亿迅智能制造网
研究人员设计新电池监测方式：发送电脉冲并测量响应。测量经机器学习算法处理预测电池健康状态和剩余寿命。方法无创，是现有电池系统简单附加。
预测锂离子电池健康状态和剩余寿命是限制电动汽车广泛采用大问题，也影响手机安全。随时间电池性能通过复杂微妙化学过程网络退化。单独每过程对电池性能影响不大，但集体可严重缩短电池性能寿命。
当前预测电池健康方法基于跟踪充放电电流电压。这遗漏指示电池健康重要特征。跟踪电池内发生众多过程需新探测电池运行方式及新算法检测充放电中微妙信号。
研究人员设计发送电脉冲进电池测量响应监测电池方式。机器学习模型用于发现电响应中特定特征，是电池老化明显迹象。研究人员执行超20,000实验测量训练模型。重要模型学会区分重要信号与无关噪声。方法无创，是现有电池系统简单附加。
研究人员还展示机器学习模型可解释给出退化物理机制提示。模型告知哪些电信号最相关老化，进而允许设计特定实验探究电池为何如何退化。
机器学习平台用于理解不同电池化学体系退化。最优电池充电协议在开发，由机器学习驱动，实现快充并最小化退化。
传感器
人工智能（AI）是2020年乃至未来的超级热词。新入行者常困惑：为何AI总与机器学习（ML）形影不离？它们是什么？有何区别？工业场景如何应用？为何如此重要？ 同工业4.0许多术语一样，AI与ML常被过度使用与误用。本文拨开营销迷雾，还原核心差异。 定义与关系 人工智能：让机器模仿人类行为的技术。机器学习：AI子集，用统计方法随经验积累自我改进。AI涵盖自然语言处理、图像识别、智能机器人等众多领域。 AI具备感知、推理、学习能力；ML作为许多AI系统基础，仅具备基于数据模式预测结果能力。ML能识别数据模式差异，但永不理解自身在做什么。AI融合ML结果与其他分析方法，达到某种智能水平。 图示：AI
什么是机器维护？ 机器维护是对机器进行保养以确保其持续正常运行的过程。它包括作为常规例行工作或在故障损坏前进行的维护——如清洁表面、润滑齿轮、检查皮带等部件的磨损情况。也包括监控设备潜在故障迹象，如振动模式变化、温度升高或能耗增加。机器维护还包括故障后的处理过程，如评估损坏和更换零件。 本质上，凡是让工厂车间的机器保持功能正常、按预期工作的措施，都可视为机器维护。维护服务通常由维护技术人员执行，并由机器控制器、传感器和机器接口的数据支持，帮助评估何时需要或将需要维护。 如何维护机器？ 机器维护有多种方法，可根据相关机器及其维护需求的可预测性策略性使用。 在许多场景中，更成熟复杂的维护策略能带
过去十年，公司开始掌握并释放人工智能（AI）和机器学习（ML）潜力。虽仍早期，公司开始理解此技术显著影响，助其做更好、更快、更高效决策。 当然，AI和ML非助企业拥抱创新银弹。事实上，这些算法成功仅如其基础好坏——具体指优质数据。 无此，企业将见安装AI和ML目标失败，坏数据不可预见后果在效率和声誉两方面对业务造成不可逆损害。 但另一探索领域待开发：即数据质量能否由自动化和机器学习本身改进维护？ 数据质量差风险 从流媒体服务、聊天机器人、告知超市货架陈列、引导主要交通枢纽，ML以十年前不可想象方式影响生活。 但若算法建立在差数据质量基础上工作会怎样？未来风险可能远超推荐不爱看电影严重。 若开始
什么是智能？ 智能可理解为系统为理解、学习并适应新环境而具备的一系列过程集合。 人工智能（AI）定义 AI是机器（尤其是计算机系统）对人类智能的模拟，核心过程包括：学习（获取信息及使用规则）、推理（利用规则得出结论）、自我纠错。典型应用涵盖专家系统、语音识别、机器视觉等。 AI发展简史 远古神话中已有智能机械构想（希腊机器人传说、中国埃及自动装置）。现代AI源于古典哲学家将人类思维符号化的尝试。1956年达特茅斯会议上，John McCarthy正式提出“Artificial Intelligence”术语，学科诞生。如今AI已成涵盖RPA至实体机器人的统称，因大数据爆发而加速普及——A
