機械学習によるリチウムイオン電池のインテリジェント故障検出 (IFD) システム

科学分野:

• 電気工学
• 材料科学
• コンピュータ科学

背景:

• 電気自動車 (EV) は,環境問題と効率性のために人気を得ています.
• 電気自動車のバッテリーの故障は 重要な安全リスクをもたらします
• 既存の故障検出方法は 積極的な安全のために強化する必要があります.

研究 の 目的:

• 電気自動車の電池にインテリジェント・ファルト・デテクション (IFD) システムを導入する.
• 電気自動車の電池の監視と保護のための機械学習 (ML) ベースのメカニズムを開発し,実装する.
• 熱保護,過電圧,過電圧などの重大な故障に対処する.

主な方法:

• 車両の運転中に埋め込まれたバッテリーセンサーからリアルタイムでデータを収集する.
• データを分析し,温度と電圧の有効な動作範囲を定義するためのK-meansクラスタリングアルゴリズムの適用.
• バッテリーの安全と不安全の動作条件を分類するアンサンブルアプローチを使用する.

主要な成果:

• 提案されたMLベースのIFDシステムは,電池の故障を特定する際に0.94の精度を達成しました.
• このシステムは,バッテリーを効果的に監視し,重大な故障から保護します.
• データクラスタリングにより,温度と電圧の有効な動作範囲を定義します.

結論:

• 開発されたIFDシステムは,EVバッテリーの安全性と信頼性を大幅に高めています.
• この積極的な故障検出は,電気モビリティの長期的な持続可能性と経済的実現に寄与します.
• 電気自動車のバッテリーの健康とパフォーマンスを管理するための 強力なソリューションを提供します