一种极耳间距预测方法、系统及装置与流程

本技术属于电池，具体涉及一种极耳间距预测方法、系统及装置。

背景技术：

1、卷绕式锂离子电池已得到广泛应用，为了提高卷芯制备的一次成功率，需要通过测量极片展开状态下相邻极耳之间的间距，以使极片卷绕后极耳可以满足对齐要求，但极耳间距的测量将花费较长时间，不利于卷绕式锂离子电池的生产制备。

技术实现思路

1、发明目的：本技术提供一种极耳间距预测方法，用于解决卷制锂离子电池的极耳间距测量耗时多的问题；本技术还提供一种极耳间距预测系统；本技术还进一步提供一种极耳间距预测装置。

2、技术方案，本技术的一种极耳间距预测方法，用于确定电芯的极片上相邻极耳之间的间距，包括以下步骤：

3、根据电芯中极片的层数，构建初始数据集；

4、用灰色模型对所述初始数据集进行预测，得到预测数据集；

5、添加所述预测数据集中位于首位的数据至所述初始数据集中，以对所述初始数据集进行更新；

6、用灰色模型对重复更新的初始数据集进行预测，以获取每一次更新的初始数据集所对应的预测数据集；

7、将得到的所有预测数据集中位于首位的数据输出，得到所述电芯的极耳间距的预测值。

8、在一些实施例中，根据极片的层数，构建初始数据集的步骤中，进一步包括：

9、根据正极极片或负极极片的总层数m，获取第1层至第n0层的极耳间距的数据；

10、对获取的第1层至第n0层的极耳间距的数据进行预处理；所述预处理包括：去除第1层至第n0层的极耳间距的数据中的最大值和最小值，并将余下的n个数据构建初始数据集；

11、其中，所述m、n0满足：6≤n0＜m，其中，n＝n0-2。

12、在一些实施例中，在用灰色模型对所述初始数据集进行预测的步骤之前，还包括：

13、对所述初始数据集进行校验，所述初始数据集的数据序列为：a＝(x0(1)，x0(2)，…，x0(i))，

14、校验的公式为：

15、其中，a表示所述初始数据集的数据序列，x0(i-1)表示在初始数据集中第i-1位置的值，x0(i)表示在初始数据集中第i位置的值，x0(i)＞0且i＝1，2，3，…，n，n表示初始数据集中的数据个数；当时，则所述初始数据集满足灰色模型的预测要求。

16、在一些实施例中，添加所述预测数据集中位于首位的数据至所述初始数据集中，以对所述初始数据集进行更新的步骤中，进一步包括：

17、获取所述预测数据集，所述预测数据集的数据序列为：b＝(y0(1)，y0(2)，…，y0(i))，其中，b表示所述预测数据集的数据序列，y0(i)表示在预测数据集中第i位置的值，i＝1，2，3，…，n；

18、将位于首位的数据y0(1)放置在所述初始数据集的末尾，并删除初始数据集中位于首位的数据x0(1)，保持所述初始数据集数据的总个数为n个，得到更新的初始数据集，更新的初始数据集为：c＝(x0(2)，…，x0(i)，y0(1))，其中，c表示更新的初始数据集的数据序列，i＝1，2，3，…，n。

19、在一些实施例中，用灰色模型对所述初始数据集进行预测，得到预测数据集的步骤中，进一步包括：

20、建立微分方程：x0(i)+ax1(i)＝b，其中，x1(i)为x0(i)中前i个数据累加的值；a为序列发展系数，b为灰作用系数；

21、建立灰色模型的时间响应序列为：

22、根据时间响应序列得到初始数据集的数据序列对应的预测值为：

23、

24、根据预测值得到预测数据集的数据序列。

25、在一些实施例中，序列发展系数a和灰作用系数b的求解过程为：

26、建立最小二乘估计公式：(a，b)t＝(bbt)-1bty；

27、令并结合微分方程，以求解得到a和b。

28、在一些实施例中，对所述初始数据集进行更新的步骤之前，还包括：

29、对预测数据集的数据序列进行验证，验证公式为：

30、其中，x0(i)表示在初始数据集中第i位置的值，y0(i)表示在预测数据集中第i位置的值；当ε(i)<0.005，则说明预测数据集的数据序列满足预测要求。

31、在一些实施例中，本技术还提供一种极耳间距预测系统，用于确定电芯的极片上相邻极耳之间的间距，包括：

32、获取模块，所述获取模块被配置为根据电芯中极片的层数，构建初始数据集；

33、预测模块，所述预测模块被配置为用灰色模型对所述初始数据集进行预测，得到预测数据集；

34、更新模块，所述更新模块被配置为添加所述预测数据集中位于首位的数据至所述初始数据集中，以对所述初始数据集进行更新；

35、循环模块，所述循环模块被配置为用灰色模型对重复更新的初始数据集进行预测，以获取每一次更新的初始数据集所对应的预测数据集；

36、输出模块，所述输出模块被配置为将得到的所有预测数据集中位于首位的数据输出，以得到所述电芯的极耳间距的预测值。

37、在一些实施例中，所述获取模块包括输入模块和预处理模块；

38、所述输入模块被配置为根据正极极片或负极极片的总层数m，获取第1层至第n0层的极耳间距的数据；

39、所述预处理模块被配置为去除第1层至第n0层的极耳间距的数据中的最大值和最小值，并将余下的n个数据构建初始数据集。

40、在一些实施例中，还包括：

41、校验模块，所述第一校验模块被配置为对所述初始数据集进行校验，校验的公式为：

42、其中，x0(i-1)表示在初始数据集中第i-1位置的值，x0(i)表示在初始数据集中第i位置的值，x0(i)＞0且i＝1，2，3，…，n，n表示初始数据集中的数据个数；当时，则所述初始数据集满足灰色模型的预测要求。

43、在一些实施例中，还包括：

44、验证模块，所述验证模块被配置为对预测数据集的数据序列进行验证，验证公式为：

45、其中，x0(i)表示在初始数据集中第i位置的值，y0(i)表示在预测数据集中第i位置的值；当ε(i)<0.005，则说明预测数据集的数据序列满足预测要求。

46、在一些实施例中，本技术还提供一种极耳间距预测装置，包括处理器以及存储有计算机程序指令的存储器；

47、所述处理器执行计算机程序指令时实现所述的极耳间距预测方法。

48、有益效果：与现有技术相比，本技术的一种极耳间距预测方法，用于确定电芯的极片上相邻极耳之间的间距，包括以下步骤：根据电芯中极片的层数，构建初始数据集；用灰色模型对初始数据集进行预测，得到预测数据集；添加预测数据集中位于首位的数据至初始数据集中，以对初始数据集进行更新；用灰色模型对重复更新的初始数据集进行预测，以获取每一次更新的初始数据集所对应的预测数据集；将得到的所有预测数据集中位于首位的数据输出，得到电芯的极耳间距的预测值。本技术基于灰色模型预测算法对极耳间距进行预测，将预测得到的位于首位的数据带入初始数据集进行更新，并以每一次更新后的数据集重复进行灰色模型预测，提高了预测数据的精度的同时，还提升了极耳间距的测试效率，满足电芯的生产需求。

49、可以理解的是，与现有技术相比，本技术实施例提供的极耳间距预测系统以及极耳间距预测装置具有上述极耳间距预测方法的所有技术特征以及有益效果，在此不再赘述。