基于光学超精密检测的新能源汽车电池缺陷检测技术

2022-09-03李振

汽车与新动力 2022年4期

关键词：电池组单体纹理

李振

(江苏省淮安技师学院，江苏淮安 223001)

0 前言

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。

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。

目前，一般利用光学图像特征检测电池表面缺陷，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。

传统的检验方法采用Harris角点检测法、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。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。

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。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。

1 新能源汽车电池缺陷

1.1 电池自放电缺陷

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。如图1所示，磷酸铁锂离子电池在55 ℃环境下的端电压变化呈下降趋势。当酸铁锂离子电池前部分电压为3.354 V，当其流过储存后部分时，电压呈明显降低趋势，降至3.345 V。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。

图1 磷酸铁锂离子电池在55 ℃环境下的端电压变化情况

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。比如会造成电池自身能量的严重损失，甚至缩短锂离子电池使用寿命，导致容量出现严重损坏。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。

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、容量衰减严重等特点，其负荷电量低于其他单体电池。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。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。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。

1.2 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、高温工作等问题，影响电池工作的平稳性。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。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。

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面，可进一步优化电池表面缺陷检验方法。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。

2.2 电池表面缺陷检验方法

电荷耦合器件(CCD)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。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、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。

3 仿真实验与结果分析

为准确测试CCD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。以Matlab7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。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200×400，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。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。