previsione-durata-batterie

Durata batteria: un algoritmo prevede l’usura sulle auto elettriche

Ricercatori hanno creato un algoritmo che prevede la durata una batteria con l’intelligenza artificiale. L’algoritmo usa dati di una flotta di taxi elettrici

3 settembre 2019 - 10:00

Le batterie delle auto elettriche sono probabilmente il componente più costoso, pesante e ingombrante dell’intera vettura. Appaiono quindi giustificati gli sforzi che si fanno per massimizzarne la durata e per produrle anche in Europa grazie a Varta. La questione riguarda anche la sicurezza perché un’avaria improvvisa della batteria azzererebbe la potenza del motore generando situazioni pericolose. Ma come capire se una batteria sta per rompersi? Una soluzione sofisticata viene proposta da ricercatori di Beijing Institute of Technology, Beijing Co-Innovation Center for Electric Vehicles e della Wayne State University di Detroit. Il team propone un algoritmo che usa l’ intelligenza artificiale e il deep learning delle reti neurali per predire le avarie delle batterie.

PREVEDIAMO LA DURATA DELLA BATTERIA

Queste tecnologie stanno conquistando l’automotive: anche un fornitore classico come Valeo ha aperto un centro ricerche per l’intelligenza artificiale delle auto robot. Tutto nasce dalla considerazione che l’analisi di certi parametri delle batterie permette di valutare la possibilità che la batteria stessa si possa guastare. Questi parametri sono la tensione, la temperatura e lo stato della carica. Dato che le avarie sono associate a fluttuazioni anomale di questi parametri, analizzandoli si riesce a predire l’affidabilità delle batterie e quindi delle auto elettriche. Una volta individuate le variabili da controllare si è usata una Long Short-Term Memory (LSTM) recurrent neural network. Questo nome così lungo indica una configurazione che riesce a processare sia una singola immagine sia una sequenza di dati come un video.

INSEGNARE INVECE DI PROGRAMMARE

In un lavoro precedente alcuni ricercatori della Wayne State University avevano rilevato che le reti LSTM portavano a risultati migliori rispetto ad altre configurazioni. Le reti neurali, più che essere programmate, passano attraverso un processo di apprendimento che richiede però molti dati. Il Service and Management Center for Electric Vehicles di Pechino ha fornito queste informazioni, ottenute dai taxi elettrici. La raccolta dati, effettuata grazie alla connessione delle automobili, è durata un anno e ha riguardato i parametri indicati in precedenza. Grazie alla struttura della rete neurale il suo “addestramento” preliminare è stato effettuato offline, cosa che lo ha facilitato e velocizzato molto.

STIME AFFIDABILI

I risultati sono incoraggianti e permettono di prevedere le avarie delle batterie dei veicoli elettrici: l’algoritmo basato su LSTM ha funzionato meglio degli altri. I ricercatori ne hanno verificato stabilità e robustezza con numerose convalide incrociate e i 3 parametri target sono stati previsti precisamente anche lavorando in mobilità. Quindi i veicoli possono inviare dati online a una centrale di controllo, che può sorvegliare taxi o veicoli a noleggio prevedendo i guasti delle batterie. Prevedere affidabilmente i guasti delle batterie sembra quindi possibile ma anche quando accadono niente paura, Volkswagen sa come smaltirle e dar loro nuova vita.

Commenta per primo

POTRESTI ESSERTI PERSO:

Ricambi auto originali ed equivalenti: la Corte europea va con i Costruttori

Copertura 4-5G FCA in Europa

5G e copertura europea in arrivo sulle auto FCA grazie alla SIM universale

Pastiglie freno senza solventi: ZF-TRW annuncia la tecnologia salva-ambiente