(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210916380.8 (22)申请日 2022.08.01 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 杨世春　张正杰　舒唯　曹瑞　 林家源　刘新华　徐斌　 (74)专利代理 机构 北京天汇航智知识产权代理 事务所(普通 合伙) 11987 专利代理师 高永 (51)Int.Cl. G06F 30/20(2020.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) H01M 10/058(2010.01) H01M 10/42(2006.01)G01R 31/367(2019.01) (54)发明名称 基于数字孪生的动力电池制造工艺优化方 法 (57)摘要 发明提供了一种基于数字孪生的动力电池 制造工艺优化方法， 该方法将动力电池制造阶段 关键材料参数、 工艺参数和质检参数等上传存储 到动力电池基因信息数据库， 并在赛博物理空间 建立动力电池数字孪生特征模型， 使用过程中， 动力电池数字孪生特征模型与动力电池物理实 体连接， 并对模型进行实时更新和迭代， 将动力 电池使用过程中的特征参数与动力电池制造过 程中的基因信息进行比对， 找出故障问题或失效 原因， 从而 对动力电池制造 工艺进行反馈优化。 权利要求书1页 说明书7页 附图2页 CN 115422713 A 2022.12.02 CN 115422713 A 1.一种基于数字 孪生的动力电池制造 工艺优化方法， 其特 征在于， 包括以下步骤： S1收集动力电池物理实体制造过程中的基因信息， 并存入动力电池基因信息数据库 中； S2在赛博物理 空间构建动力电池数字 孪生特征模型； S3采用数据交互系统连接动力电池物 理实体和动力电池数字孪生特征模型， 在动力电 池的使用过程中， 实时将使用信息传输至数据交互系统， 并进 行特征参数标定， 然后 将识别 的特征参数传输至动力电池数字孪生特征模型， 进行迭代更新， 并存入动力电池基因信息 数据库中； S4在动力电池基因信 息数据库中， 将动力电池使用过程中的特征参数与动力电池制造 过程中的基因信息比对， 并建立特征参数与动力电池性能的映射关系， 找出动力电池故障 的原因， 从而对动力电池的制造 工艺进行反馈指导和设计优化。 2.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述基因信息包括材 料参数、 工艺 参数、 品控参数和性能参数。 3.根据权利要求2所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述材料参数包括电解液浓度、 材料密度和体积分数； 所述工艺参数包括壳体尺 寸、 预紧力和 涂胶量； 所述品控参数包括模组压差、 系统漏气量和绝缘阻值； 所述性能参数包括出厂时 间、 储存温度和初始SOC 。 4.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述动力电池基因信息数据库由底层异构数据库和上层中间件模块组成， 异构数据库包括关 系型数据库、 时序数据库、 图数据库和非结构化数据库， 中间件模块包括数据处理模块、 网 关设置模块、 监控系统和数据持久化模块。 5.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述动力电池数字孪生特征模型由特征参数组合构成， 包括动力电池在 全生命周期使用中产 生的业务特征、 统计特 征、 机理特 征和时频 特征。 6.根据权利要求5所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述业务特征包括充电电流、 累积充放电容量、 累积使用时长、 高温累积充放电容量、 高倍率 累积充放电容量； 所述机理特征包括内阻变化、 内短路内阻变化、 自放电率K值变化； 所述统 计特征包括电压最大值、 电压最小值、 电压均值、 单体电压标准差； 所述时频特征包括小波 变换得到的多阶模态分量、 希尔伯特黄变换 得到的多阶模态分量、 信息熵、 奇异谱熵。 7.根据权利要求1所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述使用信息包括 运行参数、 维修保养参数和运行原 始数据。 8.根据权利要求7所述的基于数字孪生的动力电池制造工艺优化方法， 其特征在于， 所 述运行参数包括欧姆内阻、 开路电势和单体欠压量； 所述 维修保养参数包括更换电芯参数、 报警故障码、 螺 栓预紧力； 所述 运行原始数据包括总线电压、 总线电流和系统温度。权　利　要　求　书 1/1 页 2 CN 115422713 A 2基于数字孪生的动力电池制造 工艺优化方 法 技术领域 [0001]本发明属于动力电池设计与建模领域， 具体涉及 一种基于数字孪生的动力电池制 造工艺优化方法。 背景技术 [0002]目前新能源汽车技术的发展已进入大规模应用的关键时期， 作为 “三纵三横 ”研发 布局中的关键节点， 设计高强度、 轻量化、 高安全、 低成本、 长寿命的动力电池成为关键难 题。 伴随着电动汽车的使用， 恶劣的路面条件、 环境温度和负载的动态变化会导致电池系统 性能非线性下降， 进而导致漏液、 绝缘损坏和部分短路等问题。 若能明 晰电池损耗的内部反 应机理， 及时监测故障特征和评估健康状态， 这对于动力电池制 造工艺的指导有着重要意 义。 [0003]数字孪生技术是充分利用物理模型、 传感器更新、 运行历史等数据， 集成多学科、 多物理量、 多尺度、 多概率的仿真过程， 在虚拟空间中完成映射， 从而反映相对应的实体装 备的全生命周期过程。 数字孪生是一种超越现实的概念， 可以被视为一个或多个重要的、 彼 此依赖耦合的系统的数字映射系统。 建立动力电池的数字孪生模型可以实现智能制造与高 效管理。 发明内容 [0004]针对上述现有技术中存在的问题， 本发明提出了一种基于数字孪生的动力电池制 造工艺优化方法， 该方法记录动力电池制造过程中的材料参数、 工艺参数和质检参数等， 建 立动力电池基因信息数据库， 并构建动力电池数字孪生特征模型， 动力电池数字孪生特征 模型与动力电池物理实体通过数据 交互系统连接， 进行实时更新和迭代， 通过全生命周期 对比可以明确动力电池老化衰退路径， 找出故障问题， 从而对动力电池制 造工艺进行反馈 优化。 [0005]本发明的技 术方案具体如下： [0006]一种基于数字 孪生的动力电池制造 工艺优化方法， 包括以下步骤： [0007]S1收集动力电池物理实体制造过程中的基因信息， 并存入动力电池基因信息数据 库中； [0008]S2在赛博物理 空间构建动力电池数字 孪生特征模型； [0009]S3采用数据交互系统连接动力电池物理实体和动力电池数字孪生特征模型， 在动 力电池的使用过程中， 实时将使用信息传输至数据交互系统， 并进 行特征参数标定， 然后将 识别的特征参数传输至动力电池数字孪生特征模型， 进行迭代更新， 并存入动力电池基因 信息数据库中； [0010]S4在动力电池基因信息数据库中， 将动力电池使用过程中的特征参数与动力电池 制造过程中的基因信息比对， 并建立特征参数与动力电池性能的映射关系， 找出动力电池 故障的原因， 从而对动力电池的制造 工艺进行反馈指导和设计优化。说　明　书 1/7 页 3 CN 115422713 A 3