基于声发射的电池检测方法和装置与流程

本说明书涉及电池检测，尤其涉及一种基于声发射的电池检测方法和装置。

背景技术：

1、电池（例如锂电池）作为一种稳定可靠的电化学储能器件，已被广泛运用于消费电子产品、新能源汽车、电网储能等领域。随着电池在新应用领域的不断开拓，对电池的能量密度、循环寿命等要求也在不断提高。在实际应用中，电池服役经历的实际工况非常复杂，一些极端环境条件轻则导致电池容量迅速衰减，重则引发电池热失控，造成严重的安全事故。因此，需要对电池在运行过程中的健康状态进行有效监测。

2、在相关技术中，通常采用电流电压检测装置、热电偶等外部传感器对电池的电流、电压、温度等进行监测，然后通过解析这些宏观参数获得电池的大致运行状态。但是上述宏观参数仅能反映电池的外部电气与热特性，难以直接地反映电池内部缺陷（如电极微裂纹、锂枝晶生长、隔膜破损等）。电池内部缺陷往往是热失控等安全事故的早期征兆。上述宏观参数对电池内部缺陷不敏感，容易导致预警滞后，无法满足高安全场景下的精准监测需求。

技术实现思路

1、本说明书实施例提供一种基于声发射的电池检测方法和装置，用于通过电池自主产生的声发射信号识别电池的健康状态，提高健康状态检测的准确性。

2、本说明书实施例提供了一种基于声发射的电池检测方法，包括：

3、对电池自主产生的声发射信号进行小波分解，得到多层小波系数集；

4、确定每层小波系数集的自适应阈值；

5、根据自适应阈值，对每层小波系数集进行软阈值处理，得到处理后的该层小波系数集；

6、根据处理后的各层小波系数集进行小波重构，得到重构信号；

7、对所述重构信号进行特征提取，得到声发射特征；

8、根据所述声发射特征，识别所述电池的健康状态。

9、在一些实施例中，可以根据预设的层数阈值将小波分解的各层划分为高频层和低频层；针对高频层采用第一小波基函数对声发射信号进行小波分解；针对低频层采用第二小波基函数对声发射信号进行小波分解。

10、在一些实施例中，所述小波系数集包括细节系数集；

11、所述确定每层小波系数集的自适应阈值，包括：

12、根据公式计算每层细节系数集的自适应阈值；

13、表示细节系数集dj的自适应阈值，表示细节系数集dj的噪声标准差估计值，表示细节系数集dj的修正系数，n表示声发射信号的采样点数，1≤j≤l，l表示小波分解层数。

14、在一些实施例中，所述小波系数集包括细节系数集；

15、对每层小波系数集进行软阈值处理，包括：

16、根据公式对每层小波系数集进行软阈值处理；

17、表示处理后的第j层细节系数集中的第k个细节系数，表示处理前的第j层细节系数集中的第k个细节系数，sgn表示符号函数，1≤j≤l，l表示小波分解的层数，，n表示声发射信号的采样点数。

18、在一些实施例中，根据公式计算信号强度；根据公式计算峰值频率；根据公式计算事件率；表示重构信号在第n个采样点的采样值，n表示采样点数，表示重构信号的功率谱密度，表示事件检测阈值，rms表示重构信号的均方根，t表示声发射信号的时间长度，表示采样率。

19、在一些实施例中，所述声发射特征包括信号强度、峰值频率、事件率，所述事件率用于表示单位时间内发生的声发射事件数量；所述识别所述电池的健康状态，包括：

20、根据所述信号强度和预设基础强度，计算信号强度偏离度；

21、根据所述峰值频率和预设基础频率，计算峰值频率偏离度；

22、根据所述事件率和预设基础事件率，计算事件率偏离度；

23、根据信号强度偏离度、峰值频率偏离度和事件率偏离度，确定参考偏离度；

24、若参考偏离度小于或等于偏离度阈值，确定所述健康状态为正常状态。

25、在一些实施例中，所述声发射特征包括信号强度、峰值频率、事件率，所述事件率用于表示单位时间内发生的声发射事件数量；所述识别所述电池的健康状态，包括：

26、根据所述信号强度和预设基础强度，计算信号强度偏离度；

27、根据所述峰值频率和预设基础频率，计算峰值频率偏离度；

28、根据所述事件率和预设基础事件率，计算事件率偏离度；

29、根据信号强度偏离度、峰值频率偏离度和事件率偏离度，确定参考偏离度；

30、若参考偏离度大于偏离度阈值，根据所述声发射特征在预设特征集中匹配故障特征；

31、根据故障特征，确定电池的故障类型；

32、根据参考偏离度、以及声发射特征与故障特征之间的相似度，确定电池的异常等级。

33、本说明书实施例还提供了一种基于声发射的电池检测装置，包括：

34、声发射传感器，用于采集电池自主产生的声发射信号；

35、处理器，用于对电池自主产生的声发射信号进行小波分解，得到多层小波系数集；确定每层小波系数集的自适应阈值；根据自适应阈值，对每层小波系数集进行软阈值处理，得到处理后的该层小波系数集；根据处理后的各层小波系数集进行小波重构，得到重构信号；对所述重构信号进行特征提取，得到声发射特征；根据所述声发射特征，识别电池的健康状态。

36、在一些实施例中，电池检测装置还包括：

37、预处理模块，用于对采集的声发射信号依次进行放大、滤波和模数转换处理；

38、电源，用于对所述声发射传感器、所述处理器和所述预处理模块进行供电。

39、本说明书实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于声发射的电池检测方法。

40、本说明书实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于声发射的电池检测方法。

41、本说明书实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述基于声发射的电池检测方法。

42、本说明书实施例的电池检测方法，可以对电池自主产生的声发射信号进行小波分解，得到多层小波系数集；可以确定每层小波系数集的自适应阈值；可以根据自适应阈值，对每层小波系数集进行软阈值处理，得到处理后的该层小波系数集；可以根据处理后的各层小波系数集进行小波重构，得到重构信号；可以对所述重构信号进行特征提取，得到声发射特征；可以根据所述声发射特征，识别电池的健康状态。本说明书实施例基于声发射技术实现，可以利用电池自主产生的声发射信号识别电池的健康状态。当电池的内部结构发生变化时，电池会自主产生声发射信号。电池自主产生的声发射信号能够直接地反映电池内部缺陷（如电极微裂纹、锂枝晶生长、隔膜破损等）。利用电池自主产生的声发射信号识别电池的健康状态，可以检测电池的内部缺陷，实现非侵入式早期异常诊断。另外，本说明书实施例通过小波变换进行去噪。在实际应用场景中，电池检测面临强烈的环境噪声（如电动汽车行驶振动、风噪等），且噪声强度往往随工况动态波动。本说明书实施例在利用小波变换进行去噪的过程中，为小波变换的各层小波系数集计算专属阈值并利用专属阈值对各层小波系数集进行软阈值处理，而非采用固定阈值对各层小波系数集进行处理。这样能够自适应噪声强度的波动，避免固定阈值导致的过滤波/欠滤波问题，从而能够精准分离电动汽车行驶振动等强环境噪声与电池的微弱声发射信号，噪声滤除效果大幅提升，保障了强噪声环境下的信号稳定性。