Energi
Så mycket effektivare läser deras ai av batteriets hälsa
Foto: General Motors
Forskarna mäter responsen på impulser som skickas genom batteriet. Deras maskininlärning kan avgöra hälsotillståndet med tio gånger större exakthet än rådande industristandard.
Hur friskt är batteriet? För att ta reda på om det börjar tappa musten kan man mäta spänning och strömstyrka vid laddning/urladdning, men diagnosmetoden lämnar många frågor obesvarade. Nu har universiteten i Cambridge och Newcastle utvecklat ny maskininlärning som kan ge mer pålitliga batterier för elbilar såväl som hemelektronik.
En dator skickar elektriska impulser genom batteriet och mäter responsen. Forskarnas ai-algoritm bedömer sedan en rad aspekter i batteriets svar och kan med stor exakthet plocka ut tecknen på att det har åldrats. Den artificiella intelligensen kan snabbt analysera stora datamängder och med hjälp av tidigare erfarenheter känna igen och jämföra processer. Enligt forskarna har deras maskininlärning tio gånger större exakthet än rådande industristandard.
– Säkerhet och pålitlighet är de allra viktigaste designaspekterna när vi utvecklar batterier som kan samla mängder av energi i ett litet utrymme. Genom att förbättra den mjukvara som övervakar laddning och urladdning och använda datadriven mjukvara för att ha kontroll över laddprocessen så tror jag att vi kan nå en stor förbättring när det gäller batteriprestanda, säger Alpha Lee från Cambridges Cavendish Laboratory.
Universiteten har genomfört 20 000 mätningar för att träna upp modellen. Det har gett ai:n så pass gediget dataunderlag att den även kan ge svar på andra aspekter av batteriets processer, och därmed vara ett intressant verktyg för forskare. Nu tittar teamet bland annat på ai-baserade laddprotokoll som förhoppningsvis ska kunna bidra till att öka batteriernas livslängd. Deras studie har presenterats i Nature Communications.