退役电池检测分类方法、装置、电子设备、存储介质

1.本发明涉及电池测量领域，特别涉及一种退役电池检测分类方法、装置、电子设备、存储介质。


背景技术：

2.退役电池由于电池内部设计的多样性以及前期使用场景中的多样性，导致在退役时电池的内部健康状态差异性较大。为了实现对退役电池进行科学的二次利用，通常会对退役电池进行检测并分类。传统的检测方法是通过检测退役电池的电压或者对退役电池进行充放电测试，获取电池的电学指标或特征，并据此对退役电池进行分类。
3.现有技术中，通常使用检测电输出信号或进行充放电测试的方式对退役电池进行分类。一方面，通过充放电测试和电输出信号检测获得的指标较为单一，通常为电压、电流以及计算出的阻抗，这些指标无法充分揭示退役电池的健康状态。另一方面，这些指标仅表征电池的整体性能而无法揭示电池的不同部位的健康状态。


技术实现要素：

4.以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
5.为了解决至少一个上述问题，本技术实施例提出了一种退役电池检测分类方法、装置、电子设备、存储介质，能够根据退役电池整体信息和不同部位的局部信息对退役电池进行分类。
6.根据本技术的第一方面提出了一种退役电池检测分类方法，包括：在预设时间段对退役电池进行充放电测试；获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息，所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；利用所述局部信息和所述整体信息对所述退役电池进行分类。
7.根据本技术第一方面的退役电池检测分类方法，通过在退役电池上设置多个预设采集点，发射预设激光信号至这些预设采集点，并搜集这些预设采集点的激光反射信号并计算局部信息，能够在获得除电压值、电流值以外的其他指标的同时，获取退役电池在预设采集点的局部信息，因此能够更好的揭示电池的健康状态，增加分类的精确度。
8.在一些实施例中，所述根据所述反馈激光信号生成所述采集时刻的多个局部信息，包括：根据所述反馈激光信号得到激光属性信息，所述激光属性信息包括：相位信息、波长信息、振幅信息中的至少一个；根据选取规则从所述激光属性信息中得到所述局部信息。
9.在一些实施例中，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法，根据所述整体信息分别将多个所述局部信息转化为多个第一参量；所述第一参量表征所述退役电池的在对应预设采集点的温度状态；当多个所述第一
参量中的最大值小于第一阈值时，将所述退役电池分类为第一类；当多个所述第一参量中的最大值大于等于所述第一阈值且小于等于第二阈值时，将所述退役电池分类为第二类；当多个所述第一参量中的最大值第一参量大于所述第二阈值时，将所述退役电池分类为第三类。
10.在一些实施例中，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法，根据所述整体信息分别将多个所述局部信息转化为多个第一参量；所述第一参量表征所述退役电池的在对应预设采集点的温度状态；当多个所述第一参量中的最大值与多个所述第一参量中的最小值的差距大于等于第三阈值时，将所述退役电池分类为第四类。
11.在一些实施例中，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法将一个所述局部信息和所述整体信息转化为第二参量；所述第二参量表征所述退役电池的一个所述预设采集点的应力变化；获取至少一个所述预设采集点的所述第二参量，当所述第二参量大于第四阈值时，将所述退役电池分类为第五类。
12.在一些实施例中，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：将所述局部信息图像化，获得第一子图像；将多个根据所述局部信息获得的多个所述第一子图像拼接，获得第一图像；将所述整体信息图像化，获得第二图像；将所述第一图像和所述第二图像输入预先训练好的第一模型，使所述第一模型输出得到损坏指数；当所述损坏指数大于预设的第五阈值时，将所述退役电池分类为第六类。
13.在一些实施例中，根据权利要求1至6任一项所述的退役电池检测分类方法，所述充放电测试的充电测试中，充电功率大于所述退役电池的额定充电功率。
14.根据本技术实施例的第二方面，还提出了一种退役电池检测分类装置，包括充放电模块，用于在预设时间段对退役电池进行充放电测试；整体信息获取模块，用于获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息，所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；局部信息生成模块，用于发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；分类模块，用于利用所述局部信息和所述整体信息对所述退役电池进行分类。
15.根据本技术实施例的第三方面，还提出了一种电子设备，包括存储器、处理器、通信总线、通信接口以及存储在存储器上并可在处理器上运行的计算机程序，所述通信总线用于实现所述处理器和所述存储器之间的连接通信；所述处理器执行所述计算机程序时实现如上述任一项所述的退役电池检测分类方法。
16.根据本技术实施例的第四方面，还提出了一种存储介质，所述存储介质为可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行：如上述任一项所述的退役电池检测分类方法。
17.可以理解的是，上述第二方面至第四方面与相关技术相比存在的有益效果与上述第一方面与相关技术相比存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
18.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利
要求书以及附图中所特别指出的结构来实现和获得。
附图说明
19.图1是本技术实施例的退役电池检测方法的一种实施架构的示意图。
20.图2是本技术实施例的电子设备的结构示意图。
21.图3是本技术实施例的预设采集点设置方法的示意图。
22.图4是本技术另一实施例的预设采集点设置方法的示意图。
23.图5是本技术另一实施例的预设采集点设置方法的示意图。
24.图6是本技术实施例的退役电池检测分类方法的流程图。
25.图7是本技术实施例的退役电池检测装置的示意图。
具体实施方式
26.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术实施例。在其它情况中，省略对众所周知的系统、装置、电路、光路以及方法的详细说明，以免不必要的细节妨碍本技术实施例的描述。
27.需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
28.为了表达方便简洁，本实施例中省略了部分基本的光路调节器件，例如凹透镜、凸透镜、反射镜、光纤通路以及光中继器，这些光路调节器件可以实际需要设置在本技术实施例光路中的各处，且其设置方法并不影响本技术实施例的有益效果实现。此外，也省略了部分公知的电路、连接结构、电路内部构造、处理器和芯片结构、公知的传感装置及光测量装置，本技术对上述构造不做限制同样也不影响本技术实施例的有益效果实现。
29.本技术可以应用于一种退役电池分类装置，参考图1，图1是本技术实施例的电池分类装置10的示意图，该装置包括充放电接头11、充放电测试仪12、分类控制装置13、光纤传感器14和光学传感控制装置15。充放电接头11与退役电池1的极柱或取电点连接，使得充放电测试仪12可以通过充放电接头11从退役电池1放出电量或向退役电池1充入电量。分类控制装置13与充放电测试仪12连接使得分类控制装置13可以控制充放电测试仪对退役电池1进行充放电测试，并且获得退役电池1响应于充放电测试产生的充放电数据。至少一个由光学传感控制装置15控制的光纤传感器14安装在退役电池1的表面(包括露出的外表面和/或经过拆卸可以触及到的内表面)上的预设采集点，并可以发出激光信号，而光学传感控制器15可以根据光学传感器传出的反馈激光信号获得预设参量，使得与光学传感控制器15连接的分类控制装置13能够接收这些预设参量。其中预设采集点可以是一个或者多个，需要根据退役电池1的种类不同设置相对应的预设采集点位置、预设采集点个数。
30.当使用光纤传感器14测试应力时，可以使用夹具来夹紧光纤传感器14，使其贴合于退役电池1的表面，而更加准确、稳定地测量充放电过程中电池的应力信号。
31.光学传感控制装置15可以包括由光纤终端盒与光学装置构成，从光纤终端盒中牵出至少一根光纤，连接至光纤传感器14，光纤终端盒用于将光学装置发射出的激光信号耦
合入各个光纤传感器14，并将光纤传感器14返回的反馈激光信号分别传输至对应的光学装置(光学检测装置)来获取各个参量。光学装置中包括或外接有激光器和多种光学测量装置，激光器可以是半导体激光器、固体激光器(微片激光器)、气体激光器(准分子激光器)、染料激光器中的一种。光学测量装置用于测量激光信号和反馈激光信号的模式、波长、相位、振幅、偏振信息中的一个或多个，并将该信息反馈给分类控制装置13。
32.分类控制装置13是任意的上位机，根据不同的实施例和实施条件可以是各类有计算能力的计算机，例如，一些实施例中，本技术的退役电池检测分类方法需要通过训练好的模型完成分类，基于对计算能力的要求，这时分类控制装置13可以是手持计算机、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，umpc)的消费级计算机系统中的一个，也可以是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统。但在另一些实施例中，分类通过预设的算法实现，从节约成本的角度考虑，此时分类控制装置13则可以是工业级嵌入式计算设备，智能手机，工业终端。
33.在上述的退役电池分类装置之后可以设置专用的分类传送设备，通过机械手、多向传送带、人工分拣等将退役电池1分类传送到预定位置。在将充放电接头11、光纤传感器14放置在退役电池1的对应位置时，可以使用机械手配合夹具将其放置预定位置，位置的识别可以通过预设模型进行视觉识别完成，也可以通过人工设置识别标识，例如在预定位置设置二维码、磁力标签或是aruco标记等使得机械手能够借助各类视觉或非视觉、接触或非接触的识别方法识别需要安放充放电接头11或光纤传感器14的位置。
34.本技术的目的在于提供一种退役电池检测分类方法、装置、电子设备及存储介质，在对电池进行电化学测试获得退役电池的整体信息的同时，利用贴合在电池表面的光纤传感器对电池的温度变化和应力变化等进行实时监测获得预设采集点的如温度、应力等局部信息。或是获得光纤传感器获得的反馈激光信号的模式、波长、相位、振幅、偏振信息中的一个或多个作为局部信息。结合整体信息和局部信息得到退役电池的准确状态，并通过预设的分类方法或已经训练好的模型对退役电池进行分类。
35.本技术上述的退役电池检验分类方法可以应用于对各类型可充电电池的分类，例如、卷绕电池、叠片电池、或是全极耳电池等，电池的外壳形状可以是方形电池、圆柱形电池、软包电池、刀片电池。本技术的一些可能的实施例中，会根据电池的类型不同设置不同的预设采集点。
36.参考图3和图4，图3是本技术实施例的退役电池分类方法的预设采集点设置位置示意图，图4是本技术另一实施例的退役电池分类方法的一种预设采集点设置位置示意图。在图3的实施例的圆柱电池中，可以通过在设置在两极柱上的第一采集点301、第二采集点302和设置在圆柱电池侧面的第三采集点303光纤传感器来发射预设激光信号并采集反馈激光信号。而在图4的实施例的方形电池中，可以在极柱的第四采集点401、第五采集点402，和方形电池侧面的第六采集点403、第七采集点404以及第八采集点405上安装光纤传感器来发射预设激光信号来采集反馈激光信号。在方形电池中，由于发热点较圆柱电池靠上，因此部分预设采集点可以设置在更加靠近极柱的位置，用于检测方形电池的整体发热程度，例如可以补充设置第九采集点410。在一些实施例中，为了更好的测量方形电池的应力数据，安装在第七采集点404的光纤传感器应该使用夹具加紧，使得光纤传感器贴合方形电池外壳的表面，从而提高所测应力数据的敏感度。
37.参考图5，图5是本技术实施例的退役电池分类方法的一种预设采集点设置位置示意图。在图5的退役电池是刀片电池的实施例中，除了极柱上设置的第十采集点501、第十一采集点502之外，可以沿刀片电池内部电池片的排布方向设置采集点，例如第十二采集点503、第十三采集点504、第十四采集点505、第十五采集点506。在一些可能的实施例中，除了极柱上设置的两个采集点之外，每个采集点可以对应一个刀片电池壳体内设置的电池片，因此预设采集点的总数量为刀片电池的电池片的数量加2。需要注意的是，由于某些刀片电池内部情况不明，所以在一些实施例的刀片电池中不是按照电池片数量设置采集点，而是沿刀片电池的长度方向，在壳体上均匀设置。
38.本技术还可以根据其他电池分类设置不同的预设采集点位置例如对于方形铅蓄电池，考虑到铅蓄电池的发热特性，应当减少设置在电池侧面(没有极柱的面)的采集点用来简化工序。
39.在一些实施例中，退役电池为软包电池，可以将第十六采集点设置在软包电池壳体内部，使得第十六采集点能够直接采集软包电池的电池液的信息。
40.下面主要对本技术的退役电池检测分类方法进行说明。
41.参考图6，图6是本技术实施例的退役电池分类方法的流程图。如图6所示，该方法包括：
42.s100：在预设时间段对退役电池进行充放电测试；
43.s200：获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息；所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；
44.s300：发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；
45.s400：利用所述局部信息和所述整体信息对所述退役电池进行分类。
46.具体地，在s100中，可以通过如充放电接头11等设备以按压的方式连接退役电池的极柱来进行充放电测试。根据不同退役电池的要求，以预设的电压和电流对退役电池进行充放电测试。
47.为了提高测试的效率并更好地测试退役电池，要求增加退役电池在充放电测试中的充电速度和放电速度，在一些实施例中充电功率大于所述退役电池的额定充电功率。具体而言，可以在预设时间段中，例如5分钟内以大功率对退役电池充电并在后述的s200中获取该退役电池的整体信息。而在放电过程中，还可以采用较大的负载或将退役电池的极柱浸泡在连通的稀电解液中来增加放电速度。通过使用较快的充放电速度，很明显的，在一些实施例中，直接通过充放电测试仪12连接极柱也能达到同样的目的。一方面，可以使得退役电池承受较大的压力，方便在后续的步骤中对退役电池的分类更加精准。另一方面，由于非退役电池需要考虑使用寿命和电池健康，所以对非退役电池的健康测试不能产生较大压力。而在对退役电池分类的过程中，因为充放电时间较短，短时的大电流、大电压进行充放电对退役电池的使用寿命和电池健康影响不大，即使损坏也不会产生太大损失，而且使用大电流充放电更能暴露退役电池存在的问题。
48.而在s200中，具体地，在充放电测试中，不同采集时刻将采用不同的充放电策略。例如，在充电过程中的不同采集时刻使用的不同的充电电流。在一些实施例的充电测试中，
在第1分钟采用第一充电电流，在第2分钟停止充电，在第3分钟采用第二充电电流。其中第一充电电流为退役电池的额定充电功率的1.5倍，第二充电电流为退役电池额定充电功率的1.2倍。目的在于获得不同充电电流状态下退役电池的整体信息和对应于该整体信息的后述局部信息。
49.整体信息是指的退役电池在充放电过程中，在不同采集时刻的不同电流值(i1，i2，
……
，in)以及对应的电压值(u1，u2，
……
，un)经过预设算法处理后的值。由于在充放电测试中会使用不同的充放电策略，因此，这些这两组电流值和电压值能够充分反应退役电池的整体状态。因此可以根据上述的电流和电压值并使用预设的处理方法来获得退役电池的整体信息。具体地，可以根据上述充放电实验获得如下充放电参数，并选取其中的至少两个作为整体信息。即，内电阻、放电速率、充电接收能力、平均电流值、平均电压值、最大电流值、最大电压值等。
50.在一些实施例中，预设算法可以是选取多个上述充放电参数计算加权平均值而生成整体信息，整体信息作为无量纲参数来评价退役电池的整体健康状态。
51.在另一些实施例中，预设算法可以是建立在对某一型号电池的统计上的，例如现有多个同型号的退役电池，并且有至少一个正常的同型号电池作为参考样本。此时可以选取多个退役电池的多个上述充放电参数计算信息熵，当某一退役电池的信息熵大于预设的熵阈值时，判断该退役电池的整体健康状态存在异常。信息熵可以是香农熵或者是基于香农熵的其它信息熵，例如多尺度熵。使用熵算法能够将更多的信息作为关联量来评价退役电池的整体健康状态，但在退役电池型号杂乱的情况下不适用。
52.在另一些实施例中，也可以直接选取上述充放电参数中的一个或多个，作为整体信息进入后述的计算中。
53.在s300中，可以使用例如光学传感控制装置15产生激光，并通过光纤传感器14转化为预设激光信号，并将该预设激光信号发射至退役电池上的多个预设采集点，预设采集点可以是图3、图4以及图5中的任意一个或多个。而后光纤传感器14接收由预设激光信号对应于退役电池上的预设采集点产生的反馈激光信号，并将反馈激光信号传输给光学传感控制装置15。光学传感控制装置15将反馈激光信号变为数字信号并交由分类控制装置分析，从而生成该预设采集点的局部信息。当预设采集点具有多个时，生成多个局部信息。容易理解地，发送给不同预设采集点的预设激光信号可以不同，应当根据具体的测量方案来选取不同的预设激光信号。
54.容易理解的，通过反馈激光信号，可以获得由退役电池的预设采集点产生的反馈激光信号的相位信息、波长信息、振幅信息，此外，还可以获得偏振信号、模式信号等其它激光信号。可以根据反馈激光信号生成采集时刻的多个局部信息。例如可以根据波长信息计算出预设采集点的温度信息。利用振幅信息计算出伸入退役电池内部的预设采集点例如第十六采集点的温度信息。通过相位信息进一步提高利用波长计算的温度信息的精度。若预设采集点有夹具时光纤传感器紧贴退役电池表面时，还能获得应力信息。在一些实施例中，还可以通过相位信号获得电解液的折射率变化来判断退役电池的健康状态。即，反馈激光信号的相位信息、波长信息、振幅信息等能反应退役电池在预设采集点的特性。因此可以根据反馈激光信号得到激光属性信息，激光属性信息包括：相位信息、波长信息、振幅信息中的至少一个；根据选取规则从激光属性信息中得到局部信息。局部信息需的具体内容要根
据不同的实施方式来选取。
55.最后，可以执行s400，利用局部信息和整体信息对退役电池进行分类。
56.具体地，可以通过使用预先训练好的第一模型完成分类。
57.第一模型至少包括依次连接的卷积组、过滤器组和评分组。卷积组包括至少一个第一卷积层、过滤器组包括至少一个第一过滤器，评分组包括至少一个第一评分器。可以根据不同的退役电池型号来调制过滤器组中的过滤权重。第一评分器中还包括与卷积组相连的第一池化层和第二池化层。
58.将整体信息和局部信息划分为不同的向量集，整体信息包括退役电池的内电阻、放电速率、充电接收能力、平均电流值、平均电压值、最大电流值、最大电压值中的至少一个；而每一个预设采集点的局部信息都作为一个向量集，局部信息可以包括相位信息、波长信息、振幅信息、偏振信号、模式信号中的至少一个。本技术的第一模型的一个特征在于，将整体信息和局部信息转化为视觉数据，然后利用视觉数据的识别方法进行识别。具体地，将不同的信息组合在一起，当某个值变大时，加大其颜色的灰度数据，例如当最大电压值数值小时，将其转化为淡灰色的色块，而数值大时转化为深灰色色块。由此，将局部信息转化为了第一子图像，将多个色块拼接后获得第一图像。第一子图像表征某一采集时刻的某一预设采集点的图像，第一图像表征某一采集时刻的全部预设采集点的图像。
59.因此可以对转化后的图片进行“可视化”比较，因此本技术的第一模型可以不局限于全空间学习、计算机视觉分析、卷积神经网络、深层神经网络、完全连接神经网络、循环神经网络、向量机模型等。
60.同样的，也可以依据上述步骤将整体信息进行图像化而获得第二图像。
61.使各个向量集依次输入第一模型的第一卷积层，其中对应于整体信息的向量集在经过卷积组后输出至第一池化层，而对应于局部信息的向量集在经过卷积组输出后输出至第二池化层。第一池化层及第二池化层各自独立地由以下组群中的至少一个组成：最大池化层、分数阶最大池化层、平均池化层以及l2-范数池化层。而后将第一池化层和第二池化层的结果进行归一化，需要注意的是，在进行归一化时，第一池化层输出的结果与第二池化层输出的结果具有不同的权重。
62.第一评分器包括决策树、多元加性回归树算法、聚类算法、主成分分析算法、近邻分析算法、线性判别分析算法、二次判别分析算法、支持向量机算法、进化方法算法、投影寻踪算法或其集合。且第一评分器包括至少一个完全连接层以及一个分类逻辑回归代价层。
63.容易理解地，将整体信息和多个局部信息输入至预先训练好的第一模型后，第一模型将会输出对应与不同预设采集点的不同损坏指数。
64.可以根据上述的损坏指数划分阈值而对退役电池进行分类。
65.在上述的实施方式中，提及了利用第一模型完成了分类但很明显的，也可以不进行视觉转化，而是利用知识图谱或者聚类分析等其他分类模型也可以完成退役电池的分类。
66.在另一些实施例中，也可以使用下述方式完成分类。
67.s411：使用预设算法，根据整体信息分别将多个局部信息转化为多个第一参量；第一参量表征退役电池的在对应预设采集点的温度状态；
68.s412：当多个第一参量中的最大值小于第一阈值时，将退役电池分类为第一类；
69.s413：当多个第一参量中的最大值大于等于第一阈值且小于等于第二阈值时，将退役电池分类为第二类；
70.s414：当多个第一参量中的最大值第一参量大于第二阈值时，将退役电池分类为第三类。
71.在一些实施例中，进一步包括了下述步骤。
72.s421：使用预设算法，根据整体信息分别将多个局部信息转化为多个第一参量；第一参量表征退役电池的在对应预设采集点的温度状态；
73.s422：当多个第一参量中的最大值与多个第一参量中的最小值的差距大于等于第三阈值时，将退役电池分类为第四类。
74.在另一些实施例中，还可以进一步包括：
75.s431：使用预设算法将一个局部信息和整体信息转化为第二参量；第二参量表征退役电池的一个预设采集点的应力变化；
76.s432：获取至少一个预设采集点的第二参量，当第二参量大于第四阈值时，将退役电池分类为第五类。
77.在使用机器学习模型进行分类的实施例中，还可以包括：
78.s441：将所述局部信息图像化，获得第一子图像；
79.s442：将多个根据所述局部信息获得的多个所述第一子图像拼接，获得第一图像；
80.s443：将所述整体信息图像化，获得第二图像；
81.s444：将所述第一图像和所述第二图像输入预先训练好的第一模型，使所述第一模型输出得到损坏指数；
82.s445：当所述损坏指数大于预设的第五阈值时，将所述退役电池分类为第六类。
83.下面结合实施例来对本技术实施方式中的s400进行说明。
84.[实施例1]
[0085]
实施例1可以适用于如图1所示的退役电池分类装置。退役电池是如图3所示的圆柱形电池。操作者将充放电接头11分别夹在第一采集点301和第二采集点302上，并将一个光纤传感器14放置在第三采集点303上。充放电测试仪12采集退役电池的开路电压u0，然后在预设的时间段t0内，进行充电测试，在一个具体实施例中t0等于1分钟。充电测试的电流倍率为1.5c，c指代退役电池的标称电流，例如以标称容量为2.5ah的18650圆柱电池为例，则充电测试的电流大小为3.75a。获得充电1分钟时的电压值u1与电流数据i1(i1＝3.75a)。
[0086]
将充电时间t0、开路电压u0、电压值u1和电路数据i1发送至分类控制装置13。这些数据视为整体信息。
[0087]
在进行充放电测试的同时，光学传感控制装置15通过在第三采集点303上的光纤传感器14发射预设激光信号，并接收返回的反馈激光信号，根据实施例1的选取规则，反馈激光信号的激光属性信息包括了波长信息和强度信息，强度信息可以通过振幅信息计算获得，经光学传感控制装置15处理转化为数字的局部信息后传递给分类控制装置13。
[0088]
预设的激光信号是波长在1520～1580nm范围内的激光，光纤传感器14，可以是布拉格光纤光栅传感器(fiber bragg gratings sensors)。
[0089]
随着在充放电过程中退役电池的温度变化，布拉格光纤光栅传感器中的反馈激光信号的激光属性信息(例如波长信息、振幅信息)发生变化。在该实施例中局部信息为预设
采集点的温度，温度是通过预设采集点对应光纤传感器的反馈激光信号计算得到的。
[0090]
分类控制装置13根据预设的算法，即公式1，对获得的整体信息和局部信息进行处理。
[0091][0092]
其中，y是表征退役电池状态的状态参数，t＝t0+δλ/k
t
，k
t
是经验常数，可以通过测量拟合获得，或是光学传感器14对温度的灵敏度。δλ表征波长变化。该状态参数可以视作第一参量。
[0093]
在一些实施例中也能通过光强计算温度t，例如计算背向反斯托克斯拉曼散射光的光通量和背向斯托克拉曼散射光的光通量获得温度。同样可以使用在该公式中。
[0094]
如果y小于0.5ω
·
℃，退役电池被分为第一类，如果y大于等于0.5ω
·
℃且小于0.7ω
·
℃，则退役电池被分为第二类，如果y大于等于0.7ω
·
℃，则退役电池被分为第三类。
[0095]
[实施例2]
[0096]
实施例2可以适用于如图1所示的退役电池分类装置。退役电池是如图4所示的方形电池。使机械手识别电池类型，并在极柱上的第四采集点401、第五采集点402，和方形电池侧面上的第六采集点403、第七采集点404以及第八采集点405分别设置光纤传感器14，同时，机械手通过按压的方式将充放电接头11分别与第四采集点401和第五采集点402连接。而将多个光纤传感器14分别放置第六采集点403、第七采集点404以及第八采集点405，同时，在第四采集点401和第五采集点402也同样设置光纤传感器。其中，可以在第六采集点403施以夹具以使光纤传感器14紧贴退役电池。上述方式可以是通过技术人员操纵机械手完成的，也可以是机械手识别点位自动进行的。
[0097]
充放电测试仪12首先采集退役电池的开路电压u0，然后在预设的时间段t1内，进行充电测试，在一个具体实施例中t1等于30秒。充电测试的电流倍率为2c，c指代退役电池的标称电流，例如以100ah的方形电池为例，则充电电流大小为200a。获得充电30秒时的电压值u1与电流数据i1(i1＝200a)。
[0098]
在进行充放电测试的同时，光学传感控制装置15通过在第六采集点403、第七采集点404以及第八采集点405上的光纤传感器14发射预设激光信号，并接收返回的反馈激光信号，反馈激光信号包括了波长信息和强度信息，强度信息可以通过振幅信息计算获得，经光学传感控制装置15处理转化为数字的局部信息后传递给分类控制装置13。
[0099]
预设的激光信号是波长在1520～1580nm范围内的激光，光纤传感器14，可以是布拉格光纤光栅传感器(fiber bragg gratings sensors)。
[0100]
随着在充放电过程中退役电池的温度变化，光纤布拉格光纤光栅传感器中的反馈激光信号(例如波长、强度)发生变化。最终作为局部信息被分类控制装置13获得。
[0101]
分类控制装置13预设的算法，即公式2，对获得的整体信息和局部信息进行处理。
[0102][0103]
通过上述公式2，与实施例1相同,地获得状态参数yi。其中ti是在第四采集点401、第五采集点402、第六采集点403、第七采集点404以及第八采集点405的温度t1、t2、t3、t4、t5。
由此，获得不同的y1、y2、y3、y4、y5。取其中的最大值y
max
作为第一参量，获得当y
max
小于0.01ω
·
℃，退役电池被分为第一类，如果y
max
大于等于0.01ω
·
℃且小于等于0.015ω
·
℃，则退役电池被分为第二类，如果y
mbx
大于等于0.015ω
·
℃则分为第三类。如果t1、t2、t3、t4、t5这五个位置的最高温度与最低温度的差值大于5℃，则将退役电池分为第四类，并将温度最高的传感器位置记录为退役电池异常位置。如果传感器4位置的应力变化f大于100n，则将退役电池分为第五类。在本实施例中应力变化f可以视为第二参量，100n可以视为第四阈值，预设算法即应力变化测量公式示意性的为：
[0104][0105]
其中δλ表征波长变化量，表征相位变化量。
[0106]
[实施例3]
[0107]
实施例3可以适用于如图1所示的退役电池分类装置。退役电池是如图5所示的刀片电池。
[0108]
使机械手识别电池类型，并在极柱上的第十采集点501、第十一采集点502，和刀片电池侧面上的第十二采集点503、第十三采集点504、第十四采集点505以及第十五采集点506分别设置光纤传感器14，同时，机械手通过按压的方式将充放电接头11分别与第十采集点501、第十一采集点502连接。而将多个光纤传感器14分别放置第十二采集点503、第十三采集点504、第十四采集点505以及第十五采集点506，同时，在第十采集点501、第十一采集点502也同样设置光纤传感器。上述方式可以是通过技术人员操纵机械手完成的，也可以是机械手识别点位自动进行的。
[0109]
充放电测试仪12首先采集退役电池的开路电压u0，然后在预设的时间段(t2、t3、t4……
)内，进行充电测试，在一个具体实施例中t2等于60秒。充电测试的电流倍率为2c，c指代退役电池的标称电流，t3等于30秒，充电测试的电流倍率为0c，t4等于60秒，充电测试的电流倍率为3c。
[0110]
在进行充放电测试的同时，光学传感控制装置15通过在第十采集点501、第十一采集点502、第十二采集点503、第十三采集点504、第十四采集点505、以及第十五采集点506的光纤传感器14发射预设激光信号，并接收返回的反馈激光信号，按照实施例3的选取规则，反馈激光信号的激光属性信息包括了波长信息、振幅信息、相位信息、模式信息等，经光学传感控制装置15处理转化为数字的局部信息后传递给分类控制装置13。
[0111]
分类控制装置13运行训练好的卷积神经网络模型，分类控制装置13首先将而后不同时刻(t2、t3、t4……
)的不同采集点的数字化的反馈激光信号依照预设的颜色转化规则转化为颜色块，并将颜色块组合生成第一图像。而后(t2、t3、t4……
)中同一时刻的电流值(i2、i3、i4……
)和电压值(u2、u3、u4……
)依照预设的颜色转化规则转化为颜色块，并将多个颜色块组合生成第二图像。分别将第一图像和第二图像输入训练好的卷积神经网络模型获得多个损坏指数。不同的损坏指数表征不同采集时刻(t2、t3、t4……
)的损坏情况。
[0112]
取多个损失指数中的最大值，当损坏指数大于预设的第五阈值时，将所述退役电池分类为第六类。需要注意的是，第五阈值需要根据不同的第一模型和不同的训练第一模型时的样本决定，因此第五阈值并非一个定值。
[0113]
参考图2，本技术实施例的方法可以用于如图2所示的电子设备20中，电子设备20包括存储器21、处理器22、通信总线23、通信接口24以及存储在存储器21上并可在处理器22
等意味着在本技术实施例的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调本技术实施例的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本技术实施例中的具体含义。
[0118]
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

技术特征：
1.一种退役电池检测分类方法，其特征在于，包括：在预设时间段对退役电池进行充放电测试；获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息，所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；利用所述局部信息和所述整体信息对所述退役电池进行分类。2.根据权利要求1所述的退役电池检测分类方法，其特征在于，所述根据所述反馈激光信号生成所述采集时刻的多个局部信息，包括：根据所述反馈激光信号得到激光属性信息，所述激光属性信息包括：相位信息、波长信息、振幅信息中的至少一个；根据选取规则从所述激光属性信息中得到所述局部信息。3.根据权利要求2所述的退役电池检测分类方法，其特征在于，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法，根据所述整体信息分别将多个所述局部信息转化为多个第一参量；所述第一参量表征所述退役电池的在对应预设采集点的温度状态；当多个所述第一参量中的最大值小于第一阈值时，将所述退役电池分类为第一类；当多个所述第一参量中的最大值大于等于所述第一阈值且小于等于第二阈值时，将所述退役电池分类为第二类；当多个所述第一参量中的最大值第一参量大于所述第二阈值时，将所述退役电池分类为第三类。4.根据权利要求2所述的退役电池检测分类方法，其特征在于，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法，根据所述整体信息分别将多个所述局部信息转化为多个第一参量；所述第一参量表征所述退役电池的在对应预设采集点的温度状态；当多个所述第一参量中的最大值与多个所述第一参量中的最小值的差距大于等于第三阈值时，将所述退役电池分类为第四类。5.根据权利要求2所述的退役电池检测分类方法，其特征在于，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：使用预设算法将一个所述局部信息和所述整体信息转化为第二参量；所述第二参量表征所述退役电池的一个所述预设采集点的应力变化；获取至少一个所述预设采集点的所述第二参量，当所述第二参量大于第四阈值时，将所述退役电池分类为第五类。6.根据权利要求2所述的退役电池检测分类方法，其特征在于，所述利用所述局部信息和所述整体信息生成对所述退役电池进行分类，包括：将所述局部信息图像化，获得第一子图像；将多个根据所述局部信息获得的多个所述第一子图像拼接，获得第一图像；将所述整体信息图像化，获得第二图像；将所述第一图像和所述第二图像输入预先训练好的第一模型，使所述第一模型输出得
到损坏指数；当所述损坏指数大于预设的第五阈值时，将所述退役电池分类为第六类。7.根据权利要求1至6任一项所述的退役电池检测分类方法，其特征在于，所述充放电测试的充电测试中，充电功率大于所述退役电池的额定充电功率。8.一种退役电池检测分类装置，其特征在于，包括充放电模块，用于在预设时间段对退役电池进行充放电测试；整体信息获取模块，用于获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息，所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；局部信息生成模块，用于发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；分类模块，用于利用所述局部信息和所述整体信息对所述退役电池进行分类。9.一种电子设备，包括存储器、处理器、通信总线、通信接口以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述通信总线用于实现所述处理器和所述存储器之间的连接通信；所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的退役电池检测分类方法。10.一种存储介质，所述存储介质为可读存储介质，其特征在于，所述可读存储介质存储有计算机程序，所述计算机程序用于使计算机执行：如权利要求1至7中任一项所述的退役电池检测分类方法。

技术总结
本发明提出了一种退役电池检测分类方法、装置、电子设备、存储介质，涉及电池测量领域，方法包括：在预设时间段对退役电池进行充放电测试；获取所述退役电池在进行所述充放电测试过程中多个预设采集时刻的整体信息，所述整体信息包括所述退役电池在所述预设采集时刻的电压值和电流值；发射预设激光信号至所述退役电池上的多个预设采集点，在所述采集时刻采集多个所述预设采集点的反馈激光信号，并根据所述反馈激光信号生成所述采集时刻的多个局部信息；利用所述局部信息和所述整体信息对所述退役电池进行分类。能够在获得除电压值、电流值以外的其他指标的同时，获取退役电池在预设采集点的局部信息，从而更好的揭示电池的健康状态。状态。状态。


技术研发人员：鲁玺斌 黄加强
受保护的技术使用者：香港科技大学
技术研发日：2023.03.02
技术公布日：2023/8/9