一种链条式动力电池拆解回收系统和方法与流程
- 国知局
- 2024-07-31 18:59:27
本发明属于动力电池回收,具体的说是一种链条式动力电池拆解回收系统和方法。
背景技术:
1、随着电动汽车产业的快速发展,动力电池的使用量呈现出爆发式增长,然而,动力电池的使用寿命有限,大量的废旧电池如果得不到妥善处理,不仅会造成资源浪费,还可能对环境造成严重的污染,因此,如何高效、环保地处理废旧动力电池,成为了当前亟待解决的问题。
2、在电动汽车产业刚刚兴起的时期,对于废旧动力电池的处理方式还处于摸索阶段,大多数废旧电池被简单地回收或填埋,缺乏有效的拆解和回收技术;随着环保意识的提高和技术的进步,科研机构和企业开始研发动力电池拆解回收技术,但主要集中在对拆解工艺、材料分离技术方面的研究和探索。综上所述,传统的动力电池拆解回收方法往往存在效率低下、资源回收率低、环境污染严重的问题,为了解决这些问题,链条式动力电池拆解回收方法应运而生,链条式动力电池拆解回收是一种系统化、连续性的废旧动力电池处理方式,特点在于将整个回收过程划分为多个相互衔接的环节,形成一个完整的工作链条。
3、如授权公告号为cn107069136b的中国专利公开了一种链条式动力电池拆解回收设备和方法,包括:机架、上料机构、第一切割机构、第二切割机构、第三切割机构、电池分解机构、第一输送机构、第二输送机构、第三输送机构、上料小车、除尘装置、净化装置;动力电池通过上料小车运输至上料机构,由上料机构将动力电池至于第一切割机构处,完成底部切缝工序,通过第一输送机构传送至第二切割机构处,完成上下表面切缝工序,再传送至第三切割机构处,完电池头部的切割,最后传送至电池分解机构进行分解,经过分解后的动力电池通过管道进入除尘装置和净化装置,去除整个工艺过程中所产生的粉尘和废气。本技术方案自动化程度高,电池头、电芯和外壳等材料自动分类,废气、粉尘主动收集,拆解效率高。
4、如公开号为cn115621595a的中国专利公开了一种动力电池包拆解回收方法,包括:通过叉车将动力电池包料仓内的动力电池包周转至pack箱体上线工位通过吊具吊装至转运车上;转运车将pack箱体输送至pack箱体清洁工位;pack箱体运输至水冷液排出工位;然后将动力电池包输送至上层模组拆除设备再通过水冷板拆解设备进行水冷板的拆解;通过下层模组拆除设备进行动力电池包下层模组的拆解;通过铣前拍照工位获取模组侧缝焊的位置信息和巴片的位置信息;通过拆除机构对模组的端板和侧板进行拆除;通过绝缘测试机构实现电芯的绝缘测试;本技术方案能够实现动力电池包拆解回收电芯且提高拆解回收效率。
5、以上现有技术均存在以下问题:1)上述设备虽然实现了动力电池的自动化拆解,但智能化程度相对较低,缺乏灵活性和自适应性;2)以上现有技术注重于拆解过程,对于后续的资源回收和再利用可能缺乏针对性的处理手段,环保性能较低。
技术实现思路
1、针对现有技术的不足,本发明提出了一种链条式动力电池拆解回收系统和方法,拆解模块、分选模块、低温等离子体处理模块,拆解模块利用智能放电和无损拆解方法安全处理废旧电池,分选模块通过数据分析实现电池组件的分类和分选,低温等离子体处理模块去除有害物质,无害处理模块进行资源化利用和无害化处理,实现了废旧动力电池的高效、安全拆解与回收,提高了动力电池拆解回收的效率和资源利用率。
2、为实现上述目的,本发明提供如下技术方案:
3、一种链条式动力电池拆解回收系统,系统包括:拆解模块、分选模块、低温等离子体处理模块;
4、所述拆解模块,用于通过智能放电方法对废旧动力电池进行安全放电,得到分解后的电池组件集;所述拆解模块包括无损拆解单元,所述无损拆解单元内配置有边缘检测算法和卷积神经网络模型,所述边缘检测算法用于定位、标记和提取电池组件轮廓,所述卷积神经网络模型用于识别轮廓标记后的电池组件图像;
5、所述分选模块,用于根据拆解数据集建立数据驱动的分选策略,并根据分选策略对拆解后的电池组件进行分类和分选;所述分选模块包括数据收集单元和分选单元,所述数据收集单元利用传感器和监控设备实时收集拆解数据集;所述分选单元内配置有光谱逻辑策略,所述光谱逻辑策略包括通过光谱分析方法采集电池组件的光谱数据,并输入逻辑回归分类模型,得到分类和分选后的电池组件信息;
6、所述低温等离子体处理模块,用于根据分选模块的分类结果为电池组件配置电解液并去除有害物质;所述低温等离子体处理模块包括低温等离子体处理单元,所述低温等离子体处理单元内配置有低温等离子体净化策略,所述低温等离子体净化策略通过控制放电强度产生低温等离子体,并于电池组件发生化学反应以去除有害物质。
7、具体地,所述无损拆解单元采用边缘检测与卷积神经网络融合策略,具体步骤包括:
8、a1:收集废旧动力电池,对废旧动力电池进行初步分类和检查,准备智能放电设备,并初始化无损拆解设备和智能识别系统;
9、a2:将废旧动力电池连接至智能放电设备,根据电池类型和剩余电量,智能放电设备自动选择放电参数进行放电,并实时监测电池状态,同时,使用高分辨率相机拍摄废旧动力电池图像,对获取的废旧动力电池图像进行预处理;
10、a3:使用加权平均法对预处理后的废旧动力电池图像进行灰度化和滤波,得到电池图像,并采用边缘检测策略对电池图像进行边缘检测,根据边缘检测的结果,提取出电池组件的轮廓,使用中值滤波和最小二乘法对提取出的轮廓进行平滑处理、拟合和优化,从优化后的轮廓中识别电池组件的外形、尺寸特征信息,并通过模板匹配算法将识别的特征信息与预设的电池组件模板进行信息匹配,识别电池组件的基本信息,同时,根据电池组件的基本信息对电池组件进行标签化,得到电池组件数据集。
11、具体地,所述无损拆解单元采用边缘检测与卷积神经网络融合策略,具体步骤还包括:
12、a4:使用图像处理方法从电池组件图像中提取电池组件特征,利用提取的电池组件特征和电池组件数据集训练卷积神经网络模型,通过交叉验证方法评估卷积神经网络模型的性能,根据评估结果进行卷积神经网络模型优化,并使用训练好的卷积神经网络模型对新的电池组件图像进行识别;
13、a5:根据识别结果,智能拆解系统进行破碎、切割和分离操作,并实时监测拆解效果,根据实时监测数据,自动调整拆解过程的切割速度、力度,优化拆解过程,当电池组件被成功拆解为电池组件集后,停止拆解操作。
14、具体地,所述a3中改进的边缘检测策略具体步骤包括:
15、a3.1:获取灰度化和滤波后的电池图像,将电池图像分解成k个不同尺度的子图像;
16、a3.2:针对每个尺度子图像,计算尺度子图像的梯度强度和方向,公式为:
17、
18、其中,g(x,y)表示尺度子图像的梯度强度,(x,y)表示尺度子图像中的像素点位置坐标,wx和wy分别表示x和y方向上梯度的对比度权重,dx(x,y)表示在像素点(x,y)上x方向的梯度分量,dy(x,y)表示在像素点(x,y)上y方向的梯度分量,c(x,y)表示梯度方向的一致性度量,wo表示c(x,y)的一致性权重;
19、a3.3:设置梯度方向局部最大值g(x,y)max,遍历尺度子图像中的像素,若当前像素的梯度强度g(x,y)<g(x,y)max,则i(x,y)=0,其中,i(x,y)表示当前像素值,否则保留当前像素值,获得新尺度子图像;
20、a3.4:设置高阈值为thig,低阈值为tlow,遍历新尺度子图像中的像素,
21、若则将当前像素标记为强边缘;
22、若则将当前像素标记为非边缘;
23、若则将当前像素标记为弱边缘,同时,对于弱边缘像素,检查弱边缘像素的8邻域像素中是否存在强边缘像素,若存在,则将当前弱边缘像素标记为强边缘,若不存在,则将当前弱边缘像素标记为非边缘;
24、a3.5:使用红蓝标记将强边缘标记为红色,弱边缘标记为蓝色,得到尺度子图像的边缘检测结果;
25、a3.6:通过加权平均法将k个尺度子图像的边缘检测结果进行融合,得到融合后的边缘图像,并使用梯度幅值增强方法对融合后的边缘图像进行边缘增强处理,通过腐蚀和膨胀对增强后的边缘进行细化处理,去除毛刺和伪边缘,得到最终的边缘图像。
26、具体地,所述光谱逻辑策略的具体步骤包括:
27、b1:将拆解后的电池组件置于光谱分析设备中,获取电池组件的反射光谱、透射光谱、发射光谱三类光谱数据,并对采集到的光谱数据进行预处理;
28、b2:收集历史电池组件的光谱数据,对光谱数据进行预处理,从预处理后的光谱数据中提取特定波段的强度、形状参数信息,并使用历史电池组件的光谱数据及提取的特征信息作为训练集,训练逻辑回归分类模型,通过交叉验证方式调整模型参数;
29、b3:将实时预处理后的光谱数据输入到训练好的逻辑回归分类模型,提取电池组件的预测类型和特征信息,同时,将预测结果与拆解过程的实时监测数据进行整合,基于整合后的数据,利用机器学习算法建立分选策略模型,并根据分选策略模型对电池组件进行分类和分选;
30、b4:根据实时反馈的数据,自动调整分选参数,优化分选流程和策略。
31、具体地,所述低温等离子体净化策略的具体步骤包括:
32、c1:根据电池组件的类型和有害物质的性质,设定等离子体处理时的电压、电流、处理时间;
33、c2:将反应器内填充氮气,并在反应器的电极之间施加高电压,当电压达到或超过氮气的最小击穿电压时,氮气开始放电,通过氮气放电在反应器内产生电子和离子,生成低温等离子体,并通过调整电源参数控制放电强度,控制等离子体的密度和能量分布,公式为:
34、vmin=a×v′×d×(lnv′+lnd+b)×e-δ/t×(1+β×e2)
35、ρ=f(i,v,t,v′,d,e,t,f′)
36、em=f1(η,i,v,t,d,e,t)
37、其中,vmin表示氮气的最小击穿电压,a、b表示氮气性质常数,v′表示氮气压力,d表示反应器的电极间距,δ表示氮气纯度参数,t表示当前环境温度,e表示电场强度,β表示电场强度参数,ρ表示等离子体的密度,f(·)表示拟合函数,i表示氮气放电时产生的电流,v表示氮气放电时产生的电压,t表示氮气放电所需的时间,f′表示氮气放电的频率,em表示等离子体的能量分布,f1(·)表示乘积函数,η表示能量转换效率参数,ln(·)表示对数函数;
38、c3:将电池组件置于等离子体环境,使等离子体中的自由基与有害物质发生化学反应,通过氧化、还原、分解方式去除有害物质,并利用光谱分析设备对等离子体环境中的光谱进行实时采集,通过分析光谱数据,根据特征峰的变化判断有害物质的去除情况;
39、c4:根据光谱分析结果调整等离子体发生器参数,当有害物质达到设定去除标准后,关闭等离子体发生器,并从设备中取出处理后的电池组件;
40、c5:对处理后的电池组件进行冷却,通过自动化的收集系统,将处理后的电池组件进行收集,并通过化学分析检测方法对电池组件进行验证。
41、一种链条式动力电池拆解回收方法,包括:
42、步骤s1:引入智能放电方法对废旧动力电池进行放电,并根据图像识别和机器学习算法获取电池组件图像,对电池组件图像进行预处理,使用改进的无损拆解方法通过边缘检测获取电池组件轮廓信息,识别出电池组件类型,根据识别结果通过破碎、切割和分离操作将动力电池拆解为电池组件集,实时监测拆解效果,自动调整拆解参数;
43、步骤s2:实时收集拆解过程数据,利用传感器和监控设备,对拆解过程中的振动、温度物理量进行实时监测和记录,使用光谱逻辑策略,将拆解后的电池组件按照电池组件的类型和特征进行分类和分选,并根据光谱分析结果及拆解过程的实时监测数据建立数据驱动的分选策略,再通过实时反馈的数据自动优化分选参数和流程;
44、步骤s3:根据电池组件的类型和特征,配置电解液,并将分类和分选后的电池组件放入电解液中进行低温等离子体处理,并引入自动化控制系统,对处理过程中的反应温度、压力、时间参数进行自动调节和优化,实时监测处理过程的状态和效果,并根据实时数据自动调整控制参数;
45、步骤s4:电解液反应完全后,对反应完全的电解液进行离子液体萃取和膜分离,得到待回收电池元件、提纯的电解液和沉淀物质,并将提纯的电解液和沉淀物质进行多元化的资源化利用和无害化处理。
46、具体地,一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现一种链条式动力电池拆解回收方法的步骤。
47、具体地,一种计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行一种链条式动力电池拆解回收方法的步骤。
48、与现有技术相比,本发明的有益效果是:
49、1.本发明提出一种链条式动力电池拆解回收系统,并进行了架构、运行步骤和流程上的优化改进,系统具备流程简单,投资运行费用低廉,生产工作成本低的优点。
50、2.本发明提出一种链条式动力电池拆解回收系统,引入智能放电方法,结合图像识别和机器学习算法,自动识别电池组件的类型和特征,并使用无损拆解方法准确地进行拆解,提高了拆解的效率和准确性,并根据反馈数据自动调整拆解参数,确保了拆解过程的优化和稳定,使用光谱逻辑策略对拆解后的电池组件进行分类和分选,建立数据驱动的分选策略,提高了分选的精确性和效率,且在拆解和处理过程中,通过传感器和监控设备实时监测振动、温度物理量,确保了操作的安全性和稳定性,对电解液进行离子液体萃取和膜分离,高效提取待回收电池元件,并提纯电解液和沉淀物质,实现了资源的有效回收,而且,提纯的电解液和沉淀物质可以进行多元化的资源化利用,提高了资源的利用效率,降低了环境负担。
本文地址:https://www.jishuxx.com/zhuanli/20240731/181256.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。