Apabila pengecas mendapat kuasa pemprosesan dan armada menjana data, pembelajaran mesin menawarkan laluan baharu kepada keputusan pengecasan yang model klasik terbitkan daripada fizik: mempelajari peringkat arus yang memaksimumkan kecekapan (skim arus malar berbilang peringkat terkawal ANFIS yang dilaporkan untuk NiMH/NiCd), mengecam corak hujung cas daripada surih voltan dan suhu, dan membetulkan baki model dalam anggaran keadaan cas dan anggaran terma. Kertas akhir kumpulan anggaran ini meninjau apa yang pengecasan dipacu data benar-benar lakukan dengan baik dalam NiMH, data latihan dan disiplin pengesahan yang dituntutnya, dan mengapa reka bentuk selamat pengeluaran mengekalkan lantai fizik dan had berwayar di bawah sebarang dasar terpelajar – supaya kefleksibelan pembelajaran tidak pernah menjadi arus cas tanpa had.
Tiga titik sisipan produktif. Pertama, pengoptimuman profil: mempelajari peralihan peringkat arus yang memaksimumkan kecekapan cas atau meminimumkan haba/masa, dicontohi oleh pengawal arus malar berbilang peringkat neuro-kabur adaptif (ANFIS) yang disahkan dalam simulasi, yang menala arus peringkat daripada tindak balas voltan-suhu yang berubah. Kedua, anggaran: pembetulan neural atau proses Gaussian bagi ramalan keadaan cas dan terma ECM/Kalman, menangkap percanggahan baki yang ditinggalkan model tetap. Ketiga, pengelasan: mengecam cas penuh, kerosakan atau ketidakpadanan daripada ciri surih sebagai saluran selari kepada -delta-V/dT/dt.
Setiap satu menggunakan pembelajaran untuk memperhalusi keputusan berstruktur dan bukan menggantikan seni bina pengecasan; mesin keadaan dan had keras kumpulan penamatan kekal, dengan logik terpelajar melaraskan parameter dalam julat terhad.
Kerja pengecasan pintar NiMH/NiCd yang dilaporkan menggandingkan hujung hadapan PFC boost dengan keluaran arus malar berbilang peringkat yang arus peringkatnya dipilih oleh sistem inferens neuro-kabur adaptif yang dilatih pada tingkah laku cas, dan mengesahkan skim dalam MATLAB berbanding pengecasan arus tetap. Daya tarikannya ialah struktur kabur/neural menyatakan peraturan pakar – «jika voltan naik curam dan suhu tenang, pegang arus; jika kecerunan mendatar, turun peringkat» – sambil mempelajari ambangnya daripada data, menggabungkan kebolehtafsiran dengan adaptasi.
Ini templat pragmatik: bukannya rangkaian neural hujung-ke-hujung yang mengeluarkan arus sewenang-wenangnya, pengawal berstruktur mempelajari parameter rangka arus menurun yang sudah selamat, jadi walaupun pembelajar tidak terlatih atau gagal, ia merosot ke profil konvensional yang konservatif.
Model cas diselia memerlukan kebenaran asas berlabel: keadaan cas rujukan daripada pengiraan coulomb yang ditentukur, berlabuh pada titik hujung, detik cas penuh rujukan daripada tekanan/suhu berinstrumen, dan haba daripada termoganding – merangkumi keseluruhan grid arus, suhu, umur dan lot sel yang akan ditemui produk. Variasi lot-ke-lot dan umur NiMH bermakna model yang dilatih hanya pada sel segar suhu bilik gagal pada yang tua dan sejuk; liputan set data, bukan kecanggihan algoritma, biasanya kekangan yang mengikat.
Ciri harus bermakna secara fizik dan dirujuk kepada arus – dV/dt yang ditapis, dT/dt, rintangan daripada denyutan, cas terkumpul, kelonggaran rehat – dan bukannya surih mentah yang bising, yang kedua-duanya mengurangkan data yang diperlukan dan menjadikan tingkah laku terpelajar boleh diaudit.
Dasar cas terpelajar mesti disahkan dahulu terhadap data yang ditahan, kemudian dalam suntikan kerosakan hardware-in-the-loop, kemudian dalam ujian kebuk terhad dengan had berwayar lebih-suhu, lebih-voltan dan pemasa yang pembelajar tidak boleh batalkan. Kerana model boleh mencadangkan arus luar-agihan apabila berhadapan dengan keadaan baharu, reka bentuk pengeluaran mengapit keluaran terpelajar dalam had terbitan fizik dan kembali kepada pengawal klasik apabila ketidakpastian, kerosakan sensor atau percanggahan antara saluran.
«Pembelajaran penasihat di dalam sampul keras» ini ialah falsafah pertahanan-dalam yang sama seperti kriteria penamatan itu sendiri: lapisan terpelajar mengoptimumkan kes nominal; lantai fizik menjamin kes terburuk.
Penapis Kalman pada ECM yang baik sudah mencapai dalam kerja NiMH yang dilaporkan kira-kira tambah-tolak 3 peratus keadaan cas daripada ralat awal yang besar, boleh diterang dan tidak memerlukan set data yang besar; ML mendapat tempatnya di mana model fizik tidak mencukupi secara struktur – penuaan sangat tak linear, hanyutan parameter seluruh armada, mengecam corak kerosakan halus – dan di mana data yang cukup pelbagai wujud. Tinjauan pemodelan terma juga meletakkan ML sebagai pembetul baki kepada teras fizik dan bukan peramal bersendirian, mengekalkan ekstrapolasi selamat.
Rajah pertama membezakan pemerhati klasik dengan pengawal ditambah pembelajaran; yang kedua menyusun saluran paip selamat dari latihan ke penggunaan, dari data berlabel ke penggunaan terhad di bawah had keras.
Tentukan keputusan dan had keluaran yang dibenarkan dahulu; bina rangka berstruktur dan had keras; kumpulkan set data merangkumi arus-suhu-umur-lot dengan label rujukan; latih model yang boleh ditafsir, berciri fizik; buktikan penambahbaikan berbanding garis dasar klasik pada sel yang ditahan (bukan sekadar sampel ditahan bagi sel yang sama); dan hantar dengan sandaran, pengesanan ketidakpastian dan tadbir urus kemas kini melalui udara. Weijiang boleh membekalkan sampel sel merangkumi dan pencirian cas rujukan untuk membina set data sedemikian tanpa mengelirukan variasi sel dengan ralat model.
Dengan kaedah anggaran yang mantap – dari pengiraan coulomb ke EIS, model elektroterma dan pembelajaran – siri ini beralih dari mengenal sel ke memerhati ia haus: kumpulan seterusnya mengkaji bagaimana protokol cas sendiri memacu penuaan dan degradasi NiMH.
Weijiang Power mereka bentuk dan mengeluarkan sel nikel-logam-hidrida, pack padan dan konfigurasi sedia-untuk-cas untuk pelanggan pengguna, industri, perubatan dan mobiliti, dan menyokong rakan kongsi dengan panduan protokol pengecasan, fail prestasi IEC 61951-2, bukti keselamatan IEC 62133-1 dan pengesahan bersama pengecas. Kongsikan format sel, kadar cas, sampul terma dan sasaran kitaran, dan jurutera kami akan menentukan gabungan sel-dan-cas yang melindungi kedua-dua masa jalanan dan hayat perkhidmatan. Semak rangkaian pada halaman produk.
