人工智能改善电池健康和安全
研究人员设计了一种通过向电池发送电脉冲并测量响应来监控电池的新方法。然后通过机器学习算法对测量结果进行处理，以预测电池的健康状况和使用寿命。该方法是非侵入性的，是任何现有电池系统的简单附加组件。
预测锂离子电池的健康状况和剩余使用寿命是限制电动汽车广泛采用的一大问题，也影响到手机的安全性。随着时间的推移，电池性能会通过复杂的微妙化学过程网络而下降。单独来看，这些过程中的每一个都不会对电池性能产生太大影响，但总的来说，它们会严重缩短电池的性能和使用寿命。
当前用于预测电池健康的方法是基于在电池充电和放电期间跟踪电流和电压。这错过了指示电池健康的重要功能。跟踪电池内发生的许多过程需要新的方法来探测电池的工作状态，以及能够在充电和放电时检测细微信号的新算法。
研究人员设计了一种通过向电池发送电脉冲并测量其响应来监控电池的方法。然后使用机器学习模型来发现电响应中的特定特征，这些特征是电池老化的迹象。研究人员进行了 20,000 多次实验测量来训练模型。重要的是，该模型学习如何区分重要信号和无关噪声。该方法是非侵入性的，是任何现有电池系统的简单附加组件。
研究人员还表明，机器学习模型可以解释为提供有关退化物理机制的提示。该模型可以告知哪些电信号与老化最相关，进而允许他们设计特定的实验来探究电池退化的原因和方式。
机器学习平台被用于了解不同电池化学成分的退化。正在开发由机器学习提供支持的最佳电池充电协议，以实现快速充电并最大限度地减少退化。
传感器