27 juni 2022 (Nanowerk Nieuws) Het testen van de levensduur van nieuwe batterijontwerpen voor elektrische voertuigen zou vier keer sneller kunnen zijn met een gestroomlijnde aanpak, hebben onderzoekers van de Universiteit van Michigan aangetoond (Patronen, "Een generiek raamwerk voor optimalisatie van batterijcycli met aangeleerde bemonsterings- en vroegtijdige stopstrategieën"). Hun optimalisatiekader zou de kosten van het beoordelen van hoe batterijconfiguraties op de lange termijn zullen presteren, drastisch kunnen verlagen. "Het doel is om een ​​betere batterij te ontwerpen en traditioneel probeert de industrie dat te doen met vallen en opstaan", zegt Wei Lu, hoogleraar werktuigbouwkunde aan de UM en leider van het onderzoeksteam achter het raamwerk, gepubliceerd in Patterns- Cell pers. "Het duurt zo lang om te evalueren." Met fabrikanten van elektrische voertuigen (EV) die worstelen met angst voor actieradius en zorgen over de beschikbaarheid van opladen, zou het door het team van Lu ontwikkelde optimalisatiesysteem de tijd voor zowel simulatie als fysiek testen van nieuwe en betere batterijen met ongeveer 75% kunnen verkorten. Die snelheid zou batterijontwikkelaars die op zoek zijn naar de juiste combinatie van materialen en configuraties een enorme boost kunnen geven om ervoor te zorgen dat consumenten altijd voldoende capaciteit hebben om hun bestemming te bereiken. Parameters die betrokken zijn bij het ontwerp van batterijen omvatten alles, van de gebruikte materialen tot de dikte van de elektroden tot de grootte van de deeltjes in de elektrode en meer. Het testen van elke configuratie betekent meestal meerdere maanden volledig opladen en vervolgens volledig ontladen (of de batterij laten draaien) 1,000 keer om tien jaar gebruik na te bootsen. Het is buitengewoon tijdrovend om deze test te herhalen door het enorme aantal mogelijke batterijontwerpen om de betere te ontdekken. "Onze aanpak verkort niet alleen de testtijd, maar genereert ook automatisch betere ontwerpen", zei Lu. “We gebruiken vroege feedback om weinig belovende batterijconfiguraties te negeren in plaats van ze tot het einde door te laten lopen. Dit is geen eenvoudige taak, aangezien een batterijconfiguratie die tijdens vroege cycli matig presteert, het later goed kan doen, of vice versa. "We hebben het proces voor vroegtijdig stoppen systematisch geformuleerd en het systeem in staat gesteld te leren van de verzamelde gegevens om nieuwe veelbelovende configuraties op te leveren." Om tijd en kosten aanzienlijk te besparen, hebben UM-ingenieurs het nieuwste op het gebied van machine learning gebruikt om een ​​systeem te creëren dat zowel weet wanneer het moet stoppen als hoe het gaandeweg beter kan worden. Het raamwerk stopt fietstests die geen veelbelovende start krijgen om middelen te besparen met behulp van de wiskundige technieken die bekend staan ​​als Asynchronous Successive Halving Algorithm en Hyperband. Ondertussen gebruikt het gegevens van eerdere tests en stelt het nieuwe reeksen veelbelovende parameters voor om te onderzoeken met behulp van Tree of Parzen Estimators. Naast het afsnijden van veelbelovende tests, is een belangrijk tijdbesparend element in het U-M-systeem de manier waarop het meerdere batterijconfiguraties genereert die tegelijkertijd moeten worden getest, ook wel asynchrone parallellisatie genoemd. Als een configuratie het testen voltooit of wordt weggegooid, berekent het algoritme onmiddellijk een nieuwe configuratie om te testen zonder te hoeven wachten op de resultaten van andere tests. Het U-M-framework is effectief bij het testen van ontwerpen van alle soorten batterijen, van batterijen die al tientallen jaren worden gebruikt om auto's met verbrandingsmotor te laten rijden tot de kleinere producten die onze horloges en mobiele telefoons van stroom voorzien. Maar EV-batterijen vertegenwoordigen misschien wel het meest urgente gebruik van de technologie. "Dit raamwerk kan worden afgestemd om efficiënter te zijn wanneer een prestatievoorspellingsmodel wordt opgenomen", zegt Changyu Deng, UM-promovendus in werktuigbouwkunde en eerste auteur van het artikel. "We verwachten dat dit werk zal leiden tot verbeterde methoden die ons leiden naar optimale batterijen om betere EV's en andere levensverbeterende apparaten te maken." Een recent onderzoek uitgevoerd door Mobility Consumer Index toonde aan dat 52% van de consumenten nu een elektrische auto overweegt voor hun volgende voertuigaankoop. Ondanks de veranderende houding blijven er zorgen over de actieradius van het voertuig (accucapaciteit) en het aantal laadstations dat beschikbaar is voor chauffeurs. Batterijprestaties spelen daarom een ​​centrale rol om elektrische auto's bij de massa te brengen als middel om de gevolgen van klimaatverandering te compenseren.