AI駆動バッテリー健康モニタリングで寿命と安全性を向上
研究者たちは、電気パルスをバッテリーに送りその応答を測定することでバッテリーを監視する新しい方法を設計しました。測定値は機械学習アルゴリズムで処理され、バッテリーの健康状態と有用寿命を予測します。この方法は非侵襲的で、既存のバッテリーシステムへのシンプルなアドオンです。
リチウムイオンバッテリーの健康状態と残り有用寿命を予測することは、電気自動車の普及を制限する大きな問題の一つであり、携帯電話の安全性にも影響します。時間とともに、バッテリー性能は複雑なネットワークを形成する微妙な化学プロセスにより劣化します。個々のプロセスはバッテリー性能に大きな影響を与えませんが、集合的にバッテリーの性能と寿命を大幅に短縮します。
現在のバッテリー健康予測手法は、充放電中の電流と電圧追跡に基づいています。これではバッテリー健康を示す重要な特徴を見逃します。バッテリー内で起こる多くのプロセスを追跡するには、バッテリー動作中の新しいプロービング方法と、充放電時に微妙な信号を検出できる新しいアルゴリズムが必要です。
研究者たちは、電気パルスをバッテリーに送りその応答を測定する監視法を設計しました。機械学習モデルで電気応答内のバッテリー老化の兆候となる特定特徴を発見します。研究者たちはモデル訓練のために20,000回以上の実験的測定を行いました。重要なのは、モデルが重要な信号と無関係なノイズを区別することを学習することです。この方法は非侵襲的で、既存バッテリーシステムへのシンプルなアドオンです。
研究者たちはまた、機械学習モデルが解釈可能で、劣化の物理的メカニズムについてヒントを与えられることも示しました。モデルはどの電気信号が老化と最も相関するかを知らせ、それによりなぜどのようにバッテリーが劣化するかを探る特定実験を設計できます。
機械学習プラットフォームは異なるバッテリー化学での劣化理解に使用されています。機械学習で駆動される最適充電プロトコルが開発され、急速充電を可能にし劣化を最小限に抑えます。
センサー
- 作業指示書がメンテナンスの健康・安全・コンプライアンスをどう変えるか
- メンテナンスマネージャーのための強靭な安全衛生プログラム構築ガイド
- 製造現場の健康と安全を強化:安全な労働力のための実証済み戦略
- 予知保全で職場安全性を向上、ダウンタイムも削減――Senseye
- サイバーセキュリティに自動化とAIを活用──より速く、より賢い防御へ
- AI、機械学習、ディープラーニングの違いを徹底解説
- ドライブと機械の安全確保:エンジニアリング制御と保護策
- AI:メリット、リスク、産業への影響
- ビッグデータとAI:デジタルトランスフォーメーションを支える相乗効果
- AIが製造・加工業に革命をもたらす:マット・ダンフォード氏の洞察
- 小売におけるAI:一過性の流行ではなく実証済みのメリット