1. Хао Чен
2. Юлия Шен
3. Аннотация
4. Вступление
5. Материалы и инструменты
6. Емкость батареи
7. Внутреннее сопротивление батареи
8. Вычислительные методы
9. Локальный анализ
10. Глобальный анализ
11. Гибридный анализ
12. Результаты эксперимента и расчета
13. Результаты испытаний и расчетов
14. Таблица 1
15. Таблица 2
16. Таблица 3
17. обсуждение
18. Выводы и будущая работа
19. Заявление о финансировании
20. Доступность данных
21. Рекомендации

УТВЕРЖДАЕТ. 2017; 12 (10): e0185922.

, Концептуализация, Курирование данных, Формальный анализ, Расследование, Методология, Написание - обзор и редактирование 1,2 и, Концептуализация, Курация данных, Формальный анализ, Расследование, Методология, Валидация, Визуализация, Написание - оригинальный проект, Написание - просмотр и редактирование 3 *

Хао Чен

1 Школа автомобильной инженерии, Шанхайский университет инженерных наук, Шанхай, КНР

2 Департамент компьютерных и информационных наук, Мичиганский университет, Дирборн, Дирборн, Мичиган, Соединенные Штаты Америки

Юлия Шен

3 Detroit Country Day, Беверли-Хиллз, Соединенные Штаты Америки

Июнь сю, редактор

1 Школа автомобильной инженерии, Шанхайский университет инженерных наук, Шанхай, КНР

2 Департамент компьютерных и информационных наук, Мичиганский университет, Дирборн, Дирборн, Мичиган, Соединенные Штаты Америки

3 Detroit Country Day, Беверли-Хиллз, Соединенные Штаты Америки

Университет Бейхан, Китай

Конкурирующие интересы . Авторы заявили, что не существует конкурирующих интересов.

Получено в 2017 году 27 мая; Принято 2017 21 сентября.

Это статья открытого доступа, распространяемая на условиях Лицензия Creative Commons Attribution , которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе, при условии, что авторы и источник были зачислены.

Аннотация

В мире, где миллионы людей зависят от батарей, чтобы обеспечить их удобной и портативной энергией, утилизация батарей имеет первостепенное значение. В этой статье мы разработали новый метод сортировки 18650 литий-ионных батарей в больших количествах и в режиме реального времени для сбора использованных элементов с достаточной емкостью для повторного использования батарей. Тесты внутреннего сопротивления и емкости были проведены в качестве основы для сравнения с новым методом, основанным на деградации, на основе рентгенографического сканирования и вычисления контрастности цифрового изображения. Результаты теста показывают, что точность сортировки тестовых ячеек составляет около 79%, а время выполнения нашего алгоритма находится на уровне 200 миллисекунд, что делает наш метод потенциальным решением в реальном времени для повторного использования оставшейся емкости в хорошо используемых ячейках.

Вступление

Батарея представляет собой электрохимический элемент, который может заряжаться электрически для подачи электроэнергии по мере необходимости, а аккумуляторная батарея представляет собой вторичный элемент, который может накапливать избыточную энергию от возобновляемых источников энергии. В связи с обстоятельствами последних лет, начиная от растущего спроса на электромобили и заканчивая загрязнением воздуха сжиганием бензина, использование литий-ионной батареи (обычного типа аккумуляторов) находится на подъеме. Основываясь на исследовании, проведенном Navigant Research, мировой доход от литий-ионных (Li-ion) клеток [ 1 ] ожидается, что в 2023 году он достигнет 26 миллиардов долларов США из-за его широкого применения в гибридной / электрической автомобильной, коммерческой технике, аэрокосмической промышленности, военных операциях и бытовой электронике.

Тем не менее, были многочисленные опасения относительно доступности лития - элемента, имеющего решающее значение для производства литиевых батарей. Поскольку утилизация лития является относительно новой, она недостаточно развита и пока экономически нецелесообразна. Текущая перерабатывающая деятельность на объектах переработки [ 2 ] и в академических исследованиях [ 3 - 6 ] ограничены разрушением клеток [ 7 ] для восстановления химических элементов в батареях. Три недостатка разрушения клеток:

1. ограниченный доступ : во всем мире доступно всего несколько средств для восстановления элемента;

2. экономическая нежизнеспособность : стоимость восстановления элемента выше, чем стоимость добычи элементов; а также

3. растрата ресурсов : недифференцированное разрушение уничтожает как хорошие, так и плохие клетки.

Поскольку коммерческая стоимость перезаряжаемой перезаряжаемой батареи и восстановления элемента составляет около 2,5 и 0,5 долл. США за цилиндрический элемент (Модель 18650) соответственно, каждая переоснащенная батарея создает дополнительную стоимость в 2 доллара по сравнению с извлечением элемента.

Мы выполнили комплексный поиск существующих методов с помощью различных библиотечных и онлайн-инструментов, включая Google Scholar, Engineering Village, и более 30 инженерных, научных и технических баз данных (таких как цифровая библиотека ACM, IEEE Xplore и INSPEC) в библиотеке Мичиганского университета. Результаты нашего поиска показывают, что не существует аналогичного исследовательского документа или патента на методологию сортировки, основанную на деградации в реальном времени. Несколько исследований [ 8 - 10 ] были выполнены на математических моделях для прогнозирования деградации литий-ионных батарей, а не на методе сортировки, основанном на измерении деградации батарей. Некоторые другие действия были связаны с механическим поведением батарей [ 11 , 12 ].

В области материального ущерба в прошлом использовались различные технологии зондирования, в том числе распространение ультразвуковых волн [ 13 - 15 ], вибрация [ 16 ], акустическая эмиссия [ 17 ] и рентгеновская компьютерная томография [ 18 - 21 ]. Но рентгеновские измерения не применялись для количественной оценки деградации литий-ионных батарей.

Кроме того, существующие методы слишком медленны для отделения хороших клеток от плохих. Измерение емкости батареи связано с процессом зарядки и разрядки, который занимает несколько часов; измерение внутреннего сопротивления в элементах аккумуляторной батареи требует контактного измерения, что не идеально для быстро движущейся конвейерной ленты на предприятиях по переработке аккумуляторных батарей. Также практически невозможно измерить внутреннее сопротивление каждого элемента внутри аккумуляторной батареи ноутбука, не сломав корпус. Сочетание всех недостатков всей процедуры делает ее автоматизацию в режиме реального времени как сложной, так и совершенно непригодной. На установке по переработке, где ежедневно приходится обрабатывать десятки тысяч литий-ионных элементов, эффективная сортировка всех элементов батареи является одним из основных препятствий, которые необходимо преодолеть на рынке многоцелевых аккумуляторов.

Только в 2015 году годовой объем производства 18650 батарей в мире составил около 3 миллиардов элементов (Avicenne Energy [ 1 ]), указывая на потенциальный рынок для повторного использования батареи. Целью данного исследования является разработка нового метода сортировки 18650 литий-ионных (Li-ion) батарей в больших количествах и в режиме реального времени на предприятиях по переработке батарей для сбора использованных элементов с достаточной остаточной емкостью.

Существенные преимущества нашего нового метода включают в себя (а) первый неразрушающий метод в режиме реального времени для диагностики деградации батареи с помощью рентгеновского изображения, (б) новый способ для процесса утилизации литиевых батарей с экономической выгодой от повторно используемых батарей, и (в) энергосбережение с помощью нашего процесса сортировки, которое уменьшает необходимость производства новых литиевых батарей.

Остальная часть этой статьи организована следующим образом. В разделе 2 представлены тестовые материалы и инструменты, а в разделе 3 представлены вычислительные схемы для оценки степени износа батареи на основе цифровых рентгенографических изображений. Экспериментальные и вычислительные результаты сравниваются в Разделе 4, за которым следуют некоторые заключительные замечания в Разделе 5.

Материалы и инструменты

Литий-ионная (Li-ion) батарея представляет собой тип перезаряжаемых батарей, в которых ионы лития перемещаются от отрицательного электрода к положительному электроду во время процесса разрядки и в обратном направлении во время процесса зарядки, как показано на. Благодаря высокой плотности энергии и небольшому эффекту памяти, литий-ионная батарея широко используется в бытовой электронике. Здесь высокая плотность энергии указывает на высокую энергоемкость, которую эта батарея может хранить в отношении того же объема элемента, а небольшой эффект памяти означает, что эту батарею можно заряжать при любой текущей степени зарядки без потери максимальной емкости энергии. Литий-ионный аккумулятор 18650 (диаметром 18 мм и длиной 65 мм) является одним из наиболее распространенных цилиндрических типов аккумуляторов, используемых в ноутбуках (от 6 до 12 элементов в упаковке) и электромобилях Tesla (7 104 элемента в одной модели S), а также Показано в .

Внутренние структуры литий-ионного аккумулятора.

Источник: Саньо.

Хотя литий-ионная батарея не содержит свинца или кадмия, большинство штатов США, как правило, рекомендуют не выбрасывать их на свалки. Элементы (железо, медь, никель и кобальт) литий-ионных аккумуляторов, однако, могут быть переработаны [ 22 ], как показано в . Тем не менее, этот процесс экономически невыгоден, так как стоимость переработки более высока, чем фактическая стоимость добычи элементов. В мире также имеется всего несколько перерабатывающих мощностей для восстановления элементов. Следовательно, во многих странах восстановление элемента не может быть достигнуто, если батареи не поставляются за границу.

(A) Клетка внутри упаковки. (B) Тест клетки в этом исследовании.

Одна группа существующих исследований была сосредоточена в основном на оптической сортировке [ 23 ] батарей, в которых батареи были отсортированы по разным типам в зависимости от их внешней формы и внешнего вида, как показано на рис. Другая группа методов была основана на измерении электрических условий [ 24 - 26 ] батарей с помощью распознавания контактов, что трудно выполнить в автоматическом режиме в реальном времени. По существу, не было найдено никаких предыдущих исследований относительно быстрой сортировки батарей на хорошие и плохие элементы на основе оставшегося срока полезного использования, вызванного износом батареи.

Источник: Оптисорт.

Материалы, использованные в этом исследовании, включают

1. 58 использовали 18650 литий-ионных батарей, которые были получены от местной компании по переработке батарей, как показано на; а также

2. 174 рентгенограммы. Каждую клетку сканировали три раза в микрофокусной рентгеновской КТ-системе () под тремя различными углами с интервалом 120 °. Разрешение сканирования составляет от 10 до 20 микрометров.

   

   Микрофокусированная рентгенографическая система в Мичиганском университете.

Использовались следующие инструменты и программные инструменты: (a) программное обеспечение MATLAB (особенно набор инструментов для обработки изображений), (b) зарядное / разрядное устройство SkyRC B6AC (), (c) тестер полного сопротивления батарей KT-97B () и (d ) Ноутбук ASUS (модель: N56V; память 6G; процессор 2,3 ГГц).

Тестовые инструменты в этом исследовании.

IMAX B6AC Зарядное устройство / разрядник. (B) KT-97B тестер сопротивления аккумулятора.

Чтобы подтвердить точность сортировки нашего метода, в этой статье рассматриваются следующие два свойства батарей.

Емкость батареи

Емкость является показателем здоровья 18650 литий-ионных клеток, и ее довольно сложно измерить в реальном времени. В этом исследовании традиционный цикл зарядки / разрядки / зарядки использовался для измерения текущей емкости испытательных ячеек с помощью зарядного / разрядного устройства IMAX B6AC и специального прибора. Первоначальная емкость испытательных ячеек была получена из информации о продукте.

Внутреннее сопротивление батареи

Внутреннее сопротивление предоставляет информацию об оставшемся сроке службы элементов батареи. Чем выше внутреннее сопротивление, тем ближе клетка подходит к концу жизни. В этом исследовании для измерения внутреннего сопротивления тестовых ячеек использовался тестер полного сопротивления батареи KT-97B и / или специальный прибор.

Вычислительные методы

В левой части приведена схема того, как наша сортировка на основе деградации будет использоваться в процессе полной утилизации батареи. Обратите внимание, что сортировка по категориям выполняется традиционным оптическим сканированием. Разработка метода, основанного на деградации, осуществляется в подходе, описанном в правой части, в котором состояние элемента означает состояние работоспособности (т. Е. Противоположность степени деградации) элементов батареи. Измеренное состояние ячеек измеряется с помощью измерителей емкости аккумулятора и внутреннего сопротивления, а рентгеновские изображения клеток обрабатываются для определения рассчитанного состояния ячеек. Близость между измеренными и рассчитанными значениями работоспособности подтверждает целесообразность разработки нашего метода сортировки.

Применение и разработка сортировки на основе деградации при утилизации аккумуляторов.

Блок-схема нашего метода, основанного на деградации, приведена в правой части, а детали каждого компонента описаны ниже.

После нашего тщательного изучения всех 174 рентгеновских изображений мы обнаружили, что контрастность изображения внутренних структур элементов батареи является хорошим индикатором, отражающим состояние или ухудшение состояния элементов батареи. Хорошие клетки обычно имеют более четкую внутреннюю структуру, чем плохие клетки, как показано на рис.

Сравнение рентгеновских изображений хороших и плохих элементов батареи.

Считается, что как локальный, так и глобальный анализы количественно определяют контраст изображения внутренних структур элементов батареи. Локальный анализ использует только информацию об изображении в локальном соседстве, в то время как в глобальном анализе информация по всему изображению используется для вычисления локальной характеристики. Пусть I ( i , j ) и c ( i , j ) будут значениями интенсивности и контрастности в пикселе ( i , j ), как показано на рисунке, где i ∈ [1, m ] и j ∈ [1, n ] представляют строки и столбцы изображения соответственно. Значения интенсивности представлены в диапазоне [0,0, 1,0], где 0,0 и 1,0 относятся к черному и белому цветам соответственно.

(A) Маска как окрестность текущего пикселя относительно входных и выходных изображений. (B) Текущий пиксель (i, j) и соседние пиксели.

Локальный анализ

На основе обработки изображений [ 14 ], первый индекс c 1 ( i , j ) определяется как накопленная разница в интенсивностях между текущим пикселем и одним кольцом соседних пикселей ():

В граничных случаях, когда x ∉ [1, m ] или y ∉ [1, n ], вычисление I ( x , y ) пропускается.

Общий c 1 для всего изображения

Второй индекс, c 2 ( i , j ), определяется как отношение разности между локальным максимумом и минимумом к сумме локального максимума и локального минимума [ 27 ]

где,

k - положительное целое число, представляющее половину размера окрестности пикселя.

Общий контраст c 2 для всего изображения

Глобальный анализ

Первый глобальный индекс в этой статье определяется как

где I b, I b - значение интенсивности фона, равное 1,0 в данном исследовании. Поскольку I b всегда больше или равно I ( i , j ) здесь, | I ( i , j ) - I b | может быть заменено на I b- I ( i , j ).

Общий контраст c 3 для всего изображения

Вдохновленный среднеквадратичным контрастом (RMS) [ 28 ], четвертый индекс определяется как

где,

Гибридный анализ

Мы определяем составной индекс для контраста изображения, c 1234, как линейную комбинацию четырех вышеуказанных различных индексов:

где k 1, k 2, k 3, k 4 являются весами с учетом ограничения в уравнении (). В этой статье 0,25 присваивается каждому из этих весов. Мы также определяем другой составной индекс:

в котором оба q 3 и q 4 назначены равными 0,5.

Результаты эксперимента и расчета

Мы реализовали вышеупомянутые формулы с помощью набора инструментов для обработки изображений в MATLAB, который является программным средством, разработанным MathWorks. В данном исследовании использовался ноутбук ASUS с процессором Intel i7. zHG03.2@UPC и 16 ГБ оперативной памяти.

Результаты испытаний и расчетов

В этом исследовании мы измерили внутреннее сопротивление и текущую емкость 58 тестовых батарей, как показано на рис. В этой таблице уменьшение емкости батареи, bc r, определяется как

Где bc o и bc c - исходная и текущая емкость элемента батареи, соответственно.

Таблица 1

Коэффициент снижения емкости и внутреннее сопротивление тестовых батарей (∞ относится к сопротивлению более 1 Ом).

Модель ID bc r Внутреннее сопротивление
(миллиом) Mhc c C 2 Chc 1 Samsung ICR18650-26F 0,34 59,1 хорошо 0,3731 хорошо 2 Samsung ICR18650-26F 0,31 58,5 хорошо 0,3818 хорошо 3 Samsung ICR18650-26F 0,30 58,4 хорошо 0,379555 хорошо 4 Samsung ICR18650-24E 0,25 56,9 хорошо 0,34945 плохо 5 Samsung ICR18650-24E 0.28 56.9 Хорошо 0.3618 Хорошо 6 LG Chem LGDBB31865 0.12 44.2 Хорошо 0.37195 Хорошо 7 LG Chem LGDBB31865 0.12 43.1 Хорошо 0.3742 Хорошо 8 ATL IMR18650 0.4 64.7 Хорошо 0.36315 Хорошо 9 ATL IMR18650 0.09 60.2 Хорошо 0.3645 Хорошо 10 LG 6565 56565 LG 113.11 Плохо 11 LG Chem LGDAS31865 0.17 72.3 Хорошо 0.3617 Хорошо 12 LG Chem LGDAS31865 0.11 80.4 Хорошо 0.35814 Хорошо 13 LG Chem LGDAS31865 0.14 69.6 Хорошо 0.36942 Хорошо 14 LG Chem LGDAS31865 0.09 65.8 Хорошо 0.3818 Хорошо 15 LG Chem LGDAS31865 0.12 66.0 Хорошо 0.359D 6565 Хорошо 0.35977 0,10 65,4 Хорошо 0,3808 Хорошо 17 LG Chem LGDAS31865 0,1 62,8 Хорошо 0,37402 Хорошо 18 Samsung ICR18650-28A 0,2 48,1 Хорошо 0,39322 Хорошо 19 Samsung ICR18650-28A 0,21 48,5 Хорошо 0,39325 Хорошо 20 Samsung ICR18650-28A 0,18 49,9 Хорошо 0,414 5 Хорошо 21 Samsung ICR18650-28A 0.18 49.5 Хорошо 0.3919 Хорошо 22 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.35705 Хорошо 23 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.35085 Плохо 24 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.34745 Плохо 25 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.36434 Хорошо 26 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.354 Плохо 27 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.35675 Плохо 28 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.347285 Плохо 29 Sanyo 4UR18650- 3-3 1.0 ∞ Плохо 0.355445 Плохо 30 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.359975 Хорошо 31 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.35146 Плохо 32 Sanyo 4UR18650-3-3 1.0 ∞ Плохо 0.35182 Плохо 33 Sanyo 4UR18650-3- 3 1.0 ∞ Плохо 0.354945 Плохо 34 Sanyo UR18500F 0.46 76.2 Хорошо 0.3644 Хорошо 35 Sanyo UR18500F 0.46 78.8 Хорошо 0.38185 Хорошо 36 Sanyo UR18500F 1.0 ∞ Плохо 0.361965 Хорошо 37 Sanyo UR18500F 1.0 ∞ Плохо 0.360705 Хорошо 38 Sanyo UR18500F 1.0 ∞ Плохо 0.3 ∞ UR18500F 1.0 ∞ Плохо 0.3 ∞ S0.050.0.0 1.0 ∞ ∞ Плохо 0.35161 Плохо 42 Sanyo UR18650ZT 0.31 55.2 Хорошо 0.387 Хорошо 49 Sanyo UR18500F 0.33 59.7 Хорошо 0.39045 Хорошо 52 Sanyo UR18500F 0.36 58.1 Goo d 0.38505 Хорошо 53 Sanyo UR18500F 0,32 59,8 Хорошо 0,38735 Хорошо 54 Sony US1860GR 1.0 ∞ Плохо 0.34765 Плохо 55 Sony US1860GR 1.0 ∞ Плохо 0.3568 Плохо 56 Sony US1860GR 1.0 ∞ Плохо 0.3405 Плохо 57 Sony US1860GR 1.0 ∞ Плохо 0.3465 Плохо 58 Sony US1860GR 0.75 161.3 Плохо 0.3444545 Плохо 59 Sony US1860GR 0.79 164.7 Плохо 0.35219 Плохо 60 Sony US1860GR 0.26 157.2 Плохо 0.3483 Плохо 61 Sony US1860GR 0.29 156.1 Плохо 0.3419 Плохо 64 Sony US1860GR 1.0 ∞ Плохо 0.33495 Плохо 65 Sony US1860GR 1.0 ∞ Плохо 0.33685 Плохо 66 Sony US1860GR 0.18 63.9 Хорошо 0.331 Плохо 67 Sony US1860GR 0,19 57,8 Хорошо 0,34525 Плохо 68 Sony US1860GR 0,21 60,5 Хорошо 0,3525 Плохо 69 Sony US1860GR 0,19 58,2 Хорошо 0,34225 Плохо 70 Sony US1860GR 0,14 61,8 Хорошо 0,34175 Плохо

Коэффициент снижения емкости и внутреннее сопротивление используются для определения измеренного состояния здоровья каждой ячейки, т. Е . : хорошая ячейка или плохая ячейка. Хорошая ячейка 18650 определяется как ячейка с внутренним сопротивлением менее 150 мОм, а плохая ячейка 18650 рассматривается как ячейка с внутренним сопротивлением более 150 мОм. также включает в себя составной индекс контраста, с 34, уравнения (). На основании c 34 и выбранного порогового значения t (0,357) вычисленное состояние здоровья каждой ячейки, chc , может быть предоставлено следующим двоичным способом:

По сравнению между MHC и CHC , общая точность сортировки тестовых ячеек была около 79%. Это означает, что 79% тестируемых клеток были правильно отсортированы на основе их статуса деградации. Формула точности определяется как

где позитивы относятся к хорошим клеткам, а негативы - к плохим клеткам.

Более подробное распределение ложноотрицательных и ложноположительных случаев приведено в. Время выполнения первых 5 ячеек приведено в. Временные затраты других ячеек находятся в аналогичном диапазоне, что делает наш метод достаточно быстрым для приложений реального времени.

Таблица 2

Распределение истинных и ложных предсказаний нашей модели (положительные: хорошие клетки; отрицательные: плохие клетки).

Положительная ячейка Отрицательная ячейка Истинный прогноз 25 21 Ложный прогноз 7 5

Таблица 3

Время выполнения для вычисления c c2 первых 5 ячеек (размер изображения: 1128x1022 пикселей).

Cell ID 1 2 3 4 5 Время (секунда) 0,23 0,23 0,23 0,22 0,22

Поскольку и c 3, и c 4 не зависят от размера маски, для каждого рентгенографического изображения существует только одно уникальное значение c 34, по сравнению с c 1234. Это желательная особенность нашего исследования.

обсуждение

Порог t в уравнении () был определен на основе наилучшего разделения между хорошими и плохими клетками и зависел от уровня мощности источника рентгеновского излучения. В случае установок по утилизации уровень мощности рентгеновских источников может быть установлен для сканирования всех 18650 литий-ионных батарей. Следовательно, t становится постоянной величиной в этом случае, и предложенная сортировка будет подходить для обработки всех 18650 ячеек без регулировки порога.

Причины, лежащие в основе связи между ухудшением качества батареи и рентгеновской визуализацией внутренних структур батарей, могут включать

1. Материальная деградация электродов и сепараторов приводит к менее характерным внутренним структурам литий-ионных батарей, и

2. Постепенное истощение электролитов приводит к тому, что внутренние структуры батарей выглядят размытыми при рентгенографии.

Время выполнения в представляет общее время выполнения нашего метода. Он находится в диапазоне от 5 до 6 ячеек в секунду, что является нормальным временем обработки конвейерных лент на установке по переработке батарей. Таким образом, наш метод может быть применен при утилизации батарей в режиме реального времени в заводских условиях.

Хотя точность сортировки на основе ухудшения качества составляет всего 79%, основной целью этого предварительного исследования было доказать осуществимость нашего метода. Используя методы машинного обучения, точность может быть улучшена. Это тема будущей работы. Предыдущие исследования в других областях могут быть использованы для подтверждения этого утверждения. В прогнозировании развития гепатоцеллюлярной карклиномы [ 29 ], модель регрессии единой системы обмена сообщениями и алгоритм машинного обучения имели c-статистику 0,6 и 0,64 соответственно. В контексте категоризации текста [ 30 ], традиционное дерево решений дает точность 67%, а метод машинного обучения может достигать точности 80,5%.

Выводы и будущая работа

Из этого исследования можно сделать следующие выводы:

• Сортировка на основе деградации возможна с помощью рентгенографического сканирования и вычисления контрастности цифрового изображения с 18650 литий-ионными батареями на уровне ячеек.

• Точность сортировки тестовых ячеек составляет около 79%.

• Время выполнения нашего алгоритма составляет около 200 миллисекунд, что делает его хорошо подходящим для сортировки в реальном времени на предприятиях по переработке батарей.

• Наша концепция сортировки на основе деградации имеет потенциал для нового рынка повторного использования аккумуляторов путем сбора хорошо использованных элементов.

Будущая исследовательская деятельность этого исследования включает

• Машинное обучение [ 31 ] будет использоваться для замены простой формулы линейной комбинации в уравнении (). Например, в механизме опорных векторов нелинейные функции ядра, как ожидается, улучшат точность сортировки до более чем 80%.

• Оценка работоспособности нескольких ячеек будет проводиться в упаковке из 18650 батарей. Каждый аккумулятор ноутбука обычно содержит от 6 до 12 элементов. Если бы существующий метод мог быть расширен для обработки одной упаковки за раз, эффективность переработки была бы значительно улучшена.

Заявление о финансировании

Эта работа была поддержана Национальным научным фондом, IIP-1445355. Спонсор не принимал участия в разработке исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Доступность данных

Все данные в документе.

Рекомендации

1. Пиллот, С. Развитие рынка аккумуляторов для бытовой электроники, автомобилестроения и промышленности: требования к материалам и тенденции. 5-я Израильская конференция по источникам энергии. 21 мая, Герцлия, Израиль, 2015; 1-40.

2. Решения УР. Идя в ногу с Umicore - всемирной компанией по производству металлов и материалов, которая применяет профессиональный подход к утилизации аккумуляторных батарей с помощью процесса VAL'EAS. Аккумуляторы международные. 2004; 60: 42–44. [ Google ученый ] 3. Кастильо С., Ансарт Ф., Лаберти-Роберт С., Портал Дж. Достижения в области извлечения отработанных соединений литиевой батареи. Журнал источников энергии. 2002; 112 (1): 247–254. [ Google ученый ] 4. Contestabile M, Panero S, Скросати Б. Процесс утилизации литий-ионных батарей лабораторного масштаба. Журнал источников энергии. 2001; 92 (1–2): 65–69. [ Google ученый ] 5. Nan J, Han D, Zuo X. Восстановление ценностей металлов из отработанных литий-ионных батарей с химическим осаждением и экстракцией растворителем. Журнал источников энергии. 2005; 152: 278–284. [ Google ученый ] 6. Ван Р., Лин Ю., Ву С. Новый процесс извлечения металлических ценностей из катодно-активных материалов литий-ионных вторичных батарей. Гидрометаллургия. 2009; 99 (3–4): 194–201. [ Google ученый ] 7. Лейн М.Дж. Утилизация литий-ионных элементов и батарей. Журнал источников энергии. 2001; 97: 736-738. [ Google ученый ]

8. Сюй М, Чжан X, Накамура Y, Чжао F, Чен N, Гото Y. Способ и система для получения деградации батареи с использованием модели деградации и параметров, связанных с деградацией. Корпорация Panasonic. 2015; US 13 / 686,052 (US9217779 B2).

9. Саха Б., Полл С., Гебель К. и Кристоферсен Дж. Интегрированный подход к мониторингу состояния батареи с использованием байесовской регрессии и оценки состояния. IEEE Autotestcon. 2007; 646-653.

10. Лю Д., Луо Ю., Лю Ю., Пэн Ю., Го Л., Печт М. Оценка остаточного срока службы литий-ионной батареи на основе модели AR слияния нелинейной деградации и алгоритма RPF. Нейронные вычисления и приложения. 2014; 25 (3): 557–572. [ Google ученый ] 11. Лю Б., Инь С., Сюй Дж. Интегрированные вычисления модели литий-ионного аккумулятора, подверженного прокалыванию ногтя. Прикладная энергия. 2016; 183 (2016): 278–289. [ Google ученый ] 12. Xu J, Liu B, Hu D. Состояние механической целостности в зависимости от заряда 18650 литий-ионных аккумуляторов. Научные отчеты. 2016; 6 (2016): 21829. [ PMC бесплатная статья ] [ PubMed ] [ Google ученый ] 13. Кендериан С., Джорджевич Б.Б., Грин Р.Е. Точечный и линейный лазерный генератор ультразвука для контроля внутренних и поверхностных дефектов рельса и конструкционных материалов. Исследования в области неразрушающего контроля. 2001; 13 (4): 189–200. [ Google ученый ] 14. Данг С., Шмерр Л. В., Седов А. Моделирование и измерение всех элементов ультразвуковой неразрушающей системы оценки I: моделирование основ. Исследования в области неразрушающего контроля. 2002; 14 (3): 141–176. [ Google ученый ] 15. Wooh SC, Wang JY. Неразрушающая характеристика плоских дефектов с помощью лазерных ультразвуковых сдвиговых волн. Исследования в области неразрушающего контроля. 2001; 13 (4): 215–230. [ Google ученый ] 16. Ким Б.Х., Хидай К., Тэхё П. П. Неразрушающая оценка повреждений пластин с использованием многоразмерного анализа двумерного вейвлета Хаара. Журнал звука и вибрации. 2006; 292 (1–2): 82–104. [ Google ученый ] 17. Леметр Ж. Курс по механике повреждений. Springer: 1996. [ Google ученый ] 18. Чен Х, Ши Х, Хе К, Мао Дж. Х, Лю Й, Кан Х, Шен Дж. Многоразрешающее исследование усталостных повреждений алюминиевых сплавов на микрометровом уровне. Международный журнал Механики повреждения. 2017; 26 (2): 192–209. [ Google ученый ] 19. Shen J, Mao Y, Рейес G, Чоу CL, Boileau J, Су J, и др. Правило мультиразрешения преобразования материальных дефектов. Международный журнал Механики повреждения. 2009; 18 (8): 739–758. [ Google ученый ] 20. Shen J, Boileau J, Mao J, Chow CL. Материальный ущерб оценивается путем привязки микро- и макромасштабных дефектов к макроскопическим механическим свойствам. Международный журнал Механики повреждения. 2014; 23 (4): 537–566. [ Google ученый ] 21. Шен Дж, Вела Д, Сонг К, Сингх А, ЛаФреньер Б, Чен Х. Параллельное вычисление материального ущерба с помощью графического процессора / процессора. Инжиниринг с компьютерами. 2014; 31 (3): 647–660. [ Google ученый ]

22. Ханиш С., Дикманн Дж., Штигер А., Хазелридер В. Утилизация литий-ионных аккумуляторов. В кн .: Справочник по системам чистой энергии., 2015; 2865-2888.

23. Бейли Р.Ф. Оптический сортировщик. 1992; (Патентный номер: US 5158181 A).

24. Хедегор Е.К., Оливер Р.Л., Савахара С. Тестер аккумуляторов и сортировочная установка. 2003; (Патентный номер: US 6781344 B1).

25. Ли М., Чжан Г., Нидамарти С., Ван Т., Шривастава А. Система тестирования и сортировки аккумуляторов и способ ее получения. 2013; (Патентный номер: US 20130175206 A1).

26. Ван П, Цянь Y, Сюй Х, Хуан Б, Хань С, Цзянь Р. Батарея сортировочная машина. 2014; (Патентный номер: CN 103920658 A).

27. Майкельсон А.А. Исследования по оптике. Курьер Корпорация: 1995. [ Google ученый ] 28. Пели Э. Контраст в сложных изображениях. Журнал Оптического общества Америки. 1990; 7 (10): 2032–2040. [ PubMed ] [ Google ученый ] 29. Сингал А.Г., Мукерджи А., Элмунзер Б.Дж., Хигинс П.Д.Р., Лок А.С., Чжу Дж. И др. Алгоритмы машинного обучения превосходят традиционные регрессионные модели в прогнозировании развития гепатоцеллюлярной карклиномы. Американский журнал гастроэнтерологии. 2013; 108: 1723–1730. DOI: 10,1038 / ajg.2013.332 [ PMC бесплатная статья ] [ PubMed ] [ Google ученый ] 30. Apte C, Damerau F, Weiss SM. Автоматизированное изучение правил принятия решений для категоризации текста. Транзакции ACM в информационных системах. 1994; 12 (3): 233–251. [ Google ученый ] 31. Cortes C, Вапник V. Поддержка-вектор сеть. Машинное обучение . 1995; 20 (3): 273–297. [ Google ученый ]

Похожие

Комментарии