研究人员团队设计新电池管理系统 可对电池健康状况进行关键诊断

盖世汽车讯 锂离子电池是手机和笔记本电脑等设备的首选电源，随着电动汽车逐渐成为新标准，并取代油车，锂离子电池的应用将进一步扩大。

使用便携式电源需要一流的安全和维护功能。据外媒报道，来自卡内基梅隆大学（Carnegie Mellon University）和德克萨斯大学奥斯汀分校（University of Texas at Austin）的研究团队设计出行电池管理系统，可以对电池健康状况进行关键诊断，以便驾驶员能够做出明智的决定。该模型着眼于两个关键的诊断：充电状态和健康状态。

图片来源：期刊《Advanced Science》

从短期来看，查看充电状态可以让驾驶员知道是否有足够的电量到达目的地，而从长远来看，电池健康数据可以根据电池相对于新电池时的充电能力来确定是否需要更换电池。

机械工程副教授Reeja Jayan表示：“我们有一个数据库，其中包含约11,000条通过实验收集的特定电池阴极化学物质的充电曲线。我们用这些曲线来训练机器学习模型，以使用稀疏数据输入来预测完整的充电曲线。”

这项研究的独特性和实用性在于，这种基于机器学习的电池管理系统只需要最少的数据——仅电池充电曲线的5%——并产生误差率为2%的充电预测。数据收集本身也简单得多，只需要大约15分钟的充电时间即可计算曲线并确定电池健康状况。

这些信息甚至可以增量收集，因此即使充电中断，也不会破坏正在进行的分析。 该模型具有如此卓越的准确率，可用于对完全不同的阴极化学进行预测。新更新版本将减少数据驱动，而是将物理组件纳入电池充电曲线的计算中。

虽然实验室收集的数据集对于训练原始机器学习模型进行预测很有用，但该来源也有局限性，因为它无法帮助研究人员查明导致电池故障的具体因素。

Jayan表示：“我们在研究中使用的充电曲线是在室温下以恒定的充电速率收集的。但充电电流和温度在实际电池应用中变化很大。收集和使用真实数据作为机器学习模型的输入将是改进模型的重要下一步。”

使用环境因素来计算电池的充电和最终放电曲线将超出人类所能产生的复杂程度。Jayan表示：“现在我们有一个模型，它使用无监督峰值识别算法来识别电池充电曲线中的特定特征，。神经网络模型更进一步，了解为什么电池充电曲线的形状可能会发生变化（例如，如果颗粒破裂）。曲线形状与各种电池退化机制之间的这种相关性对于预测未来电池性能和安全性至关重要。”

团队的系统不仅具有解释性和预测性，而且还可以转移到由不同阴极化学物质制成的电池上。虽然钴酸锂几十年来一直是黄金标准，但其成本高昂。越来越多的制造商开始生产由其他材料制成的电池，因此拥有一个适用于它们的系统非常意义的。（该模型首先在镍酸锂阴极上进行测试，然后成功转移到钴酸锂阴极上。）

在处理新兴电池材料时，准确评估电池健康状况对于缓解安全问题也很重要，因为其寿命和耐用性尚未得到如此广泛的研究，但可能会被用于适用于更多车辆。

该研究领域未来最有用的资源之一是从路上行驶的电动汽车电池中获取的数据。使用真实世界的数据和复杂的神经网络将使电池管理系统能够以更高的精度进行充电和放电预测。随着电动汽车变得越来越普遍，这中方式将对电动汽车的维护方式产生连锁反应。