Álláshirdetések
Events / Courses
Legfrissebb híreink
Új ötletekkel készül a PEngineers a Techtogetherre
2024.04.23 16:18
Új szén-dioxid-megkötő módszert tesztelését kezdi meg az OMV-Petrom
2024.04.23 15:24
Achim Grewe lesz az Audi Hungaria új pénzügyi igazgatója
2024.04.23 13:22
Kibővíti e-autó-komponenseinek gyártását a BMW
2024.04.23 12:16Autopro Blog
Autopro a Facebookon
Galériáink
A mesterséges intelligencia segíthet többet kihozni az akkumulátorokból
Fotó: Envision AESC
Két évtizednyi fejlődés után még mindig kínálkoznak lehetőségek az elektromos autókban használt akkumulátorok élettartamának, töltési sebességének, energiasűrűségének és más jellemzőinek javítására. A brit Eatron Technologies szerint ezek egyike az akkumulátormenedzsment-rendszerek mesterséges intelligenciával ötvözése.
Az elektromos és autonóm járművekhez szoftvereket fejlesztő vállalat a megoldását úgy írja le mint: fizikaalapú modellezés szelektív mesterséges intelligenciával.
Can Kurtulus, a cég technikai vezetője elmondta, hogy a járműtervezésben a pontos digitális szimuláció segített a mérnököknek elkerülni a túlbiztosított konstrukciók tervezését, amivel csökkenthették a költségeket és a járművek tömegét. „Hasonló megközelítést alkalmazunk az akkumulátormenedzsment-rendszereknél” – folytatta. Kifejtette, az ő megoldásuk abban különbözik, hogy a szimulációs modellt az akkumulátor vezérlőrendszerébe integrálják, amit aztán a rendszer valós időben, a jármű teljes élete során használ majd.
Kurtulus úgy látja, hogy belátható időn belül – mivel az akkumulátorok kémiai összetételében jelentős előrelépés nem várható – a telepek élettartamának, energiasűrűségének és töltési sebességének fejlesztése egy jelentős részben az akkumulátormenedzsment javításával érhető el.
Nagyobb hatótáv, gyorsabb töltés
A mesterséges intelligencia (MI) legnagyobb előnye, hogy szükségtelenné teszi az akkumulátor túlzott leszabályozását az élettartam-hosszabbítás, illetve a garanciális költségek alacsonyan tartása érdekében.
A telepek élettartamára a legnagyobb hatással az van, hogy mennyire engedik őket feltölteni és kisülni, míg a második legnagyobb befolyást a töltési sebesség gyakorolja. Kurtulus elárulta, hogy ebből fakadóan ma az akkuk menedzsmentrendszerét úgy állítják be, hogy ne engedje teljesen feltölteni és lemeríteni azt, a töltési sebesség maximum értékét pedig korlátozza.
A fizikaalapú modellezéssel azonban pontosan meghatározható az akkumulátor hátralévő hasznos élettartama, ami pedig lehetővé teszi az OEM-nek, hogy over-the-air, vagyis vezeték nélküli frissítések útján finomhangolja az akkumulátort, maximalizálva annak élettartamát, miközben növeli a tölthetőséget és a töltési sebességet. A tanulásra képes MI-vel a hátralévő élettartam megbecsülése idővel egyre pontosabb válhat.
A hátralévő hasznos élettartam továbbá fontos információval szolgálhat majd a használt autókat keresőknek és az autójukat eladni készülőknek is. Jelenleg még egyik elektromos autóban sem áll rendelkezésre a funkció, amit egy meg nem nevezett német Tier 1 beszállító által is támogatott Eatron Technologies várhatóan elsőként fog elérhetővé tenni.
Még van hova fejlődni
A SAE International cikke szerint a cég rendszere alkalmas a cellák meghibásodásának előrejelzésére is, ám jelenleg még csak néhány másodperccel azelőtt képes felismerni a cellák meghibásodását, hogy az bekövetkezne. Hogy ezt kitolják több hónapra, a vállalat a Warwick Egyetemmel folytat együttműködést.
