(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111420265.3 (22)申请日 2021.11.26 (65)同一申请的已公布的文献号 申请公布号 CN 114036856 A (43)申请公布日 2022.02.11 (73)专利权人 广东省科 学院智能制造 研究所 地址 510000 广东省广州市先烈中路10 0号 大院15号楼 (72)发明人 黄天仑　陈再励　王楠　李辰潼　 焦泽昱　 (74)专利代理 机构 北京惟盛达知识产权代理事 务所(普通 合伙) 11855 专利代理师 董鸿柏 (51)Int.Cl. G06F 30/27(2020.01)G06F 30/23(2020.01) G06F 30/28(2020.01) G06T 3/40(2006.01) G06T 17/20(2006.01) (56)对比文件 CN 111956259 A,2020.1 1.20 US 20190 05629 A1,2019.01.0 3 WO 2021185225 A1,2021.09.23 US 9497380 B1,2016.1 1.15 审查员 欧晓丹 (54)发明名称 一种锂离子电池电极干燥流场高分辨率图 像重构方法 (57)摘要 本发明属于锂离子电池电极干燥领域， 具体 涉及一种锂离子电池电极干燥流场高分辨率图 像重构方法， 其包括以下步骤， S1、 获取锂离子电 池电极干燥流场的低分辨率图像样本； S2、 构建 基于物理信息的损失函数； S3、 设计基于物理信 息损失函数的深度网络模型； S4、 利用S1锂离子 电池电极干燥流场的低分辨率图像样本， 训练基 于物理信息损失函数的深度网络模 型， 获得优化 后的基于物理信息损失函数的深度网络模型； S5、 将待重构的锂离子电池电极干燥流场的低分 辨率图像重构为高分辨率的流场图像。 该方法可 以降低成像设备空间分辨率的要求或计算流体 力学模型的网格规模， 重构的流场同时可以满足 相关的物理守恒定律， 从而提高设计效率并降低 成本。 权利要求书2页 说明书6页 附图4页 CN 114036856 B 2022.12.23 CN 114036856 B 1.一种锂离 子电池电极干燥 流场高分辨 率图像重构方法， 其特 征在于， 包括如下步骤， S1、 获取锂离 子电池电极干燥 流场的低分辨 率图像样本； S2、 构建基于物理信息的损失函数； 基于物理信息的损失函数的形式为： 其中M、 N、 K分别为高分辨率图像在x、 y、 z方向上的像素点数目， e1,ijk， e2,ijk， e3,ijk， e4,ijk 为高分辨率图像第i,j,k个像素点在各个偏微分方程的残差， e1,ijk， e2,ijk， e3,ijk， e4,ijk通过 将高分辨图像代入物理信息的连续 性方程和动量方程的离 散格式得到， 所述物理信息的连续 性方程和动量方程 为： 其中ux、 uy、 uz分别表示各个分量方向上的速度， P表示压力， μ表示动力粘度， ρ表示密 度； 采用有限差分法、 有限体积法或有限单 元法获得 方程(2)的离 散格式； S3、 设计基于物理信息损失函数的深度网络模型， 该模型的输入为锂离子电池电极干 燥流场的低分辨 率图像， 输出高分辨图像； S4、 利用S1锂离子电池电极干燥流场的低分辨率图像样本， 通过随机小批量梯度下降 方法训练基于物理信息损失函数的深度网络模型， 获得优化后的基于物理信息损失函数的 深度网络模型； S5、 利用优化后的基于物理信息损失函数的深度网络模型， 将待重构的锂离子电池电 极干燥流场的低分辨 率图像重构为高分辨 率图像。 2.根据权利要求1所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述S1采用低分辨率的粒子成像速度仪设备对锂离子电池电极干燥流场进行数据采 集， 获得锂离 子电池电极干燥 流场的低分辨 率图像样本 。 3.根据权利要求1所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述S1具体为： 建立锂离 子电池电极干燥 流场的计算 流体力学仿真模型； 利用粗网格对计算域进行网格划分， 设定合适的边界条件， 采集低分辨率流场数据， 获 得锂离子电池电极干燥 流场的低分辨 率图像样本 。 4.根据权利要求1所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述S1具体为：权　利　要　求　书 1/2 页 2 CN 114036856 B 2建立锂离 子电池电极干燥 流场的计算 流体力学仿真模型； 利用精细网格对计算域进行网格划分， 并设定合适的边界条件， 采集高分辨率流场数 据； 对高分辨率流场数据进行降采样， 获得锂离子电池电极干燥流场的低分辨率图像样 本。 5.根据权利要求4所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述对高分辨率流场数据进行降采样利用双线性插值、 最大池化或平均池化降采样方 法。 6.根据权利要求5所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述S3中的基于物理信息损失函数的深度网络模型包括多个密集连接模块、 多个卷积 模块和一个上采样模块， 每 个密集连接模块包 含四个卷积层。 7.根据权利要求6所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述上采样模块 为PixelShuf fle层。 8.根据权利要求7所述的锂离子电池电极干燥流场高分辨率图像重构方法， 其特征在 于， 所述S4具体为： 将S1中锂离子电池电极干燥流场的低分辨率图像样本输入基于物理信息损 失函数的 深度网络模型， 得到重构后的高分辨率图像， 将重构后的高分辨率图像代入到连续性方程 和动量方程的离散格式， 并通过上述 公式(1)得到相应的基于物理信息的损失函数， 结合基 于物理信息的损失函数和小批量梯度下降方法， 对基于物理信息损失函数的深度网络模型 的参数进行训练优化， 优化到预设数值后停止训练,获得优化后的基于物理信息损失函数 的深度网络模型。权　利　要　求　书 2/2 页 3 CN 114036856 B 3