طراحی و ساخت سامانه تشخیص عمر الکترولیت باتری لیتیوم یون در خودروهای هیبریدی با استفاده از تلفیق سامانه پردازش تصویر و طیف سنجی دی الکتریک و روش مبتنی بر هوش محاسباتی

ذخیره سازی و تولید انرژی در قرن بیستم یکی از بزرگترین چالش ها برای انسان است. باتری لیتیوم یون به دلیل دارا بودن چگالی انرژی بالا نسبت به سایر باتری های قابل شارژ از اهمیت ویژه ای برخوردار است. هم چنین الکترولیت باتری لیتیوم یون به دلیل وجود نمک هایی هم چون LiPF۶ در اتیلن کربنات و دی متیل کربنات (EC:DMC) به عنوان هادی و هم چنین بحث خوردگی بسیار حایز اهمیت است. لذا هدف اصلی و کلی این تحقیق ساخت و ارزیابی یک سامانه قابل حمل هوشمند به منظور تشخیص عمر به کمک تلفیق فناوری های ماشین بینایی و حسگر خازنی دی الکتریک است. دستگاه طراحی شده از بدنه، منبع تغذیه، واحد مولد سیگنال، واحد اندازه گیری پارامترهای دی الکتریک، ماژول آردوینو، واحد ارتباط با کامپیوتر، حسگر خازنی استوانه ای، نمایشگر، کارت تصویرگیر برای قسمت آفلاین، دوربین و واحد نورپردازی تشکیل شده است. به منظور طبقه بندی و مدلسازی الکترولیت باتری با استفاده از ویژگی های فرکانسی و رنگ، از تکنیک های آنالیز مولفه های اصلی(PCA)، تحلیل تفکیک خطی (LDA) و شبکه عصبی مصنوعی استفاده شد. برای ارزیابی از ۴ نمونه محلول الکترولیت باتری که دارای عمر های متفاوت بوده است استفاده گردید. نتایج ارزیابی ها نشان داد که دستگاه به خوبی قادر است اکثر نمونه ها را در بحث شناسایی عمر تشخیص دهد. در اینجا آزمایش هابرای هر نمونه با ۲۵ تکرار انجام شد که البته مواردی نیز در این نتایج مشاهده گردید که با اختلاف خیلی کمی دارای خطا بود. در میان داده های موجود بیشترین خطا مربوط به نمونه ای است که غیرصنعتی است که مجموعا ۲ تکرار را به صورت صحیح نتوانست تشخیص دهد. هم چنین در رابطه با شاخص های دقت، اختصاصی بودن و حساسیت نیز دستگاه به طور مشابه دارای کمترین خطا است که نمونه ای که مربوط به محلول الکترولیت غیرصنعتی است، با داشتن مقدار حساسیت ۹۲، اختصاصی بودن ۱۰۰ و دقت ۱۰۰ ضعیف ترین نتیجه را نشان داد که این نتیجه بیانگر این است که تکنیک به کاررفته برای کلیه موارد برای این نمونه به درستی عمل نکرده اند. درنهایت با توجه به مقادیر جداول مربوط به شاخص های آماری حساسیت، اختصاصی بودن و دقت، میانگین دقت کل برای کلیه نمونه ها ۹۶ درصد به دست آمد. پس از ارزیابی توسط ویژگی دی الکتریک ماده به استخراج ویژگی های رنگی توسط سیستم پردازش تصویر به منظور تعیین میزان عمر پرداخته شد. برای تعیین عمر از ۳ مشخصه رنگی RGB بهره گیری شد. نتایج برای تعیین عمر به این صورت بود که هر چه عملکرد الکترولیت بیشتر بود، میزان مشخصه عددی رنگ کاهش یافته است. به همین منظور از ۳ عمر الکترولیت تازه، ۲ ماه عملکرد و اسقاط برای تعیین ویژگی های مشخصه رنگ بهره گرفته شد. الکترولیت صنعتی برای تعیین عمر نیز بهره گرفته شد که با توجه به نمودارهای بدست آمده از مشخصه رنگی، عمر آن ۲۰ الی ۲۲ روز تخمین زده شد. هم چنین از شبکه های عصبی مصنوعی با یک لایه مخفی با تعداد نرون های متفاوت (از ۲ تا ۲۰) طراحی و مورد ارزیابی قرار گرفتند. بهترین شبکه برای پیش بینی عمر الکترولیت مقادیر ضریب همبستگی و میانگین مربعات خطا را به ترتیب ۹۴۵/۰ و ۰۰۰۲۲/۰ ارائه داد. در گام نهایی از ترکیب ویژگی های دی الکتریک و رنگی به منظور مدل سازی مسئله استفاده گردید. مقادیر ضریب همبستگی و میانگین مربعات خطا برای نمونه های الکترولیت باتری برابر ۹۶۲/۰ و ۰۰۸/۰ حاصل شد. این نتایج نشان دهنده موفق بودن مدل سازی با ترکیب ویژگی های دی الکتریک و رنگی بوده است.

Keywords:

باتری , لیتیوم یون , عمر , دی الکتریک , پردازش تصویر , شبکه عصبی