕捉超声检测数据；

12、无监督学习的全卷积网络训练模块，用于将超声检测数据输入至初始的全卷积网络中，输出声速预测模型；将声速预测模型作为初始值输入至声学波动方程，输出重建声速数据；以超声检测数据和重建声速数据的误差，构建损失函数，不断循环迭代，直至损失函数收敛，完成无监督学习的全卷积网络训练；

13、析锂检测结果输出模块，用于训练完成的全卷积网络最终输出准确的声速预测模型，所述声速预测模型即为锂离子电池析锂缺陷的检测结果。

14、第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。

15、第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。

16、以上一个或多个技术方案存在以下有益效果：

17、1、本发明提供了一种锂离子电池析锂超声无损检测方法及系统，在全矩阵捕捉超声检测全波形数据的基础上，通过基于物理模型的无监督学习方法，输出准确的声速预测模型，声速预测模型能够表征析锂缺陷，进而实现高分辨率和高精度的锂离子电池析锂缺陷定量检测。

18、2、本发明所提供的检测方法中采用无监督学习的全卷积网络，与基于有监督学习的超声检测方法相比，本发明所述方法无需大量训练集以及在训练集中要求真实声速模型和相应超声检测数据的匹配关系，因此本发明所提出的方法能够有效提高检测效率。

技术特征：

1.一种锂离子电池析锂超声无损检测方法，其特征是，包括：

2.如权利要求1所述的锂离子电池析锂超声无损检测方法，其特征是，对获取的全矩阵捕捉超声检测数据进行数据预处理，所述预处理包括降噪处理。

3.如权利要求1所述的锂离子电池析锂超声无损检测方法，其特征是，所述损失函数包括像素损失和感知损失。

4.如权利要求4所述的锂离子电池析锂超声无损检测方法，其特征是，所述像素损失lpw为：

5.如权利要求4所述的锂离子电池析锂超声无损检测方法，其特征是，所述感知损失lp为：

6.如权利要求1所述的锂离子电池析锂超声无损检测方法，其特征是，所述全卷积网络表征超声检测数据与声速预测模型之间的映射关系，公式为：

7.一种锂离子电池析锂超声无损检测系统，其特征是，包括：

8.如权利要求7所述的锂离子电池析锂超声无损检测系统，其特征是，所述损失函数包括像素损失和感知损失。

9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-6中任一项所述的一种锂离子电池析锂超声无损检测方法的步骤。

10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-6中任一项所述的一种锂离子电池析锂超声无损检测方法的步骤。

技术总结
本发明公开了一种锂离子电池析锂超声无损检测方法及系统，该方法包括：利用超声相控阵换能器采集锂离子电池的全矩阵捕捉超声检测数据；将超声检测数据输入至初始的全卷积网络中，输出声速预测模型；将声速预测模型作为初始值输入至声学波动方程，输出重建声速数据；以超声检测数据和重建声速数据的误差，构建损失函数，不断循环迭代，直至损失函数收敛，完成无监督学习的全卷积网络的训练；训练完成的全卷积网络最终输出准确的声速预测模型，所述声速预测模型即为锂离子电池析锂缺陷的检测结果。本发明通过结合无监督学习和物理模型的方式，实现高分辨率和高精度的锂离子电池析锂缺陷无损定量检测。

技术研发人员：饶静,孙岩,段剑,徐立军
受保护的技术使用者：北京航空航天大学
技术研发日：
技术公布日：2024/1/15