استفاده از پتانسیل سیستم های مدیریت باتری خودرو در همکاری Infineon و Eatron.

Infineon Technologies AG و Eatron Technologies در یک مشارکت پیشگامانه برای بازتعریف چشم انداز سیستم های مدیریت باتری خودرو (BMS) به هم پیوسته اند.

با استفاده از قدرت راه‌حل‌ها و الگوریتم‌های یادگیری ماشینی پیشرفته، هدف این همکاری رفع چالش‌های کلیدی است که مانع پذیرش گسترده وسایل نقلیه الکتریکی (EVs) می‌شود.

هسته اصلی این مشارکت ادغام نرم افزار مدیریت باتری پیشرفته Eatron با هوش مصنوعی با میکروکنترلر AURIX™ TC4x (MCU) Infineon است.

این خانواده MCU دارای پیشرفته ترین قابلیت های یادگیری ماشینی است که توسط واحد پردازش موازی یکپارچه آن (PPU) تقویت شده است و Eatron با استفاده از نقاط قوت این فناوری می‌تواند عملکرد و دقت الگوریتم‌های هوش مصنوعی خود را بهینه کند و عملکردهای BMS را متحول کند.

همکاری بین Infineon و Eatron به دنبال غلبه بر موانع اصلی مانع پذیرش EV است: اضطراب برد، سرعت شارژ و سلامت باتری.

با ارائه تشخیص و پیش آگهی باتری مبتنی بر هوش مصنوعی، این مشارکت تولیدکنندگان را قادر می‌سازد تا مسائلی مانند آبکاری لیتیوم را کاهش دهند، وضعیت سلامت (SoH) و مسیر پیری را ارزیابی کنند و به‌طور دقیق عمر مفید باقی‌مانده (RUL) را در لبه پیش‌بینی کنند.

PPU AURIX TC4x Infineon، مجهز به یک دستور، پردازشگر سیگنال دیجیتال بردار چندگانه (SIMD) (DSP)، زمان محاسبات را در مقایسه با CPU های سنتی به طور قابل توجهی کاهش می دهد. با ساده‌سازی قابلیت استفاده، Infineon یک زنجیره ابزار خودکار را در اکوسیستم خود ارائه می‌کند که تبدیل مدل‌های موجود به کد برداری را ساده‌تر می‌کند.

توماس بوهم، معاون ارشد و مدیر کل، میکروکنترلر خودرو در Infineon، هیجان خود را در مورد پتانسیل خانواده جدید AURIX TC4x ابراز کرد و اظهار داشت که محدودیت‌های قبلی در عملکرد محاسباتی را حذف می‌کند.

با انجام این کار، این فناوری مشتریان را قادر می‌سازد تا از ارزش مدل‌ها و الگوریتم‌های با دقت بالا استفاده کنند.

با مشارکت با Eatron، Infineon متعهد به خدمت به این بازار در حال تحول است، و به مشتریان قابلیت‌های BMS برتر را ارائه می‌کند و پیشرفت‌هایی را در حمل و نقل الکتریکی تقویت می‌کند.

1. سیستم مدیریت باتری (BMS) چیست؟

   سیستم مدیریت باتری (BMS) بخشی جدایی ناپذیر از وسایل نقلیه الکتریکی (EVs) و سایر سیستم های باتری دار است و با نظارت و کنترل پارامترهای مختلف مانند وضعیت شارژ، وضعیت سلامت، دما و ولتاژ، عملکرد بهینه، ایمنی و طول عمر باتری را تضمین می کند.

2. یادگیری ماشین چگونه سیستم های مدیریت باتری را بهبود می بخشد؟

   یادگیری ماشینی سیستم‌های مدیریت باتری (BMS) را با فعال کردن تشخیص‌های پیشرفته، پیش‌بینی‌ها و پیش‌بینی‌های دقیق مربوط به سلامت باتری، عمر مفید باقی‌مانده و سایر پارامترهای مهم بهبود می‌بخشد. این امکان نظارت کارآمدتر و دقیق تر را فراهم می کند و منجر به بهبود عملکرد کلی باتری و طول عمر می شود.

3. چالش‌های اصلی مانع پذیرش خودروهای الکتریکی چیست؟

   اضطراب برد، سرعت شارژ و سلامت باتری از جمله چالش‌های اصلی هستند که مانع پذیرش خودروهای الکتریکی (EV) شده‌اند که اضطراب محدوده به ترس از تمام شدن باتری قبل از رسیدن به مقصد اشاره دارد.

   سرعت شارژ شامل زمان مورد نیاز برای شارژ مجدد باتری های EV است و سلامت باتری شامل عواملی مانند تخریب، پیری و دوام کلی باتری است.

مالکیت معنوی مجله انرژی (energymag.ir) علامت تجاری ناشر است. سایر علائم تجاری مورد استفاده در این مقاله متعلق به دارندگان علامت تجاری مربوطه می باشد. ناشر وابسته یا مرتبط با دارندگان علامت تجاری نیست، و توسط دارندگان علامت تجاری حمایت، تایید یا ایجاد نشده است، مگر اینکه خلاف آن ذکر شده باشد و هیچ ادعایی از سوی ناشر نسبت به حقوق مربوط به علائم تجاری شخص ثالث وجود ندارد.