Home Notizie recenti Il nuovo approccio riduce del 75% i tempi di test della batteria...

Il nuovo approccio riduce del 75% i tempi di test della batteria dei veicoli elettrici

23
0
modelli (2022). DOI: 10.1016/j.patter.2022.100531″ width=”800″ height=”530″>
Astratto grafico. Credito: modelli (2022). DOI: 10.1016/j.patter.2022.100531

I ricercatori dell’Università del Michigan hanno dimostrato che testare la longevità dei nuovi progetti di batterie per veicoli elettrici potrebbe essere quattro volte più veloce con un approccio semplificato.

Il loro framework di ottimizzazione potrebbe ridurre drasticamente il costo della valutazione delle prestazioni delle configurazioni della batteria nel lungo periodo.

“L’obiettivo è progettare una batteria migliore e, tradizionalmente, l’industria ha cercato di farlo utilizzando prove ed errori”, ha affermato Wei Lu, professore di ingegneria meccanica e leader del team di ricerca dietro il framework, pubblicato in modelli. “Ci vuole così tanto tempo per valutare.”

Con i produttori di batterie per veicoli elettrici (EV) alle prese con l’ansia di autonomia e le preoccupazioni sulla disponibilità della ricarica, il sistema di ottimizzazione sviluppato dal team di Lu potrebbe ridurre i tempi sia per la simulazione che per i test fisici di batterie nuove e migliori di circa il 75%. Tale velocità potrebbe fornire una spinta importante agli sviluppatori di batterie che cercano la giusta combinazione di materiali e configurazioni per garantire che i consumatori abbiano sempre una capacità sufficiente per raggiungere le loro destinazioni.

I parametri coinvolti nella progettazione della batteria includono tutto, dai materiali utilizzati allo spessore degli elettrodi, alla dimensione delle particelle nell’elettrodo e altro ancora. Testare ciascuna configurazione di solito significa diversi mesi di ricarica completa e quindi di scarica completa, o ciclo della batteria, 1.000 volte per simulare un decennio di utilizzo. È estremamente dispendioso in termini di tempo ripetere questo test attraverso l’enorme numero di possibili modelli di batterie per scoprire quelli migliori.

Vedi anche:  Boot camp per il sistema immunitario: come le cellule immunitarie imparano a distinguere l'amico dal nemico

“Il nostro approccio non solo riduce i tempi di test, ma genera automaticamente progetti migliori”, ha affermato Lu. “Utilizziamo il feedback iniziale per scartare le configurazioni della batteria poco promettenti piuttosto che scorrerle fino alla fine. Questo non è un compito semplice poiché una configurazione della batteria che funziona in modo mediocre durante i primi cicli potrebbe funzionare bene in seguito, o viceversa.

“Abbiamo formulato sistematicamente il processo di arresto anticipato e consentito al sistema di imparare dai dati accumulati per produrre nuove configurazioni promettenti”.

Per ottenere una notevole riduzione di tempi e costi, gli ingegneri di messaggistica unificata hanno sfruttato le ultime novità in materia di apprendimento automatico per creare un sistema che sappia sia quando smettere sia come migliorare man mano che procede.

Il framework interrompe i test ciclistici che non iniziano con risultati promettenti al fine di risparmiare risorse utilizzando le tecniche matematiche note come Algoritmo di dimezzamento successivo asincrono e iperbanda. Nel frattempo, prende i dati dai test precedenti e suggerisce nuovi set di parametri promettenti da studiare utilizzando gli stimatori Tree of Parzen.

Oltre a interrompere i test che mancano di promesse, un elemento chiave per risparmiare tempo nel sistema di messaggistica unificata è il modo in cui genera più configurazioni di batteria da testare contemporaneamente, noto come parallelizzazione asincrona. Se una configurazione completa il test o viene eliminata, l’algoritmo calcola immediatamente una nuova configurazione da testare senza dover attendere i risultati di altri test.

Vedi anche:  Mayo Clinic Minute: come gestire i sintomi dell'allergia al raffreddore da fieno

Il framework di UM è efficace per testare progetti di tutti i tipi di batterie, da quelle utilizzate per decenni per far funzionare automobili a combustione interna, ai prodotti più piccoli che alimentano i nostri orologi e telefoni cellulari. Ma le batterie per veicoli elettrici possono rappresentare l’uso più urgente della tecnologia.

“Questo quadro può essere ottimizzato per essere più efficiente quando viene incorporato un modello di previsione delle prestazioni”, ha affermato Changyu Deng, studente di dottorato di messaggistica unificata in ingegneria meccanica e primo autore del documento. “Ci aspettiamo che questo lavoro ispiri metodi migliori che ci portino a batterie ottimali per realizzare veicoli elettrici migliori e altri dispositivi che migliorano la vita”.

Un recente sondaggio condotto da Mobility Consumer Index ha mostrato che il 52% dei consumatori sta ora considerando un veicolo elettrico per il prossimo acquisto di un veicolo. Nonostante il cambiamento di atteggiamento, permangono preoccupazioni sull’autonomia del veicolo (capacità della batteria) e sul numero di stazioni di ricarica a disposizione dei conducenti.

Le prestazioni della batteria, quindi, hanno un ruolo centrale nel portare i veicoli elettrici alle masse come mezzo per compensare gli impatti dei cambiamenti climatici.

“Riducendo significativamente i tempi di test, speriamo che il nostro sistema possa aiutare ad accelerare lo sviluppo di batterie migliori, accelerare l’adozione o la certificazione di batterie per varie applicazioni e accelerare la quantificazione dei parametri del modello per i sistemi di gestione delle batterie”, ha affermato Lu.


Articolo precedenteLo Sri Lanka interrompe la fornitura di carburante ai servizi non essenziali mentre la crisi peggiora
Articolo successivoI ricercatori utilizzano le GPU per valutare la connettività del cervello umano