人工智能驱动的热失控检测：电动汽车电池安全性的突破

由亚利桑那大学博士生领导的工程师团队推出了一种防止电动汽车电池过热的新方法。该方法使用人工智能算法在关注区域变得危险之前对其进行预测。许多人认为这项研究是行业的突破，特别是考虑到电动汽车的需求不断增长。以下是您需要了解的有关人工智能未来在防止热失控方面的作用的所有信息。

由亚利桑那大学博士生领导的工程师团队推出了一种防止电动汽车 (EV) 电池过热的新方法，该问题可能导致灾难性故障。

该方法使用人工智能 (AI) 算法在危险区域变得危险之前对其进行预测，这一进步可以为更安全、更高效的电动汽车铺平道路。

以下是您需要了解的有关人工智能未来在防止热失控方面的作用的所有信息。

锂离子电池 (LIB)

要了解这项研究的意义，重要的是要知道锂离子电池 (LIB) 是当今电动汽车中最常见的电池类型。

这些电池的工作原理是使用带电的锂离子在整个装置中传输能量，产生电流以满足您的电力需求。

LIB 如此受欢迎的原因是它们可以通过暂时翻转极性并将离子送回装置的负极来充电。

当今的电动汽车依赖这些设备的原因有很多，包括它们良好的使用寿命、与替代品相比相对较轻，以及卓越的能量密度。

值得注意的是，这些电池通常使用分组的电池来创建完整的 EV 电池组，并且大多数 EV 电池组都有数千个电池。

什么是热失控？

当前的锂离子电池多电池结构有助于电池充电更快并实现更长的使用寿命。然而，它可能会在电池组内产生热点，从而导致灾难性故障。

当单个电池开始出现故障时，它会迅速升温，导致周围的电池温度升高，并可能导致更多故障。

这种多米诺骨牌效应称为热失控，它是当今电动汽车面临的主要问题之一。

热失控（TR）会降低性能，导致电池分解，甚至爆炸，成为电动汽车车主真正关心的问题。

有几个因素可能导致热失控，包括电池故障，例如隔膜熔化、阴极分解或不利的锂电解质反应。

这些短路可能会很快发生，并导致附近的旁观者因火灾和爆炸而受伤。

有很多关于人们因电动汽车电池起火而被房屋起火或其他可怕时刻惊醒的故事，因此解决这个问题已成为全球研究人员关注的首要问题。

气温升高

由于多种因素，减少 TR 的需求在过去几年变得更加重要。

电动汽车使用量和全球气温的上升造成了危险的情况，比以往任何时候都有更多的生命处于危险之中。

这些因素使得保持电池凉爽对于实现绿色未来至关重要。

人工智能热失控研究

《电源杂志》上发表的一项研究表明，先进的人工智能算法与传感器相结合如何成为一劳永逸消除热失控的关键。

这项研究由 Basab Goswami 领导，利用驾驶员数据模拟来模拟日常驾驶条件下电动汽车电池的使用情况。

利用热、电化学和降解子模型的多物理场和机器学习模型被用来确定 TR 变得明显的关键时刻。

从那时起，人工智能系统强化了数据，使它们能够比任何光学解决方案更快地预测和识别过热的细胞。

AI热失控测试

研究人员试图更好地了解固体电解质界面在各种条件下如何在负极上降解。

团队使用真实的驾驶员数据和电池状态（例如恒定充电/放电和驾驶循环）来测试电池的热特征。

为了完成这项任务，团队创建了一种电池，周围包裹着特殊的热传感器。

温度传感器提供详细的空间和时间温度数据，然后与历史数据相结合并输入人工智能算法。

这些数据包括关键情况、环境、驾驶员活动和技术问题。

Goswami 算法

Goswami 算法在很多方面都是独一无二的。首先，它是第一个用于预测 TR 的人工智能机器学习模型。

这种多物理场模型的实现要归功于矢量建模等新的人工智能系统。

这些先进的系统可以分析大量数据并指出远远超出人类能力的相关性或复杂模式。

因此，建模方法使团队能够创建有关电动汽车驾驶行为的真实数据。

AI热失控测试结果

这项研究的结果令人印象深刻。其一，该团队成功实现了一致、精确地预测 LIB 中 TR 的目标。

人工智能非常精确，甚至可以确定热失控开始的位置，发出危险警报并防止进一步的损坏。

现在，该团队寻求扩大其研究范围，有一天可以帮助为所有人创造更安全的电动汽车。

AI 热失控的好处

这项研究给市场带来了很多好处。

首先，人工智能算法比使用其他方法来防止热失控要便宜得多。

过去的工程师，包括本研究中的工程师，都

以上是人工智能驱动的热失控检测：电动汽车电池安全性的突破的详细内容。更多信息请关注PHP中文网其他相关文章！