李 振
制钢(江苏省淮安技师学院，江苏淮安223001
)摘要：针对新能源汽车电池表面缺陷，提出了基于超精密检测的新能源汽车电池表面缺陷检验方法㊂构建光学超精密成像模型，通过超精密激光扫描技术完成能源汽车电池表面的激光成像，获得其纹理分布情况和边缘轮廓特征㊂将区域信息与图像边缘相融合，定位新能源汽车电池表面缺陷，检测其表面纹理异常点㊂通过仿真试验证实，利用该方式判断新能源汽车表面缺陷具有准确性高㊁抗噪性强等特点，能有效提升汽车电池表面缺陷检测效率㊂ 关键词：新能源汽车；电池表面缺陷；光学超精密检测；检测技术
0 前言
作者简介：李振(1983 )
，男，硕士，讲师，主要研究方向为汽车运用与检修技术㊂光学扫描成像技术是检验新能源汽车电池表面缺陷的主要方式，能有效地提升缺陷检测能力和自动定位能力㊂
通过与智能图像处理技术相结合，从不同方面分析新能源汽车电池表面的缺陷，再结合缺陷表面的纹理分布情况，重新定位新能源汽车电池表面缺陷，确保
汽车电池质量符合标准[行程限位器
1
]㊂目前，一般利用光学图像特征检测电池表面缺陷,
油底壳垫将电池表面纹理特征检测与三维轮廓重构技术相结合，及时修复电池表面缺陷㊂
传统的检验方法采用H a r r i s 角点检测法㊁
小波检测法等检测电池表面缺陷，利用超像素成像技术处理电池表面成像，构建健全的二值化图像处理模型，以准确检测出电池表面缺陷㊂但由于该方式耗时长，且检验准确度不高，容易给缺陷检测带来严
重影响[
2]
㊂本文以超精密检测为基础，提出全新的新能源汽
车电池表面缺陷检验方法，通过建立光学超精密成像模型处理新能源汽车电池表面激光成像，准确检测出能源电池表面激光成像的纹理分布情况㊂将区域信息与图像边缘相互融合，可准确定位新能源汽车电池表面缺陷，检测新能源汽车电池表面纹理异常点，进一步
优化电池表面缺陷检测[
3
]㊂1 新能源汽车电池缺陷
1.1 电池自放电缺陷
1.1.1 单体电池储存过程中自放电
单体电池在储存中通常会出现自放电现象，主要体现为电池电压下降㊂如图1所示，磷酸铁锂离子电
池在55ħ环境下的端电压变化呈下降趋势㊂当酸铁锂离子电池前部分电压为3.354V ，当其流过储存后部分时，电压呈明显降低趋势，降至3.345V ㊂结果表明，单体电池在储存中会出现自放电现象，从而降低电池两端电压的变化
㊂
图1 磷酸铁锂离子电池在55ħ环境下的端电压变化情况
1.1.2 电池组自放电
在电池组应用过程中，经常出现自放电现象，影响电池组性能㊂比如会造成电池自身能量的严重损失,
84
2022 NO.4
汽车与新动力
Copyright ©博看网. All Rights Reserved.
甚至缩短锂离子电池使用寿命，导致容量出现严重损坏㊂目前，我国电动汽车电池成组方式主要采取
多个单体电池串联为电池包再并联为电池组的方式，如图2所示
㊂
图2 电动汽车动力电池组电池排列结构
对电池组电池排列结构进行分析后发现，电池包A 的单体电池1具有自放电率高㊁
容量衰减严重等特点，其负荷电量低于其他单体电池㊂因此，在放电过程中，电池1第1个达到放电标准，其他单体电池仍然在放电，这时主回路继电器会自动断链，以确保电池安全性㊂但由于其他单体电池放电工序并未结束，电池1无法进行其他工作㊂充电过程同样如此，根据电池组均衡理论，自放电严重的电池1会不断增加电池组的不均衡性，工作人员利用特殊方式进行均衡能起到的作用也十分有限，无法满足实际要求，导致单体电池可能出现过放电现象，加速电池充放电性能的衰减㊂1.2 电池缺陷表现形式
在锂离子电池的生产过程中，操作不当会严重影响成品电池的质量，导致其在使用过程中出现电池大倍率放电㊁高温工作等问题，影响电池工作的平稳性㊂正常情况下，电流通过电极，电极电位会在第一时间偏离平衡电位，出现电极极化现象㊂根据电池过程动力学理论，电极电位偏离平衡电位的程度与电流密度成正比㊂
2 新能源汽车电池表面缺陷检验的优化
2.1 新能源汽车电池表面激光成像分割模型
将光学超精密成像模型应用到能源汽车电池方
flashbackup面，可进一步优化电池表面缺陷检验方法[
4
]㊂通过1组光学图像训练样品的结构独立特征向量空间，来处理电池表面缺陷的空间区域结构，收集新能源汽车电池表面缺陷㊂
2.2 电池表面缺陷检验方法
电荷耦合器件(C C D )检测是利用机器视觉进行检测，将所有基本数据传输到芯片中，再利用专业工具将光信号转换为电信号，并准确计算出被测物体的图像㊂该检测技术通常被应用于电池的生产阶段，以判断零部件质量是否达到行业标准，查看零部件表面是否存在划伤㊁残缺等问题，并引导机械传动系统挑出残缺品，提高生产效率和质量㊂3 仿真实验与结果分析
为准确测试C C D 方法在电池表面缺陷的检验效
果，本文利用仿真实验进行全方位检验㊂以M a t l a b 7仿真软件为主体，确定光学图像采样的具体数值和图像边缘像素特征分布样本㊂将这2种数据结合起来，确定其衰减权重为0.85，特征分布像素集为200ˑ400，预设缺陷检验值为0.25，最终得到初始电池表面的光学成像㊂将其作为研究图像的样品，构建表面激光成像的分割模型，进而得到表面纹理分割结果，如图3所示
㊂
图3 新能源汽车电池表面光学图像的纹理分割结果
合理利用纹理分割方式检验电池表面缺陷，融合区域信息与图像边缘，能准确定位新能源汽车电池表
面缺陷，并保证其具有较高的精密度[
5
]㊂通过不同方式检测电池表面缺陷，所得到的数据也不同，其中精度较高的是采用纹理分割方式完成的电池表面缺陷检测㊂4 结语
为准确测试C C D 方法在电池表面缺陷的检验效
果，本文以缺陷纹理分布为基础，开展了新能源汽车电池表面缺陷检测㊂本文提出基于光学超精密的新能源汽车电池表面缺陷检测方式，利用深度学习算法自动选择合理的光学图像边缘检测，以提取网格区域分割，发现表面纹理中存在的问题，进一步提高缺陷检测数
85
2022 NO.4
汽车与新动力
全自动文具盒Copyright ©博看网. All Rights Reserved.
据真实性㊂
参考文献
梭子鱼综合症[1]刘云潺，毕立恒.基于改进粒子算法的新能源汽车太阳能电池表面缺陷检测[J].实验室研究与探索,2018,37(2):62-65,79.
[2]邢宝林，鲍倜傲，李旭升，等.锂离子电池用石墨类负极材料结构调控与表面改性的研究进展[J].材料导报,2020,34(15):15063-15068.[3]刘甜甜.基于自适应深度学习的新能源锂电池表面缺陷检测方法:
C N201911346723.6[P].2020-05-05.
[4]杜志鸿，李媛媛，赵海雷，等.固体氧化物燃料电池双钙钛矿陶瓷阳极缺陷结构设计与性能调控[J].硅酸盐学报,2021,49(1):7-13.
[5]深圳大学，深圳市大德激光技术有限公司.新能源动力电池安全防爆阀激光焊接表面缺陷检测方法:C N202110869398.2[P].2021-11-02.
86汽车与新动力
Copyright©博看网. All Rights Reserved.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议