欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020108056104
申请人: 南京工程学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种退役动力锂电池热特征一致性筛选方法,其特征在于,包括:步骤1:获取记录退役锂电池温度变化过程的红外视频序列;

步骤2:从步骤1获取的红外视频序列中提取关键帧图像;

步骤3:使用K‑Means聚类方法对步骤2提取的所有关键帧图像中的锂电池表面热点进行聚类;

步骤4:根据步骤3聚类结果,计算锂电池表面热点归一化统计直方图向量;

步骤5:使用均值漂移对步骤4计算得到的锂电池表面热点归一化统计直方图向量进行聚类,实现对所有退役动力锂电池热特征的筛选;

所述步骤3具体为:

步骤3.1:通过阈值法对所有已经获得的关键帧图像进行图像分割,实现所有关键帧图像中的锂电池表面热点的提取;

步骤3.2:计算得到所有红外视频序列关键帧图像的锂电池表面热点直方图向量;

步骤3.3:使用K‑Means聚类方法,对锂电池表面热点直方图向量进行聚类,将其分为Kc类;

所述步骤3.1中,锂电池表面热点提取公式为:

式中,Th为分割目标与背景所设定的阈值,g(x,y)为原图像中像素的灰度值,h(x,y)经阈值法处理后的二值化图像,即锂电池表面热点;

所述步骤3.2具体为:

统计锂电池表面热点h(x,y)中灰度值为gi的像素个数Ni;

若分割出的电池表面热点h(x,y)为Mh×Nh维,则:锂电池表面热点直方图为:

pi=Ni/(Mh×Nh)                                  (2)式中,pi是灰度值为gi的像素出现的概率,且∑pi=1;

锂电池表面热点直方图向量zk为:

zk=[p1,p2,...,pL];

L为电池红外表面热点图像的最大灰度级。

2.根据权利要求1所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,步骤1所述记录退役锂电池温度变化过程的红外视频序列的获取方法为:给退役动力锂电池注入幅值为ID=1C,频率为fD=30Hz的双极性脉冲电流,直至锂电池表面最高温度由T1=25℃升高至T2=30℃,使用红外摄像机记录此过程中锂电池表面温度的动态变化过程。

3.根据权利要求1所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,所述步骤2具体为:提取红外视频序列中温度每增加ΔTstep=0.5℃,所对应的单帧图像作为关键帧图像,则对每个红外视频序列共计获得Nnum=ΔTc/ΔTstep幅关键帧图像,其中,ΔTc=T2‑T1。

4.根据权利要求1所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,所述步骤3.3包括以下步骤:步骤3.3.1:定义K‑means的分类个数为Kc,随机初始化质心ci(i=1,2,…,Kc),分别计算各向量zk与质心ci的距离Dki,将zk划分到与其最近的质心对应的分类当中;

令ci=[pi1,pi2,...,piL],则Dki的计算公式为:步骤3.3.2:根据分类到每一类Ci中的直方图特征向量zk,重新计算各类的质心ci,具体为:其中,Ki为每个类中特征向量的数目;

步骤3.3.3:重复步骤3.3.1‑步骤3.3.2,直至质心变化小于某个特定的值εz时,分类结束,将表面热点的直方图向量zk分类为{C1,C2,…,CKc}。

5.根据权利要求4所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,所述步骤4具体为:将每块锂电池红外视频序列中的所有单帧图像,分配到已经获得的Kc个类中,分别统计每个红外视频序列中各帧图像被分配至不同类的次数,得到视频序列的归一化统计直方图向量wm,即:假定步骤1获得M个不同的红外视频序列,根据步骤3的聚类结果{C1,C2,…,CKc},从所有红外视频序列的单帧图像中提取表面热点的向量直方图,将其分类到Kc个分类{C1,C2,…,CKc}中;

对于同一视频序列,统计各帧图像落到Kc个分类中的频次Mi,假定视频序列拥有共计Mf幅单帧图像,那么,获得如下归一化直方图的统计结果:其中,Pci可认为是特定红外视频序列中单帧图像落到Ci类的概率;

从而获得视频序列的归一化统计直方图向量:

6.根据权利要求5所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,所述步骤5具体为:使用均值漂移对归一化统计直方图向量wm进行聚类,实现退役动力锂电池热特征一致性筛选,包括以下步骤:步骤5.1:从未分类的wm中随机选取起始分类中心点ws;

步骤5.2:将以分类中心ws距离小于rs的所有向量wm划分到Xi类中,统计所有出现在Xi中的数据点,将其出现次数加1;

步骤5.3:更新分类中心点ws,假定分到特定类中向量的数目为NXi,则:步骤5.4:重复步骤5.2‑步骤5.3,直至分类中心点ws的移动距离Ls小于δs;

步骤5.5:若新产生的分类Xi与已有分类Xj中心点的距离小于δX,则合并Xi到分类Xj中;

否则,将Xi视为新的分类;

步骤5.6:重复步骤5.1‑步骤5.5,直至所有的归一化统计直方图向量均被分类;若同一归一化统计直方图向量被划分到不同类中,则统计该向量在各类中出现的频次,选取出现次数最多的类作为最终分类结果。

7.根据权利要求6所述的一种退役动力锂电池热特征一致性筛选方法,其特征在于,所述步骤5.2中,向量wm与分类中心点ws=[ps1,ps2,...,psMi]的距离Dms(wm,ws)采用(6)式计算,具体如下:步骤5.4中,Ls计算公式为:

式中,ws'为前一次更新的分类中心点。