蓋世汽車訊 由于能量密度變化，電動汽車中的鋰離子電池在使用時受到嚴格的質量監控。在電池生命周期內，工業計算機斷層掃描技術越來越多地被用于檢測電池的缺陷和內部變化。據外媒報道，Volume Graphics公司通過CT數據分析和可視化軟件，深入檢測儲能設備的內部工作狀態。

 （圖片來源：Volume Graphics公司）

該公司材料研發部的產品經理Pascal Pinter表示，盡管CT分析不能揭示電芯內部的電化學，但能展現其內部機械工作原理。熱失控（內部起火）便是由一些機械原因引起的。相反，電化學過程可以改變機械條件。現在，研究機構和電池生產商逐漸增加使用CT數據。通過高級軟件，可以進行幾何測量和材料測試。

在研發過程中，使用CT數據分析，有助于測試原型的最佳結構設計。關于壁距、密封件和公差、電芯化學分布和外殼的信息均可捕獲，并且能夠對其在可靠性和設計電氣輸出方面的作用進行質量檢測。另外，由于電池制造工藝非常復雜，在生產過程中，基于CT的分析能發揮一定作用，例如，在早期階段去除工藝鏈中的有瑕疵組件。

采用高分辨率CT掃描儀，可以看到電極封裝層中的不規則之處。分層是一種典型現象，還有局部雜質，如在切割過程中和電池組裝焊接過程中產生的殘留物。外來顆粒有引發短路的風險。

在制造過程中，有一個重要的內部尺寸需要監控，那就是負極重疊。為了抵消鋰電鍍，負極總是與正極重疊，以減少對電芯的損害。在制造過程中，固定的負極凸出物要求具有較高的加工精度。這是由制造商決定的，可以使用CT分析軟件進行檢查。最后，工程師可以在售后階段使用CT進行檢查和驗證，以確定設備故障的原因。

在使用CT檢測電池時，質量工程師要面臨一個挑戰：在由CT掃描儀提供的灰度圖像中，其結構對比度很低。這是由于一些材料的低密度差異引起的。另外，電芯封裝薄膜和涂層非常薄，并且緊密地結合在一起。有時，很難確定那些不規則處到底是缺陷、散射輻射還是偽影。

核心問題：哪個三維像素是缺陷像素，哪個不是？即使是經驗豐富的質量工程師，也會有不同的解讀。他們唯一能做的就是，相應地調整或改變系統的掃描參數，如果需要的話，還要特別注意某些興趣區（ROI）。這種傳統方法存在一定缺點。這取決于操作人員，因此具有個別性，而且需要更多的時間，從而延長掃描時間。

由于電芯內部的絲狀結構有時需要高分辨率掃描儀，因此掃描時間較長，相關過程比較緊張，特別是在指定周期內進行隨機樣本檢測時。在這種情況下，已經證明人工智能及其深度學習子集特別有效，特別是在檢測必須執行類似任務的鑄造金屬工件時，例如電池的電芯。

在基于CT的缺陷檢測中，深度學習/神經網絡（NN）的應用，可以給出快速準確的結果。這種網絡需要類似于內存的東西才能實現，必須用缺陷數據進行“訓練”。那么，這些數據從何而來呢？基本上有兩種方式：一是基于真實缺陷模型的人工缺陷數據模擬。為此可以使用專門的軟件，通過這種方式，模擬掃描過程中發生的物理效應，從而人為得出準確的數據池。其次，缺陷數據也可以從實際元器件中提取。在這種情況下，必須手動檢測缺陷，需要更多的真實對象。

必須根據具體情況決定最合適的方法。客戶可以委托創建單獨的 NN 程序，以設計最適合其問題的算法。有必要的話，開發人員可以提供一定數量的電池電芯，包括完整的電芯和含嚴重故障的電芯，以完善分析。

在應用經過訓練的神經網絡時，可將實際掃描的不規則性，與“內存中”的缺陷數據進行比較。然后，神經網絡會識別相似之處，就哪些是缺陷像素及哪些不是，給出可靠的答案。系列零件檢測具有一個優勢：這種方法在較低分辨率下也非常準確，因為掃描時間較短。從長遠來看，還可以對電池電芯進行在線檢查。

CT分析軟件能夠節省時間，具有重要意義，已經在研發和生產檢驗等階段得到成功應用。

返回第一電動網首頁 >