研究人员开发了一个新的物理信息机器学习框架，该框架利用虚拟传感来评估锂离子电池的健康状况和设计。该方法从标准的电池管理系统数据中推断出难以测量的参数，如扩散系数和电极厚度。该框架显著降低了电池寿命和容量损失的预测误差，从而实现了实际运行与上游设计决策之间的持续反馈循环。 AI
影响 能够更准确地预测电池寿命并为设计决策提供信息，有可能加速电动汽车和电网储能领域更优电池的开发。
排序理由 详细介绍用于电池健康评估的新机器学习框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- digital twin
- Lithium-ion batteries
- machine learning
- physics-informed learning
- solid-state diffusion coefficient
- vehicle-to-grid
- virtual sensing
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
