【技术实现步骤摘要】
本专利技术涉及锂电池制造，尤其涉及一种跨工序的卷绕闭环控制系统及方法。
技术介绍
1、不同极卷或同一极卷极片纵向厚度的不一致最终在卷绕设备上体现，造成卷芯制造中的极耳对齐度不良、卷芯厚度不良等问题。此外，涂布、辊压时测量的数据无法与卷芯产品形成对应关系，不利于卷芯极耳对齐度、厚度等信息的追溯。卷芯制造极耳对齐度、厚度一方面受前工序辊压工序极片厚度、激光切极耳间距影响，另一方面受卷绕过程张力、压花辊压力影响。当前卷绕设备出现对齐不良时通过人工贴铁氟龙调整卷针直径的方式，人员技能要求高、且调整过程长，耽误产能；卷芯厚度不良表现在后工序的无法入壳或单电芯容量低。现有技术大多基于入卷前的厚度调整极耳间距调整，没有多元融合考虑。因此会出现极耳对齐了，但是卷芯厚度超厚无法入壳，厚度满足要求极耳间距一样但是极耳对齐有时满足有时不良等情况的出现。
技术实现思路
1、基于现有技术中存在的问题，本专利技术提供了一种跨工序的卷绕闭环控制系统及方法，通过建立模型关系，找出前工序的2个维度的来料厚度、当前工序的张力值与每圈极耳错位值、极卷厚度偏差值之间的关系，实现在极片厚度变化或设备张力变化时，及时调整极耳间距值、压花辊启停和压花辊压力值，进而保证卷芯在卷绕过程中极耳对齐度和卷芯厚度。
2、为实现上述目的，本专利技术采用以下技术方案实现，
3、第一方面，本专利技术提供一种锂电池跨工序的卷绕闭环控制系统，包括安装在辊压中的辊压极片测厚装置、安装在切卷设备中的切卷测厚装置和边缘计算器；<
4、所述辊压极片测厚装置用于测量极片辊压厚度；
5、所述切卷测厚装置用于测量极片y方向厚度；
6、所述边缘计算器配置神经网络自学习模型，所述神经网络自学习模型用于基于极片辊压厚度和极片y方向厚度，输出张力调整值、极耳间距调整值和压花辊压力调整值。
7、优选的，所述辊压极片测厚装置安装在移动模组上，通过移动模组带动所述辊压极片测厚装置沿极片x方向移动。
8、优选的，所述辊压极片测厚装置用于，
9、将测量的极片辊压厚度数据上传至边缘计算器，计算出极片辊压厚度协方差和标准差数据，输入至构建的神经网络模型。
10、优选的，所述切卷测厚装置设置在放卷设备后、激光切割设备前，固定在切卷设备大板上。
11、优选的，所述切卷测厚装置包括：伺服模组、激光测距仪、下稳定辊和上稳定辊；
12、所述下稳定辊和上稳定辊用于固定和传输极片，所述激光测距仪位于极片上下两侧，激光测距仪用于将测量的极片y方向厚度数据上传至边缘计算器；
13、所述伺服模组用于驱动激光测距仪。
14、优选的，所述切卷设备中还包括：极耳间距测试装置、张力控制系统和张力检测系统；
15、所述极耳间距测试装置用于测量极耳间距并上传至边缘计算器；
16、所述张力检测系统用于检测极片输送过程中张力值并上传至边缘计算器；
17、所述张力控制系统用于对张力值进行调整。
18、优选的，所述极耳间距测试装置包括：伺服电机、激光传感器、编码器和卷针；
19、所述卷针用于卷绕小极片，所述伺服电机用于驱动卷针转动，所述激光传感器安装在对准卷绕极耳的中部直线处，距离极片间距为h；所述卷针上安装有编码器；
20、所述激光传感器至少有两个，分别设置于正、负极入卷前，两个所述激光传感器分别用于标记正极mark位置、极耳起始和终止位置，以及负极mark位置、极耳起始和终止位置。
21、优选的，所述闭环控制系统还包括安装在组装检测机中的厚度检测仪，所述厚度检测仪用于检测极卷整体厚度，判断是否可以入铝壳。
22、第二方面，本专利技术提供一种锂电池跨工序的卷绕闭环控制方法，基于上述的锂电池跨工序的卷绕闭环控制系统实现，所述方法包括：
23、构建与训练神经网络自学习模型，所述神经网络自学习模型以极耳对齐度厚度协方差和标准差、极片厚度协方差和标准差值为输入，以张力调整值、极耳间距调整值和压花辊压力调整值为输出；
24、检测极片输送过程中张力值，判断极片在输送过程中张力的变化，若张力变化值大于阈值△k，则调整张力值；
25、获取辊压极片测厚装置测量的x方向极片辊压厚度和切卷测厚装置测量的极片y方向厚度，判断测量厚度与理论厚度的偏差是否大于极耳间距调整厚度阀值△t1，若不大于，则不进行调整；若大于极耳间距调整厚度阀值△t1，则进一步判断是否大于压花辊调整阀值△t2；若既大于△t1且大于△t2，则开启压花辊，基于神经网络自学习模型输出调整压花辊的压力，若大于△t1且小于△t2，则基于神经网络自学习模型输出调整极耳间距。
26、优选的，所述构建与训练神经网络自学习模型，包括：
27、获取训练数据集，该获取训练数据集包括：获取极片在输送过程中张力值、辊压x方向厚度测量值和极片y方向厚度测量值；基于获取的数据计算极耳对齐度厚度协方差和标准差、以及极片厚度协方差和标准差值；将计算的极耳对齐度厚度协方差和标准差、极片厚度协方差和标准差值、以及当前工况下张力调整值、极耳间距调整值和压花辊压力调整值共同作为一组训练数据；基于极片输送过程中的测量数据和调整数据按上述方式获取训练数据集；
28、将所述训练数据集输入构建的神经网络自学习模型中，通过模型自学习找到极耳对齐度、卷芯厚度偏差下与张力、极耳间距和压花辊压力调整值之间的关系；并基于预测偏差值和实际检测偏差值修正模型参数，得到训练好的神经网络自学习模型。
29、优选的，所述方法还包括：
30、检测调整后的极耳间距和极卷厚度，反馈张力调整值、极耳间距调整值和压花辊压力调整值，优化所述神经网络自学习模型。
31、本专利技术的有益效果为：
32、本专利技术提供了一种跨工序的卷绕闭环控制系统及方法，通过建立模型关系，找出前工序的2个维度的来料厚度、当前工序的张力值与每圈极耳错位值、极卷厚度偏差值之间的关系，实现在极片厚度变化或设备张力变化时实时调整的极耳间距值、压花辊启停、压花辊压力值，进而保证卷芯在卷绕过程中极耳对齐度和卷芯厚度。本专利技术实现了代替人工检测、分析及调整，精准了解获取极耳错位的位置信息，实现事前控制，减少卷芯错位不良、超厚返工不良、容量一致性差等问题。
本文档来自技高网...【技术保护点】
1.一种锂电池跨工序的卷绕闭环控制系统，其特征在于，包括安装在辊压中的辊压极片测厚装置、安装在切卷设备中的切卷测厚装置和边缘计算器；
2.根据权利要求1所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述辊压极片测厚装置安装在移动模组上，通过移动模组带动所述辊压极片测厚装置沿极片X方向移动。
3.根据权利要求2所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述辊压极片测厚装置用于，
4.根据权利要求1所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述切卷测厚装置设置在放卷设备后、激光切割设备前，固定在切卷设备大板上。
5.根据权利要求4所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述切卷测厚装置包括：伺服模组、激光测距仪、下稳定辊和上稳定辊；
6.根据权利要求5所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述切卷设备中还包括：极耳间距测试装置、张力控制系统和张力检测系统；
7.根据权利要求6所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述极耳间距测试装置包括
8.根据权利要求1所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述闭环控制系统还包括安装在组装检测机中的厚度检测仪，所述厚度检测仪用于检测极卷整体厚度，判断是否可以入铝壳。
9.一种锂电池跨工序的卷绕闭环控制方法，其特征在于，基于权利要求1至8任意一项所述的锂电池跨工序的卷绕闭环控制系统实现，所述方法包括：
10.根据权利要求9所述的一种锂电池跨工序的卷绕闭环控制方法，其特征在于，所述构建与训练神经网络自学习模型，包括：
11.根据权利要求10所述的一种锂电池跨工序的卷绕闭环控制方法，其特征在于，所述方法还包括：
...【技术特征摘要】
1.一种锂电池跨工序的卷绕闭环控制系统，其特征在于，包括安装在辊压中的辊压极片测厚装置、安装在切卷设备中的切卷测厚装置和边缘计算器；
2.根据权利要求1所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述辊压极片测厚装置安装在移动模组上，通过移动模组带动所述辊压极片测厚装置沿极片x方向移动。
3.根据权利要求2所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述辊压极片测厚装置用于，
4.根据权利要求1所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述切卷测厚装置设置在放卷设备后、激光切割设备前，固定在切卷设备大板上。
5.根据权利要求4所述的一种锂电池跨工序的卷绕闭环控制系统，其特征在于，所述切卷测厚装置包括：伺服模组、激光测距仪、下稳定辊和上稳定辊；
6.根据权利要求5所述的一种锂电池跨工序的卷绕闭环控制系统，其...
【专利技术属性】
技术研发人员：陈军，蒋倩男，徐兴东，
申请(专利权)人：合肥国轩高科动力能源有限公司，
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。