Detektion von Gefahrensituationen während der Zerlegung von Batteriesystemen
- Am Ende des Lebenszyklus eines Industriebatterie-Systems steht eine Beurteilung des Systems für eine Re-to-X-Nutzung. Damit ist eine Beurteilung des Systems für eine Reparatur, Second-Use-Anwendung oder die Freigabe zum Recycling gemeint. Für diese Beurteilung werden die Systeme zu den Herstellern zurückgeführt und für die Beurteilung zerlegt, sowie einer Diagnose unterzogen. Die vom Unternehmen Hoppecke Systemtechnik GmbH entwickelten und hergestellten Systeme sind individuell für den jeweiligen Einsatzbereich ausgelegt, wodurch die in Komplexität, Aufbau und Stückzahl variieren. Bei der Zerlegung und Diagnose dieser Industriebatterie-Systemen ergeben sich mehrere Gefahrenpotenziale. Zum einen elektrochemische oder elektrische Gefahren die von den Batteriezellen und stromführenden Bauteilen ausgehen. Zum anderen, hervorgerufen durch die Komplexität und Variabilität der Systeme, die Gefahrenpotenzial durch Fehler während des Zerlegungs- und Diagnoseprozesses. Ein vom Unternehmen Hoppecke Systemtechnik GmbH entwickeltes Konzept befasst sich mit der maschinell geführten und überwachten Zerlegung von Industriebatteriesystemen. Diese Diplomarbeit gliedert sich in dieses Konzept ein und untersucht eine Methodik für die Detektion von Gefahrensituationen und der Umsetzbarkeit eines geführten Zerlegungsprozesses. Die Zerlegung wird dabei auf Basis von datengetriebenen Computer-Vision-Modellen realisiert mit dem Ziel bei einer geringen verfügbaren reellen Datenmenge Fehler während der Zerlegung zu reduzieren. Die Modelle werden mit einer Kombination aus synthetischen und reellen Daten trainiert, da die ausschließliche Nutzung synthetischer Trainingsdaten den Genauigkeitsanforderungen noch nicht gerecht werden konnte. Zusammen mit einer Kamera und einem Mikrobolometer-Sensor werden diese Modelle in einer Testplattform implementiert. Dadurch ist es möglich, den Zerlegungs- und Diagnoseprozess maschinell zu erkennen, zu überwachen und zu steuern. Durch diese Möglichkeit kann die Sicherheit für das Personal gesteigert werden, da die Arbeitsschritte der Zerlegung und Diagnose kontinuierlich visuell überprüft und schrittbezogene Sicherheitsanweisungen erteilt werden. Dadurch können Fehler während der Zerlegung minimiert und das System während der Diagnose thermisch visuell überwacht werden. Parallel dazu kann eine Protokollierung des Prozesses erfolgen.
Author: | Robin Grunau |
---|---|
Advisor: | Ronny Petersohn |
Document Type: | Diploma Thesis |
Language: | German |
Name: | Hoppecke Systemtechnik GmbH Dr.-Sinsteden-Str. 6, 08056 Zwickau |
Date of Publication (online): | 2024/05/30 |
Year of first Publication: | 2024 |
Publishing Institution: | Westsächsische Hochschule Zwickau |
Tag: | Lithium-Ionen; Maschinelles Lernen; Objekt-Erkennung; Recycling; Trainingsdaten |
Page Number: | 108 |
Note: | Volltext gesperrt |
Faculty: | Westsächsische Hochschule Zwickau / Kraftfahrzeugtechnik |
Release Date: | 2024/08/06 |