ИИ-мониторинг здоровья батарей повышает долговечность и безопасность

Исследователи разработали новый способ мониторинга батарей, посылая электрические импульсы в них и измеряя ответ. Измерения затем обрабатываются алгоритмом машинного обучения для предсказания здоровья батареи и ее полезного срока службы. Метод неинвазивен и является простым дополнением к любой существующей батарейной системе.

Предсказание состояния здоровья и оставшегося полезного срока службы литий-ионных батарей — одна из больших проблем, ограничивающих широкое принятие электромобилей, и также влияет на безопасность мобильных телефонов. Со временем производительность батареи деградирует через сложную сеть тонких химических процессов. Индивидуально каждый из этих процессов не имеет большого эффекта на производительность батареи, но коллективно они могут серьезно сократить производительность и срок службы батареи.

Текущие методы предсказания здоровья батареи основаны на отслеживании тока и напряжения во время зарядки и разрядки батареи. Это упускает важные признаки, указывающие на здоровье батареи. Отслеживание множества процессов, происходящих внутри батареи, требует новых способов зондирования батарей в действии, а также новых алгоритмов, которые могут обнаруживать тонкие сигналы, пока они заряжаются и разряжаются.

Исследователи спроектировали способ мониторинга батареи, посылая электрические импульсы в нее и измеряя ее ответ. Модель машинного обучения затем используется для обнаружения специфических признаков в электрическом ответе, которые являются верными признаками старения батареи. Исследователи выполнили более 20 000 экспериментальных измерений для обучения модели. Важно, что модель учится отличать важные сигналы от нерелевантного шума. Метод неинвазивен и является простым дополнением к любым существующим батарейным системам.

Исследователи также показали, что модель машинного обучения может быть интерпретирована для дачи подсказок о физическом механизме деградации. Модель может информировать, какие электрические сигналы наиболее коррелируют со старением, что в свою очередь позволяет им проектировать специфические эксперименты для зондирования почему и как батареи деградируют.

Платформа машинного обучения используется для понимания деградации в разных химиях батарей. Оптимальные протоколы зарядки батарей разрабатываются, подкрепленные машинным обучением, для обеспечения быстрой зарядки и минимизации деградации.