عملکرد باتری خودروهای الکتریکی با استفاده از تکنیک‌های هوش مصنوعی بهبود خواهد یافت!!!

به گزارش مکاترونیک نیوز، با افزایش جذب خودروهای الکتریکی (EVs) در بازار خودرو، نیاز به اطمینان از عملکرد بهینه و قابلیت اطمینان باتری و منابع تغذیه‌ای که انرژی خودرو را تامین می کند، وجود دارد.در بسیاری از صنایع و بازارهای دنیای امروز، باتری‌های لیتیوم یون (Li-ion)  اجزای حیاتی دستگاه‌ها و ماشین‌آلات از جمله گوشی‌های هوشمند، ذخیره‌سازهای انرژی خورشیدی و انواع منابع تغذیه هستند. بنابراین، حفظ سلامت باتری در دنیای امروز کاملاً حیاتی است. به تازگی از هوش مصنوعی و یادگیری ماشین در جهت رسیدن به استفاده حداکثری از باتری خودروهای الکتریکی استفاده شده است.

اخیراً گروهی از محققان دانشگاه کمبریج الگوریتم جدیدی را توسعه داده‌اند که از یادگیری ماشین برای کمک به حفظ سلامت باتری در خودروهای الکتریکی استفاده می‌کند. این الگوریتم قادر است از مدل‌های تشخیص الگو و پیش‌بینی‌پذیری استفاده کند تا ببیند سبک‌های مختلف رانندگی چگونه بر عملکرد باتری خودرو تأثیر می‌گذارد. محققان ادعا می کنند که این روش می تواند به افزایش عمر باتری و چرخه شارژ کمک کند و در عین حال زمان شارژ را نیز کاهش دهد. این روش می‌تواند ارزش را در بسیاری از بخش های زنجیره تامین باز کند.

سلامت یک باتری، چه در یک گوشی هوشمند یا یک ماشین، بسیار پیچیده تر از یک عدد روی صفحه نمایش است.

پنه لوپه جونز، نویسنده اول، از آزمایشگاه کاوندیش کمبریج، می گوید: «سلامت باتری، مانند سلامت انسان، یک چیز چند بعدی است و می تواند به طرق مختلف کاهش یابد. اکثر روش‌های نظارت بر سلامت باتری فرض می‌کنند که باتری همیشه به یک روش استفاده می‌شود. اما این نحوه استفاده ما از باتری در زندگی واقعی نیست. اگر من یک برنامه تلویزیونی را روی تلفنم پخش کنم، باتری آن خیلی سریع‌تر از زمانی که از آن برای پیام‌رسانی استفاده کنم تمام می‌شود. در مورد خودروهای برقی هم همین‌طور است – نحوه رانندگی شما بر تحلیل رفتن باتری تأثیر می‌گذارد.

دکتر آلفا لی، رهبر گروه، دانشگاه کمبریج میگوید:

این روش می‌تواند جایگاه ویژه‌ای را در بخش‌های مختلف زنجیره تامین باز کند، خواه سازنده، کاربر نهایی یا بازیافت‌کننده باشیم، این روش به ما اجازه می‌دهد تا سلامت باتری را فراتر از یک عدد واحد ثبت کنیم.

رویکرد منحصر به فرد این روش به این ترتیب است که می تواند یک نمای کلی از نحوه عملکرد باتری از طریق پروب غیر تهاجمی ارائه شود و در نتیجه سلامت باتری حفظ شود.

این تیم اخیراً روش کار خود را در مجله Nature Communications منتشر کرده است.

پنه لوپه جونز، آزمایشگاه کاوندیش، دانشگاه کمبریج می گوید:

سلامت باتری، مانند سلامت انسان، یک چیز چند بعدی است و می تواند به طرق مختلف کاهش یابد.

اکثر روش‌های نظارت بر سلامت باتری فرض می‌کنند که باتری همیشه به یک روش استفاده می‌شود. اما این چیزی نیست که ما از باتری‌ها در زندگی واقعی استفاده می‌کنیم.

نحوه رانندگی شما بر تحلیل رفتن باتری تأثیر می‌گذارد.

 

روش پروب غیر تهاجمی با ارائه ترکیبی از اندازه‌گیری‌های طیف‌سنجی امپدانس الکتروشیمیایی با استفاده از روش‌های یادگیری ماشین کار می‌کند. به بیان دیگر، پروب دستگاه پالس‌های با ابعاد بالا را به باتری منتقل می‌کند و سپس پاسخ‌های الکتریکی را اندازه‌گیری می‌کند و این روش به عنوان یک نشانگر زیستی عمل می‌کند و به تعیین سلامت باتری کمک می‌کند.

این سیگنال‌های الکتریکی قبل از وارد شدن به الگوریتم به داده‌هایی تبدیل می‌شوند که به عنوان سلامت باتری ترجمه می‌شوند و سپس می‌توانند از داده‌ها برای پیش‌بینی عملکرد باتری استفاده کنند.

پس از آزمایش هشتاد و هشت باتری موجود در بازار، محققان دریافتند که الگوریتم آن‌ها به اندازه‌ای دقیق است که می‌تواند پیش‌بینی‌های خود را بدون اطلاع قبلی از تاریخچه استفاده از باتری انجام دهد.

این تیم از سلول‌های اکسید کبالت لیتیوم (LCO) استفاده کردند، البته آنها گزارش دادند که این روش می‌تواند در مواد شیمیایی مختلف باتری در خودروهای الکتریکی مدرن اعمال شود. این بدان معنی است که این روش، نه تنها می تواند استفاده از باتری را بهینه کند، بلکه به اطمینان از باتری‌های ایمن تر و ماندگارتر نیز کمک می کند. این روش در انواع مختلف باتری‌های مورد استفاده در خودروهای الکتریکی امروزه قابل تعمیم است.

دکتر آلفا لی، رهبر گروه، دانشگاه کمبریج می گوید:

روش او می‌تواند ارزش بسیاری از بخش‌های زنجیره تامین را باز کند، خواه سازنده، کاربر نهایی یا بازیافت‌کننده باشید، زیرا به ما امکان می‌دهد تا سلامت باتری را فراتر از یک عدد واحد ثبت کنیم، و به این دلیل که پیش‌بینی‌کننده است.

دکتر لی ادامه داد: این  روش می‌تواند تولید انواع جدیدی از باتری‌ها را کاهش دهد، زیرا ما می‌توانیم پیش‌بینی کنیم که چگونه آنها تحت شرایط عملیاتی مختلف تحلیل می‌روند.

محققان اکنون با سازندگان باتری برای تسریع در توسعه باتری های نسل بعدی ایمن تر و ماندگارتر کار می‌کنند. آنها همچنین در حال بررسی این موضوع هستند که چگونه می توان از چارچوب آنها برای توسعه پروتکل های شارژ سریع بهینه برای کاهش زمان شارژ خودروی الکتریکی بدون ایجاد تخریب استفاده کرد.

نام خبرنگار : سمیه آموت سر

منبع خبر: www.azorobotics.com