JP7697141B2 - 異常電池コアの識別方法、装置、電子機器及び記憶媒体 - Google Patents

Description

本出願は、電池分野に関し、具体的に異常電池コアの識別方法、装置、電子機器及び記憶媒体に関する。

リチウムイオン電池の化成は、電池生産の重要なステップであり、化成の結果は、直接に電池のサイクル寿命、レート性能、高低温性能などに影響を与える。電池の生産過程において異常（電解液の注入ミス、電解液の混合使用、含水量の基準超過などの状況を含むが、それらに限らない）が発生した場合、これらの問題により、電池の例えばリチウム析出、低容量、ＳＥＩ膜の品質低下などの問題の発生を招き、電池のサイクル性能、安全性能に影響を与える。これらの異常電池の搭載は、電池システムの性能に影響を与え、且つ電池システムの集積度がますます高くなるにつれて、異常電池コアの取り外しが極めて困難になり、異常電池コアの搭載は、電池パック全体の廃棄につながる。そのため、電池コアの搭載前に、異常電池コアを識別する必要がある。

本出願の実施例の目的は、電池コアの搭載前に、異常電池コアを識別することを実現するための異常電池コアの識別方法、装置、電子機器及び記憶媒体を提供することである。

第一の態様によれば、本出願の実施例は、異常電池コアの識別方法を提供し、この方法は、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定することを含み、ここで、ターゲット特徴データは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含む。

本出願の実施例の技術案では、電池コアの化成過程において発生した、異常電池コアと正常電池コアとを区別できるターゲット特徴データに基づいて分析し、電池コアが異常電池コアであるかどうかを決定する。このように、一方では、異常電池コアを異常が発生していない正常電池コアと比較すると、電池コアの化成過程において、ターゲット特徴データに明らかな違いがあるため、これに基づいて電池コアが異常電池コアであるかどうかに対する正確な判断を実現し、異常電池コアに対する確実な識別を実現することができる。他方では、工業生産フローにおいて、電池コアの化成過程が必ず電池コアを電池パックに搭載する過程の前に発生するため、本出願の実施例の技術案により、電池コアの搭載前に異常電池コアを識別するという目的を効果的に達成することができ、異常電池コアの搭載による電池システムの性能低下のリスクを低減させ、且つ異常電池コアの搭載による電池パック廃棄のリスクを低減させる。

いくつかの実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含む。

本出願の実施例の技術案では、電池コアの化成過程において発生した、電池コアにおける電解液に影響されたターゲット特徴データにより、ターゲット特徴データに基づいて、電池コア内において電解液異常が発生したかどうかに対する正確な判断を実現することができ、それによって電解液異常が発生した異常電池コアに対する確実な識別を達成する。現在、電解液異常が発生した異常電池コアの識別方式は、主に以下の二つがある。

方式１：電池コア内の電解液の抵抗率を検出し、検出した抵抗率とこの電解液の基準抵抗率とをマッチングする。マッチングに失敗すると、電池コア内の電解液に異常があると決定する。しかし、成分が類似している電解液に対して、それに対応する基準抵抗率も類似しており、この方式は、成分が類似している電解液に対する検出効果が悪く、ひいては検出できないこともある。

方式２：電池コアを分解し、電解液サンプルを採取して成分分析を行い、電池コア内の電解液に異常があるかどうかを識別する。しかし、この方式は、分析所要時間が長く、分析速度が遅くて生産ニーズを満たすことができず、且つ電池コアを分解してサンプリングする必要があり、各電池コア内の電解液をすべて分析することができない。

このことから分かるように、本出願の実施例の技術案は、方式１に比べて、電解液自体の成分により影響されることがなく、成分が類似している電解液に対しても、化成過程において発生したターゲット特徴データにより、確実な識別を実現することができる。方式２に比べて、本出願の実施例の検出方式は、電池コアを分解する必要がなく、分析効率が高く、分析速度が生産ニーズを満たすことができ、各電池コアをいずれも識別することができ、信頼性がより高い。

いくつかの実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含む。

本出願の実施例の技術案では、電池コアの化成過程において発生した、電池コアにおける含水量に影響されたターゲット特徴データにより、ターゲット特徴データに基づいて、電池コア内において含水量異常が発生したかどうかに対する正確な判断を実現することができ、それによって含水量異常が発生した異常電池コアに対する確実な識別を達成する。

現在、含水量異常が発生した異常電池コアの識別方式は、主に以下のとおりである。電池の実際の生産において、電池コアを高温で長時間静置してから、一部の電池コアをサンプル電池コアとして選び、サンプル電池コアの極巻線内部の極板を切り取り、階段式昇温方法を使用して焼き、高純度の窒素ガスをキャリアガスとして利用して揮発物質を水分テストシステムに導入してテストし、サンプル電池コアの含水量を決定する。この方式は、破壊テストに属し、テスト後にサンプル電池コアが破壊されて使用できなくなるため、すべての電池コアに対してテストを行うことができない。またサンプル電池コアのテスト結果は、電池コアごとの実際含水量を代表することができず、例えばサンプル電池コアのテスト結果が合格であるが、各電池コアの実際の生産状況により影響されて、依然として、いくつかの電池コアの実際含水量の基準超過が存在する可能性がある。そのため、従来方式には識別の信頼性が高くないという問題があり、現在の電池コアに対するモニタリングと管理の要求を満たさない。本出願の実施例の技術案を採用すれば、電池コアを破壊することなく、各電池コアの化成過程において発生した、電池コアにおける含水量に影響されたターゲット特徴データに基づいて識別することができるため、すべての電池コアをテストし、各電池コアのそれぞれに対応する識別結果を得ることができ、識別の信頼性がより高く、現在の電池コアに対するモニタリングと管理の要求を満たすことができる。

いくつかの実施例では、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値、及びパラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値を含み、ここで、第一の過程変化値と第二の過程変化値とは異なる。

実際の応用において、発明者は、大量の実験を行った結果、電解液異常が発生した異常電池コア又は含水量異常が発生した異常電池コアを、異常が発生していない正常電池コアと比較すると、化成過程の第一の段階で、パラメータの変化過程に比較的大きい差異があり、それによって、異常電池コアと正常電池コアとが初めてある過程変化値に達した時に対応するパラメータ値が異なることを発見した。これに基づいて、上記技術案では、第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値閾値に達した時の第一のターゲットパラメータ値と、初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを、電池コアに電解液異常又は含水量異常が発生したかどうかを判断するための根拠とすることによって、二種類のターゲットパラメータ値を総合して、電解液異常又は含水量異常が発生した異常電池コアに対する正確な識別を実現することができ、識別の信頼性を向上させることができる。

いくつかの実施例では、ターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定することは、ターゲット特徴データを予め設定される識別モデルに入力し、電池コアが異常電池コアであるかどうかの識別結果を得ることを含む。

上記技術案では、予め設定される識別モデルによりターゲット特徴データの処理を行い、それによってモデルの有する強い識別能力を利用し、異常電池コアに対する迅速な識別を達成することができる。

いくつかの実施例では、識別モデルは、二次元ガウスモデルである。

二次元ガウスモデルは、様々なタイプのデータの分布状況をよく反映できるモデルである。上記技術案では、二次元ガウスモデルを利用して識別すると、異常電池コアと正常電池コアに対する迅速な区別を実現することができる。

いくつかの実施例では、ターゲット特徴データを予め設定される識別モデルに入力し、電池コアが異常電池コアであるかどうかの識別結果を得ることは、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得ることと、電池コアの確率密度が予め設定される確率密度閾値よりも小さい場合、電池コアが異常電池コアであると決定することとを含む。

上記技術案では、二次元ガウスモデルにより算出された電池コアの確率密度により、電池コアが異常であるかどうかを迅速に決定することができ、それによって異常電池コアの識別効率を向上させることができる。

いくつかの実施例では、ターゲット特徴データを予め設定される識別モデルに入力し、電池コアが異常電池コアであるかどうかの識別結果を得ることは、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得ることと、電池コアの確率密度が予め設定される確率密度閾値よりも小さく、且つターゲット特徴データが予め設定される特徴区間内にある場合、電池コアが異常電池コアであると決定することとを含む。

上記技術案では、電池コアの確率密度と、電池コアのターゲット特徴データが予め設定される特徴区間内にあるかどうかとを組み合わせることによって、二つの面から電池コアが異常であるかどうかを決定することができ、それによって異常電池コアの識別の信頼性を向上させることができる。

いくつかの実施例では、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定することは、電池コアの化成過程において、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定することを含む。

上記技術案では、電池コアの化成過程において電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを識別し、それによって電池コアの化成段階で異常電池コアに対する識別と選別を実現し、異常電池コアを早期に識別するという効果を達成することができ、異常電池コアに対して後続の生産フローを行うことを回避し、リソース浪費を減少させることができる。

第二の態様によれば、本出願の実施例は、異常電池コアの識別装置をさらに提供し、この装置は、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定するための識別モジュールを含み、ここで、ターゲット特徴データは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含む。

いくつかの実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含む。

いくつかの実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含む。

いくつかの実施例では、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含み、ここで、第一の過程変化値と第二の過程変化値とは異なる。

いくつかの実施例では、識別モジュールは、具体的に、ターゲット特徴データを予め設定される識別モデルに入力し、電池コアが異常電池コアであるかどうかの識別結果を得るために用いられる。

いくつかの実施例では、識別モデルは、二次元ガウスモデルである。

いくつかの実施例では、識別モジュールは、具体的に、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得て、電池コアの確率密度が予め設定される確率密度閾値よりも小さい場合、電池コアが異常電池コアであると決定するために用いられる。

いくつかの実施例では、識別モジュールは、具体的に、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得て、電池コアの確率密度が予め設定される確率密度閾値よりも小さく、且つターゲット特徴データが予め設定される特徴区間内にある場合、電池コアが異常電池コアであると決定するために用いられる。

いくつかの実施例では、識別モジュールは、具体的に、電池コアの化成過程において、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定するために用いられる。

第三の態様によれば、本出願の実施例は、電子機器をさらに提供し、この電子機器は、プロセッサとメモリとを含み、プロセッサは、メモリに記憶された一つ又は複数の命令を実行することにより、上記いずれか一つの異常電池コアの識別方法を実現するために用いられる。

第四の態様によれば、本出願の実施例は、コンピュータ可読記憶媒体をさらに提供し、コンピュータ可読記憶媒体に一つ又は複数の命令が記憶され、一つ又は複数の命令は、プロセッサにより実行されて、上記いずれか一つの異常電池コアの識別方法を実現することができる。

本出願の実施例の技術案をより明瞭に説明するために、以下は、本出願の実施例に使用される必要のある図面を簡単に紹介し、理解すべきこととして、以下の図面は、本出願のいくつかの実施例のみを示すため、範囲に対する限定と見なされるべきではなく、当業者にとって、創造的な労力を払わない前提で、これらの図面に基づいて他の関連図面を得ることもできる。
本出願の実施例による電池セルの構造概略図である。 本出願の実施例による異常電池コアの識別方法のフローチャートである。 本出願の実施例によるモデル構築方法のフローチャートである。 本出願の実施例による電解液が異常である電池コアの識別を実現する具体的なフローチャートである。 本出願の実施例による電解液が異常である電池コアの識別を実現する二次元ガウスモデルの効果概略図である。 本出願の実施例による含水量が異常である電池コアの識別を実現する具体的なフローチャートである。 本出願の実施例による含水量が異常である電池コアの識別を実現する二次元ガウスモデルの効果概略図である。 本出願の実施例による異常電池コアの識別装置の構造概略図である。 本出願の実施例によるモデル構築装置の構造概略図である。 本出願の実施例による電子機器の構造概略図である。

以下、図面を結び付けながら本出願の技術案の実施例を詳細に記述する。以下の実施例は、本出願の技術案をより明瞭に説明するためにのみ用いられ、例示に過ぎず、これによって本出願の保護範囲が限定されるものではない。

特に定義されない限り、本明細書に使用されるすべての技術的及び科学的用語は、本出願の技術分野に属する当業者によって一般的に理解される意味と同じであり、本明細書に使用される用語は、具体的な実施例を記述するためのものに過ぎず、本出願を限定することを意図しておらず、本出願の明細書と特許請求の範囲及び上記図面の説明における用語である「含む」と「有する」及びそれらの任意の変形は、非排他的な「含む」を意図的にカバーするものである。

本出願の実施例の記述において、技術用語である「第一」、「第二」などは、異なる対象を区別するためだけのものであり、相対的重要性を示すか暗示するか、又は示された技術的特徴の数、特定の順序、又は主従関係を暗黙的に示すものとして理解することはできない。本出願の実施例の記述において、「複数」は、特に明確且つ具体的な限定がない限り、二つ以上（二つを含む）を意味する。

本明細書で言及される「実施例」は、実施例を結び付けて記述された特定の特徴、構造又は特性が本出願の少なくとも一つの実施例に含まれ得ることを意味している。明細書における各位置でのそのフレーズの出現は、必ずしも全てが同じ実施例を指すものではなく、他の実施例と相互に排他する独立した又は代替的な実施例でもない。当業者は、本明細書に記述された実施例が他の実施例と組み合わされることが可能であることを明示的かつ非明示的に理解することができる。

本出願の実施例の記述において、用語である「及び／又は」は、関連対象を記述する関連関係に過ぎず、三つの関係が存在し得ることを表し、例えばＡ及び／又はＢは、単独のＡ、ＡとＢとの組み合わせ、単独のＢの３つのケースを表し得る。また、本明細書における文字である「／」は、一般的には前後関連対象が「又は」の関係であることを表す。

本出願の実施例の記述において、特に明確に規定、限定されていない限り、技術用語である「取り付け」、「繋がり」、「接続」、「固定」などの用語は、広義に理解されるべきであり、例えば固定的な接続であってもよく、取り外し可能な接続であってもよく、又は一体的であってもよく、機械的な接続であってもよく、電気的な接続であってもよく、直接的な繋がりであってもよく、中間媒体による間接的な繋がりであってもよく、二つの素子の内部の連通又は二つの素子の相互作用関係であってもよい。当業者にとって、具体的な状況に応じて、上記用語の本出願の実施例における具体的な意味を理解することができる。

現在、市場の発展動向から見ると、動力電池の応用は、ますます広範になっている。動力電池は、水力、火力、風力と太陽光発電所などのエネルギー貯蔵電源システムだけでなく、そして電動自転車、電動バイク、電気自動車などの電動交通機関の分野にも広く応用されている。

これらの分野で最も一般的に使用される動力電池は、リチウムイオン電池（即ちリチウムイオン電池コアからなる電池）である。本発明者は、リチウムイオン電池の生産過程において電池コアに異常（電解液異常（例えば電解液の注入ミス、電解液の混合使用などの状況）、含水量異常（例えば含水量の基準超過などの状況）を含むが、それらに限らない）が発生した場合、電池に例えばリチウム析出、低容量、ＳＥＩ膜の品質低下などの発生を招き、電池コアにリチウム析出が発生すると、熱暴走などの深刻な安全問題を引き起こす可能性があり、電池コアの低容量が電池コアの使用効果と体験に深刻な影響を与え、ＳＥＩ膜の品質低下が電池のサイクル性能、安全性能に影響を与えることに気が付いた。そのため、異常電池コアの搭載は、電池システムの性能に影響を与える。さらに、電池システムの集積度が高くなるにつれて、電池コアの取り外しが極めて困難になるため、異常電池コアが電池パックに搭載されると、その後に技術手段により異常電池コアが発見されても、異常電池コアの取り外しがしにくく、異常電池コアの搭載は、この異常電池コアが搭載された電池パック全体の廃棄につながる。そのため、電池コアの搭載前に、生産ラインにある異常電池コアを識別する必要がある。

本発明者は、さらに、リチウムイオン電池の化成が電池生産の重要なステップであり、電池コアが化成を完了した場合にのみ、後続の各ステップ（電池コアの搭載ステップを含む）に入ることに気が付いた。電池化成過程における過程データ（電池化成のステップ、時間、電流、電圧、温度、気圧などのデータを含むが、それらに限らない）は、秒とミリ秒の単位で保存される。電解液異常が発生した電池コアと電解液異常が発生していない電池コアに対して、それらの化成過程において、いくつかのパラメータの値に差異が出ることがある。

以上の考えに基づいて、電池コアの搭載前に、異常電池コアを識別するという要求を満たすために、発明者は、鋭意研究した結果、異常電池コアの識別方法を設計し、電池コアの化成過程において発生した、異常電池コアと正常電池コアとを区別できるターゲット特徴データを取得することにより、さらにこのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定する。このように、一方では、異常電池コアと正常電池コアとは、電池コアの化成過程において、ターゲット特徴データに明らかな違いがあるため、これに基づいて電池コアが異常電池コアであるかどうかに対する正確な判断を実現し、異常電池コアに対する確実な識別を実現することができ、他方では、工業生産フローにおいて、電池コアの化成過程が必ず電池コアを電池パックに搭載する過程の前に発生するため、電池コアの搭載前に異常電池コアを識別するという目的を効果的に達成することができ、異常電池コアの搭載による電池システムの性能低下のリスクを低減させ、且つ異常電池コアの搭載による電池パック廃棄のリスクを低減させる。

本出願の実施例の方案を容易に理解するために、以下にまず本出願の実施例に係るいくつかの基本情報を紹介する。

電池パックは、複数の電池セルからなる。電池セルは、電池パックを構成する最小ユニットである。一つの電池パックでは、電池セルは複数であってもよい。複数の電池セルの間は、直列接続又は並列接続又は直並列接続であってもよい。直並列接続は、複数の電池セルのうち直列接続もあり並列接続もあることを意味する。複数の電池セルを直接に直列接続又は並列接続又は直並列接続し、さらに複数の電池セルからなる全体を筐体又は他の包装内に収容して、外へ充放電できるように全体を構成してもよい。

実際の応用において、一つの電池パックを一つの電池としてサービスを提供してもよい。しかし、複数の電池パックを相互に直列接続又は並列接続又は直並列接続して一つの全体を形成し、筐体又は他の包装内に収容することによって、一つの電池としてサービスを提供してもよい。即ち、一つの電池は、一つ又は複数の電池パックを有してもよい。

図１を参照すると、電池セル１００は、電池コア１１、エンドキャップ１２、ケース１３、及び他の機能性部材からなってもよい。ここで、
エンドキャップ１２とは、ケース１３の開口に被せられて電池セル１００の内部環境を外部環境から隔離する部材を指す。エンドキャップ１２の形状は、ケース１３に合うようにケース１３の形状に適合してもよいが、これに限定されない。エンドキャップ１２に電極端子１２ａなどの機能性部材が設置されてもよい。電極端子１２ａは、電池セル１００の電気エネルギーを出力又は入力するために、電池コア１１に電気的に接続されてもよい。

ケース１３は、エンドキャップ１２と嵌合して電池セル１００の内部環境を形成するためのアセンブリであり、ここで、形成された内部環境は、電池コア１１、電解液及び他の部材を収容するために用いられてもよい。

電池コア１１は、電池セル１００において電気化学反応が起こる部材である。ケース１３内に一つ又は複数の電池コア１１が含まれてもよい。電池コア１１は、主に正極板と負極板を捲回又は積層して形成されるとともに、一般的には正極板と負極板との間にセパレータが設けられる。電池コア１１の正極板と負極板の活物質を有する部分は、電池コアアセンブリの本体部を構成し、正極板と負極板の活物質を有しない部分は、それぞれタブ１１ａを構成する。正極タブと負極タブは、共に本体部の一端に位置していてもよいし、それぞれ本体部の両端に位置していてもよい。電池の充放電過程において、正極活物質と負極活物質は、電解液と反応し、タブ１１ａは、電極端子に接続されて電流回路を形成する。

ここで、各電池セル１００は、二次電池又は一次電池であってもよい。電池セル１００は、円筒体、扁平体、直方体又は他の形状などであってもよい。

リチウムイオン電池の化成とは、電池製造が完了した後に、複数回充電する方式により、電池コア内部の正負極物質を活性化し、電池の自己放電、充放電性能及び貯蔵性能を改善する過程である。本出願の実施例では、化成過程において最初に充電する段階を第一の段階と呼ぶ。

本出願の実施例では、化成時に、電池セル１００に組み立てられていない各電池コアに対して化成を行ってもよく、組み立てられた電池セル１００における電池コアに対して化成を行ってもよい。

理解すべきこととして、本出願の実施例で記述された異常状況は、電池コア内に電解液異常、含水量異常があるなどの状況を含むが、それらに限らない。ここで、電解液異常とは、電池コアに注入された電解液が所期の効果を実現できないことである。電解液異常が発生した原因は、電解液の注入ミス、注入中の電解液汚染などがある。含水量異常とは、電池コアにおける含水量が予め設定される仕様の要求を満たさない（例えば含水量の基準超過又は含水量の基準未満）ことである。

以上の説明に基づいて、本出願のいくつかの実施例によれば、図２を参照すると、図２は、本出願の実施例による異常電池コアの識別方法の基本的なフローチャートを示し、以下のことを含む。

Ｓ２０１：電池コアのターゲット特徴データに基づいて、この電池コアが異常電池コアであるかどうかを決定する。

理解すべきこととして、本出願の実施例では、ターゲット特徴データとは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データである。

例えば、ターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含んでもよく、それによってターゲット特徴データに基づいて、電解液異常が発生した異常電池コアと正常電池コアとの間の区別と識別を実現することができる。また例えば、ターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含んでもよく、それによってターゲット特徴データに基づいて、含水量異常が発生した異常電池コアと正常電池コアとの間の区別と識別を実現することができる。

本出願の実施例では、ターゲット特徴データは、化成過程において発生した特定の位置に対応する膜形成ピーク（ｄＱ／ｄＶであり、ここで、ｄＱとは、電池コア内を流れる単位時間あたりの電流量であり、ｄＶは、電池コア内の単位時間あたりの電圧変化である）、動的内部抵抗率（Ｖ／Ｉであり、ここで、Ｖとは、電圧であり、Ｉとは、電流である）、ｄＶ／ｄＱなどのパラメータの値であってもよい。

本出願の実施例では、化成過程において、又は化成過程の実行完了後に、電池コアの化成過程において発生した化成過程データ（電池化成のステップ、時間、電流、電圧、温度、気圧などのデータを含むが、それらに限らない）を、本出願の実施例による分極異常電池コアの識別方法を実行できる電子機器に導入することによって、電子機器により化成過程データから電池コアのターゲット特徴データを取得することができる。

本出願の実施例では、化成過程において電池コアのターゲット特徴データを取得した場合、電池コアの化成段階で電池コアのターゲット特徴データに基づいて、この電池コアが異常電池コアであるかどうかを決定することができ、それによって電池コアの化成段階で異常電池コアに対する識別と選別を実現し、異常電池コアを早期に識別し、異常電池コアが後続の生産フローに入ることを回避し、リソース浪費を減少させることができる。

理解すべきこととして、化成過程において、パラメータの値は、絶えず変化している。化成過程において、異常が発生した異常電池コアと、異常が発生していない正常電池コアとは、いくつかの位置又は区間内においてパラメータ値が近い可能性があるため、これらの位置又は区間内においてこれらのパラメータのパラメータ値に基づいて区別すると、効果が悪い。しかし、異常電池コアと正常電池コアとは、別のいくつかの位置又は区間内においてパラメータ値に明らかな差異があり、それによって異常電池コアと正常電池コアとの区別を効果的に行うことができる。これらの特定の位置又は区間内のパラメータ値を本出願の実施例におけるターゲット特徴データとして、電池コアが異常電池コアであるかどうかの識別の実現に用いることができる。

例示的には、発明者は、大量の実験を行った結果、電解液異常が発生した異常電池コアに対して、電解液異常が発生した異常電池コアを電解液異常が発生していない正常電池コアと比較すると、化成過程の第一の段階で、パラメータの変化過程に比較的大きい差異があり、それによって、電解液異常が発生した異常電池コアと電解液異常が発生していない正常電池コアとが初めてある過程変化値に達した時に対応するパラメータ値が異なることを発見した。類似しているように、発明者は、大量の実験を行った結果、含水量異常が発生した異常電池コアに対して、含水量異常が発生した異常電池コアを含水量異常が発生していない正常電池コアと比較すると、同様に化成過程の第一の段階で、パラメータの変化過程に比較的大きい差異が発生し、それによって、同様に、電解液異常が発生した異常電池コアと電解液異常が発生していない正常電池コアとが初めてある過程変化値に達した時に対応するパラメータ値が異なることをさらに発見した。両者の相違点は、異常電池コアと正常電池コアとの差異を反映できる過程変化値が異なることのみである。

上記発見に基づいて、本出願の実施例の一つの選択的な実施の形態では、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて予め設定される第一の過程変化値に達した時の第一のターゲットパラメータ値を含んでもよく、それによってこのパラメータ変化が初めて予め設定される第一の過程変化値に達した時の第一のターゲットパラメータ値を、電池コアにおいて電解液異常が発生したかどうかを判断するための根拠とすることにより、電解液異常が発生した異常電池コアに対する識別を実現することができる。

本出願の実施例の一つの選択的な実施の形態では、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含んでもよく、ここで、第一の過程変化値と第二の過程変化値とは異なる。このように、第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値閾値に達した時の第一のターゲットパラメータ値と、初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを、電池コアにおいて電解液異常が発生したかどうかを判断するための根拠とすることにより、二種類のターゲットパラメータ値を総合して、電解液異常が発生した異常電池コアに対する正確な識別を実現することができる。

説明すべきこととして、本出願の実施例では、異常電池コアと正常電池コアとを大量に含むサンプル電池コアを予め取得し、さらにサンプル電池コアの化成過程の第一の段階で収集されたパラメータに基づいて、異常電池コアと正常電池コアとの差異を反映できる第一の過程変化値と第二の過程変化値を決定することができる。

例示的には、識別する必要があることが、異常電池コアが電解液異常を発生した異常電池コアであることである場合、第一の過程変化値と第二の過程変化値は、電解液異常が発生したサンプル電池コアと電解液異常が発生していないサンプル電池コアに対して化成過程の第一の段階で収集されたパラメータに基づいて決定して得られてもよい。類似しているように、識別する必要があることが、異常電池コアが含水量異常を発生した異常電池コアであることである場合、第一の過程変化値と第二の過程変化値は、含水量異常が発生したサンプル電池コアと含水量異常が発生していないサンプル電池コアに対して化成過程の第一の段階で収集されたパラメータに基づいて決定して得られてもよい。具体的な第一の過程変化値と第二の過程変化値の決定方式は、後述する。

説明すべきこととして、本出願の実施例では、ターゲットパラメータは、例えば膜形成ピーク、動的内部抵抗率、ｄＶ／ｄＱなど、化成過程の変化を体現でき、且つ電池コアの異常原因（例えば電池コアの電解液又は含水量）に関連するパラメータであってもよい。ターゲットパラメータ値とは、ターゲットパラメータの値である。

さらに説明すべきこととして、本出願の実施例に記載の過程変化値とは、設定された収集時間間隔（例えば隣接する二つの収集点の間の収集時間間隔）内のターゲットパラメータの変化値である。例えば、ターゲットパラメータが膜形成ピークであると仮定すると、過程変化値は、膜形成ピークの勾配値であってもよい。

理解すべきこととして、異常電池コアと正常電池コアとは、電池コアの化成過程において、ターゲット特徴データに明らかな違いがあるため、ターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかに対する正確な判断を実現し、異常電池コアに対する確実な識別を実現することができる。

電池コアが異常電池コアであるかどうかに対する正確な判断を実現するために、本出願の実施例の一つの選択的な実施の形態では、予めまとめられた異常電池コアと正常電池コアとの間のターゲット特徴データの範囲上の差異に基づいて、閾値範囲を設定する方式により、電池コアが異常電池コアであるかどうかを決定することができる。（即ちターゲット特徴データが予め設定される閾値範囲内にあるか、それとも、予め設定される閾値範囲外にあるかを判断し、さらにまとめられた異常電池コアと正常電池コアとの間の、ターゲット特徴データと閾値範囲との間の関係に基づいて、電池コアが異常電池コアであるかどうかを決定する。）

例えば、識別する必要がある異常電池コアが、電解液異常が発生した異常電池コアであると仮定すると、大量の電解液異常が存在するサンプル電池コアと電解液異常が存在しないサンプル電池コアのターゲット特徴データに基づいて、電解液異常が発生した異常電池コアに対応する第一の閾値範囲を予めまとめることができる。そして、現在の電池コアのターゲット特徴データがこの予め設定される第一の閾値範囲内にあるかどうかを判断し、そうである場合、この電池コアが電解液異常を発生した異常電池コアであると決定し、そうでない場合、この電池コアが電解液異常を発生していないと決定する。

類似しているように、識別する必要がある異常電池コアが、含水量異常を発生した異常電池コアであると仮定すると、大量の含水量異常が存在するサンプル電池コアと含水量異常が存在しないサンプル電池コアのターゲット特徴データに基づいて、含水量異常を発生した異常電池コアに対応する第二の閾値範囲を予めまとめることができる。そして、現在の電池コアのターゲット特徴データがこの予め設定される第二の閾値範囲内にあるかどうかを判断し、そうである場合、この電池コアが含水量異常を発生した異常電池コアであると決定し、そうでない場合、この電池コアが含水量異常を発生していないと決定する。

例示的には、本出願の実施例におけるターゲット特徴データが、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値のみを含むと仮定すると、一つの第一のターゲットパラメータ閾値範囲を予め設定し、第一のターゲットパラメータ値と第一のターゲットパラメータ閾値範囲とを比較し、それによって第一のターゲットパラメータ値が第一のターゲットパラメータ閾値範囲内にある時、この電池コアが異常電池コアであると決定してもよい。

また例示的には、本出願の実施例におけるターゲット特徴データが、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含むと仮定すると、一つの第一のターゲットパラメータ閾値範囲、及び一つの第二のターゲットパラメータ閾値範囲を予め設定し、第一のターゲットパラメータ値と第一のターゲットパラメータ閾値範囲とを比較し、第二のターゲットパラメータ値と第二のターゲットパラメータ閾値範囲とを比較し、それによって第一のターゲットパラメータ値が第一のターゲットパラメータ閾値範囲内にあり、且つ第二のターゲットパラメータ値が第二のターゲットパラメータ閾値範囲内にある時、この電池コアが異常電池コアであると決定してもよい。

理解すべきこととして、第一のターゲットパラメータ閾値範囲と第二のターゲットパラメータ閾値範囲は、大量の、電解液異常が存在する第一のサンプル電池コアと電解液異常が存在しない第二のサンプル電池コアに対して、化成過程の第一の段階における第一のターゲットパラメータ値と第二のターゲットパラメータ値の統計を予め行ってから設定された値であってもよい。この時、上の段落に記載の方式では、電池コアが異常電池コアであると決定した場合、この電池コアに電解液異常が発生したと決定することもできる。

さらに理解すべきこととして、第一のターゲットパラメータ閾値範囲と第二のターゲットパラメータ閾値範囲は、大量の、含水量異常が存在する第一のサンプル電池コアと含水量異常が存在しない第二のサンプル電池コアに対して、化成過程の第一の段階における第一のターゲットパラメータ値と第二のターゲットパラメータ値の統計を予め行ってから設定された値であってもよい。この時、上の段落に記載の方式では、電池コアが異常電池コアであると決定した場合、この電池コアに含水量異常が発生したと決定することもできる。

電池コアが異常電池コアであるかどうかに対する正確な判断を実現するために、本出願の実施例の別の選択的な実施の形態では、識別モデルを構築し、ターゲット特徴データを予め設定される識別モデルに入力することにより、電池コアが異常電池コアであるかどうかの識別結果を得てもよい。

ここで、識別モデルは、予め構築された二次元ガウスモデルであってもよいが、これに限定されるものではない。例えば、識別モデルは、さらに、ターゲット特徴データを入力とするＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、サポートベクトルマシン）モデル、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ａｎｄ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ、分類と回帰木）モデルなどの分類モデルであってもよい。

説明すべきこととして、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ、サポートベクトルマシン）モデル、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ａｎｄ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ、分類と回帰木）モデルなどの分類モデルを採用して識別する時、モデル構築時に必要な各サンプル電池コアに対して、それが、異常が存在する第一のサンプル電池コアに属するか、それとも、異常が存在しない第二のサンプル電池コアに属するかを予めマークする必要がある。類似しているように、前述の、閾値範囲に基づいて識別する選択的な実施の形態にとっては、閾値範囲を設定するためのサンプル電池コアに対しても、それが、異常が存在する第一のサンプル電池コアに属するか、それとも、異常が存在しない第二のサンプル電池コアに属するかを予めマークする必要がある。しかし、二次元ガウスモデルを採用して識別する時、このマークを行わずに、二次元ガウスモデル自体により二種類のサンプル電池コアの区別をクラスタして実現してもよい。そのため、二次元ガウスモデルを採用して識別する時、エンジニアの作業量を減少させ、サンプル電池コアに対応するデータの取得難易度を下げることができる。

さらに説明すべきこととして、本出願の実施例では、電解液異常が存在する第一のサンプル電池コアと電解液異常が存在しない第二のサンプル電池コアを採用してＳＶＭモデル、ＣＡＲＴモデルなどの分類モデルの訓練を行ってもよく、それによって分類モデルは、電池コアに電解液異常が存在するかどうかを出力することができる。類似しているように、含水量異常が存在する第一のサンプル電池コアと含水量異常が存在しない第二のサンプル電池コアを採用してＳＶＭモデル、ＣＡＲＴモデルなどの分類モデルの訓練を行ってもよく、それによって分類モデルは、電池コアに含水量異常が存在するかどうかを出力することができる。

理解すべきこととして、本出願の実施例では、具体的にどの異常タイプの異常電池コアであるかを識別する必要がある場合、この異常タイプが存在するサンプル電池コアとこの異常タイプが存在しない正常電池コアを採用してモデルの訓練又は構築、又は閾値範囲の決定を行うことによって、この異常タイプの異常電池コアに対する識別を実現することができる。

さらに説明すべきこととして、識別モデルが二次元ガウスモデルである時、二次元ガウスモデルのデータ入力要求を満たすために、ターゲット特徴データは、二種類あるべきである。例えば、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値、及びパラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値であってもよい。

以下に識別モデルが二次元ガウスモデルであることを例として、本出願の実施例の方案をさらに説明する。

二次元ガウスモデルに基づいて、電池コアが異常電池コアであるかどうかに対する正確な判断を実現できることを保証するために、まず二種類のターゲット特徴データを選定し、さらにこの二種類のターゲット特徴データに基づいて一つの合理的な二次元ガウスモデルを構築する必要がある。

図３を参照すると、図３は、本出願の実施例によるモデル構築方法を示し、このモデル構築方法は、以下のことを含む。

Ｓ３０１：化成過程における各サンプル電池コアの二種類のターゲット特徴データを取得する。

説明すべきこととして、各サンプル電池コアには、異常が存在する第一のサンプル電池コアと、異常が存在しない第二のサンプル電池コアとが含まれる。例示的には、第一のサンプル電池コアは、電解液異常が存在するサンプル電池コアであってもよく、第二のサンプル電池コアは、いかなる異常も存在しない正常電池コアであり、二種類のターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含んでもよい。また例示的には、第一のサンプル電池コアは、含水量異常が存在するサンプル電池コアであってもよく、第二のサンプル電池コアは、いかなる異常も存在しない正常電池コアであり、二種類のターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含んでもよい。

説明すべきこととして、第一のサンプル電池コアと第二のサンプル電池コアの二種類のターゲット特徴データは、生産ライン又は他のルートから収集してもよく、本出願の実施例では限定しない。

Ｓ３０２：各サンプル電池コアの二種類のターゲット特徴データに基づいて、二次元ガウスモデルを構築する。

本出願の実施例では、二種類のターゲット特徴データの間の平均値と分散を計算し、二種類のターゲット特徴データ間の相関係数を計算してもよい。二種類のターゲット特徴データの平均値と分散、及び特徴間の相関係数に基づいて、二次元ガウスモデルに必要な平均値ベクトル及び共分散行列を構築することができる。そして、平均値ベクトル及び共分散行列に基づいて、一つの二次元ガウスモデルを得ることができる。

取得したサンプル電池コアの二種類のターゲット特徴データに、一定の異常データが存在する可能性があり、それによって構築された二次元ガウスモデルの信頼性に影響を与える可能性があることを考慮するため、本出願の実施例の一つの実行可能な実施の形態では、まずすべてのサンプル電池コアの二種類のターゲット特徴データに基づいて、予備的な二次元ガウスモデルを構築してもよい。そして、この予備的な二次元ガウスモデルにおける、ターゲットクラスタに属する各サンプル電池コアの二種類のターゲット特徴データに基づいて、最終的な二次元ガウスモデルを構築する。ここで、ターゲットクラスタは、予備的な二次元ガウスモデルにおける、異常が存在しないことを示す第二のサンプル電池コアのクラスタである。

理解すべきこととして、二回の二次元ガウスモデルの構築方式は、上の段落で述べた通りであり、ここでこれ以上説明しない。

理解すべきこととして、本出願の実施例では、第一のサンプル電池コアと第二のサンプル電池コアの二種類のターゲット特徴データに基づいて、二次元ガウスモデルを構築した後に、二次元ガウスモデルにおいて、第二のサンプル電池コアに属する確率密度分布が得られ、この分布に基づいて、一つの確率密度閾値を設定することができる。

そして、二次元ガウスモデルを使用して、電池コアが異常電池コアであるかどうかの判断を行う時、電池コアの二種類のターゲット特徴データを二次元ガウスモデルに入力した後に、電池コアに対応する確率密度を得ることができ、それによってこの確率密度と設定された確率密度閾値とを比較する。この確率密度が確率密度閾値よりも小さい場合、電池コアに異常が発生したと決定することができる。その逆の場合、電池コアに異常が発生していないと決定することができる。

説明すべきこととして、二次元ガウスモデルが構築された時、図７に示すような効果概略図を得ることができ、図において異常電池コアに属するようにクラスタリングされた一部のサンプル電池コアがある領域範囲（例えば図７における左側の丸内の領域範囲）に基づいて、異常電池コアに対応する特徴区間（例えば図７における左側の丸に対応する横座標範囲と縦座標範囲）を得ることができる。それによって二次元ガウスモデルを使用して電池コアが異常電池コアであるかどうかの判断を行う時、電池コアのターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得ることができる。そして、電池コアの確率密度が予め設定される確率密度閾値よりも小さく、且つターゲット特徴データが予め設定される特徴区間内にある場合、電池コアが異常電池コアであると決定する。それによって二つの面から電池コアが異常であるかどうかを決定し、異常電池コアの識別の信頼性を向上させる。

説明すべきこととして、二次元ガウスモデルを構築する時に採用される二種類のターゲット特徴データは、後続の異常電池コアの識別過程において収集した電池コアのターゲット特徴データと一致すべきである。即ち、二次元ガウスモデルを構築する時に採用される二種類のターゲット特徴データが、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含む場合、異常電池コアの識別を行う時、収集した電池コアのターゲット特徴データも、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値、及びパラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値であるべきである。

さらに説明すべきこととして、二種類のターゲット特徴データが、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含む時、ターゲット特徴データによる、異常電池コアと正常電池コアに対する区別効果を保証するために、選定された第一の過程変化値と第二の過程変化値は、第一のサンプル電池コアと第二のサンプル電池コアに対する区別度が最大の二つの過程変化値であってもよい。

そこで、第一のサンプル電池コアと第二のサンプル電池コアに対する区別度が最大の二つの過程変化値を正確に見つけるために、本出願の実施例では、化成過程において、各サンプル電池コアが予め設定される各異なる過程変化値に初めて達した時に対応するターゲットパラメータ値を取得し、そして各異なる過程変化値に対応するターゲットパラメータ値に基づいて、第一の過程変化値と第二の過程変化値を識別してもよい。

例示的には、二種類の異なる過程変化値に対応するターゲットパラメータ値に基づいて、この二種類の異なる過程変化値に対応する第一のサンプル電池コアと第二のサンプル電池コアとの区別度を計算し、さらに最大区別度に対応する二種類の異なる過程変化値を第一の過程変化値と第二の過程変化値として決定してもよい。

理解すべきこととして、本出願の実施例では、ＬＤＡ（Ｌｉｎｅａｒ Ｄｉｓｃｒｉｍｉｎａｎｔ Ａｎａｌｙｓｉｓ、線形判別式分析）アルゴリズムを採用して各異なる過程変化値のうちの、二種類の異なる過程変化値ごとに対応する第一のサンプル電池コアと第二のサンプル電池コアとの区別度（即ちＬＤＡアルゴリズムにより算出されたクラス間距離）を算出してもよい。

例示的には、それぞれＡ、Ｂ、Ｃである３種類の異なる過程変化値があると仮定すると、ＬＤＡアルゴリズムに基づいて計算し、ＡとＢの間に対応する区別度ａｂ、ＡとＣの間に対応する区別度ａｃ、ＢとＣの間に対応する区別度ｂｃを算出し、そしてａｂ、ａｃ及びｂｃから最大値を決定してもよい。最大値がａｃであると仮定すると、第一の過程変化値と第二の過程変化値がそれぞれＡとＣであると決定してもよい。

本出願の実施例では、第一の過程変化値と第二の過程変化値に対する識別効果を保証するために、ＬＤＡアルゴリズムを採用して計算する前に、各過程変化値に対応するターゲットパラメータ値を標準化することによって、各過程変化値に対応するターゲットパラメータ値をＮ（０，１）に従う標準正規分布に変換してもよく、それによってＬＤＡアルゴリズムの処理をしやすくする。

理解すべきこととして、他のタイプの識別モデルに対して、ターゲット特徴データに基づいて識別モデルを訓練し、訓練された識別モデルを得てから、使用してもよい。訓練過程は、各タイプの識別モデルの通常の訓練過程と一致しているので、ここで詳しく記述しない。

本出願の実施例では、電池コアが異常電池コアであると決定した場合、この電池コアをマークしてもよく、それによってエンジニアは、この後にマークに基づいて電池コアの処理と分析を行う。

例えば、決定された電池コアが、電解液異常が発生した異常電池コアであると仮定すると、一つ又はいくつかのロットの電池コアのすべてに対して異常電池コアの識別を行った後に、マークされた、電解液異常が発生した異常電池コアの数に基づいて、電解液異常が存在する異常電池コアの数が予め設定される数の閾値よりも大きいと判断した場合、電解液の注入ミスが存在すると決定することができ、それによって予め設定される方式に従って電解液の注入ミス警報などの操作を行う。

無論、本出願の実施例では、マークを行わずに、電解液異常が存在する異常電池コアを決定するたびに、電解液異常が発生した電池コアの数を更新し、そして統計された、現在すでに決定された、電解液異常が発生した電池コアの数に基づいて、この電池コアの数が予め設定される数の閾値よりも大きいかどうかを判断してもよい。大きい場合、電解液の注入ミスが存在すると決定することができ、それによって予め設定される方式に従って電解液の注入ミス警報などの操作を行う。

また例えば、決定された電池コアが、含水量異常が発生した異常電池コアであると仮定すると、一つ又はいくつかのロットの電池コアのすべてに対して異常電池コアの識別を行った後に、マークされた、含水量異常が発生した異常電池コアの数に基づいて、含水量異常が存在する異常電池コアの数が予め設定される数の閾値よりも大きいと判断した場合、電池コアの生産ラインの含水量制御段階に問題が存在すると決定することができ、それによって予め設定される方式に従って警報などの操作を行ってもよい。

本出願の実施例では、予め設定される方式は、ショートメッセージ又は電話で関係エンジニアに通知すること、警報音を鳴らすことなどであってもよいが、これらに限らない。

説明すべきこととして、本出願の実施例の上記方案は、データ処理能力を有する電子機器により実現されてもよく、例えばＰＬＣ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｃｏｎｔｒｏｌｌｅｒ、プログラマブル論理コントローラ）、コンピュータ、スマートフォン、サーバなどの機器により実現されてもよい。

理解すべきこととして、本出願の実施例では、電子機器を産業用インターネットに接続することによって、マークされた電池コアを産業用インターネットに通知し、産業用インターネットにより各エンジニアに通知してもよい。

本出願の実施例の技術案では、電池コアの化成過程において発生した、電池コアにおける電解液に影響されたターゲット特徴データを取得して分析することにより、電池コアが異常電池コアであるかどうかを決定する。このように、一方では、異常電池コアと正常電池コアとは、電池コアの化成過程において、ターゲット特徴データに明らかな違いがあるため、これに基づいて電池コアが異常電池コアであるかどうかに対する正確な判断を実現し、異常電池コアに対する確実な識別を実現することができる。他方では、工業生産フローにおいて、電池コアの化成過程が必ず電池コアを電池パックに搭載する過程の前に発生するため、本出願の実施例の技術案により、電池コアの搭載前に異常電池コアを識別するという目的を効果的に実現することができ、異常電池コアの搭載による電池システムの性能低下のリスクを低減させ、且つ異常電池コアの搭載による電池パック廃棄のリスクを低減させる。

本出願の実施例による方案を容易に理解するために、以下に、実行本体がＰＬＣであり、ターゲット特徴データが、化成過程の第一の段階で収集された、膜形成ピークの変化値が初めて第一の過程変化値（例えば第一の膜形成ピーク勾配値）に達した時の第一の膜形成ピーク値と、膜形成ピークの変化値が初めて第二の過程変化値（例えば第二の膜形成ピーク勾配値）に達した時の第二の膜形成ピーク値とを含み、二次元ガウスモデルにより電池コアに電解液異常が発生したかどうかを識別するという具体的な実施過程を例として、本出願をさらに例示的に説明する。

図４を参照すると、実施過程は、以下のことを含む。

Ｓ４０１：ＰＬＣは、導入されたあるロット又はいくつかのロットのサンプル電池コアの化成過程データを受信する。

ここで、化成ロットに従って化成過程データの導入を行ってもよく、毎日化成を完了した電池コアに従って化成過程データの導入を行ってもよい。大数の法則によると、数が多ければ多いほど、統計パラメータは、正常電池コアのデータ分布規則に適合するようになる。ここで、ロット電池コアには、電解液異常が存在する第一のサンプル電池コアと電解液異常が存在しない第二のサンプル電池コアとが含まれてもよい。

説明すべきこととして、化成過程データとは、電池コアの化成過程において保存された過程データ（電池化成のステップ、時間、電流、電圧、温度、気圧などのデータを含むが、それらに限らない）である。

Ｓ４０２：化成過程データを前処理する。

本ステップは、化成終止、化成機器のサンプリング異常、化成未関与、第一の段階の中断、化成再測定などの状況が発生した電池コアに対応する化成過程データを除去することと、残りの化成過程データから膜形成ピークに関連するデータ（膜形成ピークの値及び膜形成ピーク勾配値を含む）を取得することとを含む。

ここで、あるサンプル電池コアの化成過程データでは、化成ステップの数が設定された化成ステップの数の要求よりも小さい場合、このサンプル電池コアに化成終止の状況が存在すると決定し、あるサンプル電池コアの化成過程データにデータ化けが発生した場合、このサンプル電池コアに化成機器サンプリング異常の状況が存在すると決定し、あるサンプル電池コアの化成過程データには、電流値がなく、且つ電圧値が増加していない場合、このサンプル電池コアが化成未関与であると決定し、あるサンプル電池コアの化成過程データでは、第一の段階で充電終止して再開する状況が発生した場合、このサンプル電池コアに第一の段階の中断の状況が存在すると決定し、あるサンプル電池コアの化成過程データでは、化成ステップの数が設定された化成ステップの数の要求よりも大きい場合、このサンプル電池コアに化成再測定の状況が存在すると決定する。

説明すべきこととして、膜形成ピークの値は、化成過程データにおける電流、電圧などのデータに基づいて計算して得られてもよい。膜形成ピーク勾配値は、隣接する、二回取得した膜形成ピークの値に基づいて、差を求めて得られてもよい。

そして、一つの初期膜形成ピーク勾配値、及び勾配変化値を予め設定してもよく、それによって初期膜形成ピーク勾配値とこの勾配変化値に基づいて、各予め設定される膜形成ピーク勾配値を得る。そして、初めて各膜形成ピーク勾配値に達した時に対応する膜形成ピークの値を得る。

説明すべきこととして、各膜形成ピーク勾配値に対応する膜形成ピークの値は、初めて各膜形成ピーク勾配値に達した時に、計算して得られたこの膜形成ピーク勾配値の二つの膜形成ピークの値の平均値であってもよい。ここで、膜形成ピーク勾配値は、隣接する二つのサンプリング点の間の膜形成ピーク間の差に等しく、例えば初めて第一の膜形成ピーク勾配値に達した時の、隣接する二つのサンプリング点の間の膜形成ピークの値がそれぞれＡとＢであると仮定すると、第一の膜形成ピーク勾配値に対応する膜形成ピークの値は、（Ａ＋Ｂ）／２に等しくてもよい。無論、各膜形成ピーク勾配値に対応する膜形成ピークの値は、この膜形成ピーク勾配値に対応する二つの膜形成ピークのうちのいずれか一つの膜形成ピークの値であってもよいが、限定されるものではない。

そして、各膜形成ピーク勾配値に対応する膜形成ピークの値に基づいて、ＬＤＡアルゴリズムを採用して二種類の異なる膜形成ピーク勾配値ごとに、その対応する第一のサンプル電池コアと第二のサンプル電池コアとの区別度（即ちＬＤＡアルゴリズムにより算出されたクラス間距離）を計算して、最大区別度に対応する二種類の異なる膜形成ピーク勾配値を決定し、それぞれ第一の膜形成ピーク勾配値と第二の膜形成ピーク勾配値としてもよい。これと同時に、各サンプル電池コアに対応する第一の膜形成ピーク値（即ち第一の膜形成ピーク勾配値に対応する膜形成ピークの値）及び第二の膜形成ピーク値（即ち第二の膜形成ピーク勾配値に対応する膜形成ピークの値）を得る。

本出願の実施例では、第一の膜形成ピーク勾配値と第二の膜形成ピーク勾配値の識別効果を保証するために、ＬＤＡアルゴリズムを採用して計算する前に、さらに各膜形成ピーク勾配値に対応する膜形成ピークの値を標準化することによって、各膜形成ピーク勾配値に対応する膜形成ピークの値をＮ（０，１）に従う標準正規分布に変換してもよく、それによってＬＤＡアルゴリズムの処理をしやすくする。

Ｓ４０３：第一の膜形成ピーク値の平均値と分散、及び第二の膜形成ピーク値の平均値と分散をそれぞれ計算し、第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数を計算する。

Ｓ４０４：第一の膜形成ピーク値と第二の膜形成ピーク値の平均値と分散、及び第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数に基づいて、二次元ガウスモデルに必要な平均値ベクトル及び共分散行列を構築し、予備的な二次元ガウスモデルを得る。

Ｓ４０５：この予備的な二次元ガウスモデルにおける、ターゲットクラスタに属する各サンプル電池コアの第一の膜形成ピーク値と第二の膜形成ピーク値に基づいて、第一の膜形成ピーク値の平均値と分散、及び第二の膜形成ピーク値の平均値と分散をそれぞれ計算し、第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数を計算する。

理解すべきこととして、ターゲットクラスタは、予備的な二次元ガウスモデルにおける、電解液異常が存在しないことを示す第二のサンプル電池コアのクラスタである。

Ｓ４０６：最新の第一の膜形成ピーク値と第二の膜形成ピーク値の平均値と分散、及び第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数に基づいて、二次元ガウスモデルに必要な平均値ベクトル及び共分散行列を構築し、最終的な二次元ガウスモデルを得る。

Ｓ４０７：最終的な二次元ガウスモデルにおけるターゲットクラスタがある確率密度領域に基づいて、ターゲット確率密度範囲を決定する。

例えば図５に示すように、図５において二つの丸で画定された領域は、ターゲットクラスタがある領域であり、エンジニアは、いずれか一つの丸で画定された範囲内の各サンプル電池コアに対応する確率密度範囲をターゲット確率密度範囲としてもよい。例えば、最外層の丸で画定された領域内のサンプル電池コアに対応する確率密度範囲をターゲット確率密度範囲としてもよい。理解すべきこととして、図５における横座標は、第一の膜形成ピーク値で、縦座標は、第二の膜形成ピーク値である。

Ｓ４０８：ＰＬＣは、導入された検出すべき電池コアの化成過程データを受信する。

Ｓ４０９：化成過程データから検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を取得する。

Ｓ４１０：最終的な二次元ガウスモデルを使用して検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を計算し、検出すべき電池コアの確率密度を得る。

Ｓ４１１：検出すべき電池コアの確率密度がターゲット確率密度範囲内にあるかどうかを判断し、そうである場合、ステップＳ４１２に移行し、そうでない場合、ステップＳ４１３に移行する。

例示的には、ターゲット確率密度範囲は、０から始まる範囲であってもよい。この時、一つの確率密度閾値のみを設定することによって、検出すべき電池コアの確率密度がこの確率密度閾値よりも小さいかどうかを判断してもよい。小さい場合、検出すべき電池コアの確率密度がターゲット確率密度範囲内にあることを表し、ステップＳ４１２に移行し、そうでない場合、ステップＳ４１３に移行する。

Ｓ４１２：検出すべき電池コアに電解液異常が発生していないと決定する。

Ｓ４１３：検出すべき電池コアをマークし、マーク結果を産業用インターネットに報告する。

理解すべきこととして、本出願の実施例では、確率密度に基づいて判断するのではなく、検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を一つの座標点の二つの座標値として、検出すべき電池コアを図５に示す座標係における一つの座標点に変換して、この座標点が設定された丸内（例えば図５における最外層の丸）に位置するかどうかを判断してもよい。そうである場合、検出すべき電池コアに電解液異常が発生していないと決定し、そうでない場合、検出すべき電池コアに電解液異常が発生したと決定する。この時に検出すべき電池コアをマークし、マーク結果を産業用インターネットに報告してもよい。

さらに理解すべきこととして、図４に示す過程は、実質的に二つの段階が存在し、ここで、ステップＳ４０１～ステップＳ４０７は、モデル構築段階で、ステップＳ４０８～ステップＳ４１３は、電池コア識別段階である。ステップＳ４０１～ステップＳ４０７により最終的な二次元ガウスモデルを構築した後に、この最終的な二次元ガウスモデルは、繰り返して応用されてもよく、即ちステップＳ４０８～ステップＳ４１３は、異なる検出すべき電池コアに対して繰り返して実行されてもよい。

上記方式により、電池コアの搭載前に電解液異常が発生した電池コアを識別するという目的を実現することができる。同時に、実験により検出した結果、本方式は、ロバスト性が高く、誤差が少なく、実際の応用において良好な効果を有することができる。

本出願の実施例による方案を容易に理解するために、以下に、実行本体がＰＬＣであり、ターゲット特徴データが、化成過程の第一の段階で収集された、膜形成ピークの変化値が初めて第一の過程変化値（例えば第一の膜形成ピーク勾配値）に達した時の第一の膜形成ピーク値と、膜形成ピークの変化値が初めて第二の過程変化値（例えば第二の膜形成ピーク勾配値）に達した時の第二の膜形成ピーク値とを含み、二次元ガウスモデルにより電池コアに含水量異常が発生したかどうかを識別するという具体的な実施過程を例として、本出願をさらに例示的に説明する。

図６を参照すると、実施過程は、以下のことを含む。

Ｓ６０１：ＰＬＣは、導入されたあるロット又はいくつかのロットのサンプル電池コアの化成過程データを受信する。

類似しているように、化成ロットに従って化成過程データの導入を行ってもよく、毎日化成を完了した電池コアに従って化成過程データの導入を行ってもよい。ここで、電池コアには、含水量異常が存在する第一のサンプル電池コアと、含水量異常が存在しない第二のサンプル電池コアとが含まれてもよい。

類似しているように、化成過程データとは、電池コアの化成過程において保存された過程データ（電池化成のステップ、時間、電流、電圧、温度、気圧などのデータを含むが、それらに限らない）である。

Ｓ６０２：化成過程データを前処理する。

本ステップは、化成終止、化成機器のサンプリング異常、化成未関与、第一の段階の中断、化成再測定などの状況が発生した電池コアに対応する化成過程データを除去することと、残りの化成過程データから膜形成ピークに関連するデータ（膜形成ピークの値及び膜形成ピーク勾配値を含む）を取得することとを含む。

類似しているように、あるサンプル電池コアの化成過程データでは、化成ステップの数が設定された化成ステップの数の要求よりも小さい場合、このサンプル電池コアに化成終止の状況が存在すると決定し、あるサンプル電池コアの化成過程データにデータ化けが発生した場合、このサンプル電池コアに化成機器サンプリング異常の状況が存在すると決定し、あるサンプル電池コアの化成過程データには、電流値がなく、且つ電圧値が増加していない場合、このサンプル電池コアが化成未関与であると決定し、あるサンプル電池コアの化成過程データでは、第一の段階で充電終止して再開する状況が発生した場合、このサンプル電池コアに第一の段階の中断の状況が存在すると決定し、あるサンプル電池コアの化成過程データでは、化成ステップの数が設定された化成ステップの数の要求よりも大きい場合、このサンプル電池コアに化成再測定の状況が存在すると決定する。

そして、一つの初期膜形成ピーク勾配値、及び勾配変化値を予め設定してもよく、それによって初期膜形成ピーク勾配値とこの勾配変化値に基づいて、各予め設定される膜形成ピーク勾配値を得る。そして、初めて各膜形成ピーク勾配値に達した時に対応する膜形成ピークの値を得る。

類似しているように、各膜形成ピーク勾配値に対応する膜形成ピークの値は、初めて各膜形成ピーク勾配値に達した時に、計算して得られたこの膜形成ピーク勾配値の二つの膜形成ピークの値の平均値であってもよい。ここで、膜形成ピーク勾配値は、隣接する二つのサンプリング点の間の膜形成ピーク間の差に等しい。無論、各膜形成ピーク勾配値に対応する膜形成ピークの値は、この膜形成ピーク勾配値に対応する二つの膜形成ピークのうちのいずれか一つの膜形成ピークの値であってもよいが、限定されるものではない。

そして、各膜形成ピーク勾配値に対応する膜形成ピークの値に基づいて、ＬＤＡアルゴリズムを採用して二種類の異なる膜形成ピーク勾配値ごとに、その対応する第一のサンプル電池コアと第二のサンプル電池コアとの区別度（即ちＬＤＡアルゴリズムにより算出されたクラス間距離）を計算して、最大区別度に対応する二種類の異なる膜形成ピーク勾配値を決定し、それぞれ第一の膜形成ピーク勾配値と第二の膜形成ピーク勾配値としてもよい。これと同時に、各サンプル電池コアに対応する第一の膜形成ピーク値（即ち第一の膜形成ピーク勾配値に対応する膜形成ピークの値）及び第二の膜形成ピーク値（即ち第二の膜形成ピーク勾配値に対応する膜形成ピークの値）を得る。

選択的に、第一の膜形成ピーク勾配値と第二の膜形成ピーク勾配値の識別効果を保証するために、ＬＤＡアルゴリズムを採用して計算する前に、さらに各膜形成ピーク勾配値に対応する膜形成ピークの値を標準化することによって、各膜形成ピーク勾配値に対応する膜形成ピークの値をＮ（０，１）に従う標準正規分布に変換してもよく、それによってＬＤＡアルゴリズムの処理をしやすくする。

Ｓ６０３：第一の膜形成ピーク値の平均値と分散、及び第二の膜形成ピーク値の平均値と分散をそれぞれ計算し、第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数を計算する。

Ｓ６０４：第一の膜形成ピーク値と第二の膜形成ピーク値の平均値と分散、及び第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数に基づいて、二次元ガウスモデルに必要な平均値ベクトル及び共分散行列を構築し、予備的な二次元ガウスモデルを得る。

Ｓ６０５：この予備的な二次元ガウスモデルにおける、ターゲットクラスタに属する各サンプル電池コアの第一の膜形成ピーク値と第二の膜形成ピーク値に基づいて、第一の膜形成ピーク値の平均値と分散、及び第二の膜形成ピーク値の平均値と分散をそれぞれ計算し、第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数を計算する。

理解すべきこととして、ターゲットクラスタは、予備的な二次元ガウスモデルにおける、含水量異常が存在しないことを示す第二のサンプル電池コアのクラスタである。

Ｓ６０６：最新の第一の膜形成ピーク値と第二の膜形成ピーク値の平均値と分散、及び第一の膜形成ピーク値と第二の膜形成ピーク値との間の相関係数に基づいて、二次元ガウスモデルに必要な平均値ベクトル及び共分散行列を構築し、最終的な二次元ガウスモデルを得る。

Ｓ６０７：最終的な二次元ガウスモデルにおけるターゲットクラスタがある確率密度領域に基づいて、ターゲット確率密度範囲を決定し、最終的な二次元ガウスモデルにおける異常電池コアクラスタがある領域に基づいて、第一の膜形成ピーク値の異常範囲と第二の膜形成ピーク値の異常範囲を決定する。

例えば図７に示す（図７における横座標は、第一の膜形成ピーク値で、縦座標は、第二の膜形成ピーク値である）ように、図７において右側の三つの丸で画定された領域は、ターゲットクラスタがある領域で、左側の丸で画定された領域は、異常電池コアクラスタがある領域である。右側の三つの丸のうちのいずれか一つの丸で画定された範囲内の各サンプル電池コアに対応する確率密度範囲をターゲット確率密度範囲としてもよい。例えば、最外層の丸で画定された領域内のサンプル電池コアに対応する確率密度範囲をターゲット確率密度範囲としてもよい。左側の丸の横座標の範囲を第一の膜形成ピーク値の異常範囲とし、左側の丸の縦座標の範囲を第二の膜形成ピーク値の異常範囲としてもよい。

Ｓ６０８：ＰＬＣは、導入された検出すべき電池コアの化成過程データを受信する。

Ｓ６０９：化成過程データから検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を取得する。

Ｓ６１０：最終的な二次元ガウスモデルを使用して検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を計算し、検出すべき電池コアの確率密度を得る。

Ｓ６１１：検出すべき電池コアの確率密度がターゲット確率密度範囲内にあるかどうかを判断し、そうである場合、ステップＳ６１２に移行し、そうでない場合、ステップＳ６１３に移行する。

例示的には、ターゲット確率密度範囲は、０から始まる範囲であってもよい。この時、一つの確率密度閾値のみを設定することによって、検出すべき電池コアの確率密度がこの確率密度閾値よりも小さいかどうかを判断してもよい。小さい場合、検出すべき電池コアの確率密度がターゲット確率密度範囲内にあることを表し、ステップＳ６１２に移行し、そうでない場合、ステップＳ６１３に移行する。

Ｓ６１２：検出すべき電池コアに含水量異常が発生していないと決定する。

Ｓ６１３：検出すべき電池コアの第一の膜形成ピーク値が第一の膜形成ピーク値の異常範囲内にあるかどうか、且つ第二の膜形成ピーク値が第二の膜形成ピーク値の異常範囲内にあるかどうかを判断する。両方ともある（即ち第一の膜形成ピーク値が第一の膜形成ピーク値の異常範囲内にあり、且つ第二の膜形成ピーク値が第二の膜形成ピーク値の異常範囲内にある）場合、ステップＳ６１４に移行し、そうでない場合、ステップＳ６１２に移行する。

Ｓ６１４：検出すべき電池コアをマークし、マーク結果を産業用インターネットに報告する。

理解すべきこととして、本出願の実施例では、確率密度に基づいて判断するのではなく、直接に検出すべき電池コアの第一の段階における第一の膜形成ピーク値と第二の膜形成ピーク値を一つの座標点の二つの座標値として、検出すべき電池コアを図７に示す座標係における一つの座標点に変換して、この座標点が図７の左側の丸内に位置するかどうかを判断してもよい（即ち確率密度の判断を行うのではなく、直接にステップＳ６１３の判断を行う）。位置しない場合、検出すべき電池コアに含水量異常が発生していないと決定し、位置する場合、検出すべき電池コアに含水量異常が発生したと決定する。この時に検出すべき電池コアをマークし、マーク結果を産業用インターネットに報告してもよい。

さらに理解すべきこととして、図６に示す過程は、実質的に二つの段階が存在し、ここで、ステップＳ６０１～ステップＳ６０７は、モデル構築段階で、ステップＳ６０８～ステップＳ６１４は、電池コア識別段階である。ステップＳ６０１～ステップＳ６０７により最終的な二次元ガウスモデルを構築した後に、この最終的な二次元ガウスモデルは、繰り返して応用されてもよく、即ちステップＳ６０８～ステップＳ６１４は、異なる検出すべき電池コアに対して繰り返して実行されてもよい。

上記方式により、電池コアの搭載前に含水量異常が発生した電池コアを識別するという目的を実現することができる。同時に、実験により検出した結果、本方式は、ロバスト性が高く、誤差が少なく、実際の応用において良好な効果を有することができる。上記方案は、電池コアを破壊する必要がなく、電池コアごとの含水量異常の検出を実現することができ、検出の信頼性が高い。

同じ発明構想に基づいて、本出願の実施例では、異常電池コアの識別装置８００及びモデル構築装置９００をさらに提供する。図８と図９に示すように、図８は、図２に示す方法を採用する異常電池コアの識別装置を示し、図９は、図３に示す方法を採用するモデル構築装置を示す。理解すべきこととして、装置８００と装置９００の具体的な機能は、以上における記述を参照すればよく、説明の繰り返しを回避するために、ここで詳細な記述を適切に省略する。装置８００と装置９００は、ソフトウェア又はファームウェアの形式でメモリに記憶できる又は装置８００と装置９００のオペレーティングシステムに固定される少なくとも一つのソフトウェア機能モジュールを含む。具体的には、以下のとおりである。

図８を参照すると、装置８００は、
電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定するための識別モジュール８０１を含み、ここで、ターゲット特徴データは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含む。

本出願の実施例の一つの選択的な実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含む。

本出願の実施例の別の選択的な実施例では、ターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含む。

上記二つの選択的な実施例では、ターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含み、ここで、第一の過程変化値と第二の過程変化値とは異なる。

本出願の実施例では、識別モジュール８０１は、具体的に、ターゲット特徴データを予め設定される識別モデルに入力し、電池コアが異常電池コアであるかどうかの識別結果を得るために用いられる。

本出願の実施例では、識別モデルは、二次元ガウスモデルである。

本出願の実施例では、識別モジュール８０１は、具体的に、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得て、電池コアの確率密度が予め設定される確率密度閾値よりも小さい場合、電池コアが異常電池コアであると決定するために用いられる。

本出願の実施例では、識別モジュール８０１は、具体的に、ターゲット特徴データを二次元ガウスモデルに入力し、二次元ガウスモデルにより計算して得られた電池コアの確率密度を得て、電池コアの確率密度が予め設定される確率密度閾値よりも小さく、且つターゲット特徴データが予め設定される特徴区間内にある場合、電池コアが異常電池コアであると決定するために用いられる。

本出願の実施例では、識別モジュール８０１は、具体的に、電池コアの化成過程において、電池コアのターゲット特徴データに基づいて、電池コアが異常電池コアであるかどうかを決定するために用いられる。

本出願の実施例では、装置８００には、電池コアが異常電池コアである時、この電池コアをマークするためのマークモジュールがさらに含まれる。

図９を参照すると、装置９００は、
化成過程における各サンプル電池コアの二種類のターゲット特徴データを取得するための第二の取得モジュール９０１であって、ターゲット特徴データが、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含み、各サンプル電池コアには、異常が存在する第一のサンプル電池コアと、異常が存在しない第二のサンプル電池コアとが含まれる第二の取得モジュール９０１と、
各サンプル電池コアの二種類のターゲット特徴データに基づいて、二次元ガウスモデルを構築するための構築モジュール９０２とを含む。

本出願の実施例の一つの選択的な実施の形態では、第一のサンプル電池コアは、電解液異常が存在するサンプル電池コアであり、ターゲット特徴データは、化成過程において発生した、電池コアにおける電解液に影響された特徴データを含む。

本出願の実施例の別の選択的な実施の形態では、第一のサンプル電池コアは、含水量異常が存在するサンプル電池コアであり、ターゲット特徴データは、化成過程において発生した、電池コアにおける含水量に影響された特徴データを含む。

上記二つの選択的な実施の形態では、二種類のターゲット特徴データは、化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含み、ここで、第一の過程変化値と第二の過程変化値とは異なる。

本出願の実施例では、構築モジュール９０２は、具体的に、すべてのサンプル電池コアの二種類のターゲット特徴データに基づいて、予備的な二次元ガウスモデルを構築し、予備的な二次元ガウスモデルにおける、ターゲットクラスタに属する各サンプル電池コアの二種類のターゲット特徴データに基づいて、最終的な二次元ガウスモデルを構築するために用いられ、ここで、ターゲットクラスタは、予備的な二次元ガウスモデルにおける、電解液異常が存在しないことを示す第二のサンプル電池コアのクラスタである。

上記選択的な実施の形態では、第二の取得モジュール９０１は、具体的に、化成過程において、各サンプル電池コアが予め設定される各異なる過程変化値に初めて達した時に対応するターゲットパラメータ値を取得し、各異なる過程変化値に対応するターゲットパラメータ値に基づいて、第一の過程変化値と第二の過程変化値を識別し、第一の過程変化値に対応するターゲットパラメータ値と第二の過程変化値に対応するターゲットパラメータ値とを各サンプル電池コアの二種類のターゲット特徴データとして決定するために用いられ、ここで、第一の過程変化値と第二の過程変化値は、予め設定される各異なる過程変化値のうち、第一のサンプル電池コアと第二のサンプル電池コアに対する区別度が最大の二つの過程変化値である。

上記選択的な実施の形態では、第二の取得モジュール９０１は、具体的に、二種類の異なる過程変化値に対応するターゲットパラメータ値に基づいて、この二種類の異なる過程変化値に対応する第一のサンプル電池コアと第二のサンプル電池コアとの区別度を計算し、最大区別度に対応する二種類の異なる過程変化値を第一の過程変化値と第二の過程変化値として決定するために用いられる。

理解すべきこととして、簡潔な説明を考慮するために、上記方法の部分で記述された一部の内容は、装置の部分ではこれ以上説明しない。

本出願の実施例では、電子機器をさらに提供し、図１０を参照すると、それは、プロセッサ１００１とメモリ１００２とを含む。ここで、
プロセッサ１００１は、メモリ１００２に記憶された一つ又は複数の命令を実行して、上記異常電池コアの識別方法を実現し、又は上記モデル構築方法を実現するために用いられる。

説明すべきこととして、プロセッサ１００１とメモリ１００２は、内部通信バスを介して接続されてもよいが、これらに限定されない。

理解できるように、図１０に示す構造は、概略的なものに過ぎず、電子機器は、図１０に示されたものよりも多く又は少ないアセンブリをさらに含んでもよく、又は図１０に示すものと異なる構成を有してもよい。例えば、電子機器は、データ入力インターフェース、データ出力インターフェースなどの機器をさらに有してもよい。

本出願の実施例では、電子機器は、ＰＬＣ、コンピュータ、スマートフォン、サーバなど、データ処理能力を有する機器であってもよく、本出願の実施例では限定しない。

説明すべきこととして、ＰＬＣは、マイクロプロセッサを有する自動化制御用のデジタル演算コントローラであり、制御命令をリアルタイムに内部メモリにロードして記憶し、実行することができる。ＰＬＣは、マイクロプロセッサ、内部メモリ、入出力インターフェース、電源などの機能ユニットからなる。電子機器がＰＬＣである時、プロセッサ１００１は、ＰＬＣのマイクロプロセッサであり、メモリ１００２は、ＰＬＣの内部メモリである。

本出願の実施例は、コンピュータ可読記憶媒体をさらに提供し、例えばフレキシブルディスク、光ディスク、ハードディスク、フラッシュメモリ、Ｕディスク、ＳＤ（Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ Ｍｅｍｏｒｙ Ｃａｒｄ、セキュアデジタルカード）カード、ＭＭＣ（Ｍｕｌｔｉｍｅｄｉａ Ｃａｒｄ、マルチメディアカード）カードなどであり、このコンピュータ可読記憶媒体には、上記各ステップを実現する一つ又は複数の命令が記憶され、この一つ又は複数の命令は、一つ又は複数のプロセッサにより実行されて、上記異常電池コアの識別方法を実現し、又は上記モデル構築方法を実現することができる。ここでこれ以上説明しない。

最後に説明すべきこととして、以上の各実施例は、本出願の技術案を説明するためのものに過ぎず、それを限定するものではない。前述の各実施例を参照して本出願について詳細に説明したが、当業者であれば理解すべきこととして、依然として前述の各実施例に記載された技術案を修正したり、その一部又はすべての技術的特徴を同等に置き換えたりすることができ、これらの修正又は置き換えは、該当する技術案の本質を本出願の各実施例の技術案の範囲から逸脱させるものではなく、それらは、本出願の請求項と明細書の範囲に含まれるべきである。特に、構造又はステップの競合が存在しない限り、各実施例に言及された各技術的特徴は、いずれも任意の方式で組み合わせられてもよい。本出願は、明細書に開示された特定の実施例に限定されるものではなく、特許請求の範囲内に含まれるすべての技術案を含む。

Claims (11)

1. 異常電池コアの識別方法であって、
   電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定することを含み、ここで、
   前記ターゲット特徴データは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含み、
   前記の、電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定することは、
   前記ターゲット特徴データを予め設定される識別モデルに入力し、前記電池コアが異常電池コアであるかどうかの識別結果を得ることを含む、ことを特徴とする異常電池コアの識別方法。
2. 前記ターゲット特徴データは、前記化成過程において発生した、前記電池コアにおける電解液に影響された特徴データを含む、ことを特徴とする請求項１に記載の異常電池コアの識別方法。
3. 前記ターゲット特徴データは、前記化成過程において発生した、前記電池コアにおける含水量に影響された特徴データを含む、ことを特徴とする請求項１に記載の異常電池コアの識別方法。
4. 前記ターゲット特徴データは、
   前記化成過程の第一の段階でパラメータを収集する過程において、パラメータ変化が初めて第一の過程変化値に達した時の第一のターゲットパラメータ値と、パラメータ変化が初めて第二の過程変化値に達した時の第二のターゲットパラメータ値とを含み、
   ここで、前記第一の過程変化値と前記第二の過程変化値とは異なる、ことを特徴とする請求項１に記載の異常電池コアの識別方法。
5. 前記識別モデルは、二次元ガウスモデルである、ことを特徴とする請求項１～３のいずれか１項に記載の異常電池コアの識別方法。
6. 前記ターゲット特徴データを予め設定される識別モデルに入力し、前記電池コアが異常電池コアであるかどうかの識別結果を得ることは、
   前記ターゲット特徴データを前記二次元ガウスモデルに入力し、前記二次元ガウスモデルにより計算して得られた前記電池コアの確率密度を得ることと、
   前記電池コアの確率密度が予め設定される確率密度閾値よりも小さい場合、前記電池コアが異常電池コアであると決定することとを含む、ことを特徴とする請求項５に記載の異常電池コアの識別方法。
7. 前記ターゲット特徴データを予め設定される識別モデルに入力し、前記電池コアが異常電池コアであるかどうかの識別結果を得ることは、
   前記ターゲット特徴データを前記二次元ガウスモデルに入力し、前記二次元ガウスモデルにより計算して得られた前記電池コアの確率密度を得ることと、
   前記電池コアの確率密度が予め設定される確率密度閾値よりも小さく、且つ前記ターゲット特徴データが予め設定される特徴区間内にある場合、前記電池コアが異常電池コアであると決定することとを含む、ことを特徴とする請求項５に記載の異常電池コアの識別方法。
8. 前記の、電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定することは、
   前記電池コアの前記化成過程において、前記電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定することを含む、ことを特徴とする請求項１から３のいずれか１項に記載の異常電池コアの識別方法。
9. 電解液が異常である電池コアの識別装置であって、
   電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定するための識別モジュールを含み、ここで、
   前記ターゲット特徴データは、化成過程において発生した、異常電池コアと正常電池コアとを区別できる特徴データを含み、
   電池コアのターゲット特徴データに基づいて、前記電池コアが異常電池コアであるかどうかを決定することは、
   前記ターゲット特徴データを予め設定される識別モデルに入力し、前記電池コアが異常電池コアであるかどうかの識別結果を得ることを含む、ことを特徴とする電解液が異常である電池コアの識別装置。
10. 電子機器であって、プロセッサとメモリとを含み、
    前記プロセッサは、前記メモリに記憶された一つ又は複数の命令を実行して、請求項１から４のいずれか１項に記載の異常電池コアの識別方法を実現するために用いられる、ことを特徴とする電子機器。
11. コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体に一つ又は複数の命令が記憶され、前記命令は、プロセッサにより実行されて、請求項１から４のいずれか１項に記載の異常電池コアの識別方法を実現することができる、ことを特徴とするコンピュータ可読記憶媒体。