Новый подход сокращает время тестирования аккумуляторов электромобилей на 75 %

Прочитано: 230 раз(а)
1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (1 голосов, среднее: 5,00 из 5)
Loading ... Loading ...


Исследователи из Мичиганского университета показали, что тестирование долговечности новых конструкций аккумуляторов для электромобилей может быть в четыре раза быстрее при упрощенном подходе.

Как когнитивное искажение блокирует появление электромобилей

Их структура оптимизации может значительно снизить стоимость оценки того, как конфигурации батарей будут работать в долгосрочной перспективе.

«Цель состоит в том, чтобы разработать лучшую батарею, и традиционно отрасль пыталась сделать это, используя тестирование методом проб и ошибок», — сказал Вей Лу, профессор машиностроения UM и руководитель исследовательской группы, работающей над этой структурой, опубликованной в Patterns. «Это занимает так много времени, чтобы оценить».

Поскольку производители аккумуляторов для электромобилей (EV) борются с проблемами запаса хода и доступности зарядки, система оптимизации, разработанная командой Лу, может сократить время как для моделирования, так и для физического тестирования новых и лучших аккумуляторов примерно на 75%. Эта скорость может дать значительный импульс разработчикам аккумуляторов, которые ищут правильное сочетание материалов и конфигураций, чтобы гарантировать, что потребители всегда будут иметь достаточную емкость, чтобы добраться до места назначения.

Статисты США выясняют, что движет покупками электромобилей

Параметры, связанные с конструкцией батареи, включают в себя все: от используемых материалов до толщины электродов, размера частиц в электроде и многого другого. Тестирование каждой конфигурации обычно означает несколько месяцев полной зарядки, а затем полной разрядки — или цикла работы батареи — 1000 раз, чтобы имитировать десятилетие использования. Повторение этого теста через огромное количество возможных конструкций аккумуляторов, чтобы найти лучшие из них, занимает чрезвычайно много времени.

«Наш подход не только сокращает время тестирования, но и автоматически создает лучшие проекты», — сказал Лу. «Мы используем раннюю обратную связь, чтобы отказаться от бесперспективных конфигураций аккумуляторов, а не задействовать их до конца. Это непростая задача, поскольку конфигурация аккумуляторов, работающая посредственно в течение первых циклов, может хорошо работать позже или наоборот.

«Мы систематически сформулировали процесс ранней остановки и позволили системе учиться на накопленных данных для создания новых многообещающих конфигураций».

Чтобы добиться значительного сокращения времени и затрат, инженеры единой системы обмена сообщениями использовали последние достижения в области машинного обучения, чтобы создать систему, которая знает, когда нужно бросить курить, и как совершенствоваться по ходу дела.

Платформа останавливает циклические тесты, которые не дают многообещающих результатов, чтобы сэкономить ресурсы, используя математические методы, известные как асинхронный последовательный алгоритм деления пополам и гиперполоса. Между тем, он берет данные из предыдущих тестов и предлагает новые наборы многообещающих параметров для исследования с использованием оценщиков дерева Парзена.

В дополнение к отсечке бесперспективных тестов, ключевым элементом системы единой системы обмена сообщениями, позволяющим сэкономить время, является то, как она создает несколько конфигураций батарей для одновременного тестирования, что известно как асинхронное распараллеливание. Если какая-либо конфигурация завершает тестирование или отбрасывается, алгоритм немедленно вычисляет новую конфигурацию для тестирования, не дожидаясь результатов других тестов.

Система UM эффективна при тестировании конструкций всех типов аккумуляторов, от тех, которые десятилетиями использовались для питания автомобилей с двигателем внутреннего сгорания, до небольших продуктов, которые питают наши часы и мобильные телефоны. Но аккумуляторы для электромобилей могут представлять собой наиболее актуальное применение этой технологии.

«Эту структуру можно настроить так, чтобы она стала более эффективной, если включить модель прогнозирования производительности», — сказал Чанъю Денг, докторант Университета Массачусетса в области машиностроения и первый автор статьи. «Мы ожидаем, что эта работа вдохновит нас на совершенствование методов, которые приведут нас к оптимальным батареям для создания лучших электромобилей и других устройств, улучшающих жизнь».

Недавний опрос , проведенный Mobility Consumer Index, показал, что 52% потребителей в настоящее время рассматривают возможность покупки электромобиля в качестве следующего автомобиля. Несмотря на изменение отношения, остаются опасения по поводу запаса хода автомобиля (емкости аккумулятора) и количества зарядных станций, доступных для водителей.

Таким образом, производительность батареи играет центральную роль в распространении электромобилей в качестве средства компенсации воздействия изменения климата.

«Мы надеемся, что благодаря значительному сокращению времени тестирования наша система поможет ускорить разработку более качественных аккумуляторов, ускорить принятие или сертификацию аккумуляторов для различных приложений и ускорить количественную оценку параметров моделей для систем управления аккумуляторами », — сказал Лу.

Распространение электромобилей улучшает качество воздуха и климатические перспективы



Новости партнеров