Искусственный интеллект улучшает здоровье и безопасность батареи

Исследователи разработали новый способ мониторинга батарей, посылая в них электрические импульсы и измеряя реакцию. Затем измерения обрабатываются алгоритмом машинного обучения, чтобы предсказать состояние батареи и срок службы. Этот метод является неинвазивным и является простым дополнением к любой существующей аккумуляторной системе.

Прогнозирование состояния здоровья и оставшегося срока службы литий-ионных аккумуляторов является одной из больших проблем, ограничивающих широкое распространение электромобилей, а также влияет на безопасность мобильных телефонов. Со временем производительность батареи ухудшается из-за сложной сети тонких химических процессов. По отдельности каждый из этих процессов не оказывает большого влияния на производительность батареи, но в совокупности они могут значительно сократить ее производительность и срок службы.

Современные методы прогнозирования состояния батареи основаны на отслеживании тока и напряжения во время зарядки и разрядки батареи. При этом упускаются важные функции, указывающие на исправность батареи. Для отслеживания многих процессов, происходящих в аккумуляторе, требуются новые способы исследования аккумуляторов в действии, а также новые алгоритмы, способные обнаруживать слабые сигналы при их зарядке и разрядке.

Исследователи разработали способ мониторинга батареи, посылая в нее электрические импульсы и измеряя ее реакцию. Затем используется модель машинного обучения для обнаружения специфических особенностей электрического отклика, которые являются явным признаком старения батареи. Исследователи выполнили более 20 000 экспериментальных измерений для обучения модели. Важно отметить, что модель учится отличать важные сигналы от ненужного шума. Этот метод является неинвазивным и является простым дополнением к любой существующей аккумуляторной системе.

Исследователи также показали, что модель машинного обучения можно интерпретировать, чтобы подсказать физический механизм деградации. Модель может сообщить, какие электрические сигналы больше всего коррелируют со старением, что, в свою очередь, позволяет им разрабатывать специальные эксперименты, чтобы выяснить, почему и как портятся батареи.

Платформа машинного обучения используется для понимания деградации различных химических элементов аккумуляторов. На основе машинного обучения разрабатываются оптимальные протоколы зарядки аккумуляторов, чтобы обеспечить быструю зарядку и свести к минимуму износ.