基于PCA和SVM的锂电池电极涂布质量预测

作者：吴晓冬; 李小军

来源：工业技术创新, 2019, 06(03): 56-59.

DOI：10.14103/j.issn.2095-8412.2019.03.012

• 锂电池
• 电极涂布
• 面密度
• 主成分分析法
• 支持向量机
• 质量预测
• 降维 Lithium Battery
• Electrode Coating
• Surface Density
• Principal Component Analysis
• Support Vector Machine
• Quality Prediction
• Dimension Reduction

锂电池电极涂布工艺过程参数的优化选取,在一定程度上影响着锂电池性能的发挥。以主成分分析法(PCA)和支持向量机(SVM)为数学原理,提出锂电池电极涂布质量预测方法:首先,采用主成分分析法对样本数据进行降维处理,用较少的综合指标表征尽可能全面的信息;其次,将降维后的数据作为训练样本,建立支持向量机模型。将模型应用于电极涂布生产线采集的877组数据,对电极涂布面密度合格与否进行预测,准确率高达94.29%。

• 单位
  合肥工业大学