Diagnosi Predittiva per Propulsori Elettrici

La transizione ai powertrain elettrici porta con sé nuove sfide nel prevedere quando potrebbe verificarsi un problema e nel mantenere il propulsore in salute. Mentre i metodi di diagnosi tradizionali hanno i loro meriti, spesso offrono solo una limitata possibilità di affrontare l'evoluzione dinamica delle potenziali condizioni pericolose nei powertrain elettrici, dove l'interazione di numerosi componenti elettronici e sistemi complessi richiede un approccio più sofisticato al monitoraggio e alla diagnosi.

target del sistema

ESACO (Electric powertrain System Anomaly detector and Conditions Observer) è stato sviluppato in risposta all'urgente necessità di migliorare la sicurezza, l'affidabilità e le prestazioni dei powertrain elettrici. Con l'aumentare della diffusione dei veicoli elettrici (EV) nel panorama automobilistico, garantire la loro sicurezza e affidabilità è fondamentale.

Il campo di applicazione di ESACO va oltre il semplice miglioramento dei singoli propulsori elettrici; il suo obiettivo è ottimizzarne l'utilizzo e l'integrazione nel panorama dei trasporti. Utilizzando tecnologie diagnostiche e predittive avanzate, ESACO punta a migliorare l'affidabilità e le prestazioni dei veicoli elettrici, facilitando così la loro adozione più ampia. Questo contribuisce a mitigare l'impatto ambientale riducendo le emissioni e promuovendo soluzioni di trasporto sostenibili.

intelligenza artificiale

La disponibilità di dati completi sui powertrain dei veicoli elettrici, insieme alla capacità di gestirli efficacemente, consente l'utilizzo di algoritmi addestrati basati sull'intelligenza artificiale. Questa integrazione rappresenta un approccio potente e innovativo per il monitoraggio in tempo reale della salute del powertrain, consentendo la rilevazione precoce di anomalie e potenziali problemi.

Sfruttando tecniche avanzate di intelligenza artificiale, come il machine learning e l'analisi predittiva, questi algoritmi possono analizzare vaste quantità di dati per identificare modelli e tendenze indicative di problemi in via di sviluppo. Questo approccio proattivo non solo migliora l'affidabilità e le prestazioni dei veicoli elettrici, ma contribuisce anche a ridurre i tempi di inattività e i costi di manutenzione, ottimizzando così l'efficienza complessiva e l'utilizzo dei propulsori elettrici in varie applicazioni di mobilità.

Case Studies

li-Ion cell Thermal runaway

• Variazione anomala della temperatura massima delle celle a partire da 500 secondi.
• Il punteggio di anomalia aumenta anche se il valore della temperatura delle celle è solo 5°C al di sopra di quella nominale.

anomalia di temperatura di una cella batteria

• Freezing di 5 secondi della temperatura massima della cella della batteria durante la richiesta di corrente continua.
• Il punteggio di anomalia durante il congelamento si sposta su valori elevati.

anomalia di temperatura dello statore Stator

• Temperatura dello statore del motore elettrico con oscillazione improvvisa da 440 secondi a 445 secondi.
• Fortissima non correlazione tra temperatura dello statore e i punti di funzionamento.
• Rilevamento immediato dell'anomalia.