相比,镍镉镍镉,镍氢电池(镍氢),和其他更传统的电化学储能技术,锂离子电池(锂)提供了许多优点,包括能量和功率密度高、记忆效应弱,缓慢的自放电。这些优势使锂离子电池适合广泛的应用程序,包括便携式电子设备、混合动力汽车和电动汽车,和固定存储为可再生能源。然而锂离子技术并非没有缺点:锂离子电池循环和日历有限的生活,他们有一个狭窄的温度范围内稳定运行。
尽管研究人员正积极致力于解决锂离子技术的缺点,他们的努力是有限的,无法直接观察到的复杂过程,发生在锂离子电池操作。现代锂离子电池是孤立的电化学系统,一旦他们打开检查,其内部状态变化。
为了解决这个问题,研究人员转向中子断层扫描来创建三维(3 d)锂离子电池的照片[1]。3 d图像重建的一系列二维图像捕获通过中子照相、x射线无损成像技术,利用中子,而不是作为辐射源。在本文中,我们描述的过程,锂离子电池的组装3 d图像的二维射线预测。我们使用MATLAB®和图像处理工具箱™加载二维投影图像文件,去除噪声,计算每个投影旋转的中心,并执行一个氡逆变换重建三维图像的投影数据。
中子射线照相和摄影基础知识
标准的核磁共振成像和传统x射线成像也不适合锂电池的研究,因为这些技术不兼容的过渡金属锂电池或不能准确定位,氢和氧原子。中子射线照相法,相比之下,不仅能够区别光和相邻元素周期表还不同的同位素在穿透深度足够的电池成像。
中子束照亮电池,梁的一部分被吸收取决于形状、密度以及同位素电池的组成(图1)。中子,通过电池的部分是衡量一个2 d检测器。
图1所示。中子射线照片的说明。
在定义收集足够数量的预测角位置的对象,一个完整的3 d中子衰减分布的对象可以使用过滤后的投影算法重建计算氡逆变换。这种技术,中子断层扫描非侵入性,使研究人员能够创建的3 d代表锂离子电池和其他不透明的物体。
加载和预处理源图像
图片我们在发展中MATLAB算法用于这个项目源于一个实验[1][2]在ANTARES设施附近的亨氏Maier-Leibnitz中心的慕尼黑,德国。锂离子电池是由一个多色的辐照中子束,600层析预测被收集在一个完整的360°角范围内的电池为每个投影旋转0.6°。
收购导致一系列的2048 x 2048像素与32位的TIFF图像分辨率,标签,包括旋转角;例如:
bat_run1__000.000.fits。tif bat_run1__000.600.fits。tif…bat_run1__359.100.fits。tif bat_run1__359.700.fits.tif
加载每个图像后,我们的第一步是选择一个感兴趣的区域(ROI)周围的电池(图2)。以这种方式减少处理时间范围缩小在后续步骤。
图2。选择投影TIFF的地区利益。
下面的MATLAB代码读取一个文件并设置使用的ROIimrect可拖放工具,它提供了一个长方形的图窗口:
> > img = imread (“bat_run1__000.000.fits.tif”);> > imshow (img);> > h = imrect > > roi =等待(h)投资回报率= 750 450 650 1600
接下来,我们写了MATLAB代码自动化preallocating记忆和阅读的过程每一个图像文件。我们提取电池的旋转角度(θ)从每个文件名称:
%确定所有可用的图像文件文件= dir (“bat_run1__ * .tif”);% Preallocate记忆ImageData = 0 (roi (2), roi(1)元素个数(文件);%开始循环图片加载到MATLAB为N1 = 1:元素个数(文件)img = imread(文件(N1) . name,“PixelRegion”,{[roi (2) roi (2) + roi (4)] [roi (1) roi (1) + roi (3)]});ImageData (:,:, N1) = img;θ(N1) = sscanf(文件(N1) . name,“bat_run1__ % g”);结束
纠正的噪音
改善断层重建的准确性,我们必须正确的噪声引起的梁和探测器非线性收集到的图像。为此,我们使用两种特殊的参考图像使用实验设置创建的。第一,我们命名OpenBeamData,是由平均几个图像以开放的梁(没有电池在场),导致几乎空白的投影。第二,命名为DarkFieldData,是由平均几个图像与中子束关闭,导致一个完全黑暗的图像(图3)。
图3:OpenBeamData(左)和形象DarkFieldData图像(右)。
在中子断层扫描,每个投影图像的强度值代表对象的中子吸收,这是它的密度直接相关。中子吸收\(μd \)被定义为\(μd = - ln(\压裂{我}{I_0}) \) \(\)和\ (I_0 \)传播和开放梁在每个像素,分别。尽量减少噪音,暗框基线是减去从投影和open-beam图像。为了弥补非线性,计算中子吸收值为每个源图像使用以下MATLAB循环:
N1 = 1:元素个数(文件)%去除噪声ImageData (:,:, N1) =日志(ImageData (:,:, N1) - DarkFieldData)。/ (OpenBeamData-DarkFieldData);结束
计算旋转的中心
氡逆变换,旋转轴的对象必须配合旋转的桌子。然而,因为很难控制对象旋转准确,我们决定使用一个粗略的定位和正确的数据后与MATLAB代码中的任何抵消。
电池是显而易见的错位叠加的两幅图像在不同角度采集到180°(图4)。
图4。两个电池收集了180°投影图像的叠加。
测量校准抵消,我们建立了一个优化的问题,调整的中心旋转最小化之间的区别任何两个这样的图片:
函数抵消= DetermineRotationCentre (img1 img2);抵消= fminsearch (@ (x) ImageCompare (x, img1 img2), -100);结束函数f = ImageCompare (x, img1 img2) f =平均(平均(abs (img1-circshift (fliplr (img2)[0轮(x))))));结束
然后应用抵消我们计算所有收集到的图像数据:
> >抵消= DetermineRotationCentre (ImageData (:,: 1), ImageData (:: 301 > > ImageData = ImageData(:,抵消:最终,);
从投影数据重建电池图片
2 d图像被加载后,去噪,和集中,最后一步是执行一个氡逆变换重建的三维表示电池的内部结构基于收集到的预测。我们使用了iradon从图像处理工具箱函数执行这个转换投影数据和重建电池一层一层地(图5)。
图5。图说明分层技术重建的三维表示电池从源图像。
重建的MATLAB循环电池图片很简单:
为N1 = 1:尺寸(ImageData, 1)%使用挤压去除单维度,因为iradon预计2维数组作为输入层(:,:,N1) = iradon(挤压(ImageData (N1、::)),θ);结束
一旦我们重建了电池图像,我们使用MATLAB可视化各个截面的细节(图6)。
图6。吸收截面重建(灰度编码)的电池。中间的红线形象突出四个截面的位置及其对应的直方图左和右。
使用colormap编辑器,我们交互应用配色方案(或灰度或假颜色)32位吸收图像。手动调整配色方案显然透露细节,包括电池的安全喷口、中心销、垫圈、微电路,和堆滚电极(图7)。
图7。电池的彩色图像显示内部结构的细节。左上:图像直方图。左下:错误的颜色选择器,使配色方案的选择吸收的可视化地图。
结论
MATLAB实现的重建技术,我们提供了一种无损的方式观察锂电池操作的行为在不同条件下,如充电率、温度、电荷状态和健康状况。这一切使这项技术高度有效的诊断工具。这是特别适合原位老化的诊断,可作为质量控制的一部分实现电池的制造过程。我们使用MATLAB代码可以很容易地扩展通过实现更高级的数据过滤技术或创建额外的重建的三维图像的可视化。
确认
实验项目的一部分被德意志Forschungsgemeinschaft支持。金宝app我们承认亨氏Maier-Leibnitz协会授予访问其实验基础设施和马丁j . Muhlbauer援助与数据收集,分析,和富有成果的讨论。
