新能源车电池循环寿命评估与优化手册

新能源车电池循环寿命评估与优化手册第一章电池系统可靠性评估模型1.1基于寿命预测的电池健康度监测算法1.2多维度电池状态参数采集系统设计1.3电池老化曲线拟合与预测模型1.4电池循环寿命影响因子量化分析1.5电池寿命预测模型的验证与优化第二章电池热管理与循环寿命的关系2.1电池温度对循环寿命的量化影响2.2冷却系统设计对电池寿命的优化2.3电池热失控风险评估与热管理策略2.4电池热管理系统的动态优化算法2.5多温区热管理系统设计与应用第三章电池化学功能与循环寿命的关联3.1锂离子电池容量衰减机制分析3.2电池材料老化特性与寿命预测3.3电解液寿命与电池循环寿命关系3.4电池正负极材料寿命评估方法3.5电池化学功能衰退的动态监测技术第四章电池管理系统（BMS）在寿命优化中的作用4.1BMS在电池状态监测中的核心作用4.2BMS对电池充放电控制的优化策略4.3BMS在电池寿命预测中的应用4.4BMS在电池健康管理中的动态调整算法4.5BMS与电池寿命优化的协同控制第五章电池循环寿命评估的实验与数据采集5.1电池循环寿命的实验设计与测试方法5.2电池循环寿命评估的标准化测试流程5.3电池循环寿命数据采集与分析工具5.4电池循环寿命评估的多参数协同分析5.5电池循环寿命评估数据的统计模型构建第六章电池循环寿命优化策略与工程实践6.1电池循环寿命优化的核心策略6.2电池寿命优化的工程实施路径6.3电池寿命优化在整车应用中的案例6.4电池寿命优化的多目标优化算法6.5电池寿命优化的实时监控与反馈机制第七章电池循环寿命评估的标准化与行业规范7.1电池循环寿命评估的国家标准与行业规范7.2电池循环寿命评估的国际标准与技术规范7.3电池循环寿命评估的认证与检测流程7.4电池循环寿命评估的报告与数据管理7.5电池循环寿命评估的持续改进机制第八章电池循环寿命优化的未来发展趋势8.1电池循环寿命优化的智能化发展8.2电池循环寿命优化的数字孪生技术应用8.3电池循环寿命优化的人工智能算法应用8.4电池循环寿命优化的绿色制造与可持续发展8.5电池循环寿命优化的未来研究方向第一章电池系统可靠性评估模型1.1基于寿命预测的电池健康度监测算法电池健康度（StateofHealth,SOH）是评估电池系统可靠性的重要指标。基于寿命预测的电池健康度监测算法采用时间序列分析与机器学习结合的方法，以预测电池的剩余寿命。常用的算法包括支持向量机（SupportVectorMachine,SVM）、随机森林（RandomForest）以及长短期记忆网络（LongShort-TermMemory,LSTM）。对于电池健康度的预测，可采用以下数学模型：S其中，SOHt表示电池健康度估计值，Et表示在时间t1.2多维度电池状态参数采集系统设计电池状态参数的采集是电池寿命评估的基础。关键参数包括电压、电流、温度、SOC（StateofCharge）以及内阻等。为实现多维度参数的实时采集，系统设计应具备高精度、低延迟和高可靠性的特点。采用多传感器融合技术，通过模数转换器（ADC）采集电压信号，通过温度传感器采集温度信号。系统设计需遵循IEC61850标准，保证数据采集的标准化与互操作性。参数单位测量范围采集频率精度传感器类型电压V3.7–4.2100Hz±0.01V电压传感器电流A0–100100Hz±0.1A电流传感器温度°C-20–60100Hz±0.5°C热电偶SOC%0–100100Hz±0.5%电压-电流传感器1.3电池老化曲线拟合与预测模型电池老化曲线采用指数衰减模型或多项式拟合模型进行描述。常见的拟合模型包括：E其中，Et表示电池在时间t时的容量，E0是初始容量，k是老化系数，t为了提高预测精度，可引入动态修正因子，如温度修正因子TcE其中，Δt是修正时间，Tc1.4电池循环寿命影响因子量化分析电池循环寿命受多种因素影响，包括材料特性、充放电制度、温度环境等。量化分析需综合考虑上述因素，通过多变量回归模型进行建模。以下模型可用于量化分析：L其中，L表示电池循环寿命，C是充放电次数，T是温度，D是放电深入，R是内阻。该模型通过历史数据训练，可实现对不同工况下的循环寿命进行预测。1.5电池寿命预测模型的验证与优化为保证预测模型的准确性，需进行模型验证与优化。常用方法包括交叉验证（Cross-validation）、误差分析与参数调优。对于电池寿命预测模型，可采用以下优化策略：（1）参数调优：利用遗传算法或贝叶斯优化方法，调整模型参数以提高预测精度。（2）数据增强：通过引入噪声数据或生成对抗网络（GAN）增强训练数据，提升模型鲁棒性。（3）模型融合：结合多种预测模型（如LSTM、随机森林等）进行集成学习，提高预测稳定性。通过上述方法，可有效提升电池寿命预测模型的准确性和实用性，为电池系统可靠性评估提供科学依据。第二章电池热管理与循环寿命的关系2.1电池温度对循环寿命的量化影响电池循环寿命受温度影响显著，温度变化会导致电解液分解、材料老化、电化学反应速率改变，从而影响电池功能与寿命。电池温度与循环寿命之间的关系可通过热力学模型进行量化分析。考虑电池在不同温度下的容量衰减率，可采用以下公式进行建模：Δ其中：ΔCC0T表示电池工作温度（单位：K）；T0表示标准温度（为25°C或293EaR表示气体常数（8.314J/(mol·K)）。该公式表明，温度升高，电池容量衰减率呈指数下降，但温度过低也会导致电解液冻结，进而引发不可逆的容量损失。因此，在电池热管理中需合理控制温度范围，以平衡功能与寿命。2.2冷却系统设计对电池寿命的优化电池冷却系统是保障电池循环寿命的关键环节。有效的冷却系统可降低电池内部温度，减少热应力，延缓材料老化。冷却系统由风冷、水冷、液冷等技术组成。风冷系统适用于小型电池组，水冷系统适用于中大型电池组，液冷系统适用于高功率动力电池。在设计冷却系统时，需考虑以下因素：冷却介质的热导率与比热容；系统的热交换效率；电池包的热容与散热能力；系统的可靠性和耐久性。针对不同应用场景，可采用以下配置建议：冷却方式适用场景功能指标优势水冷系统高功率动力电池高热传导效率适合高能量密度电池液冷系统大型电池组低温稳定适合极端工况风冷系统小型电池组低能耗适合轻量化设计2.3电池热失控风险评估与热管理策略电池热失控是影响电池安全性和寿命的重要因素。热失控由内部短路、热敏材料失效、外部冲击等引发，可能导致电池膨胀、燃烧甚至起火。热失控风险评估可采用以下方法：基于热力学模型预测热失控的临界温度；基于热成像技术检测电池内部热分布；基于仿真工具（如ANSYS、COMSOL）进行热模拟分析。在热管理策略中，可采取以下措施：增加电池的散热面积和热交换效率；设置温度阈值报警系统，及时预警热失控；采用多层隔热材料，减少热传导；在电池包内设置应急冷却装置，如冷却液循环系统。2.4电池热管理系统的动态优化算法电池热管理系统需根据实际工况动态调整热管理策略，以实现最优的温度控制。动态优化算法可采用以下方法：基于模糊控制算法的自适应控制；基于强化学习的智能优化；基于粒子群优化的多目标优化。动态优化算法需考虑以下参数：电池当前温度；电池剩余寿命；系统能耗；环境温度。通过动态优化算法，可实现对电池温度的精准控制，提高系统效率，延长电池寿命。2.5多温区热管理系统设计与应用多温区热管理系统可实现对电池包内不同区域的温度差异化控制，以提高热管理效率，降低系统能耗。多温区热管理系统由以下部分组成：电热泵系统：用于调节电池包内的热分布；冷却液循环系统：用于实现不同区域的温度调控；温度传感器：用于实时监测电池包温度。多温区热管理系统的优势包括：提高电池包内温度均匀性；降低系统功耗；延长电池寿命；优化热管理效率。在实际应用中，可根据电池包的尺寸、重量、功率等参数，设计相应的多温区热管理系统。第三章电池化学功能与循环寿命的关联3.1锂离子电池容量衰减机制分析锂离子电池在长期循环过程中，其容量衰减主要由以下机制引起：锂离子在正负极材料中的迁移受阻，导致活性物质的消耗；电解液中的溶剂分子在电池内部发生分解，破坏了电解质的结构稳定性；正负极材料在电化学反应中经历结构变化，如层状结构崩解、锂枝晶生长等，这些都会导致电池容量的逐渐下降。根据电化学模型，电池容量衰减可表示为：C其中，$C_{}$表示剩余容量，$C_{}$表示初始容量，$t$表示循环时间，$$表示容量衰减时间常数。3.2电池材料老化特性与寿命预测电池材料的老化主要由电化学、热力学与机械应力共同作用引起。例如正极材料如NCM（镍钴锰）在循环过程中会发生结构失配，导致锂离子嵌入/脱出不均匀，引发容量衰减。寿命预测采用寿命预测模型，如Weibull分布或Weibull-Logistic模型，用于评估材料的失效概率。3.3电解液寿命与电池循环寿命关系电解液的寿命直接影响电池的循环寿命。电解液在高温、高湿或电解液分解产物积累的情况下，会加速电极材料的腐蚀与副反应的发生。电解液寿命预测基于以下参数：参数描述单位电解液寿命电解液在循环过程中保持稳定性的能力年电解液分解速率电解液分解速率与循环次数的关系1/cycle分解产物浓度电解液分解产物的浓度变化mol/L电解液寿命与电池循环寿命的关系可表示为：τ其中，$$表示电解液分解速率。3.4电池正负极材料寿命评估方法正负极材料的寿命评估采用以下方法：（1）电化学阻抗谱（EIS）：用于评估材料的界面阻抗变化，间接反映材料的稳定性。（2）循环伏安法（CV）：用于测量材料在不同电位下的氧化还原反应行为。（3）X射线衍射（XRD）：用于分析材料的结构变化，如晶格畸变或相变。材料寿命评估可采用以下公式进行量化：L其中，$L$表示材料寿命，$$表示材料失效系数。3.5电池化学功能衰退的动态监测技术电池化学功能衰退的动态监测技术主要包括：实时电化学工作站：用于实时监测电池电压、电流和容量变化。在线质谱分析（OES）：用于分析电解液成分变化及副反应产物。机器学习与数据驱动模型：用于预测电池功能衰退趋势。动态监测技术可采用以下数学模型进行建模：C其中，$C(t)$表示电池容量随时间的变化，$C_0$表示初始容量，$C()$表示容量变化率。附录：电池材料寿命评估对比表材料容量衰减率（%percycle）电化学稳定性（V）寿命预测模型评估方法NCM2.53.0Weibull-LogisticEIS&CVLiFePO41.82.8WeibullXRD&CVLFP1.22.5WeibullEIS&OES第四章电池管理系统（BMS）在寿命优化中的作用4.1BMS在电池状态监测中的核心作用电池管理系统（BMS）在电池寿命优化中扮演着的角色，其核心功能在于实时监测电池的健康状态（HealthState,HST）。通过精确的电压、电流、温度及荷电状态（StateofCharge,SOC）采集与分析，BMS能够提供电池的实时运行参数，为寿命预测和优化策略提供数据支持。在电池寿命评估中，BMS通过动态监测电池的内阻、容量衰减率等关键参数，能够更准确地评估电池的剩余寿命，从而实现对电池功能的精细化管理。在电池状态监测中，BMS采用多传感器融合技术，结合电压、电流、温度等信号，通过卡尔曼滤波算法进行数据平滑与噪声抑制，提高数据的准确性与可靠性。BMS还支持基于机器学习的电池状态预测模型，通过历史数据训练模型，实现对电池健康状态的预测与趋势分析。这种智能监测机制不仅提高了电池管理的效率，也为寿命优化提供了科学依据。4.2BMS对电池充放电控制的优化策略BMS在电池充放电控制中主要通过调节电池的充放电速率、电压限制及电流限制，以延长电池的使用寿命。电池充放电速率的控制直接影响电池的温度变化及内阻变化，而过快的充放电速率可能导致电池寿命缩短。因此，BMS在充放电控制中需要综合考虑电池的当前状态和电池老化趋势，动态调整充放电策略。在电池充放电控制中，BMS采用智能控制算法，如PID控制、自适应控制等，以实现对电池的精准控制。对于高能量密度电池，BMS需在保证电池安全的前提下，优化充放电过程，避免过度充放电导致的不可逆损伤。BMS还支持基于电池老化模型的充放电策略，通过动态调整充放电速率和电压限值，以延长电池寿命。4.3BMS在电池寿命预测中的应用BMS在电池寿命预测中主要通过历史数据与实时监测数据的结合，建立电池寿命预测模型。在电池寿命预测中，BMS采用基于机器学习的预测模型，如支持向量机（SVM）、随机森林（RF）等，以预测电池的剩余寿命。这些模型通过训练历史电池数据，能够识别电池老化规律，预测电池在不同工况下的寿命。在电池寿命预测中，BMS还需考虑电池的温度、充放电速率、荷电状态（SOC）等参数对寿命的影响。通过建立电池寿命预测模型，BMS能够提供电池的剩余寿命评估，为电池的健康管理提供科学依据。BMS还可结合电池的循环次数与容量衰减率，建立电池寿命预测模型，为电池的优化使用提供指导。4.4BMS在电池健康管理中的动态调整算法BMS在电池健康管理中，需要根据电池的实时状态调整其控制策略。电池健康管理主要通过动态调整算法实现，如基于电池健康状态（HST）的自适应控制算法、基于电池老化模型的自适应调整算法等。在电池健康管理中，BMS采用自适应控制算法，根据电池的当前状态动态调整充放电策略。例如当电池健康状态下降时，BMS会减少充放电速率，以降低电池的温度变化和内阻变化。BMS还支持基于电池老化模型的动态调整算法，通过实时监测电池的健康状态，动态调整电池的充放电策略，以延长电池的使用寿命。在电池健康管理中，BMS还需考虑电池的温度、荷电状态（SOC）等参数对寿命的影响，通过动态调整算法，优化电池的运行状态，实现电池寿命的最优管理。4.5BMS与电池寿命优化的协同控制BMS在电池寿命优化中，需要与电池管理系统（BMS）协同工作，实现对电池寿命的综合管理。BMS的协同控制主要包括电池充放电控制、电池状态监测、电池寿命预测等环节的协同优化。在电池寿命优化中，BMS通过动态调整充放电策略、优化电池状态监测、提升电池寿命预测精度，实现对电池寿命的综合管理。BMS还需与电池管理系统协同工作，实现对电池运行状态的实时监控与优化，以保证电池的长期稳定运行。在电池寿命优化中，BMS与电池管理系统协同控制，能够实现对电池运行状态的动态调整，提高电池的使用效率与寿命，为新能源车的长期运行提供可靠支持。第五章电池循环寿命评估的实验与数据采集5.1电池循环寿命的实验设计与测试方法电池循环寿命评估采用循环充放电实验，以模拟实际使用条件下的电池功能。实验设计应包含以下关键要素：电池类型、充放电速率、循环次数、温度环境及湿度条件等。实验需遵循标准化流程，保证数据的可比性和可靠性。常用的实验方法包括恒流恒压充放电（CC/CV）法、脉冲充放电法以及多电平充放电测试等。实验过程中需记录电池电压、电流、温度、内阻等关键参数，并保证数据采集的准确性与完整性。5.2电池循环寿命评估的标准化测试流程标准化测试流程是保证电池循环寿命评估结果具有通用性和可重复性的关键。包括以下步骤：（1）电池配置与标定：根据电池类型选择合适的电极材料、电解质及封装结构，并进行初始状态校准。（2）实验条件设定：确定充放电电压范围、电流密度、循环次数及温度条件。（3）实验实施：按照预设的充放电程序进行循环测试，记录关键功能指标。（4）数据采集：使用高精度数据采集系统实时记录电池电压、电流、内阻、温度等参数。（5）结果分析：根据采集数据计算电池容量衰减率、循环效率及寿命预测模型。5.3电池循环寿命数据采集与分析工具电池循环寿命的评估依赖于高效的数据采集与分析工具。常用工具包括：数据采集系统：如LabVIEW、MATLAB/Simulink等，用于实时采集电池功能数据。数据分析软件：如Python（使用pandas、numpy等库）、MATLAB（使用StatisticsToolbox）等，用于数据处理与建模。可视化工具：如Tableau、PowerBI等，用于数据可视化与趋势分析。电池管理系统（BMS）：集成电池状态监测与数据采集功能，实现流程控制与数据反馈。在数据采集过程中，需注意数据的完整性、准确性及一致性，保证评估结果的科学性与实用性。5.4电池循环寿命评估的多参数协同分析电池循环寿命评估涉及多个参数的协同分析，以全面反映电池功能。关键参数包括：容量衰减率：电池容量随循环次数的下降程度。内阻变化：电池内部阻抗随循环次数的变化情况。温度变化：电池在不同温度条件下的功能表现。电压波动：电池电压在循环过程中出现的波动幅度。多参数协同分析可通过建立多变量回归模型、主成分分析（PCA）或支持向量机（SVM）等机器学习方法进行。分析结果有助于识别影响电池寿命的关键因素，并为优化电池设计提供依据。5.5电池循环寿命评估数据的统计模型构建电池循环寿命评估数据的统计模型构建是实现寿命预测和功能优化的核心。常用模型包括：指数衰减模型：C

其中，$C(t)$为第$t$次循环后的电池容量；$C_0$为初始容量；$k$为衰减常数；$t$为循环次数。线性衰减模型：C

其中，$m$为容量衰减率，$t$为循环次数。Logistic模型：C

其中，$t_0$为曲线转折点，$k$为增长速率参数。统计模型的构建需结合实验数据，通过拟合与验证优化模型参数，从而提高预测的准确性与可靠性。模型输出可用于电池寿命预测、健康管理及寿命优化策略制定。第六章电池循环寿命优化策略与工程实践6.1电池循环寿命优化的核心策略电池循环寿命的提升是新能源汽车电池系统功能优化的关键环节。核心策略主要包括材料优化、结构设计、热管理及电化学功能提升等方面。在材料层面，采用高镍正极材料、硅碳负极材料等新型材料可有效提高电池能量密度与循环稳定性。在结构设计方面，通过优化电池包布局与热管理系统，可有效降低电池内部温差，提高电池整体循环寿命。电池管理系统（BMS）的智能化控制也是提升循环寿命的重要手段，通过实时监测和调控电池状态，可有效避免过充、过放等失效模式，延长电池使用寿命。公式：L

其中，Lcycle表示电池循环寿命，E6.2电池寿命优化的工程实施路径电池寿命优化的工程实施路径包括系统设计、制造工艺、装配流程及后期维护等环节。在系统设计阶段，需充分考虑电池的热管理、结构强度及安全性，保证电池在各种工况下均能稳定运行。在制造工艺方面，采用先进的材料加工技术与精密制造工艺，可有效提升电池的电极活性与界面稳定性。在装配过程中，需严格控制电池的装配精度与环境因素，保证电池在安装后处于最佳工作状态。在后期维护方面，通过定期检测与维护，可及时发觉并修复电池的功能衰减，延长其使用寿命。表格：优化环节优化内容优化目标热管理采用液冷、气冷或相变材料降低电池内部温差，提升循环寿命材料加工使用高纯度正极材料与负极材料提高电池能量密度与循环稳定性装配精度采用高精度装配工艺保证电池结构稳定性与安全功能6.3电池寿命优化在整车应用中的案例在整车应用中，电池寿命优化需结合整车系统设计与运行工况进行综合考量。例如在电动汽车中，电池组的热管理设计直接影响其循环寿命，通过优化冷却系统与电池包布局，可有效降低电池温差，提升循环效率。在电池老化检测方面，采用在线监测系统，实时采集电池电压、电流、温度等数据，通过数据分析模型预测电池寿命，实现提前预警与维护。在电池回收与再利用环节，优化电池寿命策略可提升资源利用效率，减少环境污染。6.4电池寿命优化的多目标优化算法电池寿命优化涉及多个目标函数的综合优化，包括能量密度、循环寿命、成本、安全性等。多目标优化算法如遗传算法（GA）、粒子群优化（PSO）和差分进化（DE）等，可有效解决多目标之间的权衡问题。在实际应用中，需根据具体场景选择合适的优化算法，并结合仿真平台进行建模与验证。例如在电池寿命预测模型中，可采用多目标优化算法，同时优化电池寿命与能量密度之间的平衡，实现最优的系统设计。公式：min

其中，fix表示第i个优化目标函数，g6.5电池寿命优化的实时监控与反馈机制电池寿命优化需建立实时监控与反馈机制，以实现对电池状态的动态评估与调控。通过物联网技术，可实现电池组的远程监控与数据采集，利用大数据分析技术对电池功能进行预测与优化。在实时监控方面，需建立电池健康状态（BMS）监测系统，对电池电压、电流、温度、容量等参数进行实时采集与分析，结合历史数据与预测模型，实现对电池寿命的动态评估。在反馈机制方面，通过流程控制策略，根据实时数据调整电池的工作模式，实现对电池寿命的持续优化。表格：监控维度监控内容监控方式电池状态电压、电流、温度、容量传感器采集与数据分析系统状态车辆运行工况、环境温度系统日志与环境传感器优化策略电池运行模式、充放电策略算法仿真与实时调控第七章电池循环寿命评估的标准化与行业规范7.1电池循环寿命评估的国家标准与行业规范电池循环寿命评估是新能源汽车电池系统功能评估的核心内容之一，其标准与规范直接影响电池的使用寿命与可靠性。我国对电池循环寿命评估已有明确的国家标准，如《电动汽车用动力蓄电池循环寿命评估规范》（GB/T38964-2020），该标准明确了电池循环寿命测试方法、评估指标及数据要求。在行业层面，中国汽车工程协会（CAE）及中国汽车工业协会（CAAM）等机构也制定了相应的技术规范，为电池寿命评估提供了指导。电池循环寿命评估需遵循标准化流程，保证测试数据的可比性与一致性。评估内容包括电池容量保持率、充放电效率、温控功能等关键指标。评估过程中需采用循环充放电测试，在恒温恒流条件下进行，测试周期一般为1000次循环，以模拟实际使用场景。7.2电池循环寿命评估的国际标准与技术规范国际上，电池循环寿命评估标准主要由国际电工委员会（IEC）及国际标准化组织（ISO）制定。例如IEC62662《电动汽车用动力蓄电池安全要求》中对电池安全功能提出了具体要求，而IEC62660《电动汽车用动力蓄电池电气安全要求》则明确了电池电气安全测试方法。ISO16750《电动汽车用动力蓄电池电功能要求》则对电池电功能指标进行了详细规定。在技术规范方面，国际电池联盟（IBUS）及电动汽车电池联盟（BEVAlliance）制定了多项技术标准，包括电池老化模型、寿命预测算法及功能评估体系。这些标准为电池循环寿命评估提供了国际化的技术有助于提升电池功能与安全性。7.3电池循环寿命评估的认证与检测流程电池循环寿命评估的认证与检测流程涉及多个环节，包括样品准备、测试实施、数据分析及报告出具。认证流程由第三方检测机构执行，保证评估结果的客观性与公正性。检测流程一般包括以下步骤：（1）样品准备：根据测试标准选取符合要求的电池样品，保证样品状态一致。（2）测试实施：在标准化条件下进行循环充放电测试，记录电池容量变化、温度变化及功能参数。（3）数据分析：对测试数据进行统计分析，计算电池容量保持率、循环次数及寿命预测值。（4）报告出具：根据测试结果生成评估报告，包括功能指标、测试条件及结论。在检测过程中，需严格遵循测试标准，保证数据的准确性和可比性。同时需对测试设备进行校准，以保证测试结果的可靠性。7.4电池循环寿命评估的报告与数据管理电池循环寿命评估报告是评估结果的最终呈现形式，需包含测试数据、分析结果及结论。报告应结构清晰，内容详实，便于用户理解与应用。在数据管理方面，需建立标准化的数据存储与管理系统，保证数据的完整性与可追溯性。数据应按照测试标准进行分类存储，便于后续分析与复用。数据需定期备份，防止数据丢失或损坏。报告撰写应遵循逻辑严谨、语言规范的原则，保证信息准确、表达清晰。同时报告应具备可读性，便于用户快速获取关键信息，并为后续优化提供依据。7.5电池循环寿命评估的持续改进机制电池循环寿命评估的持续改进机制是提升电池功能与寿命的重要保障。评估结果需定期反馈至电池研发与优化环节，形成流程管理。持续改进机制包括以下几个方面：（1）数据分析：基于评估结果分析电池功能退化规律，识别关键影响因素。（2）技术优化：根据评估结果优化电池材料、结构或制造