電池是電動車最核心的部分，但是就目前技術(shù)而言，電池實際健康狀況和剩余壽命預(yù)測依舊是個難題。日前，據(jù)外媒報道，劍橋大學和紐卡斯爾大學研究人員設(shè)計出可預(yù)測電池健康狀況的機器學習方法，將助力動力電池的開發(fā)和電動汽車推廣。
據(jù)悉，這種方法是通過向電池發(fā)送電脈沖并測量其響應(yīng)來進行監(jiān)測，并可利用機器學習算法處理這些測量數(shù)據(jù)，從而預(yù)測電池的健康狀況和使用壽命。研究人員稱，這種測量方式的準確度是目前行業(yè)在用方法的10倍。
動力電池在運行過程中，內(nèi)部會發(fā)生復(fù)雜微妙的化學變化，長此以往嚴重影響電池的性能和壽命。目前電池健康狀況的預(yù)測方法主要以跟蹤充放電過程中的電流和電壓為基礎(chǔ)，但并不能顯示電池的具體狀態(tài)。這兩所大學開發(fā)出的檢測方法，則可發(fā)現(xiàn)電反應(yīng)的具體特征，找到電池老化的訊號。
截至目前，研究人員進行20000多次測量實驗來訓(xùn)練模型，這是同類測試數(shù)據(jù)中的最大數(shù)據(jù)集。此外，該模型還學會了如何區(qū)分無關(guān)噪聲和重要信號，了解到哪些電信號最有可能與電池老化有關(guān)，可進一步探究電池退化的原因和方式。當然，這種非干預(yù)式方法，可以輕松應(yīng)用至當前所有電池系統(tǒng)。
