機器學習助電動汽車電池發(fā)展加速
更智能的電池測試方法
設計超高速充電電池是一個主要的挑戰(zhàn),主要是因為它很難持久?焖俪潆姷膹姸葧o電池帶來更大的壓力,這通常會導致電池過早失效。電池組的成本占電動汽車總成本的很大一部分,為了防止電池組受損,電池工程師必須測試一系列詳盡的充電方法,以找到最有效的充電方法。
新的研究試圖優(yōu)化這一過程。在一開始,團隊就發(fā)現(xiàn)快速充電的優(yōu)化意味著要進行很多的反復試驗——這對人類來說是低效的,但對機器來說是毫無問題的。
“機器學習是一種反復嘗試的過程,但它們更聰明,”參與領導這項研究的計算機科學研究生阿蒂亞格羅弗說!霸诤螘r探索——嘗試新的和不同的方法——以及何時開發(fā)(或瞄準)最有前途的方法方面,計算機比我們做得好得多!
該團隊在兩個關鍵方面采用了機器學習。首先,他們用機器學習來減少每次循環(huán)實驗的時間。在之前的一項研究中,研究人員發(fā)現(xiàn),他們可以預測電池在第一次充電100次后的續(xù)航時間。這是因為機器學習系統(tǒng)在接受了幾次電池循環(huán)失靈的訓練后,可以從早期數(shù)據(jù)中發(fā)現(xiàn)預測電池壽命的模式。
第二,機器學習減少了他們必須測試的方法的數(shù)量。計算機從以往的經(jīng)驗中吸取教訓,迅速找到最佳的協(xié)議進行測試,而不是對每一種可能的充電方法都進行同等的測試,或者依靠直覺。
通過在更少的周期內(nèi)測試更少的方法,研究團隊很快找到了一種最優(yōu)的超高速充電方案。埃爾蒙說,除了顯著加快測試過程之外,這臺計算機的解決方案也比電池科學家可能設計出的方案更好,而且更不尋常。
埃爾蒙說:“它給我們帶來了一種意想不到的簡單充電協(xié)議!痹撍惴ǖ慕鉀Q方案不是在充電開始時以最高電流充電,而是在充電過程中使用最高電流!斑@就是人與機器的區(qū)別:機器不受人類直覺的影響,雖然人類直覺是強大的,但有時會誤導人!

請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
-
7月22-29日立即報名>> 【線下論壇】第三屆安富利汽車生態(tài)圈峰會
-
7.30-8.1火熱報名中>> 全數(shù)會2025(第六屆)機器人及智能工廠展
-
7月31日免費預約>> OFweek 2025具身智能機器人產(chǎn)業(yè)技術創(chuàng)新應用論壇
-
免費參會立即報名>> 7月30日- 8月1日 2025全數(shù)會工業(yè)芯片與傳感儀表展
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
-
8月5日立即報名>> 【在線會議】CAE優(yōu)化設計:醫(yī)療器械設計的應用案例與方案解析
推薦專題