增强的人工智能是提高电池耐久性、能量密度和充电速度的助推器。Eatron Technologies的专家解释说。

在电动汽车(EV)电池发展取得重大进展的20年后,创新继续带来更大的电池性能、安全性、更快的充电、寿命和耐久性的承诺。新思维的一个领域涉及使用人工智能(AI)作为推动因素的电池管理系统(BMS)。总部位于英国的Eatron Technologies公司的总经理Umut Genc博士表示,或者更具体地说,人工智能的一个新维度,该公司专门从事电动和自动驾驶汽车的智能软件。

他说:"我们把[它]定义为基于物理的建模与选择性的人工智能,"。"了解人工智能的局限性是至关重要的。首先,人工智能系统需要大量的内存和处理能力,增加了成本和能源消耗。其次,人工智能仍处于应用的早期阶段,所以人们常常认为它并非没有风险。Genc解释说:"任何完全依赖人工智能的关键任务系统,目前都很难按照汽车标准进行验证。

他指出,这两种挑战的解决方案是相同的,首先要理解人工智能给目标带来的价值。Eatron公司的技术总监Can Kurtulus强调,OEM厂商必须认识到,在一段时间内,电池化学不会有大的进步。因此,耐用性、可用能量密度和充电速度方面的许多改进必须来自于电池管理的改进。

Kurtulus说,他认为关键是应用基于物理学的软件--带有嵌入式系统模型的控制系统。这是一种控制技术,其中查找表被系统的嵌入式软件模型所取代。

"在车辆设计的其他领域,精确的数字模拟已经帮助消除了对过度工程的需求。这在一个'良性循环'中降低了成本和重量,"他说。"我们对BMS的方法是类似的,只是我们将把模型嵌入到每个电池组的控制系统中,并在车辆的整个生命周期中实时应用,而不仅仅是在设计阶段,所以反而比普通的人工智能技术更有意义。"

首次用于电动车诊断

在一家不知名的德国一级供应商以及英国和土耳其的工程团队的支持下,Eatron最初的生产项目涉及底盘管理系统和SAE 2级自动驾驶辅助系统。但是BMS现在已经成为一个主要的研发项目。Eatron的选择性人工智能应用所宣称的直接好处是,减少了对电池的过度规范以保护耐久性,从而降低了保修成本。

"目前对电池寿命影响最大的是充电状态窗口:允许电池接近满电和满放的程度,然后是充电速度,"Kurtulus说。"因此,在今天的生产系统中,通过校准BMS以防止电池被充到满载,即使车辆离充电站只有几英里,也绝不接近深度放电,并始终限制快速充电能力,从而最大限度地减少保修索赔。"

Eatron的一项创新是利用其基于物理学的建模技术来预测电池的剩余使用寿命(RUL)。该公司预计将成为第一家为锂离子电动车电池提供这一功能的生产技术供应商。该公司还希望率先为汽车OEM提供机会,将剩余使用寿命指标纳入汽车诊断系统。

Genc指出,当BMS连接到云端时,选择性人工智能的主要好处将完全获得。"对RUL的预测将允许汽车制造商发布空中校准更新,使客户利益最大化,如快速充电和范围,"他指出,"同时对保证和耐久性目标的实现保持信心。"

随着更多的数据被分析,人工智能会学习;预测变得更加准确,好处会自动纳入决策中。汽车OEM也有可能增加新的功能,为车主带来额外的好处。例如,目前没有办法让二手车买家确定电动车电池的使用期限。

"特别是对于车队来说,当他们要处理他们的车辆时,管理和验证RUL的能力将增加重大价值。Genc说:"可以在仪表盘上安装一个RUL指示器。Eatron的业务发展总监Amedeo Bianchimano补充说:"人工智能和与云计算的结合将使电池管理软件发挥更重要的作用,不仅仅是作为最大化电动汽车属性的工具,还可以提供保修管理和额外的软件服务。"

更详细的预知功能
Eatron已经与英国华威大学的华威制造集团(WMG)建立了一个联合研究项目,将他们的BMS开发扩展到更详细的预知功能。目前,该系统只能在电池单元出现问题时(通常在故障前不超过几秒钟)发现问题,关闭电池组或使其进入跛行回家模式。

与WMG合作研究的目的是完善诊断技术的创新,使Eatron能够在故障发生前有效地识别与细胞有关的问题--不是像现在通常情况下的几秒钟前,而是在故障发生前几个月。

"Kurtulus强调说:"有了这种嵌入电池组的技术,化学成分可以更努力地驱动。"这已经是多年来的一个目标,但以前它需要相当大的额外硬件复杂性。我们的方法将机器学习应用于既定的信号处理理论,将诊断特征从噪声中分离出来,而不需要任何额外的组件。"

对于车主来说,Eatron声称的好处还将包括BMS校准,提供更多的续航能力和更快的充电速度,"同时减少被丢在路边的残疾车辆的风险,"Genc说。"我们的方法是使用成熟的基于模型的控制技术创建一个强大的系统,然后在特定计算需要的地方仔细加入人工智能。电池健康管理只是一个起点。真正令人激动的是接下来的事情!"

参考资料: https://www.sae.org/news/2021/03/battery-management-systems-use-selective-ai