論文の概要: Motion-Specific Battery Health Assessment for Quadrotors Using High-Fidelity Battery Models

• arxiv url: http://arxiv.org/abs/2603.12791v1
• Date: Fri, 13 Mar 2026 08:52:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.75281
• Title: Motion-Specific Battery Health Assessment for Quadrotors Using High-Fidelity Battery Models
• Title（参考訳）: 高密度バッテリモデルを用いた四重項機の動作特異的バッテリヘルス評価
• Authors: Joonhee Kim, Sanghyun Park, Donghyeong Kim, Eunseon Choi, Soohee Han,
• Abstract要約: 本研究は,四面体における動作認識型電池の健康評価のためのエンド・ツー・エンド・フレームワークを提案する。 まず,実飛行時の動作特定電流プロファイルを捉えるために,広帯域電流検出モジュールを設計する。 高忠実度バッテリモデルを基準性能試験および劣化結合電気化学モデルに基づくメタヒューリスティックを用いて校正する。
• 参考スコア（独自算出の注目度）: 8.332702331786317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quadrotor endurance is ultimately limited by battery behavior, yet most energy aware planning treats the battery as a simple energy reservoir and overlooks how flight motions induce dynamic current loads that accelerate battery degradation. This work presents an end to end framework for motion aware battery health assessment in quadrotors. We first design a wide range current sensing module to capture motion specific current profiles during real flights, preserving transient features. In parallel, a high fidelity battery model is calibrated using reference performance tests and a metaheuristic based on a degradation coupled electrochemical model.By simulating measured flight loads in the calibrated model, we systematically resolve how different flight motions translate into degradation modes loss of lithium inventory and loss of active material as well as internal side reactions. The results demonstrate that even when two flight profiles consume the same average energy, their transient load structures can drive different degradation pathways, emphasizing the need for motion-aware battery management that balances efficiency with battery degradation.
• Abstract（参考訳）: クアドロターの耐久性は最終的に電池の挙動によって制限されるが、ほとんどのエネルギーを意識した計画では、バッテリを単純なエネルギー貯水池として扱い、飛行運動がバッテリ劣化を加速する動的電流負荷をいかに引き起こすかを見落としている。 本研究は,四面体における動作認識型電池の健康評価のためのエンド・ツー・エンド・フレームワークを提案する。 我々はまず,実飛行時の動作特定電流プロファイルを捕捉し,過渡的特徴を保存するために,広範囲な電流検出モジュールを設計する。 並列に高忠実度バッテリモデルを基準性能試験とメタヒューリスティックを用いてキャリブレーションを行い, キャリブレーションモデルで測定された飛行負荷をシミュレーションすることにより, 異なる飛行動作がリチウム在庫の劣化モードの損失, 活性物質の損失, および内部反応を系統的に解決する。 その結果、2つの飛行プロファイルが同じ平均エネルギーを消費しても、その過渡負荷構造は異なる劣化経路を駆動し、バッテリー劣化と効率のバランスをとる動き認識型バッテリー管理の必要性を強調した。

関連論文リスト

• Lightweight Model Predictive Control for Spacecraft Rendezvous Attitude Synchronization [39.146761527401424]
  本研究は、2つの軽量モデル予測制御(MPC)アプローチを導入し、宇宙船のランデブー同期時の反応輪を用いた姿勢追跡を行う。 我々は単一ループとデュアルループMPCを開発し、後者は内部ループ内に安定化フィードバックコントローラを組み込み、線形時間不変システムを生成する。
  論文  参考訳（メタデータ） (2026-03-19T13:58:55Z)
• Pace: Physics-Aware Attentive Temporal Convolutional Network for Battery Health Estimation [5.570789346088817]
  Paceは、バッテリの健康評価のための物理学的な注意深い時間的畳み込みネットワークである。 本研究では,時間的効率的な符号化のための拡張時間的ブロック,コンテキストモデリングのためのチャンク型アテンションブロック,短期および長期の電池劣化パターンを融合するデュアルヘッド出力ブロックを含む3つのバッテリ固有モジュールを開発する。
  論文  参考訳（メタデータ） (2025-12-12T07:04:57Z)
• Knowledge-Aware Modeling with Frequency Adaptive Learning for Battery Health Prognostics [27.840159692578354]
  Karmaは、バッテリ容量推定のための周波数適応学習と有用な寿命予測のための知識認識モデルである。 1つのストリームが長期の低周波劣化傾向を捉え、もう1つのモデルが高周波短期力学をモデル化する2重ストリームディープラーニングアーキテクチャを開発した。 実験では、Karmaの優れた性能を示し、バッテリーの健康予測のための最先端のアルゴリズムよりも平均エラーを50.6%、32.6%削減した。
  論文  参考訳（メタデータ） (2025-10-03T09:24:38Z)
• Chemistry-aware battery degradation prediction under simulated real-world cyclic protocols [30.126655904719065]
  電池劣化は複雑でランダムな循環条件によって制御される。 電気信号は電圧変動などの豊富な情報を提供し、劣化機構を探査することができる。 本稿では,機械学習を用いた動的条件下での化学認識型電池劣化予測について述べる。
  論文  参考訳（メタデータ） (2025-03-25T07:01:50Z)
• Analog In-memory Training on General Non-ideal Resistive Elements: The Impact of Response Functions [46.75046795995564]
  AIMCハードウェアでは、トレーニング可能な重量は抵抗素子のコンダクタンスで表され、連続する電気パルスを用いて更新される。 コンダクタンスはパルスごとに一定変化するが、実際には非対称および非線形応答関数によってスケールされ、非理想的トレーニングのダイナミクスをもたらす。 本稿では,AIMCハードウェアにおける非理想応答関数を用いた勾配学習の理論的基礎を提供する。
  論文  参考訳（メタデータ） (2025-02-10T09:56:15Z)
• A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
  本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。 その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T22:05:17Z)
• 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)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  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。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。