به گزارش سرویس ترجمه خبرگزاری ایمنا، کاهش عمر باتریهای خودروهای برقی پس از چند سال استفاده مستمر، یکی از چالشهای اصلی کاربران آنهاست. با این حال پژوهش جدیدی در دانشگاه اوپسالا سوئد نوید طول عمر بیشتر و ایمنی بالاتر برای این باتریها را میدهد. توانایی درک بهتر عمر و فرسودگی باتریها میتواند به سیستمهای کنترلی خودروهای برقی کمک قابلتوجهی کند و بهجای درنظر گرفتن باتریها بهعنوان جعبههای سیاه منبع برق، با بهدست آوردن تصویری دقیقتر از واکنشها و فرآیندهای داخلی، امکان مدیریت بهتر آنها را برای افزایش ماندگاری فراهم میکند.
از آنجایی که باتریها در خودروهای برقی بهسرعت مستهلک میشوند، این موضوع سرعت پیشرفت الکتریفیکاسیون (جایگزینی انرژیهای آلاینده همچون سوختهای فسیلی با انرژی الکتریکی بهویژه تجدیدپذیر) در حملونقل را کاهش داده است. برای مقابله با این مشکل، صنعت خودروسازی در حال توسعه نرمافزارهایی مبتنیبر هوش مصنوعی است که مدیریت و کنترل باتریها را بهینه میکند.
تیم پژوهشی دانشگاه اوپسالا در همکاری با دانشگاه آلبورگ در دانمارک، پس از چند سال جمعآوری دادههای شارژ کوتاهمدت، دادههای گستردهای ایجاد کردند که با مدلی دقیق از فرآیندهای شیمیایی درون باتری ترکیب شده است. این ترکیب یک تصویر بسیار دقیق از واکنشهای شیمیایی تولید انرژی و فرایند فرسودگی باتری در طول زمان فراهم کرده است.
چارچوب پیشنهادی این تحقیق مبتنیبر یادگیری ماشینی و مدل دوقلوی دیجیتال است که شش پارامتر کلیدی طراحی باتریهای لیتیوم-یونی را بهطور مستقیم از بخشهای کوتاه شارژ استخراج و پیشبینی سلامت باتری را در چند ثانیه امکانپذیر میکند. این چارچوب تحت شرایط مختلف شارژ سریع، عمق تخلیه و پروفایلهای متنوع تخلیه، عملکرد باتریها در آبوهوای سرد شمال اروپا را مدلسازی میکند.
نتایج نشان داده است که این روش دقت پیشبینی سلامت و طول عمر باتری را به ترتیب تا ۶۵ و ۶۹ درصد نسبت به مدلهای پایه چندلایه پرسپترون، رگرسیون خطی و جنگل تصادفی بهبود میبخشد، در حالی که زمان آموزش مدل تنها یک ثانیه است. سه پارامتر اصلی طراحی شامل ضریب نفوذ حالت جامد، شعاع ذره و ضخامت الکترود در شارژ سریع نیز نقش کلیدی در تعیین مسیرهای فرسودگی باتری دارند.
این چارچوب بهراحتی میتواند در فرآیندهای توسعه و سیستمهای مدیریت باتری ادغام شود و به کاربران اجازه میدهد الگوهای استفاده خود را سفارشی کنند، در حالی که توسعهدهندگان را در جهت بهبود استراتژیهای طراحی هدایت میکند. این فناوری میتواند به افزایش طول عمر و ایمنی باتریهای خودروهای برقی کمک، مصرف منابع را بهینه و روند تحول در الکتریفیکاسیون حملونقل را تسریع کند.
نظر شما