راه‌حل هوش مصنوعی پژوهشگران سوئدی برای افزایش عمر و ایمنی باتری‌های خودروهای برقی

وی می‌افزاید: «اگر به جای نگاه کردن به آن‌ها به عنوان جعبه‌های سیاهی که فقط انتظار می‌رود نیرو ارائه دهند، تصویر دقیقی از فرآیندها به دست آوریم، می‌توانیم آن‌ها را به گونه‌ای مدیریت کنیم که برای مدت طولانی‌تری در شرایط خوب باقی بمانند».
 
 

گفتنی است که این پژوهش بر یک چهارچوب یادگیری ماشین متمرکز است که بر اساس یک مدل دوقلوی دیجیتال ساخته شده است.

این چهارچوب، پارامترهای کلیدی طراحی را به رفتارهای واقعی باتری‌های لیتیوم-یون گرافیت/نیکل-منگنز-کبالت در طیف متنوعی از پروتکل‌های شارژ سریع، عمق تخلیه و پروفیل‌های تخلیه پویا مرتبط با کاربرد در آب و هوای نوردیک پیوند می‌زند.
 
بر این اساس، یک پایگاه داده با جمع‌آوری اطلاعات از بخش‌های بسیار کوتاه شارژ ساخته شد که سپس با یک مدل دقیق از تمام فرآیندهای شیمیایی مختلف درون باتری ترکیب گردید.
 
نکته برجسته این است که این رویکرد، استحکام پیش‌بینی‌های سلامت و عمر باتری را به ترتیب تا ۶۵ درصد و ۶۹ درصد در مقایسه با مدل‌های پایه پرسپترون چندلایه و رگرسیون خطی بهبود می‌بخشد و همچنین از مدل پایه جنگل تصادفی عملکرد بهتری دارد، در حالی که زمان آموزش آن تنها ۱ ثانیه است.