| 2022年6月27日 |
新方法將電動汽車電池測試時間縮短75% |
| （Nanowerk新聞密歇根大學的研究人員表示，采用一種簡化的方法，測試新型電動汽車電池設計的壽命可以快四倍。模式，一個通用的電池循環優化框架，具有學習過的采樣和早期停止策略）. |
| 他們的優化框架可以大大降低評估電池配置在長期運行中的成本。 |
| “我們的目標是設計更好的電池，傳統上，業界一直試圖通過試錯測試來做到這一點，”密歇根大學機械工程教授、該框架背後的研究團隊負責人呂偉(音譯)說。該框架發表在《模式-細胞出版社》(patterams - cell Press)上。“評估需要很長時間。” |
| 由於電動汽車電池製造商正在努力解決續航裏程焦慮和充電可用性問題，盧團隊開發的優化係統可以將新電池和更好的電池的模擬和物理測試時間縮短約75%。這樣的速度可能會大大促進電池開發人員尋找合適的材料和配置組合，以確保消費者總有足夠的容量到達目的地。 |
| 電池設計中涉及的參數包括從使用的材料到電極的厚度到電極中顆粒的大小等等。測試每一種配置通常意味著數月的完全充電，然後完全放電——或循環電池——1000次，以模擬十年的使用。在大量可能的電池設計中重複這種測試是非常耗時的。 |
| “我們的方法不僅縮短了測試時間，還能自動生成更好的設計，”陸說。“我們利用早期的反饋來丟棄沒有前途的電池配置，而不是循環使用它們直到最後。這不是一項簡單的任務，因為在早期循環中表現一般的電池配置可能在後期表現良好，反之亦然。 |
| “我們係統地製定了早期停止過程，使係統能夠從累積的數據中學習，產生新的有前途的配置。” |
| 為了大幅減少時間和成本，密歇根大學的工程師利用最新的機器學習技術創建了一個係統，該係統既知道何時退出，也知道如何在退出過程中變得更好。 |
| 為了使用稱為異步連續一半算法和超帶的數學技術來節省資源，該框架停止了沒有良好開端的循環測試。同時，它從以前的測試中獲取數據，並使用Parzen估計樹提出新的有前途的參數集進行研究。 |
| 除了切斷那些沒有希望的測試之外，U-M係統中一個節省時間的關鍵因素是它可以同時生成多個電池配置進行測試，即異步並行化。如果任何配置完成測試或被丟棄，算法立即計算新的配置進行測試，而不需要等待其他測試的結果。 |
| U-M的框架在測試所有類型的電池設計上都是有效的，從那些已經使用了幾十年的內燃機汽車電池，到為我們的手表和手機供電的小型產品。但電動汽車電池可能是該技術最緊迫的應用。 |
| “當加入性能預測模型時，這個框架可以調整得更有效，”密歇根大學機械工程博士生、論文第一作者鄧昌宇(音譯)說。“我們希望這項工作能啟發改進的方法，引導我們找到最佳電池，以製造更好的電動汽車和其他改善生活質量的設備。” |
| 移動消費指數(Mobility Consumer Index)最近進行的一項調查顯示，52%的消費者正在考慮購買電動汽車。盡管人們的態度有所改變，但人們對汽車續航裏程(電池容量)和可供司機使用的充電站數量仍存在擔憂。 |
| 因此，作為抵消氣候變化影響的一種手段，電池性能在將電動汽車推向大眾方麵起著核心作用。 |
| “通過顯著減少測試時間，我們希望我們的係統可以幫助加快更好電池的開發，加速各種應用電池的采用或認證，並加快電池管理係統模型參數的量化，”陸說。 |
