基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统

技术特征：
1.一种基于电化学阻抗谱测试的锂离子电池寿命检测方法，其特征在于，包括下述步骤：电化学阻抗谱测试步骤，通过动态工况测试、实车工况老化测试或恒定倍率循环老化测试的方式获取不同健康状态下的锂离子电池，采用电化学阻抗谱测试仪或电化学阻抗谱快速采集板对不同健康状态条件下的锂离子电池进行电化学阻抗谱测试，优化阻抗谱测试过程；所述电化学阻抗谱快速采集板包括结合优化算法、基于嵌入式系统开发的电化学阻抗谱采集电路；所述电化学阻抗谱采集电路包括主控芯片以及与主控芯片均相连的电源模块、可调频电流发生模块、高精度电压采集模块、can通讯模块、蓝牙通讯模块和稳压模块，其中，主控芯片通过can通讯模块与可调频电流发生模块、高精度电压采集模块进行信息通讯，发送指令给可调频电流发生模块以控制其产生不同频率下的正弦波电流，接收高精度电压采集模块采集的电压值并计算锂离子电池阻抗；所述可调频电流发生模块、高精度电压采集模块均与锂离子电池通过线束连接，可调频电流发生模块向锂离子电池输送电流，高精度电压采集模块采集锂离子电池的电压；蓝牙通讯模块通过无线传输方式与电池系统内电池管理系统相连，负责无线传输电池阻抗信息；所述优化算法包括离散区间二进制序列脉冲信号方法和/或信号叠加测试方法；基于神经网络的阻抗谱学习与分析步骤，建立神经网络算法模型，将获取到的不同健康状态的锂离子电池的阻抗谱形成样本集，按样本抽样方法划分为训练集与测试集，将训练集作为输入用于算法模型训练过程，将测试集作为输入用于检验算法准确度，通过神经网络的图像识别算法或预测算法对电化学阻抗谱进行学习得到训练好的神经网络算法模型，实现不同健康状态条件下电池阻抗谱特性的辨识；寿命检测步骤，实时采集获取待测锂离子电池的电化学阻抗谱，将其输入至训练好的神经网络算法模型中进行阻抗谱辨识，判断待测锂离子电池健康状态。2.根据权利要求1所述的锂离子电池寿命检测方法，其特征在于，所述电化学阻抗谱测试步骤采用优化阻抗测试点采样间隔及数量方法，通过减少低频段阻抗谱采样点并增大采样点间频率范围，放大阻抗谱激励信号倍率，以优化阻抗谱测试过程；或，所述电化学阻抗谱测试步骤采用离散区间二进制序列脉冲信号在同一时刻进行频率叠加分析的方式优化阻抗谱测试过程。3.根据权利要求1所述的锂离子电池寿命检测方法，其特征在于，所述基于神经网络的阻抗谱学习与分析步骤采用的神经网络的图像识别算法包括基于图像形式输入的卷积神经网络算法和局部特征描述算法，将采集到的电化学阻抗谱曲线以图片形式进行输入，通过卷积神经网络算法或局部特征描述算法实现图像特征识别，通过辨识低频段、中频段、高频段的图像特征及飘移，实现不同健康状态条件下的电池电化学阻抗谱的辨识。4.根据权利要求3所述的锂离子电池寿命检测方法，其特征在于，所述基于神经网络的阻抗谱学习与分析步骤采用的神经网络的预测算法包括基于数据矩阵输入的支持向量回归、bp神经网络的回归预测算法，还包括lstm时序神经网络算法和基于强化学习的蒙特卡洛算法，将采集到的电化学阻抗谱以频率—阻抗阵列形式进行输入，通过预测算法进行数值特征辨识，通过对比不同频率点下阻抗的偏离，实现不同健康状态条件下的电池电化学阻抗谱的辨识。5.根据权利要求1至4之一所述的锂离子电池寿命检测方法，其特征在于，在所述电化
学阻抗谱测试步骤中，通过已有老化后的电池进行容量标定测量电池健康状态，通过设计老化试验，按特定老化路径进行老化试验的电池进行容量标定测量电池健康状态。6.根据权利要求1所述的锂离子电池寿命检测方法，其特征在于，所述电化学阻抗谱测试步骤采用的电化学阻抗谱快速采集板包括满足不同频率下正弦电流信号输入与高精度电压信号采集的嵌入式系统开发平台；和/或，所述样本抽样方法包括随机抽样方法、交叉验证法、留出法、自助法的训练集划分方法；和/或，在优化阻抗谱测试过程后，还通过建立滤波算法或线性优化神经网络算法对测试结果进行优化，提高电化学阻抗谱精度与形状保持度。7.一种基于电化学阻抗谱测试的锂离子电池寿命检测系统，其特征在于，包括依次连接的电化学阻抗谱测试模块、阻抗谱学习分析模块和寿命检测模块，所述电化学阻抗谱测试模块，通过动态工况测试、实车工况老化测试或恒定倍率循环老化测试的方式获取不同健康状态下的锂离子电池，采用电化学阻抗谱测试仪或电化学阻抗谱快速采集板对不同健康状态条件下的锂离子电池进行电化学阻抗谱测试，优化阻抗谱测试过程；所述电化学阻抗谱快速采集板包括结合优化算法、基于嵌入式系统开发的电化学阻抗谱采集电路；所述电化学阻抗谱采集电路包括主控芯片以及与主控芯片均相连的电源模块、可调频电流发生模块、高精度电压采集模块、can通讯模块、蓝牙通讯模块和稳压模块，其中，主控芯片通过can通讯模块与可调频电流发生模块、高精度电压采集模块进行信息通讯，发送指令给可调频电流发生模块以控制其产生不同频率下的正弦波电流，接收高精度电压采集模块采集的电压值并计算锂离子电池阻抗；所述可调频电流发生模块、高精度电压采集模块均与锂离子电池通过线束连接，可调频电流发生模块向锂离子电池输送电流，高精度电压采集模块采集锂离子电池的电压；蓝牙通讯模块通过无线传输方式与电池系统内电池管理系统相连，负责无线传输电池阻抗信息；所述优化算法包括离散区间二进制序列脉冲信号方法和/或信号叠加测试方法；阻抗谱学习分析模块，建立神经网络算法模型，将获取到的不同健康状态的锂离子电池的阻抗谱形成样本集，按样本抽样方法划分为训练集与测试集，将训练集作为输入用于算法模型训练过程，将测试集作为输入用于检验算法准确度，通过神经网络的图像识别算法或预测算法对电化学阻抗谱进行学习得到训练好的神经网络算法模型，实现不同健康状态条件下电池阻抗谱特性的辨识；寿命检测模块，实时采集获取待测锂离子电池的电化学阻抗谱，将其输入至训练好的神经网络算法模型中进行阻抗谱辨识，判断待测锂离子电池健康状态。8.根据权利要求7所述的锂离子电池寿命检测系统，其特征在于，所述电化学阻抗谱测试模块采用优化阻抗测试点采样间隔及数量方法，通过减少低频段阻抗谱采样点并增大采样点间频率范围，放大阻抗谱激励信号倍率，以优化阻抗谱测试过程；或，所述电化学阻抗谱测试模块采用离散区间二进制序列脉冲信号在同一时刻进行频率叠加分析的方式优化阻抗谱测试过程。9.根据权利要求7所述的锂离子电池寿命检测系统，其特征在于，所述阻抗谱学习分析模块采用的神经网络的图像识别算法包括基于图像形式输入的卷积神经网络算法和局部特征描述算法，将采集到的电化学阻抗谱曲线以图片形式进行输入，通过卷积神经网络算
法或局部特征描述算法实现图像特征识别，通过辨识低频段、中频段、高频段的图像特征及飘移，实现不同健康状态条件下的电池电化学阻抗谱的辨识。10.根据权利要求9所述的锂离子电池寿命检测系统，其特征在于，所述阻抗谱分析模块采用的神经网络的预测算法包括基于数据矩阵输入的支持向量回归、bp神经网络的回归预测算法，还包括lstm时序神经网络算法和基于强化学习的蒙特卡洛算法，将采集到的电化学阻抗谱以频率—阻抗阵列形式进行输入，通过预测算法进行数值特征辨识，通过对比不同频率点下阻抗的偏离，实现不同健康状态条件下的电池电化学阻抗谱的辨识。

技术总结
本发明涉及了一种基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统，该方法包括电化学阻抗谱测试步骤、基于神经网络的阻抗谱学习与分析步骤和寿命检测步骤，可通过电化学阻抗谱测试提高电化学阻抗谱采样速率，再利用深度学习的图像识别算法或预测算法对电化学阻抗谱进行训练，由训练后的模型对实时测量阻抗谱进行分析，辨识锂离子电池阻抗谱SOH状态，实现锂离子电池的无损检测，保障检测的有效度与可靠性。与可靠性。与可靠性。


技术研发人员：杨世春 周思达 卢宇 周新岸 闫啸宇 刘新华 陈飞 曹耀光
受保护的技术使用者：北京航空航天大学
技术研发日：2021.12.03
技术公布日：2022/4/12