MÜNCHEN (IT BOLTWISE) – Neue maschinelle Lernmethoden zur frühzeitigen Fehlererkennung könnten Lithium-Ionen-Batterien in Zukunft sicherer machen.
- Die besten Bücher rund um KI & Robotik
präsentiert von Amazon! - Unsere täglichen KI-News von IT Boltwise® bei LinkedIn abonnieren!
- KI-Meldungen bequem via Telegram oder per Newsletter erhalten!
- IT Boltwise® bei Facy oder Insta als Fan markieren und abonnieren!
- AI Morning Podcast bei Spotify / Amazon / Apple verfolgen!
- RSS-Feed 2.0 von IT Boltwise® für KI-News speichern!
Die sichere Nutzung von Lithium-Ionen-Batterien, wie sie in Elektrofahrzeugen und stationären Energiespeichersystemen zum Einsatz kommen, erfordert eine kontinuierliche Zustandsüberwachung und eine frühzeitige Fehlererkennung. Defekte in einzelnen Batteriezellen können schwerwiegende Folgen haben und sogar Brände auslösen.
Forscher der TU Darmstadt und des Massachusetts Institute of Technology (MIT) haben hierzu innovative Methoden entwickelt, die auf physikalisch gestütztem maschinellen Lernen basieren. Das Team um Joachim Schaeffer, Eric Lenz und Professor Rolf Findeisen von der TU Darmstadt sowie die Arbeitsgruppen von Professor Richard Braatz und Professor Martin Bazant am MIT entwickelten ein Verfahren, das physikalische Modelle mit maschinellem Lernen kombiniert.
Durch den Einsatz rekursiver Gaußscher Prozesse können zeit- und betriebsabhängige Veränderungen in Batteriezellen frühzeitig erkannt werden. Diese rekursiven Methoden ermöglichen eine Echtzeitanalyse und die effiziente Verarbeitung großer Datenmengen, wodurch eine kontinuierliche Online-Überwachung von Batteriesystemen in der Zukunft realisierbar wird.
Für ihre Forschung konnte das Team auf einen einzigartigen Datensatz zurückgreifen: Ein Forschungspartner stellte anonymisierte Daten von 28 Batteriesystemen zur Verfügung, die aufgrund von Problemen an den Hersteller zurückgeschickt worden waren. Der Datensatz umfasst mehr als 133 Millionen Datenzeilen von 224 Batteriezellen und ist einer der ersten seiner Art, der öffentlich zugänglich gemacht wurde.
Die in *Cell Reports Physical Science* veröffentlichten Forschungsergebnisse zeigen, dass oft nur eine einzelne Zelle in einem Batteriesystem anormal reagiert, was das gesamte System beeinträchtigen kann. Diese Erkenntnisse tragen dazu bei, das Verständnis über die Alterung und die Ausfallbedingungen von Batterien zu verbessern. Die neuen Methoden bieten die Möglichkeit, Batterien kontinuierlich zu überwachen und so die Sicherheit zu erhöhen.
Joachim Schaeffer, Doktorand am Control and Cyber-Physical Systems Laboratory, Fachbereich Elektrotechnik und Informationstechnik an der TU Darmstadt und am MIT, wurde für die im Projekt produzierten und öffentlich zugänglichen Daten mit dem MIT Open Data Prize ausgezeichnet. Aus über 70 Einsendungen wurden zehn Preisträger ausgewählt.
Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Machine Learning für frühzeitige Fehlererkennung könnte Lithium-Ionen-Batterien sicherer machen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.