新能源动力电池电芯成组的图像识别筛选方法和系统与流程

本发明涉及新能源汽车动力电池电芯承租筛选，具体为一种新能源动力电池电芯成组的图像识别筛选方法和系统。

背景技术：

1、新能源动力电池包一般是由一定数量的锂离子电芯通过串联或者并联成组之后应用，通常需要成组的电芯具有一定的一致性，否则以性能最差的电芯为短板，动力电池包无法发挥出其相应的能量或功率，终端用户续航和动力性能体验将会较差。

2、当前各个公司在电芯成组之前都会对电芯采用一定的方法，筛选出匹配性较高的电芯放入一个电池包中成组，如容量分档、电压分档、内分档等，但是这类方法一般是根据电芯特性点来筛选电芯，仍然不能完全保证筛选出的电芯在后续使用中不出现离群现象，从而导致整个动力电池包性能下降。

技术实现思路

1、本发明的目的就在于为了解决上述至少一个技术问题而提供一种新能源动力电池电芯成组的图像识别筛选方法和系统。

2、第一方面，本发明实施例提供了一种新能源动力电池电芯成组的图像识别筛选方法，包括：获取电芯化成工序的预设工况和预设参数；在所述预设工况和所述预设参数下完成多个待筛选电芯的化成工序，得到每个待筛选电芯对应的充放电曲线图；所述待筛选电芯为新能源动力电池电芯；分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取，得到每个待筛选电芯对应的图像特征；分别计算目标电芯对应的图像特征与其他电芯对应的图像特征的相似度；所述目标电芯为所述多个待筛选电芯中的一个电芯，所述其他电芯为所述多个待筛选电芯中除去所述目标电芯之外的所有电芯；将所述相似度超过预设相似阈值的待筛选电芯确定为与所述目标电芯成组的电芯。

3、进一步地，所述预设工况包括电流工况，所述预设参数包括充放电电压范围。

4、进一步地，所述电流工况包括以下任一项或以下至少两项的组合：恒电流充放电，恒功率充放电，在至少一个预设时间点处添加大电流充放电，新能源汽车行驶过程中对应的电流工况。

5、进一步地，所述充放电曲线图包括电压随时间变化曲线图。

6、进一步地，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取，包括：基于预设机器学习算法，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取。

7、进一步地，所述预设机器学习算法包括：支持向量机，卷积神经网络。

8、第二方面，本发明实施例还提供了一种新能源动力电池电芯成组的图像识别筛选系统，包括：获取模块，化成工序模块，特征提取模块，计算模块和筛选模块；其中，所述获取模块，用于获取电芯化成工序的预设工况和预设参数；所述化成工序模块，用于在所述预设工况和所述预设参数下完成多个待筛选电芯的化成工序，得到每个待筛选电芯对应的充放电曲线图；所述待筛选电芯为新能源动力电池电芯；所述特征提取模块，用于分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取，得到每个待筛选电芯对应的图像特征；所述计算模块，用于分别计算目标电芯对应的图像特征与其他电芯对应的图像特征的相似度；所述目标电芯为所述多个待筛选电芯中的一个电芯，所述其他电芯为所述多个待筛选电芯中除去所述目标电芯之外的所有电芯；所述筛选模块，用于将所述相似度超过预设相似阈值的待筛选电芯确定为与所述目标电芯成组的电芯。

9、进一步地，所述预设工况包括电流工况，所述预设参数包括充放电电压范围；所述电流工况包括以下任一项或以下至少两项的组合：恒电流充放电，恒功率充放电，在至少一个预设时间点处添加大电流充放电，新能源汽车行驶过程中对应的电流工况。

10、进一步地，所述充放电曲线图包括电压随时间变化曲线图。

11、进一步地，所述特征提取模块，还用于：基于预设机器学习算法，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取；其中，所述预设机器学习算法包括：支持向量机，卷积神经网络。

12、本发明实施例提供了一种新能源动力电池电芯成组的图像识别筛选方法和系统，通过电芯的完整电压工作范围充放电曲线的图像识别，对电芯较全方面的使用信息进行表征，得到一致性更好的电芯，保证电池包的能量和功率的性能表现，保证用户体验，缓解了现有技术中存在的不能完全保证筛选出的电芯在后续使用中不出现离群现象的技术问题。

技术特征：

1.一种新能源动力电池电芯成组的图像识别筛选方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预设工况包括电流工况，所述预设参数包括充放电电压范围。

3.根据权利要求2所述的方法，其特征在于，所述电流工况包括以下任一项或以下至少两项的组合：恒电流充放电，恒功率充放电，在至少一个预设时间点处添加大电流充放电，新能源汽车行驶过程中对应的电流工况。

4.根据权利要求1所述的方法，其特征在于，所述充放电曲线图包括电压随时间变化曲线图。

5.根据权利要求1所述的方法，其特征在于，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取，包括：基于预设机器学习算法，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取。

6.根据权利要求5所述的方法，其特征在于，所述预设机器学习算法包括：支持向量机，卷积神经网络。

7.一种新能源动力电池电芯成组的图像识别筛选系统，其特征在于，包括：获取模块，化成工序模块，特征提取模块，计算模块和筛选模块；其中，

8.根据权利要求7所述的系统，其特征在于，所述预设工况包括电流工况，所述预设参数包括充放电电压范围；所述电流工况包括以下任一项或以下至少两项的组合：恒电流充放电，恒功率充放电，在至少一个预设时间点处添加大电流充放电，新能源汽车行驶过程中对应的电流工况。

9.根据权利要求7所述的系统，其特征在于，所述充放电曲线图包括电压随时间变化曲线图。

10.根据权利要求7所述的系统，其特征在于，所述特征提取模块，还用于：基于预设机器学习算法，分别对所述每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取；其中，所述预设机器学习算法包括：支持向量机，卷积神经网络。

技术总结本发明公开了一种新能源动力电池电芯成组的图像识别筛选方法和系统，涉及新能源汽车动力电池电芯承租筛选技术领域，包括：获取电芯化成工序的预设工况和预设参数；在预设工况和预设参数下完成多个待筛选电芯的化成工序，得到每个待筛选电芯对应的充放电曲线图；分别对每个待筛选电芯对应的充放电曲线图进行图像识别和特征提取，得到每个待筛选电芯对应的图像特征；分别计算目标电芯对应的图像特征与其他电芯对应的图像特征的相似度；将相似度超过预设相似阈值的待筛选电芯确定为与目标电芯成组的电芯。本发明缓解了现有技术中存在的不能完全保证筛选出的电芯在后续使用中不出现离群现象的技术问题。技术研发人员：徐基磊,张帆,姚源,陈小勇受保护的技术使用者：奇瑞汽车股份有限公司技术研发日：技术公布日：2024/9/2