Ang isang pangkat ng mga siyentista na pinangunahan ni Dr. Gareth Conduit sa Institute of Materials Research and Engineering sa A * STAR, at Nanyang Technological University ay gumamit ng AI para sa paghula ng mga estado ng baterya ng de-kuryenteng sasakyan at magbigay ng isang 'tumpak' na hula para sa estado ng mga lithium-ion cells ng singil at kalusugan.
Ayon sa artikulong nai-publish, ang teknolohiya ng modelo ng modelo ng pagkatuto ng machine na hinihimok ng data ay maaaring payagan ang mga tagagawa na i-embed ang software nang diretso sa kanilang mga aparatong baterya upang mapabuti ang buhay ng pag-ikot hanggang sa 6% sa mga tipikal na modelo ng baterya na nagkakalkula sa mga habang buhay ng humigit-kumulang 10%.
Ang pagganap, gastos, at kaligtasan ng mga baterya ay ang mga kadahilanan na tumutukoy sa matagumpay na pag-unlad ng mga de-koryenteng sasakyan (EV). Tulad ng ngayon, ang mga baterya ng lithium-ion (Li-ion) ay ginustong kaysa sa iba pang mga baterya dahil sa kanilang buhay sa siklo at makatwirang lakas ng enerhiya. Gayunpaman, kung ang karagdagang pagsasaliksik ng mga baterya ng Li-ion ay isinasagawa, hahantong ito sa mas kumplikadong mga dynamics ng baterya, kung saan ang kaligtasan at kahusayan ay magiging isang bagay ng pag-aalala. Dahil dito, ang isang advanced na sistema ng pamamahala ng baterya na maaaring ma-optimize at subaybayan ang kaligtasan ay mahalaga para sa pagkuryente ng mga sasakyan.
Ang mga algorithm sa pag-aaral ng machine ay ipinatupad upang mahulaan ang estado ng kalusugan, estado ng singil, at natitirang kapaki-pakinabang na buhay. Nagkaroon ng pagtuon sa mga modelo na hinihimok ng data at ang mga ito ay isinama sa mga diskarte sa pag-aaral ng makina. Ang mga modelong ito ay lilitaw na mas malakas at mahuhulaan nang walang priori na kaalaman sa system bukod sa makamit ang mataas na kawastuhan na may mababang gastos sa computational. Sa pinababang gastos ng mga aparato ng pag-iimbak ng data at pagsulong ng mga teknolohiya ng computational, ang pag-aaral ng makina na hinihimok ng data ay tila ang pinaka-maaasahan na diskarte para sa advanced na pagmomodelo ng baterya sa hinaharap.
Ang layunin ng pag-aaral ay upang magdala ng isang nagbabagong epekto sa industriya ng baterya at i-highlight kung paano tumpak na mahuhulaan at mapagbuti ng pag- aaral ng machine ang kalusugan at buhay ng isang baterya. Papayagan nito ang mga tagagawa na mai-embed ang software nang diretso sa kanilang mga aparato sa baterya at pagbutihin ang kanilang serbisyo sa buhay para sa mamimili.