論文の概要: Universal Battery Performance and Degradation Model for Electric Aircraft

• arxiv url: http://arxiv.org/abs/2008.01527v2
• Date: Tue, 16 Mar 2021 18:34:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 03:21:18.863989
• Title: Universal Battery Performance and Degradation Model for Electric Aircraft
• Title（参考訳）: 電気航空機のユニバーサルバッテリ性能と劣化モデル
• Authors: Alexander Bills and Shashank Sripad and William L. Fredericks and Matthew Guttenberg and Devin Charles and Evan Frank and Venkatasubramanian Viswanathan
• Abstract要約: 電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
• 参考スコア（独自算出の注目度）: 52.77024349608834
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Development of Urban Air Mobility (UAM) concepts has been primarily focused on electric vertical takeoff and landing aircraft (eVTOLs), small aircraft which can land and takeoff vertically, and which are powered by rechargeable (typically lithium-ion) batteries. Design, analysis, and operation of eVTOLs requires fast and accurate prediction of Li-ion battery performance throughout the lifetime of the battery. eVTOL battery performance modeling must be particularly accurate at high discharge rates to ensure accurate simulation of the high power takeoff and landing portions of the flight. In this work, we generate a battery performance and thermal behavior dataset specific to eVTOL duty cycles. We use this dataset to develop a battery performance and degradation model (Cellfit) which employs physics-informed machine learning in the form of Universal Ordinary Differential Equations (U-ODE's) combined with an electrochemical cell model and degradation models which include solid electrolyte interphase (SEI) growth, lithium plating, and charge loss. We show that Cellfit with U-ODE's is better able to predict battery degradation than a mechanistic battery degradation model. We show that the improved accuracy of the degradation model improves the accuracy of the performance model. We believe that Cellfit will prove to be a valuable tool for eVTOL designers.
• Abstract（参考訳）: アーバン・エア・モビリティ(uam)の概念は、主に垂直離着陸機(evtols)、垂直離着陸可能な小型航空機に焦点が当てられ、充電可能な(主にリチウムイオン電池)電池で駆動されている。 eVTOLの設計、分析、運用には、バッテリー寿命を通してLiイオン電池の性能を高速かつ正確に予測する必要がある。 eVTOLバッテリ性能モデリングは、高出力離陸と着陸部の正確なシミュレーションを確実にするために、特に高放電速度で正確でなければならない。 本研究では,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて, 電気化学モデルと固体電解質間相成長, リチウムめっき, 電荷損失を含む劣化モデルを組み合わせた, 物理インフォームド・機械学習(U-ODE)を用いた電池性能・劣化モデル(Cellfit)を開発した。 U-ODEによるセルフィットは, 機械的電池劣化モデルよりも電池劣化を予測できることを示す。 劣化モデルの精度が向上し,性能モデルの精度が向上することを示す。 われわれはCellfitがeVTOLデザイナーにとって価値のあるツールであることが証明されると考えている。

関連論文リスト

• DiffBatt: A Diffusion Model for Battery Degradation Prediction and Synthesis [0.7342676110939172]
  本稿では,電池劣化予測と合成のための新しい汎用モデルDiffBattを紹介する。 老化挙動の不確実性を捉える確率モデルと、バッテリー劣化をシミュレートする生成モデルとして機能する。 すべてのデータセットの平均RMSEは196サイクルであり、他のモデルよりも優れ、より優れた一般化性を示す。
  論文  参考訳（メタデータ） (2024-10-31T12:53:53Z)
• Fast-ELECTRA for Efficient Pre-training [83.29484808667532]
  ELECTRAは補助モデルに置き換えられたシーケンス内のトークンを検出して、言語モデルを事前訓練する。 本稿では,既存の言語モデルを補助モデルとして活用したFast-ELECTRAを提案する。 提案手法は,最先端のELECTRA型事前学習手法の性能に匹敵するが,補助モデルの連成学習による計算とメモリコストは著しく削減される。
  論文  参考訳（メタデータ） (2023-10-11T09:55:46Z)
• Depth analysis of battery performance based on a data-driven approach [5.778648596769691]
  容量の減少は、細胞の応用における最も難解な問題の1つである。 サイクルを通してのセルの容量変化を機械学習技術を用いて予測する。
  論文  参考訳（メタデータ） (2023-08-30T08:15:27Z)
• Toward High-Performance Energy and Power Battery Cells with Machine Learning-based Optimization of Electrode Manufacturing [61.27691515336054]
  本研究では,所望のバッテリ適用条件に対する高性能電極の課題に対処する。 本稿では、電気化学性能の2目的最適化のための決定論的機械学習(ML)支援パイプラインによって支援される強力なデータ駆動アプローチを提案する。 以上の結果から,スラリー中の固形物の中間値とカレンダリング度を併用した高活性物質が最適電極となることが示唆された。
  論文  参考訳（メタデータ） (2023-07-07T13:48:50Z)
• A Machine Learning-based Digital Twin for Electric Vehicle Battery Modeling [10.290868910435153]
  電気自動車(EV)は、経年劣化と性能劣化の影響を受ける。 本研究は,実行時のバッテリダイナミックスを正確に反映するように設計されたバッテリディジタルツイン構造を提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:47:41Z)
• Dynaformer: A Deep Learning Model for Ageing-aware Battery Discharge Prediction [2.670887944566458]
  本稿では,少数の電圧/電流サンプルから同時に老化状態を推定できるトランスフォーマーに基づく新しいディープラーニングアーキテクチャを提案する。 実験の結果, 学習モデルは様々な複雑さの入力電流分布に有効であり, 広範囲の劣化レベルに対して堅牢であることがわかった。
  論文  参考訳（メタデータ） (2022-06-01T15:31:06Z)
• Enhanced physics-constrained deep neural networks for modeling vanadium redox flow battery [62.997667081978825]
  本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。 ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
  論文  参考訳（メタデータ） (2022-03-03T19:56:24Z)
• Hybrid physics-based and data-driven modeling with calibrated uncertainty for lithium-ion battery degradation diagnosis and prognosis [6.7143928677892335]
  リチウムイオン電池(LIB)は今後数十年で電化を促進する鍵となる。 LIB劣化の不十分な理解は、バッテリーの耐久性と安全性を制限する重要なボトルネックである。 本稿では,オンライン診断とバッテリー劣化の診断のためのハイブリッド物理とデータ駆動モデリングを提案する。
  論文  参考訳（メタデータ） (2021-10-25T11:14:12Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Efficient pre-training objectives for Transformers [84.64393460397471]
  本研究はトランスフォーマーモデルにおける高効率事前学習目標について検討する。 マスクトークンの除去と損失時のアウトプット全体の考慮が,パフォーマンス向上に不可欠な選択であることを証明する。
  論文  参考訳（メタデータ） (2021-04-20T00:09:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。