电池健康几十年来一直尚未讨论的最多的话题,但最近激增的电动汽车推动了汽车制造商更详细地探讨这一主题。通过保持这些细节考虑,剑桥大学的研究人员最近取得了一个里程碑通过开发电动汽车的机器学习算法。算法主要是设计用于电动汽车的电池汽车制造商可以提供足够的信息,司机,和企业关于电池的健康。它还将推荐的最好的旅游路线电池的有效利用率。这项研究的结果已经发表在《华尔街日报》自然通讯。
这种非侵入性的方式最终会增加操作时间和电池的健康。这应该是记住结果必须被纳入机器学习算法,并根据这些结果,该算法将直接驱动采取最快的或最短路线,在不影响电池的健康。第一作者,佩内洛普·琼斯,从剑桥大学卡文迪许实验室说,“电池健康,像人类健康,是多维的,它可以降低在很多不同的方式。大多数的方法监测电池健康假设电池总是以同样的方式使用。但这并不是在现实生活中我们如何使用电池。如果我流媒体电视节目在我的手机,它会耗尽电池很多速度比如果我使用消息传递。是一样的与电cars-how你开车会影响电池降解。”
另一方面,αLee博士研究的主要作者,说,“我们大多数人将取代之前我们的手机电池降解,它无法使用,但对于汽车,电池需要持续5,10,或者更多。电池容量可以改变这么大,所以我们想要想出一个更好的方法检查电池的健康。“然而,这种非侵入性技术使用电信号,将传播从电池到机器学习算法。
一旦电脉冲进入了算法,它立即显示结果对下一个放电周期和多快的速度汽车时应该在路上。不仅如此,结果还演示了多久电池需要充电的下一个周期。应该注意的是,锂钴氧化物细胞已经像他们也只用于调查的主要成分用于电动汽车的电池。
李说:“这种方法可以解锁值在供应链的很多地方,不管你是制造商,一个最终用户,或回收商,因为它允许我们捕捉电池的健康除了一个数字,因为它的预测。它可以减少所花费的时间开发新类型的电池,因为我们可以预测在不同操作条件下如何降低。”他进一步表示,“我们可以帮助公司开发的框架优化他们如何使用他们的车辆,提高整个舰队的电池寿命。有这么多潜在的这样的一个框架。”
琼斯说,“这是这样一个令人兴奋的框架来构建,因为它可以解决很多今天在电池领域的挑战。这是一个很好的时间在电池领域的研究,这是很重要的在帮助解决气候变化问题的过渡远离化石燃料。”
