【技术实现步骤摘要】
本专利技术涉及化学电源，尤其是涉及一种锂离子电池高精度电极结构离子扩散仿真方法及系统。
技术介绍
1、厚电极所面临的另一个难题是离子扩散问题，即在过厚的电极体系中离子扩散不良可能会导致倍率性能差等诸多问题。因此，借由实验手段制造合适的厚电极，研究其离子扩散和电极结构之间的匹配关系显得尤为重要，可惜该动态过程匹配由于种种原因暂时难以通过实验手段实现。
2、由于以上原因，通过构建适当的仿真模型，尤其是包括高精度电极结构的仿真，进行电极结构与离子扩散的电化学仿真匹配，是现有技术条件下的较为高效且可靠的实现途径。
3、而传统的电池仿真大多以p2d模型为基础，搭建准二维锂离子电池模型并进行计算。然而这样的模型忽略了电极结构对电池性能的影响，而电极作为电池反应的载体，是电池的心脏，对于精确分析电池内物理化学过程有着重要的意义。另一方面，针对上述厚电极结构设计的需要，一般而言需要尽可能减少其他部分结构对性能的影响，以便于针对性的对厚电极结构与电池性能进行匹配和分析。
4、因此，针对上述相关技术中的性能与结构难以匹配、现有模型计算效率低下、变量繁多、精度低等问题，亟需构建简化除了研究电极以外的部分，并同时具有高精度电极结构的模型。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种锂离子电池高精度电极结构离子扩散仿真方法及系统。利用计算机视觉实现高精度电极结构的搭建，大大提高了仿真的精度和可靠性，有利于直观观测离子在电极结构内的过程；
2、本专利技术的目的可以通过以下技术方案来实现：
3、本专利技术提供一种锂离子电池高精度电极结构离子扩散的仿真方法，包括以下步骤：
4、s1：制备材料样本并获取样本的横断面图像；
5、s2：对s1中获取的图像进行计算机识别，分离不同成分的粒子，并勾勒粒子边界，以形成包含选区的高精度材料结构模型；
6、s3：将s1中的材料样本组装至电池中，并获取电池的物理化学参数；
7、s4：搭建s3中电池的二维电化学仿真模型，基于研究目的设置边界条件和初始条件；
8、s5：将s4中的仿真模型划分网格，利用有限元方法计算，获得离子扩散数据；
9、s6：对s5中的离子扩散数据进行可视化处理。
10、进一步地，s2中，计算机识别的过程包括：若s1中的图像为全彩照片，则将全彩照片的每个像素分解为(r，g，b)的三维向量，以整张照片的像素的颜色信息向量组成的矩阵为数据集，人工选取预设数量的像素进行识别并标记，以作为训练集，训练机器学习网络模型，通过训练后的机器学习网络模型对横断面图像的所有像素进行区分。
11、进一步地，s3中，所述物理化学参数包括电池隔膜厚度、单层极片厚度、极片层数、电极材料性质参数、电解质材料性质参数；
12、所述电解质材料性质参数包括电解质电导率、电解质盐扩散系数、传递数、活性相关性、初始浓度、平衡电位和电导率中的一种或多种。
13、进一步地，s4中，所述边界条件为恒电流、恒电位或低电位的谐波扰动边界条件。
14、进一步地，s4中，所述初始条件为各区域的初始锂离子浓度、电子浓度以及电位。
15、进一步地，s4中，所述二维电化学仿真模型中对对电极和隔膜空间进行简化，将对电极简化为线，将隔膜简化为允许离子交换且有一定选择性的纯粹的液相空间。
16、进一步地，s5中，所述网格包括时间和空间两个维度，并在各个网格内利用数值方法计算电化学模型的离子扩散情况。
17、进一步地，s6中，当s1中的样本为多孔电极时，还需计算多孔电极的孔隙率和迂曲度、多孔电极中活性物质的体积分数、多孔电极中碳胶相的体积分数、颗粒半径和材料荷电状态范围。
18、进一步地，采用广义bruggeman公式计算多孔电极的迂曲度，采用简化估算公式计算多孔电极的孔隙率，并利用迂曲度和孔隙率修正多孔材料的性质和结构；更进一步地，所述孔隙率的计算可通过根据吸满液体的总增重的实验手段测得或采用以下公式：
19、
20、
21、其中，是孔隙率，为干电极重量，、、分别为活性物质、碳添加剂、黏结剂的质量分数，、、分别为活性物质、碳添加剂、黏结剂的密度；
22、而对于多孔材料中活性物质的体积分数与碳胶相的体积分数，采用直接测量或用代替。
23、本专利技术提供一种锂离子电池高精度电极结构离子扩散的仿真系统，包括几何处理单元、数据输入单元、模型构建单元、数值计算单元和数据处理单元；
24、几何处理单元利用计算机视觉构建高精度电极结构模型；
25、数据输入单元用于接收输入的物理化学参数作为模型的基本参量；
26、模型构建单元用于根据输入数据搭建锂离子电池的二维几何模型；
27、数值计算单元用于对搭建的模型进行网格化处理，并选用合适的数值方法获取物理化学状态量；
28、数据处理单元用于对计算得到的数值进行储存和适当的可视化处理。
29、与现有技术相比，本专利技术具有以下优点和有益效果：
30、1、本专利技术利用计算机视觉实现高精度电极结构的搭建，大大提高了仿真的精度和可靠性，有利于直观观测离子在电极结构内的过程；且模型灵活性高，能够搭建更高维的精细模型。
31、2、本专利技术减少了无关变量，简化了可能影响电池性能的其他结构，特别适合厚电极内的离子扩散研究，同等情况下能更精准可靠的研究厚电极结构对电池性能的影响。
本文档来自技高网...【技术保护点】
1.一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，S2中，计算机识别的过程包括：若S1中的图像为全彩照片，则将全彩照片的每个像素分解为(R，G，B)的三维向量，以整张照片的像素的颜色信息向量组成的矩阵为数据集，人工选取预设数量的像素进行识别并标记，以作为训练集，训练机器学习网络模型，通过训练后的机器学习网络模型对横断面图像的所有像素进行区分。
3.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，S3中，所述物理化学参数包括电池隔膜厚度、单层极片厚度、极片层数、电极材料性质参数、电解质材料性质参数；
4.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，S4中，所述边界条件为恒电流、恒电位或低电位的谐波扰动边界条件。
5.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，S4中，所述初始条件为各区域的初始锂离子浓度、电子浓度以及电位。
...【技术特征摘要】
1.一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，s2中，计算机识别的过程包括：若s1中的图像为全彩照片，则将全彩照片的每个像素分解为(r，g，b)的三维向量，以整张照片的像素的颜色信息向量组成的矩阵为数据集，人工选取预设数量的像素进行识别并标记，以作为训练集，训练机器学习网络模型，通过训练后的机器学习网络模型对横断面图像的所有像素进行区分。
3.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，s3中，所述物理化学参数包括电池隔膜厚度、单层极片厚度、极片层数、电极材料性质参数、电解质材料性质参数；
4.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，s4中，所述边界条件为恒电流、恒电位或低电位的谐波扰动边界条件。
5.根据权利要求1所述的一种锂离子电池高精度电极结构离子扩散仿真方法，其特征在于，s4中，所述初始条件为各区域的初始锂离子浓度、电子浓度以及电位。
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：金黎明，杨昊天，秦楠，杜耀鑫，张存满，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。