باتری الکتریکی
کاربردهای هوش مصنوعی

عمر باتری الکتریکی را با استفاده از مدل هوش مصنوعی تخمین بزنید

    0
    مدت زمان مطالعه: ۲ دقیقه

    استفاده از باتری الکتریکی در انواع برنامه‌ها از ادغام منابع انرژی متناوب، تا باز کردن قفل موضوع انرژی بدون کربن برای بخش حمل‌و‌نقل از طریق وسایل نقلیه الکتریکی، تا میزبانی برنامه‌های الکترونیکی پیشرفته و رباتیک، اهمیت بسیاری دارد.

    با این‌حال یکی از چالش‌های اساسی این است که باتری‌ها به دلیل شرایط کار به سرعت تخریب می‌شوند. درحال‌حاضر تخمین سلامت باتری الکتریکی بدون قطع عملکرد آن یا بدون طی مراحل طولانی تخلیه شارژ که به تجهیزات خاصی نیاز دارد، دشوار است.

    اخیرا محققان گروه Smart Systems Group در دانشگاه Heriot-Watt ادینبورگ انگلستان، با همکاری محققان گروه Calce در دانشگاه مریلند در آمریکا، روش جدیدی را برای تخمین سلامت باتری ایجاد کردند که بدون در نظر گرفتن شرایط کار، طراحی باتری، ولتاژ باتری خام و داده‌های عملیاتی و با استفاده از الگوریتم‌های هوش مصنوعی، کار می‌کند.

    داریوش رومان، دانشجوی مقطع دکتری که این چارچوب هوش مصنوعی را طراحی کرده، درباره آن توضیحاتی داده است:«برای بررسی تخریب باتری الکتریکی، مدل‌های داده‌محور تا جایی پیشرفت داشتند که به توسعه الگوریتم‌هایی منجر شدند و حالا نتیجه‌گیری سریع‌تر شده است. درحالی که محققان اغلب زمان قابل توجهی را صرف توسعه مدل یا الگوریتم می‌کنند، تعداد کمی از مردم وقت می‌گذارند تا توضیحات مهندسی که الگوریتم را طراحی کرده، درباره چگونگی کار آن الگوریتم را بدانند. اما این مدل از پایه طراحی شده است. روند کار به این شکل بود که ابتدا از طریق همکاری با گروه Calce در دانشگاه مریلند میزان تخریب باتری را درک کردیم و نتایج آزمایشات مربوط به تخریب را از آن‌ها دریافت کردیم. سپس بر روی داده‌ها متمرکز شدیم و ویژگی‌های مربوط به تخریب باتری را ضبط کردیم. بعد از آن با استفاده از فناوری هوش مصنوعی سلامت باتری را تخمین می‌زنیم.»

    علاوه‌براین، محققان دریافتند که مدل‌های داده‌محور فعلی برای تخمین سلامت باتری الکتریکی اطمینان مدل را در نظر نمی‌گیرند. با این‌حال برای تصمیم‌گیری بسیار مهم است که بفهمیم چگونه مدل هوش مصنوعی به نتیجه خاصی رسیده و آیا می‌توان به آن اطمینان داشت یا نه. نکته جالب مدل هوش مصنوعی جدید داریوش رومان این است که خودش میزان قابل‌ اطمینان بودن پیش‌‎بینی‌هایش را به منظور پشتیبانی بهتر از تصمیم‌گیری‌های عملیاتی ارائه می‌‎دهد.

    این مدل هوش مصنوعی همچنین توانایی ارائه استراتژی‌های جدید درمورد چگونگی استفاده از انواع باتری‌هایی که در شرایط مختلف از نظر سلامت قرار دارند را دارد.

    والنتین روبو، یکی از اعضای گروه Smart Systems می‌گوید:«استفاده از باتری‌ها به طور فزاینده در انواع برنامه‌ها از رباتیک گرفته تا یکپارچه‌سازی انرژی‌های تجدیدپذیر حیاتی هستند. در نتیجه یکی از چالش‌های اصلی در این حوزه‌ها، داشتن برآورد دقیق و با اطمینان از وضعیت سلامتی باتری الکتریکی است. به عنوان مثال در نظر بگیرید یک محصول رباتیک در مکانی مثل قعر دریا مستقر شده و در حال انجام فعالیتی داست؛ اما اطلاعی از سلامت باتری الکتریکی آن وجود ندارد؛ این موضوع بسیار حیاتی است. یا برای برنامه‌های مربوط به انرژی، برآورد دقیق از عمر مفید باتری برای ماندگاری اقتصادی یک پروژه امری اجتناب‌ناپذیر است.»

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    ساخت یک سیستم توصیه ‌گر برای پیشنهاد فیلم به کمک گراف دانش و Neo4j

    مقاله قبلی

    از زبان فوق دکترای دانشگاه آمستردام بشنوید: علم داده و اهمیت آن در تجارت

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *