详细内容或原文请订阅后点击阅览
更聪明的电池技术知道您的电动汽车是否会回家
一个新的诊断度量标准结合了电荷数据和环境因素，例如交通模式，高程变化和环境温度，以产生有关电动汽车电池是否可以完成特定任务的实时预测。
来源:加州大学河滨分校当前的电池管理系统可能会报告一辆汽车收费40％，但驾驶员必须猜测他们是否可以在山丘上行驶100公里。加利福尼亚大学河滨分校的工程师希望将猜测从中取出。
他们已经开发了一个新的诊断指标，称为任务状态，即SOM，旨在回答一个实用的问题：该电池在当前状态下可以安全且成功地为特定的任务供电吗？ SOM使用电池数据和环境因素（例如交通模式，高程变化或环境温度）来产生实时，特定于任务的预测。
“ SOM填补了这一空白，”帮助开发该系统的UCR工程学教授Mihri Ozkan说。 “这是一项任务感知的措施，结合了数据和物理，以预测电池是否可以在实际条件下完成计划的任务。”
该系统的详细信息已发表在《 Iscience》杂志上。 SOM与众不同的是其混合方法。与无法适应不断变化的场景或生成结果的机器学习模型的刚性物理方程不同，它们已经建立了一个结合两者优势的系统。
发表在《 Iscience》杂志上该模型从电池充电，放电和随着时间的流逝中进行学习，但也尊重电化学和热力学的定律。这种双重智能使其即使在压力下也可以做出可靠的预测，例如突然的温度下降或陡峭的上坡攀登。
“通过将它们结合在一起，我们得到了两全其美的最好：一种模型灵活地从数据中学习但始终以物理现实为基础，”共同领导这项研究的UCR工程学教授Cengiz Ozkan说。 “这使得预测不仅更准确，而且更加值得信赖。”
该模型仍在开发中。
（封面图片：3alexd/istock/Getty）