基于海量数据学习的动力电池智能成组系统

At present, many issues still exist in battery production in China, e.g., the rely of process control on the presence of experience, low-tech, labor-intensive, harsh production environment, etc., so that the return rate of battery packs is still high. This project will focus on the research on the key technologies to the automatic grouping of batteries as well as the intelligent control system for the grouping. The project intends to study the wireless data transmission technology for intensive nodes based on the antenna array space division access technology, and to construct the corresponding hardware system to acquire safely the battery charge and discharge big data and to transmit them efficiently; then unsupervised learning algorithms for the battery charge and discharge big data will be studied to obtain a sparse representation of them, which will be extracted as key features to characterize the power battery charge and discharge characteristics and battery consistency; The sparse representation of the battery charge/discharge big data will be then clustered using a graph spectral clustering algorithm, thereby improving the efficiency and effectiveness for battery grouping; An automatic sorting control system with multi-outputs will be built based on a RFID reader/writer installed on an automated guided vehicle . Breakthroughs are expected in a heterogeneous network of things, massive data learning theories and algorithms, control technologies and the system for intelligent grouping, etc. The research will promote the battery grouping technologies in China as well as the intelligentization for battery manufacturers, meanwhile certain significance is expected for Chinese electric vehicles manufacturer.

针对目前我国电动汽车等领域使用的动力电池组寿命短、退货率高等问题，本项目提出了一种基于海量数据学习的动力电池智能成组方法。通过对电池充放电完整数据的自动采集，采用天线阵列空分接入技术完成数据的高效传输，进而对电池充放电海量数据进行非监督学习，研究其稀疏表示方法，抽取出能表征电池充放电特性和一致性的关键特征；然后，基于所抽取的一致性特征，采用稀疏图谱聚类方法完成充放电大规模数据的聚类；最终设计一套基于AGV小车的电池RFID高速可靠读写和多出口的动力电池自动成组分拣控制系统。通过本项目的研究，有望在密集节点无线传输、大规模数据学习理论与算法、动力电池智能配组控制技术与系统研究等方面取得突破；利用上述研究成果，可支撑我国动力电池生产过程的自动配组，大幅提升电池组内单体电池的一致性，延长整个电池组的使用寿命，同时提高电池成组生产效率。本项目对推动我国电动汽车产业也有十分重要的意义。

针对目前我国电动汽车等领域使用的动力电池组寿命短、退货率高等问题，项目试图通过对动力电池完整充放电数据进行自动采集，采用非监督学习方法完成动力电池充放电一致性特征的自动抽取，并据此完成动力电池的自动配组，从而实现生产过程配组的智能化。在提高动力电池生产装备智能化水平和电池配组生产效率的基础上，进一步提高成批单体电池品质和成组动力电池的整体一致性。主要研究内容包括：（1）动力电池化成过程海量数据安全采集方法；（2）海量数据可靠高效传输方法；（3）化成过程充放电海量数据学习理论；（4）基于充放电海量数据的动力电池配组方法；（5）动力电池成组自动分拣控制系统。项目面向融合密集节点无线传输、大规模数据学习理论与算法、动力电池智能配组控制技术等相关理论与技术，完成了一系列的研究成果：设计了一套可在复杂工况、强不一致性、高安全要求情况下的动力电池数据隔离式采集电路；研究了可适用于海量数据可靠高效传输的大规模MIMO系统关键技术，包括信道估计、功率分配、导频设计、波束选择等方法；提出了基于小波降噪和数据标准化的电池数据预处理方案，研究了基于稀疏表示和主成分分析的动力电池数据降维方法，提出了基于系列动力电池充放电序列特征提取方法，包括u-shapelets、密度分布模型等，并在此基础上提出了基于近邻传播、密度峰等聚类的动力电池配组方法；研究并实现了基于视觉反馈的动力电池成组自动分拣控制系统，通过伺服控制及机械臂轨迹控制算法，通过比对被抓取电池的信息和数据库已分组电池的信息，运用机械臂进行电池的自动抓取和分拣，实现了电池配组分拣的自动化。项目在大规模MIMO系统关键技术、序列数据特征抽取与聚类、机械臂控制技术等方面的研究成果也可为其他相关领域的研究提供借鉴。