一種基于深度學(xué)習(xí)的動(dòng)力電池配組方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于動(dòng)力電池生產(chǎn)技術(shù)領(lǐng)域，尤其是涉及一種基于深度學(xué)習(xí)的動(dòng)力電池配 組方法。
【背景技術(shù)】
[0002] 隨著社會(huì)進(jìn)步和發(fā)展，不斷有新的技術(shù)進(jìn)入到人們生活之中，電動(dòng)自行車(chē)經(jīng)過(guò)多 年來(lái)飛速發(fā)展已經(jīng)成為人們?nèi)粘３鲂兄谐Ｓ玫慕煌üぞ摺ｄ囯姵?、?dòng)力電池等是電動(dòng)自行 車(chē)的動(dòng)力來(lái)源，其實(shí)際使用壽命是電動(dòng)車(chē)發(fā)展的瓶頸，也是電動(dòng)車(chē)生產(chǎn)廠商的關(guān)鍵競(jìng)爭(zhēng)點(diǎn)。
[0003] 單體電池，難以提供更持久的能量，在實(shí)際使用中都是以動(dòng)力電池組的形式存在。 動(dòng)力電池組通常由3節(jié)或者4節(jié)單體動(dòng)力電池組成，被串聯(lián)在一起的動(dòng)力電池單體自身物理 特性的不一致性影響了整個(gè)電池組的壽命。對(duì)于串連形成的動(dòng)力電池組來(lái)說(shuō)，由于容量、開(kāi) 路電壓、內(nèi)阻等特性各不相同，這個(gè)差異會(huì)在串連電池組被擴(kuò)大，主要現(xiàn)象為某一個(gè)電池的 容量明顯低于其它電池，導(dǎo)致電池組電壓下降，低容量電池在充電時(shí)最先被充滿，當(dāng)其余電 池充滿時(shí)，低容量電池已經(jīng)充電。反之，低容量電池在放電時(shí)最先被放完，當(dāng)其余電池繼續(xù) 放電，低容量電池已經(jīng)過(guò)放。不斷的反復(fù)充放電導(dǎo)致電池的不一致性進(jìn)一步加劇，使得低容 量電池容量變得更低，壽命也變得更短，從而影響整個(gè)電池組的壽命。
[0004] 在電池"化成"過(guò)程中，國(guó)內(nèi)各大廠商還是首先以全人工的方式采集多個(gè)時(shí)段的電 池電壓，然后再對(duì)采集來(lái)的電壓也是以全人工的方式進(jìn)行配組，整個(gè)過(guò)程不僅勞動(dòng)強(qiáng)度和 工作量非常大，而且易受檢測(cè)人員主觀因素的影響，容易造成誤測(cè)量和誤匹配的現(xiàn)象。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的就是克服人工檢測(cè)的諸多不足、提高生產(chǎn)效率，提出一種基于深度 學(xué)習(xí)的動(dòng)力電池配組方法，可快速的完成同一充放電回路中所有電池的配組，而且一致性 尚。
[0006] 本發(fā)明該方法的具體步驟如下：
[0007] 步驟1、獲取動(dòng)力電池充放電回路中所有η只電池的充放電電壓數(shù)據(jù)，方法是:對(duì)該 回路以電流大小為C1進(jìn)行恒流放電，每隔時(shí)間T d測(cè)量回路中所有電池的端電壓，直至放電時(shí) 間達(dá)到T1，設(shè)第i只電池的端電壓序列為{,···，}，IS dd表示放電，M=IVTd 為放電序列長(zhǎng)度；以電流大小為C2對(duì)回路中的電池進(jìn)行恒流充電，每隔時(shí)間T。測(cè)量回路中所 有電池的端電壓，直至充電時(shí)間達(dá)到T 2,設(shè)第i只電池的端電壓序列為{Κ<',?^,···,Κ4}， Id ^ ?，c表不充電，N=T2/TC為充電序列長(zhǎng)度；
[0008] 步驟2、將步驟1中獲得的所有電池的端電壓序列進(jìn)行歸一化，其中第i只電池的第 P個(gè)放電端電壓的歸一化值為，
[0009] J/f/；；' - (Vd1n - Vd\,)! (Vdiv - Vd；) , ]<p< M ;
[0010] 第i只電池的第q個(gè)充電端電壓的歸一化值為
[0011] Vc'^[Vctlj-Vc\)l(Vc'N-Vc[)·,
[0012] 步驟3、構(gòu)建第一層稀疏自編碼神經(jīng)網(wǎng)絡(luò)(Sparse Autoencoder)模型NNi:
[0013] NN1的編碼器輸入數(shù)據(jù)為步驟2中獲得的每一只電池的歸一化放電序列和充電序 列，每一只電池的序列總長(zhǎng)度為M+N，則順的編碼器輸入層節(jié)點(diǎn)數(shù)為M+N;順的編碼器輸出 節(jié)點(diǎn)數(shù)為Nh 1，h表示隱藏，NN1的解碼器輸出節(jié)點(diǎn)數(shù)為M+N;對(duì)模型^!進(jìn)行訓(xùn)練獲得其最優(yōu)權(quán) 值矩陣W 1和偏置向量h，其中W1大小為(M+N) XMmb1大小為IXNh1;
[0014] 步驟4、構(gòu)建第二層稀疏自編碼神經(jīng)網(wǎng)絡(luò)(Sparse Autoencoder)模型順2:
[0015] 輸入數(shù)據(jù)為步驟3中獲得的~他的編碼器輸出，NN2的編碼器輸入層節(jié)點(diǎn)數(shù)即為NN1 的編碼器輸出節(jié)點(diǎn)數(shù)Nh1，NN2的編碼器輸出節(jié)點(diǎn)數(shù)為Nh2，Nfc的解碼器輸出節(jié)點(diǎn)數(shù)為Nh 1，對(duì) 模型NN2進(jìn)行訓(xùn)練獲得其最優(yōu)權(quán)值矩陣％和偏置向量b2，其中W 2大小為Nh1 X Nh2，b2大小為1 XNh2；
[0016] 步驟5、以電池的充放電序列為輸入，~見(jiàn)的編碼器作為第一個(gè)隱藏層，NN2的編碼器 作為第二個(gè)隱藏層，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，計(jì)算所有η只電池充放電序列通過(guò)該深度神經(jīng)網(wǎng)絡(luò) 后的輸出向量；
[0017] 步驟6、對(duì)步驟5中的輸出向量進(jìn)行聚類(lèi)，將聚為一類(lèi)的電池配為一組。
[0018] 基于本方法的動(dòng)力電池配組結(jié)果與傳統(tǒng)人工配組相比，可以自動(dòng)提取動(dòng)力電池的 充放電一致性特征，大大提高組內(nèi)電池的一致性，從而大大提高成組電池的品質(zhì)。
【附圖說(shuō)明】
[0019] 圖1為本發(fā)明方法中第一層稀疏自編碼神經(jīng)網(wǎng)絡(luò)NN1的結(jié)構(gòu)圖；
[0020] 圖2為本發(fā)明方法中第二層稀疏自編碼神經(jīng)網(wǎng)絡(luò)NN2的結(jié)構(gòu)圖；
[0021] 圖3為本發(fā)明方法中用于特征提取的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。
[0022] 圖1~3中1表示輸入、2表示輸出、3表示編碼器、4表示解碼器、5表示非線性映射激 活函數(shù)。
【具體實(shí)施方式】
[0023] 一種基于深度學(xué)習(xí)的動(dòng)力電池配組方法，具體步驟是：
[0024] 步驟1:獲取某一動(dòng)力電池充放電回路中所有η只電池的充放電電壓數(shù)據(jù):對(duì)該回 路以電流大小為Ci進(jìn)行恒流放電，每隔時(shí)間Td測(cè)量回路中所有電池的端電壓，直至放電時(shí)間 達(dá)到!'1，設(shè)第1只電池的端電壓序列為{財(cái)；,^4,~,|^^",>^} (1：^以)，1 = 1'1/^為放 電序列長(zhǎng)度；以電流大小為&對(duì)回路中的電池進(jìn)行恒流充電，每隔時(shí)間T。測(cè)量回路中所有電 池的端電壓，直至充電時(shí)間達(dá)到T2,設(shè)第i只電池的端電壓序列為{化丨,...,Fc丨,…} ()，N=T 2/TC為充電序列長(zhǎng)度。
[0025] 步驟2、將步驟1中獲得的所有電池的端電壓序列進(jìn)行歸一化，其中第i只電池的第 P個(gè)放電端電壓的歸一化值為
[0026] Vd； = (Vdijt - Vd\,)! (yau -Vd[) , 1</)<M:
[0027] 第i只電池的第q個(gè)充電端電壓的歸一化值為;
[0028] 二(? -) / ()? -爾):。
[0029] 步驟3、按如圖1所示構(gòu)建第一層稀疏自編碼神經(jīng)網(wǎng)絡(luò)（Sparse Autoencoder)模型 NN1 = NNj^編碼器輸入數(shù)據(jù)為上述步驟2中獲得的每一只電池的歸一化放電序列和充電序 列，因此順的編碼器輸入層節(jié)點(diǎn)數(shù)為M+N，順的編碼器輸出節(jié)點(diǎn)數(shù)為Nh1,NN1的解碼器輸出 層節(jié)點(diǎn)數(shù)為M+N，對(duì)模型NN 1進(jìn)行訓(xùn)練獲得其編碼器的最優(yōu)權(quán)值矩陣W1和偏置向量h，其中W1 大小為(M+N) XMmb1大小為IXNh1;其解碼器的最優(yōu)權(quán)值矩陣W/的大小為NhiX (M+N)、偏 置向量b/的大小為Nhi X 1。
[0030] 在本發(fā)明的一個(gè)具體實(shí)施例中，取Μ+Ν = 2000，Μη = 100,采用歐式距離度量下的 稀疏約束作為神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，并采用sigmoid函數(shù)作為神經(jīng)網(wǎng)絡(luò)的非線性映射激活 函數(shù)，采用梯度下降法迭代訓(xùn)練得到NN 1的最優(yōu)參數(shù)。
[0031] 步驟4、按如圖2所示構(gòu)建第二層稀疏自編碼神經(jīng)網(wǎng)絡(luò)模型NN2:輸入層數(shù)據(jù)為上述 步驟3中獲得的順的編碼器輸出，因此NN 2的編碼器輸入層節(jié)點(diǎn)數(shù)為Mu，NN2的編碼器輸出 節(jié)點(diǎn)數(shù)為Nh2，NN 2的解碼器輸出層節(jié)點(diǎn)數(shù)為Nh1，對(duì)模型NN2進(jìn)行訓(xùn)練獲得其最優(yōu)權(quán)值矩陣W 2 和偏置向量b2,其中W2大小為Nh1XMmb2大小為IXNh 2;其解碼器的最優(yōu)權(quán)值矩陣W/的大 小為Nh2 XNh1、偏置向量!^的大小為Nh2 X 1。
[0032]在本發(fā)明的一個(gè)具體實(shí)施例中，取Nh2 = 20,采用歐式距離度量下的稀疏約束作為 神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，并采用sigmoid函數(shù)作為神經(jīng)網(wǎng)絡(luò)的非線性映射激活函數(shù)，采用梯度 下降法迭代訓(xùn)練得到NN2的最優(yōu)參數(shù)。
[0033] 步驟5、對(duì)所有η只電池的充放電序列進(jìn)行特征提取:計(jì)算所有充放電序列通過(guò)由 NN1的編碼器和NN2的編碼器級(jí)聯(lián)構(gòu)成的深度神經(jīng)網(wǎng)絡(luò)后的輸出向量，即為所提取出的充放 電序列特征，其中所構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)如圖3所示。
[0034] 步驟6、對(duì)上述步驟5中的充放電序列特征進(jìn)行聚類(lèi)，將聚為一類(lèi)的電池配為一組。 [0035]在本發(fā)明的一個(gè)實(shí)施例中，采用基于歐氏距離的k_均值算法完成上述充放電序列 特征的聚類(lèi)。
[0036]基于本方法的動(dòng)力電池配組結(jié)果與傳統(tǒng)人工配組相比，可以自動(dòng)提取動(dòng)力電池的 充放電一致性特征，大大提高組內(nèi)電池的一致性，從而大大提高成組電池的品質(zhì)。
【主權(quán)項(xiàng)】
1. 一種基于深度學(xué)習(xí)的動(dòng)力電池配組方法，其特征在于，該方法的具體步驟如下： 步驟1、獲取動(dòng)力電池充放電回路中所有η只電池的充放電電壓數(shù)據(jù)，方法是:對(duì)該回路 以電流大小為Ci進(jìn)行恒流放電，每隔時(shí)間Td測(cè)量回路中所有電池的端電壓，直至放電時(shí)間達(dá) 至IjTi，設(shè)第i只電池的端電壓序列為彳!々/;'.」％，…,!々/',, }，卜:Ξ/S"，d表示放電，M=lVTd為放 電序列長(zhǎng)度；以電流大小為&對(duì)回路中的電池進(jìn)行恒流充電，每隔時(shí)間T。測(cè)量回路中所有電 池的端電壓，直至充電時(shí)間達(dá)到T 2，設(shè)第i只電池的端電壓序列為{Fci,，. 1 /;，c表不充電，N=T2/T C為充電序列長(zhǎng)度； 步驟2、將步驟1中獲得的所有電池的端電壓序列進(jìn)行歸一化，其中第i只電池的第p個(gè) 放電端電壓的歸一化值為，第i只電池的第q個(gè)充電端電壓的歸一化值為，步驟3、構(gòu)建第一層稀疏自編碼神經(jīng)網(wǎng)絡(luò)模型ΝΛ: NR的編碼器輸入數(shù)據(jù)為步驟2中獲得的每一只電池的歸一化放電序列和充電序列，每 一只電池的序列總長(zhǎng)度為M+N，則ΝΛ的編碼器輸入層節(jié)點(diǎn)數(shù)為M+N; ΝΛ的編碼器輸出節(jié)點(diǎn)數(shù) 為Mu，h表示隱藏，順!的解碼器輸出節(jié)點(diǎn)數(shù)為M+N;對(duì)模型順1進(jìn)行訓(xùn)練獲得其最優(yōu)權(quán)值矩陣 Wi和偏置向量bi，其中大小為(M+WXNh^bi大小為lXNh 1; 步驟4、構(gòu)建第二層稀疏自編碼神經(jīng)網(wǎng)絡(luò)模型NN2: 輸入數(shù)據(jù)為步驟3中獲得的~他的編碼器輸出，NN2的編碼器輸入層節(jié)點(diǎn)數(shù)即為NR的編 碼器輸出節(jié)點(diǎn)數(shù)Mu，順2的編碼器輸出節(jié)點(diǎn)數(shù)為Nh2，NN2的解碼器輸出節(jié)點(diǎn)數(shù)為Mu，對(duì)模型 Nfc進(jìn)行訓(xùn)練獲得其最優(yōu)權(quán)值矩陣W 2和偏置向量b2，其中W2大小為Mu X Nh2，b2大小為1 XNh2; 步驟5、以電池的充放電序列為輸入，~他的編碼器作為第一個(gè)隱藏層，NN2的編碼器作為 第二個(gè)隱藏層，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，計(jì)算所有η只電池充放電序列通過(guò)該深度神經(jīng)網(wǎng)絡(luò)后的 輸出向量； 步驟6、對(duì)步驟5中的輸出向量進(jìn)行聚類(lèi)，將聚為一類(lèi)的電池配為一組。
【專(zhuān)利摘要】本發(fā)明涉及一種基于深度學(xué)習(xí)的動(dòng)力電池配組方法?，F(xiàn)有配組方法勞動(dòng)強(qiáng)度大，易受檢測(cè)人員主觀因素的影響，容易造成誤測(cè)量和誤匹配的現(xiàn)象。本發(fā)明方法首先獲取動(dòng)力電池充放電回路中所有電池的充放電電壓數(shù)據(jù)，并對(duì)充放電數(shù)據(jù)進(jìn)行歸一化，然后構(gòu)建兩層稀疏自編碼神經(jīng)網(wǎng)絡(luò)模型，訓(xùn)練獲得兩層模型編碼器的最優(yōu)權(quán)值矩陣和偏置向量，以電池的充放電序列為輸入，兩層編碼器級(jí)聯(lián)構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，計(jì)算所有電池充放電序列通過(guò)該深度神經(jīng)網(wǎng)絡(luò)后的輸出向量，最終對(duì)所有輸出向量進(jìn)行聚類(lèi)，完成電池配組。本發(fā)明方法可以自動(dòng)提取動(dòng)力電池的充放電一致性特征，提高組內(nèi)電池的一致性，從而提高成組電池的品質(zhì)。
【IPC分類(lèi)】H01M10/48, H01M10/44
【公開(kāi)號(hào)】CN105680109
【申請(qǐng)?zhí)枴緾N201610182609
【發(fā)明人】何志偉, 高明煜, 馬國(guó)進(jìn), 劉圓圓, 唐麗君, 曾毓, 黃繼業(yè)
【申請(qǐng)人】杭州電子科技大學(xué)
【公開(kāi)日】2016年6月15日
【申請(qǐng)日】2016年3月25日