Détection d'emballement thermique alimentée par l'IA : une avancée dans la sécurité des batteries de véhicules électriques

Une équipe d'ingénieurs dirigée par un doctorant de l'Université de l'Arizona a introduit une nouvelle méthode pour empêcher la surchauffe des batteries des véhicules électriques. La méthode utilise des algorithmes d’IA pour prédire les zones préoccupantes avant qu’elles ne deviennent dangereuses. Beaucoup voient cette étude comme une avancée majeure dans l’industrie, surtout compte tenu de la demande croissante de véhicules électriques. Voici tout ce que vous devez savoir sur le rôle futur de l’IA dans la prévention de l’emballement thermique.

Une équipe d'ingénieurs dirigée par un doctorant de l'Université de l'Arizona a introduit une nouvelle méthode pour empêcher la surchauffe des batteries des véhicules électriques (VE), un problème qui peut conduire à une panne catastrophique.

La méthode utilise des algorithmes d'intelligence artificielle (IA) pour prédire les zones préoccupantes avant qu'elles ne deviennent dangereuses, une avancée qui pourrait ouvrir la voie à des véhicules électriques plus sûrs et plus efficaces.

Voici tout ce que vous devez savoir sur le rôle futur de l'IA dans la prévention de l'emballement thermique.

Batteries lithium-ion (LIB)

Pour comprendre l'importance de cette recherche, il est important de savoir que les batteries lithium-ion (LIB) sont le type de batterie le plus couramment utilisé dans les véhicules électriques d'aujourd'hui.

Ces batteries fonctionnent en utilisant des ions lithium chargés pour transférer de l'énergie à travers l'unité, produisant ainsi du courant pour vos besoins électriques.

Ce qui rend les LIB si populaires, c'est qu'ils peuvent être chargés en inversant temporairement la polarité et en renvoyant les ions au pôle négatif de l'unité.

Les véhicules électriques d'aujourd'hui dépendent de ces appareils pour de nombreuses raisons, notamment leur durée de vie décente, leur relative légèreté par rapport aux alternatives et leur densité énergétique exceptionnelle.

Il est notamment courant que ces batteries utilisent des cellules regroupées pour créer le pack EV complet, et la plupart des packs de batteries EV contiennent des milliers de cellules.

Qu'est-ce que l'emballement thermique ?

La structure multicellulaire actuelle des LIB aide les batteries à se charger plus rapidement et à atteindre une durée de vie plus longue. Cependant, cela peut créer des points chauds au sein de la batterie, ce qui peut entraîner une panne catastrophique.

Lorsqu'une seule cellule commence à mal fonctionner, elle peut chauffer rapidement, provoquant une augmentation de la température des cellules environnantes et pouvant entraîner davantage de pannes.

Cet effet domino est appelé emballement thermique, et c'est l'un des principaux problèmes auxquels sont confrontés les véhicules électriques aujourd'hui.

L'emballement thermique (TR) peut réduire les performances, provoquer la décomposition de la batterie et même des explosions, ce qui en fait une réelle préoccupation pour les propriétaires de véhicules électriques.

Plusieurs facteurs peuvent provoquer un emballement thermique, notamment des pannes de batterie telles que la fonte du séparateur, la décomposition de la cathode ou une réaction indésirable de l'électrolyte Li.

Ces courts-circuits peuvent se produire rapidement et entraîner des blessures aux passants à proximité en raison d'incendies et d'explosions.

Il existe de nombreuses histoires de personnes se réveillant face à des incendies de maison ou à d'autres moments terrifiants en raison de l'inflammation de la batterie de leur véhicule électrique. La résolution de ce problème est donc devenue une préoccupation majeure pour les chercheurs du monde entier.

Température en hausse

La nécessité de réduire les TR est devenue plus importante ces dernières années en raison de multiples facteurs.

L'augmentation de l'utilisation des véhicules électriques et des températures mondiales a créé un scénario dangereux avec plus de vies en danger que jamais.

Ces facteurs font que garder les batteries au frais est essentiel pour parvenir à un avenir plus vert.

Étude sur l'emballement thermique de l'IA

Une étude publiée dans le Journal of Power Sources démontre comment un algorithme d'IA avancé couplé à des capteurs pourrait être la clé pour éliminer une fois pour toutes l'emballement thermique.

L'étude, dirigée par Basab Goswami, utilise des simulations de données de conducteur pour imiter l'utilisation de la batterie des véhicules électriques dans des conditions de conduite quotidiennes.

Des modèles multiphysiques et d'apprentissage automatique exploitant des sous-modèles thermiques, électrochimiques et de dégradation ont été utilisés pour déterminer les moments clés où la TR est devenue perceptible.

À partir de là, les systèmes d'IA ont renforcé les données, leur permettant de prédire et d'identifier les cellules en surchauffe plus rapidement que n'importe quelle solution optique.

Test d'emballement thermique de l'IA

Les chercheurs ont cherché à mieux comprendre comment une interface électrolytique solide se dégrade sur une électrode négative dans diverses conditions.

L'équipe a utilisé les données réelles du conducteur et l'état de la batterie, tels que les cycles de charge/décharge constante et de conduite, pour tester la signature thermique de la batterie.

Pour accomplir cette tâche, l'équipe a créé une batterie entourée de capteurs thermiques spéciaux.

Les capteurs de température ont fourni des données spatiales et temporelles détaillées sur la température qui ont ensuite été combinées avec des données historiques et transmises à l'algorithme d'IA.

Ces données comprenaient des situations clés, des environnements, des activités de conducteur et des problèmes techniques.

Algorithme de Goswami

L'algorithme Goswami est unique à bien des égards. D’une part, il s’agit du premier modèle d’apprentissage automatique d’IA utilisé pour prédire la TR.

Ce modèle multiphysique n'a été rendu possible que grâce à de nouveaux systèmes d'IA tels que la modélisation vectorielle.

Ces systèmes avancés peuvent analyser des quantités massives de données et mettre en évidence des corrélations ou des modèles complexes bien au-delà des capacités humaines.

Par conséquent, la méthode de modélisation a permis à l'équipe de créer des données réalistes sur le comportement de conduite des véhicules électriques.

Résultats du test d'emballement thermique AI

Les résultats de l'étude sont impressionnants. D’une part, l’équipe a réussi à atteindre son objectif de prédire avec exactitude et précision les TR dans les LIB de manière cohérente.

L'IA était très précise et pouvait même déterminer où commençait l'emballement thermique, alertant du danger et évitant d'autres dommages.

Maintenant, l'équipe cherche à étendre ses recherches, ce qui pourrait un jour contribuer à créer des véhicules électriques plus sûrs pour tous.

Avantages de l'emballement thermique de l'IA

Cette recherche apporte de nombreux avantages au marché.

D’une part, l’algorithme d’IA est beaucoup moins coûteux que l’utilisation d’autres méthodes pour empêcher l’emballement thermique.

Dans le passé, les ingénieurs, y compris ceux de cette étude, ont

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!