AI を活用した熱暴走検出: EV バッテリーの安全性における画期的な進歩

アリゾナ大学の博士課程の学生が率いるエンジニアのチームは、EV バッテリーの過熱を防ぐ新しい方法を導入しました。この方法では、AI アルゴリズムを使用して、懸念領域が危険になる前に予測します。特にEVの需要の高まりを考慮すると、多くの人がこの研究を業界の画期的な進歩だと見ています。熱暴走の防止における AI の将来の役割について知っておくべきことはすべてここにあります。

アリゾナ大学の博士課程の学生が率いるエンジニアのチームは、致命的な故障につながる可能性がある問題である電気自動車 (EV) バッテリーの過熱を防ぐための新しい方法を導入しました。

この手法は人工知能 (AI) アルゴリズムを使用して、危険になる前に懸念領域を予測します。これは、より安全で効率的な EV への道を開く可能性がある進歩です。

熱暴走防止における AI の将来の役割について知っておくべきことはすべてここにあります。

リチウムイオン電池 (LIB)

この研究の重要性を理解するには、リチウムイオン電池 (LIB) が今日の EV で使用される最も一般的なタイプの電池であることを知ることが重要です。

これらのバッテリーは、充電されたリチウムイオンを使用してユニット全体にエネルギーを伝達し、電気需要に応じた電流を生成することで機能します。

LIB の人気の理由は、極性を一時的に反転し、イオンをユニットの陰極に戻すことで充電できることです。

今日の EV は、十分な寿命、代替品と比較した相対的な軽さ、並外れたエネルギー密度など、多くの理由からこれらのデバイスに依存しています。

特に、これらのバッテリーでは、完全な EV パックを作成するためにグループ化されたセルが使用されるのが一般的であり、ほとんどの EV バッテリー パックには数千のセルが含まれています。

熱暴走とは何ですか?

LIB の現在のマルチセル構造は、バッテリーの充電を高速化し、より長い寿命を達成するのに役立ちます。ただし、バッテリー パック内にホットスポットが発生し、致命的な障害が発生する可能性があります。

単一のセルが誤動作し始めると、急速に発熱し、周囲のセルの温度が上昇し、さらなる故障につながる可能性があります。

このドミノ効果は熱暴走と呼ばれ、今日の EV が直面する主要な問題の 1 つです。

熱暴走 (TR) は、パフォーマンスの低下、バッテリーの分解、さらには爆発を引き起こす可能性があり、EV 所有者にとって大きな懸念事項となっています。

セパレーターの溶解、カソードの分解、リチウム電解液の有害な反応など、バッテリーの故障を含むいくつかの要因が熱暴走を引き起こす可能性があります。

これらの短絡は急速に発生し、火災や爆発により近くにいた人が負傷する可能性があります。

EV バッテリーの発火により、目が覚めると住宅火災やその他の恐ろしい瞬間があったという話はたくさんあるため、この問題の解決は世界中の研究者にとっての最大の関心事となっています。

気温の上昇

TR を削減する必要性は、複数の要因により、ここ数年でより重要になってきています。

EVの使用量と地球気温の両方の上昇により、これまで以上に多くの命が危険にさらされる危険なシナリオが生じています。

これらの要因により、より環境に優しい未来を実現するにはバッテリーを冷却しておくことが不可欠です。

AI の熱暴走研究

Journal of Power Sources に掲載された研究は、センサーと組み合わせた高度な AI アルゴリズムが熱暴走を完全に排除する鍵となり得ることを示しています。

バサブ・ゴスワミ氏が主導するこの研究では、ドライバーデータのシミュレーションを使用して、日常の運転条件下でのEVのバッテリー使用量を再現しています。

熱、電気化学、劣化のサブモデルを活用した複合物理学モデルと機械学習モデルを使用して、TR が顕著になる重要な瞬間を特定しました。

そこから AI システムがデータを強化し、どの光学ソリューションよりも早く過熱セルを予測して特定できるようになりました。

AI熱暴走テスト

研究者らは、さまざまな条件下で負極の固体電解質界面がどのように劣化するかをより深く理解しようと努めました。

チームは、実際のドライバーのデータと、一定の充放電や運転サイクルなどのバッテリー状態を使用して、バッテリーの熱特性をテストしました。

この課題を達成するために、チームは特別な熱センサーを巻き付けたバッテリーを作成しました。

温度センサーは、詳細な空間的および時間的温度データを提供し、その後、履歴データと組み合わせて AI アルゴリズムに供給しました。

このデータには、主要な状況、環境、ドライバーのアクティビティ、技術的な問題が含まれています。

ゴスワミのアルゴリズム

Goswami アルゴリズムは多くの点でユニークです。まず、これは TR の予測に使用される初の AI 機械学習モデルです。

このマルチフィジックス モデルは、ベクトル モデリングなどの新しい AI システムのおかげでのみ可能になりました。

これらの高度なシステムは、大量のデータを分析し、人間の能力をはるかに超えた相関関係や複雑なパターンを指摘できます。

その結果、このモデリング手法により、チームは EV 運転行動に関する現実的なデータを作成できるようになりました。

AI 熱暴走テスト結果

この研究結果は印象的です。 1 つは、チームが LIB の TR を一貫して正確かつ正確に予測するという目標に成功したことです。

AI は非常に正確で、熱暴走が始まった場所を特定して危険を警告し、さらなる被害を防ぐこともできました。

現在、チームは研究の拡大を目指しており、いつかすべての人にとってより安全な EV の開発に役立つ可能性があります。

AI 熱暴走の利点

この研究は市場に多くのメリットをもたらします。

まず、AI アルゴリズムは、熱暴走を防ぐために他の方法を使用するよりもはるかに低コストです。

この研究に参加したエンジニアを含め、過去のエンジニアは

以上がAI を活用した熱暴走検出: EV バッテリーの安全性における画期的な進歩の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。