Екип от учени, ръководени от д-р Гарет Кондуит от Института за изследване и инженеринг на материали в A * STAR, и Технологичният университет Nanyang са използвали AI за прогнозиране на състоянието на акумулаторите на електрически превозни средства и за даване на „точна“ прогноза за състоянието на литиево-йонните клетки на заряда и здравето.
Според публикуваната статия технологията на модела за машинно обучение, управлявана от данни, може да позволи на производителите да вграждат софтуера направо в своите батерийни устройства, за да подобрят живота на цикъла си до 6% спрямо типичните модели батерии, които грешно изчисляват живота си с около 10%.
Производителността, цената и безопасността на батериите са факторите, които определят успешното развитие на електрическите превозни средства. Към момента литиево-йонните (Li-йонни) батерии са предпочитани пред останалите батерии поради техния живот на цикъла и разумна енергийна плътност. Ако обаче се продължат допълнителни изследвания на литиево-йонните батерии, това ще доведе до по-сложна динамика на батериите, където безопасността и ефективността ще станат проблем. Поради това усъвършенстваната система за управление на батерията, която може да оптимизира и наблюдава безопасността, е от решаващо значение за електрификацията на автомобилите.
Внедрени са алгоритми за машинно обучение, за да се предскаже здравословното състояние, състоянието на зареждане и оставащият полезен живот. Фокусът е върху модели, базирани на данни и те са комбинирани с техники за машинно обучение. Тези модели изглеждат по-мощни и могат да предсказват без априорно познаване на системата, освен постигане на висока точност с ниски изчислителни разходи. С намалените разходи за устройства за съхранение на данни и напредъка на изчислителните технологии, машинното обучение, управлявано от данни, изглежда най-обещаващият подход за модерно моделиране на батерии в бъдеще.
Целта на проучването е да доведе до трансформационен ефект върху индустрията на батериите и да подчертае как машинното обучение може точно да предскаже и подобри здравето и живота на батерията. Това ще позволи на производителите да вграждат софтуера направо в своите батерийни устройства и да подобрят своята услуга в живота за потребителя.