Vous êtes nouveau sur Developpez.com ? Créez votre compte ou connectez-vous afin de pouvoir participer !

Vous devez avoir un compte Developpez.com et être connecté pour pouvoir participer aux discussions.

Vous n'avez pas encore de compte Developpez.com ? Créez-en un en quelques instants, c'est entièrement gratuit !

Si vous disposez déjà d'un compte et qu'il est bien activé, connectez-vous à l'aide du formulaire ci-dessous.

Identifiez-vous
Identifiant
Mot de passe
Mot de passe oublié ?
Créer un compte

L'inscription est gratuite et ne vous prendra que quelques instants !

Je m'inscris !

Des chercheurs conçoivent une méthode d'apprentissage automatique qui peut prédire l'état des batteries lithium-ion,
Avec une précision 10 fois supérieure à la norme industrielle actuelle

Le , par Nancy Rey

46PARTAGES

4  0 
Les chercheurs des universités de Cambridge et de Newcastle, ont mis sur pied une méthode d'apprentissage automatique qui peut prédire la santé des batteries avec une précision 10 fois supérieure à la norme industrielle actuelle, ce qui pourrait contribuer au développement de batteries plus sûres et plus fiables pour les véhicules électriques et l'électronique grand public.

Les résultats de cette recherche ont été publiés dans la revue scientifique Nature Communications. Les chercheurs ont conçu une nouvelle façon de contrôler les batteries, en leur envoyant des impulsions électriques et en mesurant la réponse. Les mesures sont ensuite traitées par un algorithme d'apprentissage automatique pour prédire l'état de santé et la durée de vie utile de la batterie. La méthode est non invasive et constitue un simple complément à tout système de batterie existant.

Prévoir l'état de santé et la durée de vie utile restante des batteries lithium-ion est l'un des grands problèmes qui limitent l'adoption généralisée des véhicules électriques : c'est aussi une contrariété bien connue des utilisateurs de téléphones portables. Avec le temps, les performances des batteries se dégradent via un réseau complexe de processus chimiques subtils. Individuellement, chacun de ces processus n'a pas beaucoup d'effet sur les performances de la batterie, mais collectivement, ils peuvent réduire considérablement les performances et la durée de vie d'une batterie.

Les méthodes actuelles de prévision de l'état de santé des batteries sont basées sur le suivi du courant et de la tension pendant la charge et la décharge des batteries. Cette méthode ne tient pas compte des caractéristiques importantes qui indiquent l'état de santé de la batterie. Le suivi des nombreux processus qui se produisent au sein de la batterie nécessite de nouvelles façons de sonder les batteries en action, ainsi que de nouveaux algorithmes qui peuvent détecter des signaux subtils au fur et à mesure de leur charge et de leur décharge.


« La sécurité et la fiabilité sont des critères de conception très importants, car nous développons des batteries qui peuvent accumuler beaucoup d'énergie dans un espace restreint. En améliorant le logiciel qui surveille la charge et la décharge et en utilisant un logiciel piloté par les données pour contrôler le processus de charge, je crois que nous pouvons améliorer considérablement les performances des batteries », a déclaré le Dr Alpha Lee du laboratoire Cavendish de Cambridge, qui a codirigé les recherches.

Les chercheurs ont conçu un moyen de contrôler les batteries en y envoyant des impulsions électriques et en mesurant sa réponse. Un modèle d'apprentissage automatique est ensuite utilisé pour découvrir des caractéristiques spécifiques dans la réponse électrique qui sont le signe révélateur du vieillissement de la batterie. Ils ont effectué plus de 20 000 mesures expérimentales pour entraîner le modèle, le plus grand ensemble de données de ce type. Il est important de noter que le modèle apprend à distinguer les signaux importants des bruits non pertinents.

Les chercheurs ont également montré que ce modèle d'apprentissage automatique peut être interprété comme donnant des indications sur le mécanisme physique de la dégradation. Le modèle peut indiquer quels signaux électriques sont les plus reliés avec le vieillissement, ce qui leur permet de concevoir des expériences spécifiques pour sonder pourquoi et comment les piles se dégradent.

« L'apprentissage automatique complète et augmente la compréhension physique. Les signaux interprétables identifiés par notre modèle d'apprentissage automatique sont un point de départ pour de futures études théoriques et expérimentales », a déclaré le Dr Yunwei Zhang, également du Laboratoire Cavendish, promoteur du projet.

Les chercheurs utilisent actuellement leur plateforme d'apprentissage automatique, pour comprendre la dégradation des différentes chimies de batteries. Ils développent également des protocoles de charge optimale des batteries, par apprentissage automatique pour permettre une charge rapide et minimiser la dégradation.

Source :Résultat de la recherche

Et vous ?

Que pensez-vous des résultats de cette recherche ? Les trouvez-vous crédibles ou pas ?

Voir aussi :

  Des chercheurs créent un prototype de batterie lithium-métal trois fois plus performante, qu'une batterie lithium-ion.

La batterie sulfate/air qui respire mise au point par le MIT, pourrait bien révolutionner le secteur des énergies renouvelables.

Le mode sombre d'Android permet-il d'économiser l'énergie de la batterie des smartphones ? Oui,Confirme Google.

Autonomie de la batterie : le navigateur Edge premier de la classe, Microsoft publie un test de streaming sur Windows 10 1803

Apple a activé un verrouillage logiciel des batteries de l'iPhone pour décourager les réparations par des tiers, selon un rapport.

Une erreur dans cette actualité ? Signalez-le nous !