储能电芯的卷绕处理的控制方法以及卷绕机与流程

本申请实施例涉及储能电芯领域，特别涉及一种储能电芯的卷绕处理的控制方法以及卷绕机。

背景技术：

1、随着电子技术的发展，以及新能源行业的大力推广，锂电池的生产制造逐渐成为了制造业的重心与技术发展的前沿阵地。锂电池通常有圆柱型和方型两种外型，锂电池内部普遍采用螺旋绕制结构，用一种非常精细而渗透性很强的薄膜隔离材料在正、负极间间隔而成。正极包括由钴酸锂（或镍钴锰酸锂、锰酸锂、磷酸亚铁锂等）及铝箔组成的电流收集极，负极由石墨化碳材料和铜箔组成的电流收集极组成，电池内充有有机电解质溶液。

2、在对上述薄膜、正极以及负极的膜层进行卷绕处理的过程中，发生磕碰进而损失了薄膜与极片（正极/负极所在的膜层）的界面效应，其中，界面效应损失的一个原因之一在于：在热压工序采用上下大面接触加热，热量从外向内传递，从而内部的温度低于外部、热压完成后卷芯中部部分出现分层以及褶皱。

3、然而现有的储能电芯卷绕生产线缺乏过程检测，高速卷绕过程中是否有褶皱人工难以检查，卷绕工艺成品率和生产效率难以提高，极大地制约了电池企业的发展。

技术实现思路

1、本申请实施例提供一种储能电芯的卷绕处理的控制方法以及卷绕机，至少有利于提高储能电芯的良率。

2、根据本申请一些实施例，本申请实施例一方面提供一种储能电芯的卷绕处理的控制方法，所述卷绕处理包括上料工序、放卷工序、热卷工序、冷压工序、界面检测工序以及出料工序；所述控制方法包括：获取经过所述冷压工序后的初始卷芯的底部图像，并基于所述底部图像获取所述初始卷芯中的极片与隔膜的初始分层间距、初始分层深度以及初始分层长度；根据所述热卷工序中卷针的初始温度、所述冷压工序的初始压力、所述卷芯中的极片与隔膜的所述初始分层间距、所述初始分层深度以及所述初始分层长度，构建y（d，h，l）=f（t，p）的映射模型；其中，d为卷芯的分层间距，h为卷芯的分层深度，l为卷芯的分层长度，t为热卷工序中卷针的温度，p为冷压工序的压力；基于所述映射模型调整卷芯的热卷工序中卷针的温度t、所述冷压工序的压力p，直至所述卷芯的分层间距d在第一预设范围内，所述卷芯的分层深度h在第二预设范围内，所述卷芯的分层长度l在第三预设范围内；其中，y（d，h，l）包括实际值y1（d1，h1，l1）以及目标值y’（d’，h’，l’）；基于所述映射模型调整卷芯的所述热卷工序中卷针的温度t、所述冷压工序的压力p的工艺步骤至少包括：基于实际值y1（d1，h1，l1）以及目标值y’（d’，h’，l’），获取偏差值y2=y1- y’=(d2，h2，l2)；设定调节阈值（ds，hs，ls）；若d’≤d2≤ds、h’≤h2≤hs且l’≤l2≤ls，不进行调整，继续监测；若d2＞ds，t不变，增大p；若h2＞hs，依次增大t、p；若l2＞ls，p不变，增大t。

3、在一些实施例中，获取所述底部图像的工艺步骤包括：采用ccd摄像头以面阵类型或线阵类型拍摄第一底部图像，基于所述第一底部图像获取所述初始分层间距以及所述初始分层长度；采用超景深显微镜通过自动变焦距的模式拍摄第二底部图像，基于所述第二底部图像获取所述初始分层深度。

4、在一些实施例中，基于所述第一底部图像获取所述初始分层间距的工艺步骤包括：通过灰度算法和ai算法，从所述第一底部图像中所述极片与所述隔膜的位置计算出所述初始分层间距。

5、在一些实施例中，对所述初始卷芯的底部图像进行分区，获取每个区域的子分层间距以及相对应的子分层深度；去除异常值和噪声，以所有区域的子分层间距所获取的平均值作为所述初始分层间距，以所有区域的子分层深度所获取的平均值作为所述初始分层深度。

6、在一些实施例中，构建所述映射模型之后还包括：对所述映射模型进行标定处理；所述标定处理的工艺步骤包括：设计t、p的2因子n水平的doe实验方案，n为大于0的自然数；测试获取对应的d、h、l数值，并得到（t、p、d、h、l）数据组；从所述数据组中随机抽取m%数据作为训练集，训练所述映射模型，用数据组中剩余的数据作为验证集。

7、在一些实施例中，所述映射模型为机器学习模型、深度学习模型或者神经网络模型中的任一者。

8、在一些实施例中，所述第一预设范围为0μm~10μm；所述第二预设范围为0μm~5μm；所述第三预设范围为0μm~15μm。

9、在一些实施例中，基于所述映射模型调整卷芯的所述热卷工序中卷针的温度t、所述冷压工序的压力p的工艺步骤包括：基于实际温度t1和实际压力p1，基于目标值y’（d’，h’，l’）获取目标温度t’和目标压力p’，获取偏差温度△t= t’-t1以及偏差压力△p= p’-p1；基于△t调整所述热卷工序的参数，基于△p调整所述冷压工序的参数。

10、在一些实施例中，构建映射模型之后还包括：基于所述卷绕处理的工序建立仿真模型；基于所述映射模型调整所述仿真模型的工艺参数，获取仿真后的所述卷绕处理的第一参数；基于仿真后的卷绕处理的第一参数继续仿真直至所述分层间距d在第一预设范围内，所述分层深度h在第二预设范围内，所述分层长度l在第三预设范围内，并获取对应的第二参数；基于所述第二参数调整热卷工序中卷针的温度t、所述冷压工序的压力p。

11、根据本申请一些实施例，本申请实施例另一方面还提供一种用于储能电芯卷绕处理的卷绕机，包括：上料工位、放卷工位、热卷工位、冷压工位、界面检测工位以及出料工位；所述界面检测工位包括：检测模块，所述检测模块用于获取经过所述冷压工位处理后的卷芯的底部图像；处理模块，所述处理模块用于建立映射模型；调节模块，所述调节模块用于根据所述映射模型调整所述热卷工位的工艺参数以及冷压工位的工艺参数。

12、本申请实施例提供的技术方案至少具有以下优点：

13、本申请实施例提供一种储能电芯的卷绕处理的控制方法，以降低极片与隔膜之间发生分层的概率。首先，获取底部图像，然后建立映射模型，并基于映射模型调整工艺参数，可以实时监控以及调节工艺参数，从而减少了储能电芯的不良率。其次，基于界面检测工序所获取的卷芯的图像，闭环控制以及调节热卷的工艺参数，使卷芯中极片与隔膜的贴合度更好，从而避免了褶皱以及褐斑等不良情况，进而可以增强了隔膜与极片的界面效应，提升锂离子电芯的电性能以及安全性。

技术特征：

1.一种储能电芯的卷绕处理的控制方法，其特征在于，所述卷绕处理包括上料工序、放卷工序、热卷工序、冷压工序、界面检测工序以及出料工序；所述控制方法包括：

2.根据权利要求1所述的控制方法，其特征在于，获取所述底部图像的工艺步骤包括：采用ccd摄像头以面阵类型或线阵类型拍摄第一底部图像，基于所述第一底部图像获取所述初始分层间距以及所述初始分层长度；采用超景深显微镜通过自动变焦距的模式拍摄第二底部图像，基于所述第二底部图像获取所述初始分层深度。

3.根据权利要求2所述的控制方法，其特征在于，基于所述第一底部图像获取所述初始分层间距的工艺步骤包括：通过灰度算法和ai算法，从所述第一底部图像中所述极片与所述隔膜的位置计算出所述初始分层间距。

4.根据权利要求3所述的控制方法，其特征在于，对所述初始卷芯的底部图像进行分区，获取每个区域的子分层间距以及相对应的子分层深度；

5.根据权利要求1所述的控制方法，其特征在于，构建所述映射模型之后还包括：对所述映射模型进行标定处理；所述标定处理的工艺步骤包括：

6.根据权利要求1所述的控制方法，其特征在于，所述映射模型为机器学习模型、深度学习模型或者神经网络模型中的任一者。

7.根据权利要求1所述的控制方法，其特征在于，所述第一预设范围为0μm~10μm；所述第二预设范围为0μm~5μm；所述第三预设范围为0μm~15μm。

8.根据权利要求1所述的控制方法，其特征在于，基于所述映射模型调整卷芯的所述热卷工序中卷针的温度t、所述冷压工序的压力p的工艺步骤包括：基于实际温度t1和实际压力p1，基于目标值y’（d’，h’，l’）获取目标温度t’和目标压力p’，获取偏差温度△t= t’-t1以及偏差压力△p= p’-p1；基于△t调整所述热卷工序的参数，基于△p调整所述冷压工序的参数。

9.根据权利要求1所述的控制方法，其特征在于，构建映射模型之后还包括：基于所述卷绕处理的工序建立仿真模型；基于所述映射模型调整所述仿真模型的工艺参数，获取仿真后的所述卷绕处理的第一参数；基于仿真后的卷绕处理的第一参数继续仿真直至所述分层间距d在第一预设范围内，所述分层深度h在第二预设范围内，所述分层长度l在第三预设范围内，并获取对应的第二参数；基于所述第二参数调整热卷工序中卷针的温度t、所述冷压工序的压力p。

10.一种用于储能电芯卷绕处理的卷绕机，其特征在于，包括：上料工位、放卷工位、热卷工位、冷压工位、界面检测工位以及出料工位；所述界面检测工位包括：

技术总结本申请实施例涉及储能电芯领域，提供一种储能电芯的卷绕处理的控制方法以及卷绕机，控制方法包括：获取初始卷芯中的极片与隔膜的初始分层间距、初始分层深度以及初始分层长度；根据热卷工序中卷针的初始温度、冷压工序的初始压力P、d、h以及L，构建y（d，h，L）=f（T，P）的映射模型；基于实际值y1（d1，h1，L1）以及目标值y’（d’，h’，L’），获取偏差值y2=y1‑y’=(d2，h2，L2)；设定调节阈值（ds，hs，Ls）；若d’≤d2≤ds、h’≤h2≤hs且L’≤L2≤Ls，不进行调整，继续监测；若d2＞ds，T不变，增大P；若h2＞hs，依次增大T、P；若L2＞Ls，P不变，增大T；直至d在第一预设范围内，h在第二预设范围内，L在第三预设范围内。技术研发人员：师渝滔,马玉俊,杨子祥受保护的技术使用者：浙江晶科储能有限公司技术研发日：技术公布日：2024/12/2