一种基于深度学习的锂电池循环寿命提升方法与流程

本发明涉及扣式锂电池组装，尤其涉及一种基于深度学习的锂电池循环寿命提升方法。

背景技术：

1、扣式锂电池的组装阶段固固界面微量电解液的浸润形貌是决定电池循环寿命的关键。申请公布号为cn117881961a的中国发明专利公开了电池浸润状态的检测方法、装置、设备系统和介质，具体公开了锂电池浸润状态图像检测方案，通过单张二维平面图像、灰度阈值分割定性识别电芯表层明显浸润缺陷，离线分拣不合格电芯以缓解容量衰减。但是这种检测方式中，二维图像缺少深度信息，无法识别固态电池微米级界面空隙、内部隐蔽干区、锂箔褶皱；同时，传统阈值算法仅能做合格或不合格判断，没有多类别区分复合界面形貌，也没有输出可用于工艺调控的量化形貌参数；检测结果仅事后剔除次品，无法联动微量注液、层叠设备闭环调整工艺，组装全程采用固定注液量、恒定层压压力。在上述缺陷存在时，界面干区造成电流集中、锂枝晶快速生长，电解液局部富集引发持续副反应，sei膜反复破损，电芯阻抗持续上升、容量断崖下跌。虽然现有技术中已经存在固态电池机械加压、极片循环神经网络（简称cnn）缺陷检测方案，但没有进行视觉识别，或者仅识别裸极片表层瑕疵，无法进行固固界面三维形貌量化与组装参数自适应调控，最终诱发组装完成的锂电池循环失效，影响锂电池循环寿命。

技术实现思路

1、本发明要解决的技术问题是提供一种基于深度学习的锂电池循环寿命提升方法，通过双目深度成像和深度学习闭环调控组装时锂电池固态电解质和电极贴合的界面，优化界面浸润状态，抑制锂枝晶衰减，有助于提升锂电池循环寿命。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于深度学习的锂电池循环寿命提升方法，应用于氩气手套箱内li/sse/li对称电池、磷酸铁锂或三元基固态全电池cr2025电芯组装工序，固态电解质与电极界面定量注入预设的电解液，包括如下步骤：

4、步骤一，采集图像数据：电芯叠层完成后，采集固态电解质与电极贴合界面的双目深度视觉图像，采集固态电解质与电极贴合界面的三维形貌深度信息，生成携带实测工况标签和深度像素信息的界面浸润复合图像数据集；

5、步骤二，利用深度学习模块进行多类别识别：采用深度学习模型对界面浸润符合图像数据进行多分类识别，输出电解液浸润区、界面微米空隙区、锂箔褶皱区、电解液局部富集区，同时输出界面空隙率、界面褶皱面积、界面浸润均匀度；

6、步骤三，获取组装工艺调控指令：将步骤二获取的参数输入ddpg强化学习控制器，输出微量移液器滴液位置修正量、电解液加注体积补偿量、层叠预压机构动态压紧力的调控指令；

7、步骤四，执行调控指令：执行调控指令，自适应调节电解液二次补注与层压压力，使电解液填充界面空隙并生成稳定sei膜。

8、作为本发明进一步的方案，在步骤一中，通过双目成像单元采集固态电解质与电极贴合界面的双目深度视觉图像，双目成像单元包括密封伸缩支架、两台工业深度相机、同轴环形无影冷光灯及光照传感器；两台工业深度相机对称固设于密封伸缩支架端部，并伸入氩气手套箱内对准cr2025电芯叠层中心，同轴环形无影冷光灯装配于工业深度相机镜头前端，环形无影冷光灯输出45°斜向漫射冷光照射固态电解质与电极贴合界面；两台工业深度相机通过同步信号线同步触发快门采集二维图像与深度数据，并对两路图像进行像素级配准融合；光照传感器实时采集环形无影冷光灯的光照强度、角度物理参数并同步关联至图像数据集。

9、作为本发明进一步的方案，在步骤一中，双目成像单元还包括微米级电动伸缩滑台与光栅位移传感器；两台工业深度相机固设于微米级电动伸缩滑台的滑动座上，微米级电动伸缩滑台平行于固态电解质界面布置；电芯定位完成后，微米级电动伸缩滑台带动工业深度相机沿平行界面方向往复平移3次，单次平移步长50μm，光栅位移传感器采集各定位点位的坐标物理参数；各点位同步采集深度图像，工控设备对多视场图像完成畸变校正与物理拼接，完整覆盖锂箔、正极片对应的贴合界面，光栅位移传感器采集的坐标参数关联至图像数据集。

10、作为本发明进一步的方案，在步骤一中，双目成像单元还包括透光氧化铝透明载台、微型负压吸附管路及压力闭环电磁阀；透光氧化铝透明载台设于两台工业深度相机之间，微型负压吸附管路连通高透光氧化铝透明载台，微型负压吸附管路通过压力闭环电磁阀输出预设负压吸附电芯，消除固态电解质与电极之间的翘起间隙；两台工业深度相机上下对位布置，上方工业深度相机采集电解液表层图像，下方工业深度相机透过透光氧化铝透明载台采集界面底层空隙图像；两路图像同步采集并完成融合，负压管路配套的压力传感器采集负压数值并关联至图像数据集。

11、相较于现有技术，本发明的技术效果：

12、本发明通过采用双目深度视觉采集方式获取固态电解质与电极贴合界面的三维形貌深度信息，并绑定实测工况标签构建复合图像数据集，再通过深度学习模型完成界面多类微观缺陷像素级识别并输出量化形貌参数，进一步通过ddpg强化学习控制器联动注液、层压实体机构输出匹配形貌缺陷的工艺调控指令自适应调节组装参数，能够精准识别固态电池固固界面隐蔽微观缺陷，在封装前主动优化电解液浸润状态，抑制锂枝晶与不可逆界面副反应，降低电芯循环过程界面阻抗抬升与容量断崖衰减风险，提升固态扣式锂电池循环寿命。

1.一种基于深度学习的锂电池循环寿命提升方法，其特征在于，应用于氩气手套箱内li/sse/li对称电池、磷酸铁锂或三元基固态全电池cr2025电芯组装工序，固态电解质与电极界面定量注入预设的电解液，包括如下步骤：

2.根据权利要求1所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤一中，通过双目成像单元采集固态电解质与电极贴合界面的双目深度视觉图像，双目成像单元包括密封伸缩支架、两台工业深度相机、同轴环形无影冷光灯及光照传感器；两台工业深度相机对称固设于密封伸缩支架端部，并伸入氩气手套箱内对准cr2025电芯叠层中心，同轴环形无影冷光灯装配于工业深度相机镜头前端，环形无影冷光灯输出45°斜向漫射冷光照射固态电解质与电极贴合界面；两台工业深度相机通过同步信号线同步触发快门采集二维图像与深度数据，并对两路图像进行像素级配准融合；光照传感器实时采集环形无影冷光灯的光照强度、角度物理参数并同步关联至图像数据集。

3.根据权利要求2所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤二中，深度学习模型为光照自适应校正u-net模型；光照自适应校正u-net模型接入光照传感器采集的光照物理参数，基于光照物理参数对双目融合图像完成反光、阴影区域灰度校正，设置反光遮挡识别通道，依据反光区域像素补偿计算界面空隙真实数值，输出经反光补偿后的界面空隙率、界面褶皱面积、界面浸润均匀度形貌参数。

4.根据权利要求3所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤三中，ddpg强化学习控制器分别通过同步信号线与微量移液器步进电机、层叠预压气缸电连接，ddpg强化学习控制器的调控指令与反光补偿后的界面空隙率参数关联匹配；当补偿后界面空隙率超出预设阈值时，ddpg强化学习控制器输出第一调控指令，驱动层叠预压气缸增大压紧力并驱动微量移液器步进电机提升电解液加注体积；当浸润均匀度低于预设阈值时，ddpg强化学习控制器输出第二调控指令，驱动微量移液器三轴位移电机调整滴液位置向阴影区域补液。

5.根据权利要求2所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤一中，双目成像单元还包括微米级电动伸缩滑台与光栅位移传感器；两台工业深度相机固设于微米级电动伸缩滑台的滑动座上，微米级电动伸缩滑台平行于固态电解质界面布置；电芯定位完成后，微米级电动伸缩滑台带动工业深度相机沿平行界面方向往复平移3次，单次平移步长50μm，光栅位移传感器采集各定位点位的坐标物理参数；各点位同步采集深度图像，工控设备对多视场图像完成畸变校正与物理拼接，完整覆盖锂箔、正极片对应的贴合界面，光栅位移传感器采集的坐标参数关联至图像数据集。

6.根据权利要求5所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤二中，深度学习模型为多视场融合u-net模型；多视场融合u-net模型接入光栅位移传感器采集的坐标物理参数，针对图像拼接接缝区域设置分区域权重校正逻辑，设置图像边缘畸变识别通道，分别测算电芯中心区域、电芯边缘区域的界面空隙率、界面褶皱面积，输出分区形貌参数。

7.根据权利要求6所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤三中，ddpg强化学习控制器与分段式层叠压力气缸、三轴微量移液设备电连接，调控指令与分区形貌参数一一对应；当电芯边缘区域界面空隙率超标时，ddpg强化学习控制器驱动三轴微量移液设备向电芯边缘定点补液，并控制边缘分段式层叠压力气缸提升压紧力；当电芯中心区域存在电解液局部富集时，ddpg强化学习控制器减小微量移液器加注体积，并控制分段式层叠压力气缸输出中心低压、边缘高压的夹持压力。

8.根据权利要求5所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤一中，双目成像单元还包括透光氧化铝透明载台、微型负压吸附管路及压力闭环电磁阀；透光氧化铝透明载台设于两台工业深度相机之间，微型负压吸附管路连通高透光氧化铝透明载台，微型负压吸附管路通过压力闭环电磁阀输出预设负压吸附电芯，消除固态电解质与电极之间的翘起间隙；两台工业深度相机上下对位布置，上方工业深度相机采集电解液表层图像，下方工业深度相机透过透光氧化铝透明载台采集界面底层空隙图像；两路图像同步采集并完成融合，负压管路配套的压力传感器采集负压数值并关联至图像数据集。

9.根据权利要求8所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤二中，深度学习模型为双层分层解析u-net模型；双层分层解析u-net模型设置两条并行图像输入分支，分别接入上方工业深度相机采集的表层图像、下方工业深度相机采集的底层图像，同时接入压力传感器采集的负压数值；当负压数值低于标准值、电芯存在微翘曲时，底层图像对应的识别分支提升底层空隙像素识别权重；表层图像输入分支识别电解液表层富集区、表层浸润盲区，底层图像输入分支识别底层微米空隙、锂箔底层褶皱，分层输出表层浸润均匀度、底层界面空隙率、底层褶皱面积分层形貌参数。

10.根据权利要求9所述的基于深度学习的锂电池循环寿命提升方法，其特征在于：在步骤三中，ddpg强化学习控制器分别与微量移液器步进电机、层叠预压气缸电连接，调控指令与分层形貌参数关联匹配；若底层界面空隙率超标，ddpg强化学习控制器先驱动层叠预压气缸增大夹持压力，再控制微量移液器完成电解液补液；若表层存在电解液局部富集，ddpg强化学习控制器减小电解液加注体积并降低对应区域层叠压紧力；若表层浸润均匀度偏低且底层界面空隙率达标，ddpg强化学习控制器仅调整微量移液器滴液点位；完成调控后，工业深度相机重新采集双层图像送入双层分层解析 u-net 模型复核，分层形貌参数全部达标后，电芯输送机构将电芯输送至封装工位。