CN119439924A 锂电池自动裁切卷绕机的智能卷绕控制方法 （东莞市和明机械有限公司）

锂电池自动裁切卷绕机的智能卷绕控制方法本发明涉及卷绕机领域的锂电池自动裁切前馈补偿机制，根据材料动力学模型的预测结2S102，针对卷绕过程中卷芯直径不断增加导致的3在电池卷绕过程中，通过传感器实时采集所述阳极片、所将采集到的所述位置偏差数据输入卡尔曼滤波算法进判断所述位置偏差估计值是否超出预设的偏差阈值范围，若超出所述偏差阈值范围，根据所述位置偏差估计值的大小和方向，控制执行器对所述阳若调整后的位置偏差仍超出所述偏差阈值范围，则重复执行触发位根据所述实时卷芯直径数据，通过预设的前馈补偿模型，计算需要将所述放卷速度和收卷张力参数传递给卷绕设备的执行机构，放卷速度和收卷张力参数动态调整卷绕过程中的放卷速度和若所述实时材料张力数据超出所述目标张力范围，则通过预所述执行机构根据所述需要进一步调整的放卷速度和收卷张力参数，针对所述有限元分析模型进行应力应变分布和振动模态分析，根据所述应力应变分布和振动模态数据，确定关键部件的结构参数和布局优化方案，将多个振动传感器安装在卷绕机的振动敏感点位置，实时采集卷绕过程中的振动信对采集到的振动信号进行预处理，滤除振动信号中的高频噪声和干采用小波分析和经验模态分解方法对所述预处理后的振动信号进行4将所述振动补偿控制指令转换为驱动信号，驱动卷绕机的执行机构，根据所述动态响应特性数据，建立材料动力学模型，所述材料动力获取所述材料动力学模型的预测结果，在控制系统中引入将所述修正后的控制指令传递给执行机构，对所述执行机构的运获取所述材料动力学模型的预测误差，采用自适应控制算法，根据所述材料动力学模型和所述自适应控制算法，对高速卷绕过述多智能体协同调度模型将物料流和信息流映射为智能体之间的交互行为和采用强化学习算法对所述多智能体协同调度模型进行训练，得到训构建异常监测和诊断知识库，所述异常监测和诊断采用机器学习算法对传感器和数据采集装置采集的数据进行分析和5将所述实时运行数据传输至人机交互界面，在所述人机交互界面上获取每一卷电芯的生产过程数据，所述生产过程数据包括原材若需要对某一卷电芯的质量进行分析和改进，则从所述数据6[0002]在锂电池自动裁切卷绕机的卷绕过程中，一个关键的技术问题是如何确保阳极[0005]本发明的目的是解决以上缺陷，提供锂电池自动裁切卷绕机的智能卷绕控制方7在张力控制方面，采用基于模糊PID的智能控制策略，结合多传感器数据融合实现精确控8差数据；将采集到的所述位置偏差数据输入卡尔曼滤波算法进行噪声去除和数据平滑处后的位置偏差是否在所述偏差阈值范围内；若调整后的位置偏差仍超出所述偏差阈值范所述放卷速度和收卷张力参数动态调整卷绕过程中的放卷速度和[0028]若所述实时材料张力数据超出所述目标张力范围，则通9卷绕过程中材料张力稳定在10N±1N的目标范围内，有效避免了材料松弛或过度拉伸导致度不断提高。通过MATLAB/Simulink搭建控制系统的仿真模型，分析不同工况下的控制效[0051]根据材料特性参数和卷绕工艺要求，采用模糊规则库对控制器参数进行在线调多智能体协同调度模型将物料流和信息流映射为智能体之[0071]数据显示，该电芯使用的负极材料批次为A，卷绕张力为10N，