机构名称：
¥ 1.0
电动汽车（EV）通常由于其高能量密度，缺乏记忆效应，寿命长以及多次充电和排放能力而使用锂离子（Li-ion）电池。改变天气状况和健康状况不佳的主要原因之一是汽车排放量急剧增加。此外，与天气有关的风险和供应链问题还影响可再生能源，包括太阳能，风能和生物燃料。电动汽车提供的能量（存储在电池中）是一种消除污染物和不确定性的有吸引力的方法。运输行业的脱碳化取决于范围更大，安全性和可靠性的高级电动汽车（EV）的创建和采用。然而，随着时间的流逝和使用，环境退化问题以及寿命终止的重复使用，容量降解会极大地阻碍锂离子电池的使用。平均正常运行6。5年后，电动汽车的电池容量将降低约10％。找到一种可靠的方法来预测剩余生命（RUL）和监控能力降解是一项艰巨的任务。在实际使用中，锂离子电池通过经过许多充电和放电周期逐渐失去容量，直到它们达到生命的尽头（EOL）。保质期的标准定义是额定容量的70％或80％。使用末端后电池容量较快降低，这会影响电池性能甚至会损坏电池的性能。有了这些知识，电动汽车所有者可以做出明智的决定以避免电池故障。如何预测未来的能力和RUL，以及如何传达围绕预测值的不确定性水平，是电池管理系统（BMS）涵盖的主题之一。由于电池容量降解的轨迹是复杂的，而且非常非线性，因此很难对容量和RUR进行准确的预测。使用ML预测电动汽车电池寿命有很多好处。它可以帮助电动汽车所有者更好地计划旅行并避免电池耗尽。此外，它可以帮助电动汽车制造商创建更长的电池并开发可减少电池损坏的充电技术。在这项研究中，使用ML随机孔，决策树，XG提升，KNN和天真的贝叶斯算法来预测电动汽车的电池寿命。使用机器学习预测电池寿命会提出许多道德问题。一些最重要的是准确性，公平性，客观性和问责制。
药物发现与开发中的人工智能-IJRPR
主要关键词
相关文件推荐
