与镍镉(NiCd)、镍氢(NiMH)等更传统的电化学储能技术相比,锂离子电池具有能量和功率密度高、记忆效应弱、自放电慢等优点。这些优点使得锂离子电池非常适合广泛的应用,包括便携式电子设备、混合动力和电动汽车,以及可再生能源的固定存储设备。然而,锂离子技术也并非没有缺点:锂离子电池的周期和日历寿命有限,稳定运行的温度范围也较窄。
尽管研究人员正在积极地解决锂离子技术的弱点的工作,他们的努力被无法直接观察到取锂离子电池内进行操作的复杂过程的限制。现代的锂离子电池隔离电化学系统,并尽快为他们打开接受检查,其内部状态的变化。
为了解决这个问题,研究人员已经转向中子断层创建的锂离子电池[1]三维(3D)影像。3D图像被从通过中子照相,非破坏性成像技术拍摄的一系列2D图像的重建,使用中子,而不是X射线作为辐射源。在本文中,我们描述了从数百2D放射线突起的组装的锂离子电池的3D图像的过程。我们使用MATLAB®和图像处理工具箱™加载2D投影图像文件,噪声除去,计算旋转针对每个投影中心,和逆氡执行变换以从投影数据重建的3D图像。
中子射线照相术和体层摄影术基础
标准磁共振成像和传统的X射线成像不善适合于锂离子电池的研究,因为这两种技术是在电池中发现的过渡金属不相容或他们不能精确定位锂,氢,和氧原子。中子照相,与此相反,是能够区分不仅光并渗透相邻的周期表中的元素,但也有不同的同位素的深度足以用于电池成像。
中子束照射电池,并且光束的一部分被吸收取决于形状,密度和同位素电池(图1)的组合物。穿过电池中子的一部分与由2D检测器测量。
用足够数量的在对象的定义的角位置采集投影,在对象中子衰减的一个完整的3D分布可使用滤波反向投影算法来计算逆氡变换被重构。这种技术,中子断层扫描,使研究人员能够创建无创性的锂离子电池等不透明物体的3D表示。
加载和预处理源图像
我们在开发这个项目的MATLAB算法中使用的图像是由于亨氏迈尔 - 莱布尼茨Zentrum酒店的ANTARES设施[2]德国慕尼黑附近进行实验[1]。锂离子电池用的多色中子束照射而600个断层预测是横跨完整的360°的角度范围内收集作为电池旋转0.6°为每个投影。
采集导致一组2048具有32位分辨率,标记以包括旋转角×2048像素的TIFF图像;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
加载每个图像之后,我们的第一个步骤是选择关注区域(ROI)的区域周围的电池(图2)。变窄这样的范围在随后的步骤中降低处理时间。
下面的MATLAB代码读取一个文件,并使用设定的投资回报率imrect
工具,它在图形窗口中提供一个可拖动的矩形:
>> IMG = imread(“bat_run1__000.000.fits.tif”);> > imshow (img);>> h = imrect >> roi =等待(h) roi = 750 450 650 1600
接下来,我们编写了MATLAB代码自动预分配存储和读取每个图像文件的过程。我们提取用于从每个文件名中的电池(THETA)的旋转角度:
%确定所有可用的图像文件文件= dir ('bat_run1 __ *。TIF');%预分配内存ImageData = 0 (roi (2), roi(1)元素个数(文件);%开始循环,将图像载入MATLAB为img = imread(file(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 __%克“);结束
校正噪声
为了提高断层摄影重建的准确性,我们不得不正确噪声由在所收集的图像光束和检测器的非线性引起的。要做到这一点,我们使用了两种特殊类型创建的参考图像使用的实验装置。首先,我们命名OpenBeamData
,通过平均多个图像以开放的光束(在其中没有电池存在)创建的,从而导致几乎空白投影。第二个,命名DarkFieldData
,通过用中子束截止,从而导致完全黑暗的图像(图3)平均几个图像创建。
在中子断层摄影术,在每个投影图像的强度值代表该对象的中子吸收,这直接关系到其密度。中子吸收\(μD\)被定义为\(μD= - LN(\压裂{I} {I_0})\)其中\(I \)和\(I_0 \)是所发射的和开放的在每个像素光束, 分别。为了最小化噪声,暗帧基线从两个突起和开光束的图像中减去。为了补偿非线性,我们计算使用以下MATLAB回路中的每个源图像的中子吸收值:
为N1 = 1:numel(文件)%去除噪声ImageData(:,:,N1) = -log(ImageData(:,:,N1)- DarkFieldData)./(OpenBeamData-DarkFieldData);结束
计算旋转中心
在反Radon变换中,物体的旋转轴必须与旋转表的旋转轴重合。然而,由于很难精确地控制对象旋转,我们决定使用一个粗略的对准,并在稍后用MATLAB代码修正数据中的任何偏移。
当以180度不同角度收集的两幅图像叠加时,电池的错位很容易被发现(图4)。
为了测量对齐偏移,我们成立了一个优化的问题,调整旋转中心,以尽量减少任何两个这样的图像之间的差异:
功能抵消= DetermineRotationCentre (img1 img2);offset = fminsearch(@(x) ImageCompare(x,img1,img2),-100);结束功能f=mean(mean(abs(img1-circshift(fliplr(img2),[0 round(x)])));结束
然后,我们应用我们计算所有收集到的图像数据偏移:
>> Offset = ImageData(:,:,1),ImageData(:,:,);
从重建投影数据电池图片
一旦2D图像已经被加载,去噪,并居中,最后一步是执行逆Radon变换以重构基于所收集的突起电池的内部结构的3D表示。我们使用iradon
从图像处理工具箱函数来执行由层(图5)此变换对投影数据和重建电池层。
用于重构图像电池的MATLAB回路是直接的:
为N1 = 1:尺寸(ImageData, 1)%用途挤压以除去单维因为iradon期望一个二维数组作为输入层(:,:,N1)= iradon(挤压(的ImageData(N1,:,:)),θ-);结束
一旦我们重构的电池图像,我们使用MATLAB可视化详细个别的横截面(图6)。
使用颜色表编辑器中,我们以交互应用的颜色方案(或者灰度或伪色),以32位的吸收图像。配色方案的手动调节清楚地表明小细节,包括电池的安全孔,中心销,垫圈,微电路,并卷绕电极的堆叠(图7)。
结论
我们在MATLAB中实现的重建技术提供了一种无损的方式来观察lion电池在各种条件下的运行行为,如充电率、温度、充电状态和健康状态。所有这些使得该技术成为一种高效的诊断工具。它特别适合原位老化诊断,可作为电池生产过程质量控制的一部分。我们使用的MATLAB代码可以通过实现更高级的数据过滤技术或创建重建的3D图像的额外可视化来轻松扩展。
致谢
该项目的实验部分是由德意志研究联合会的支持。万博1manbetx我们承认海因茨迈尔 - 莱布尼茨Zentrum酒店授予访问其实验基础设施和Martin J. Muhlbauer博士为他的数据收集、分析和富有成效的讨论的协助。