编译 / 刘梦婷
近日，剑桥大学的研讨职员开发了一种机械进修算法，可以通过猜测差别的驾驭形式对电池性能的影响，帮助电动车缩小充电时候，延长电池寿命，提高安全性和可靠性。研讨结果发表在《自然通讯》（Nature Communications）杂志上。
该团队开发了一种非侵入式步骤来检测电池，并获得电池整体康健状况。然后，将这些结果输入机械进修算法，该算法可以猜测差别驾驭形式将如何影响电池未来的康健状况。
研讨职员表示，该算法可以通过建议路线和驾驭形式，最大限度地缩小电池进化和充电时候，来充分利用电动汽车的电池。
如果将其用于商业化开发，该算法可以用于推荐路线，使驾驭员在最短时候内到达目的地，而不会破坏电池；或者在不破坏电池的情况下推荐最快的充电方法。
无论是智能手机还是汽车，电池的康健状况远比屏幕上的数字复杂得多。来自剑桥卡文迪许实验室的第一作者佩内洛普·琼斯（Penelope Jones）说:「电池康健和人类康健一样，是一个多维度问题，它有多种进化方法。」
「大多数监测电池康健状况的步骤都假设电池总是以相同的方法利用。但在现实生活中，我们并不是这样利用电池的。如果我用手机播放电视节目，电量消耗速率会比发信息快得多。电动汽车也一样，你的驾驭方法会影响电池的进化程度。」
领导这项研讨的阿尔法·李（Alpha Lee）博士说：「我们大多数人会在电池进化到无法利用之前更换手机，但对于汽车来说，电池需要利用五年、十年或更长时候。电池容量在这段时候内会发生巨大变化，所以我们希望找到一种更好的步骤来检查电池的康健状况。」
研讨职员开发了一种非侵入式探头，向电池发送高维电脉冲并测量反应，从而提供一系列电池康健的「生物标志」。这种步骤对电池温和，不会导致电池进一步进化。
电池发出的电信号会被转换成电池状态的描述，然后输入到机械进修算法中。该算法能够猜测电池在下一个充放电循环中会如何反应，这取决于电池充电的速率和汽车下次上路时的行驶速率。
对88个商用电池的测试表明，该算法不需要任何关于电池先前利用情况的信息来进行准确猜测。
这项实验的重点是钴酸锂(LCO)电池，这种电池广泛用于可充电电池，但该步骤适用于现今电动汽车利用的差别类型的电池化学物质。
李说:「该步骤在供应链的许多环节都有应用价值，无论是制造商、终端用户还是回收商，因为它允许我们获知电池的康健状况，而不仅仅是一个数字，而且它具有猜测性。这可以缩小开发新型电池的时候，因为我们可以猜测它们在差别利用条件下会如何进化。」
研讨职员表示，除了制造商和驾驭员，他们的步骤还可用于运营大型电动汽车车队的企业，比如物流公司。李说:「我们开发的框架可以帮助公司优化车辆利用方法，以提高车队的整体电池寿命。这样的框架有很大的潜力。」
琼斯表示:「这是一个振奋人心的框架，因为它可以解决现今电池领域的许多挑战。现在是投身电池研讨领域的大好时机，电池研讨对摆脱化石燃料的依赖和应对气候变化非常重要。」
研讨职员目前正与电池制造商合作，加快开发更安全、更持久的新一代电池。他们还在探索如何利用该框架来开发最佳快速充电协议，以缩小电动汽车充电时候，而不会导致性能下降。
原文链接：
https://techxplore.com/news/2022-08-machine-algorithm-electric-vehicle-batteries.html