به گزارش خودروپرس، محققان میگویند که الگوریتم آنها میتواند به رانندگان، تولیدکنندگان و شرکتها کمک کند با پیشنهاد مسیرها و الگوهای رانندگی که استهلاک باتری و زمان شارژ را به حداقل میرسانند، بیشترین بهره را از باتریهای خودروهای الکتریکی ببرند.
برای این منظور تیم تحقیقاتی یک شیوه غیرتهاجمی را برای آزمایش باتریها و کسب دیدگاهی همهجانبه درباره سلامت باتری بکار گرفت. سپس این نتایج به یک الگوریتم یادگیری ماشین که میتواند نحوه تأثیرگذاری الگوهای مختلف رانندگی بر سلامت آینده باتری را پیشبینی کند، وارد شد.
در صورت توسعه تجاری این الگوریتم میتوان از آن برای توصیه مسیرهایی استفاده کرد که برای مثال رانندگان را از نقطهای به نقطه دیگر در کوتاهترین زمان ممکن بدون تخریب باتری میبرد یا سریعترین راه را برای شارژ باتری بدون تحلیل رفتن آن توصیه میکند.
سلامت یک باتری، چه در داخل یک گوشی هوشمند یا یک خودرو، بسیار پیچیدهتر از یک نمایش یک عدد بر روی صفحه است. پنه لوپه جونز، نویسنده اصلی گزارش از آزمایشگاه کاوندیش کمبریج گفت: "سلامت باتری مانند سلامت انسان چند بعدی است و میتواند به طرق مختلف کاهش یابد. اکثر روشهای نظارت بر سلامت باتری فرض میکنند که باتری همواره به یک شیوه استفاده میشود. اما این در زندگی واقعی مصداق ندارد. اگر من یک برنامه تلویزیونی را روی گوشیام پخش کنم باتری آن خیلی سریعتر از زمانی که گوشی برای پیامرسانی استفاده میشود، به پایان میرسد. در مورد خودروهای برقی هم همین طور است، نحوه رانندگی شما بر تحلیل رفتن باتری تأثیر میگذارد."
براساس این مطالعه، محققان یک کاوشگر غیرتهاجمی ساختند که پالسهای الکتریکی با ابعاد بالا را به باتری فرستاده و پاسخ را اندازهگیری میکند و مجموعهای از «نشانگرهای زیستی» سلامت باتری را ارائه میدهد.
سیگنالهای الکتریکی دریافتی از باتری به توصیفی از وضعیت باتری تبدیل و به الگوریتم یادگیری ماشین وارد شد. این الگوریتم توانست پیشبینی کند که باتری در چرخه شارژ – دشارژ بعدی، بسته به سرعت شارژ باتری و سرعت بعدی حرکت خودرو در جاده چه واکنشی را نشان میدهد.
آزمایشات صورتگرفته با 88 باتری تجاری نشان داد که الگوریتم برای پیشبینی دقیق به هیچ اطلاعاتی درباره موارد استفاده گذشته از باتری نیاز ندارد.
این آزمایش بر روی پیلهای لیتیوم کبالت اکسید (LCO) که به طور گسترده در باتریهای قابل شارژ استفاده میشود، صورت گرفت اما این روش در انواع مختلف باتریهای مورد استفاده در خودروهای الکتریکی امروز قابل تعمیم است.
محققان میگویند روش آنها میتواند علاوه بر تولیدکنندگان و رانندگان برای مشاغلی که ناوگان بزرگ وسایل نقلیه الکتریکی همچون شرکتهای لجستیک را اداره میکنند نیز مفید باشد.
گفتنی است نتایج این مطالعه در مجله «Nature Communications» به چاپ رسیده است.
منبع: autotech
با عضویت در صفحات کارپرس در شبکه های اجتماعی، ویژه های خودرویی جهان را روی به لحظه موبایل خود دریافت کنید
عضویت در صفحات اجتماعی ما: آیگپ - بله - تلگرام - اینستاگرام
نظر خود را اضافه کنید.
ارسال نظر به عنوان مهمان