技术特征：
1.一种用于分析电池芯(50)的电极浆料和/或电极层(4)的计算机辅助方法，其具有如下步骤：-提供至少一个测量装置，用于在制造过程中测量电极层浆料(2)和/或电极层(4)的特性；-通过所述测量装置测量电极层浆料(2)和/或电极层(4)的特性，并生成测量数据，-提供人工智能引擎(111)，-基于所述测量数据通过人工智能引擎(111)确定电极层浆料(2)和/或电极层(4)的质量值。2.根据权利要求1所述的计算机辅助方法，其中，使用至少两个测量装置，并且使用第一测量装置确定电极层浆料(2)和/或电极层(4)的第一特性，并且使用第二测量装置确定电极层浆料(2)和/或电极层(4)的第二特性。3.根据前述权利要求之一所述的计算机辅助方法，其中，作为质量值，将第一质量值确定为电极层(4)的混合度、浮雕值、孔隙率和/或裂纹值。4.根据权利要求3所述的计算机辅助方法，其中，在电极层(4)的至少两个位置确定浮雕值，并在此基础上确定电极层(4)的至少一个凹陷的形状和/或凹陷的数量。5.根据前述权利要求之一所述的计算机辅助方法，其中，作为质量值，将第二质量值确定为电池芯(50)的老化行为、容量、工作电压、静止电压和/或内部电阻。6.根据前述权利要求之一所述的计算机辅助方法，其中，激光扫描装置(5)被用作测量装置，用于确定作为电极层(4)的特性的拓扑特性。7.根据前述权利要求之一所述的计算机辅助方法，其中，孔隙率测量装置(9)、尤其是超声波测量单元、x射线方法或计算机断层扫描装置被用作测量装置，用于测量电极层(4)的孔隙率值。8.根据权利要求3至7之一所述的计算机辅助方法，其中，孔隙率和/或孔隙密度和/或孔隙分布和/或孔隙体积被确定作为孔隙率值。9.一种用于训练人工智能引擎以执行根据权利要求1至8之一的方法的计算机辅助方法，其中，对于训练人工智能引擎(111)：-在测量特性后，将电极层(4)引入电池芯(50)，-使电池芯(50)运行，-确定电池芯(50)的运行数据，将所述运行数据与电极层浆料(2)和/或电极层(4)的特性相关联。10.根据权利要求9所述的计算机辅助方法，其中，确定电极层的两个特性，并在测量时将位置信息分配给第一特性和第二特性，并在位置(e1)处确定比较值，其中在训练期间将所述比较值引入到人工智能引擎的相关性确定中。11.根据权利要求9或10之一的计算机辅助方法，其中，人工智能引擎(111)通过深度学习方法被训练以对电极层(4)进行评估，其中质量值被划分为质量等级，并且将质量等级分配给电极层(4)的位置。12.一种电池存储器的制造方法，包括以下步骤：-根据权利要求1至8之一的计算机辅助方法分析用于电池存储器的电池芯(50)的电极层浆料和/或电极层(4)，其中，尤其是已经根据权利要求9至11之一训练人工智能引擎，
‑
基于至少一个质量值调整用于制造电极层(4)的至少一个制造条件。13.根据权利要求12所述的制造方法，其中，温度、电极层浆料的溶剂含量、电极层浆料的混合度和/或电极层浆料(2)在载体衬底(3)上的施加速度作为制造条件被调整。14.一种制造单元(1)，用于制造电池存储器(50)，包括：-具有至少一个测量装置的电极层制造装置(8)、人工智能引擎(111)，用于执行权利要求1至11之一所述的方法。15.一种计算机程序产品，其能够直接加载到可编程计算单元的存储器中，该计算机程序产品具有程序代码器，用于当计算机程序产品在人工智能引擎(111)中执行时，执行根据权利要求1至11之一所述的方法。
技术总结
本发明涉及一种用于分析电池芯的电极浆料和/或电极层的计算机辅助方法，其具有多个步骤。首先提供至少一个测量装置，用于在制造过程中测量电极层浆料和/或电极层的特性。测量电极层浆料和/或电极层的特性，并通过测量装置产生测量数据。提供人工智能引擎。通过人工智能引擎确定电极层浆料和/或电极层的质量值。为了训练人工智能引擎，在测量特性后，将电极层引入电池芯，启动电池芯并确定电池芯的运行数据。将运行数据与电极层浆料和/或电极层的特性相关联。的特性相关联。的特性相关联。
技术研发人员：s
受保护的技术使用者：西门子股份公司
技术研发日：2022.02.01
技术公布日：2023/10/15