[发明专利]一种评估电池生产工艺环节对于电池一致性影响的方法

说明书

本发明公开了一种评估电池生产工艺环节对于电池一致性影响的方法，属于电池生产工艺能力分析技术领域。所述方法通过在构建模糊一致矩阵时，引入截尾均值法的思想，对收集的专家打分表进行数据处理，减少专家主观因素对一致性分析体系的影响以及专家评分中极端数据的影响；然后再将一致性指标转换成适应度函数，并利用修正后的模糊一致矩阵和因素权重构建初始粒子群，结合粒子群寻优计算得到权重，实现一致性矩阵判别检验，建立动力电池生产工艺一致性分析体系，此过程无需专家反复打分，也无需一致性验证和矩阵修正过程的反复计算，因此大大降低了计算量，且通过粒子群寻优得到最符合一致性要求的权重。

技术领域

本发明涉及一种评估电池生产工艺环节对于电池一致性影响的方法，属于电池生产工艺能力分析技术领域。

背景技术

动力电池是新能源汽车等动力设备的关键组成部分，且往往是以成组形式应用的，成组的关键在于电池产品的一致性程度。电池产品的一致性程度是指一组动力电池单体的重要特征参数的趋同性，比如电压、容量等。因为动力电池是成组供电，因此如果动力电池单体的一致性较差会导致电池寿命衰减过快，电池供电不稳定，带来了显著的安全隐患。

动力电池的生产过程涉及12道工艺环节，不同的工艺环节涉及多种材料的选用过程、多种化学材料的反应过程，以及不同温度湿度影响下的生产过程。复杂的工艺过程势必造成动力电池单体间存在差异。而每个工艺环节对于电池一致性的影响程度并不一致，为了优化电池生产工艺，需要评判各工艺环节对于电池一致性影响的程度。

最初，评判各工艺环节对于电池一致性影响的程度依赖于技术人员的经验，但经验因人而异且具有较大的主观性，因此无法准确的进行评判，且无法量化比较各工艺环节对电池一致性的影响程度。随着技术的进步，目前，国内外提出的方法主要是层次分析及其派生方法。然而，尽管层次分析法在评估分析体系建立问题方面已经得到广泛应用，可是算法现阶段依然存在一些弊端。例如，使用层次分析法和模糊层次分析法时需要专家评分以建立一致性判断矩阵，但是在多环节、强耦合、多变量的电池生产过程中建立的一致判断矩阵并不一定满足一致性要求，这时一致性判断矩阵对应的因素权重就不具备可信度，需要对一致性判断矩阵进行修正，而所谓修正过程，即需要专家反复进行评分直到矩阵满足一致性。可是一致性验证和矩阵修正过程计算量大，复修正会造成计算时间的浪费。同时，传统的专家评分容易产生极端数据，也会影响权重计算结果的可信度。

发明内容

为了解决电池生产工艺一致性分析问题，减少专家评分中极端数据的影响，同时在修正模糊一致性判断矩阵的过程中避免权重的重复求解，降低传统一致性权重求解方法带来的显著计算量，本发明提供一种评估电池生产工艺环节对于电池一致性影响的方法，该方法基于模糊群智能截尾评分机制进行分析，在构建模糊一致矩阵时，引入截尾均值法的思想，对收集的专家打分表进行数据处理，减少专家主观因素的对一致性分析体系的影响；然后再将一致性指标转换成适应度函数，并利用修正后的模糊一致矩阵和因素权重构建初始粒子群，结合粒子群寻优计算得到权重，实现一致性矩阵判别检验，建立动力电池生产工艺一致性分析体系，此过程无需专家反复打分，也无需一致性验证和矩阵修正过程的反复计算，因此大大降低了计算量，且通过粒子群寻优得到最符合一致性要求的权重，而现有方法均只是得到符合一致性要求的权重即可，没有在符合一致性要求的范围再进一步寻优得到最符合一致性要求的权重。

一种评估电池生产工艺环节对于电池一致性影响的方法，所述方法包括：

Step1：根据专家打分表构建n维的模糊一致矩阵R_e，所述专家打分表为电池生产各工艺环节中的因素对电池一致性影响程度的初步评判数据；

Step2：将模糊一致矩阵R_e中各元素作为初始粒子群，设定最大迭代次数T，设定一致性优化函数CIF(n)作为粒子群算法的适应度函数，设置粒子位置取值范围[0,b]和粒子的运动速度取值范围[0,c]；将各层级因素的对应权重w_i作为优化变量，共计(n-1)(n-2)/2+n个优化变量，i＝1,2,…n；