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.
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.
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.
Le condizioni della batteria e il risparmio energetico sono fattori essenziali per i sistemi di propulsione dei veicoli elettrici. Una batteria soggetta a guasti improvvisi può causare gravi problemi, tra cui il crollo delle prestazioni nel corso del tempo, la necessità di riparazioni costose e la relativa perdita di tempo. Per scongiurare quest'eventualità, Alma Automotive ha sviluppato algoritmi basati sull'intelligenza artificiale (AI) per monitorare lo stato di salute e le condizioni operative della batteria in tempo reale. Questi algoritmi possono attivare allarmi in caso di problemi e perfino prevedere i guasti prima che accadano.
Il nostro algoritmo di previsione delle prestazioni e dello stato della batteria è stato sviluppato per aumentare la potenza e l'energia utilizzabile. Grazie alla stima avanzata dello stato di salute e alle affidabili logiche di sicurezza, questo strumento basato sull'AI è in grado di potenziare i sistemi di gestione dell'energia per la mobilità elettrica.
Gli algoritmi AI hanno bisogno di un'enorme quantità di dati per addestrare i modelli. L'acquisizione e la gestione dei dati per le applicazioni che sfruttano l'intelligenza artificiale è quindi un aspetto chiave nello sviluppo dei modelli. Per questo, come abbiamo spiegato di recente, l'impegno del nostro team di R&S si è concentrato in primis sull'implementazione di modelli precisi e affidabili. Abbiamo scelto di usare i risultati della simulazione come fonte di dati per addestrare il modello AI in modo più rapido ed efficace.
Riportiamo di seguito un esempio di applicazione del nostro algoritmo delle prestazioni della batteria. In questo esperimento è stata innescata una variazione della resistenza interna della batteria. L'algoritmo analizza i segnali di ingresso durante un intervallo di tempo definito, al termine del quale è in grado di stimare un indice di allarme complessivo sulle condizioni di salute e operative della batteria.
Anche se i valori elettrici e termici rientrano ancora nell'intervallo accettabile, il nostro algoritmo rileva le anomalie e può attivare allarmi e logiche di sicurezza all'occorrenza.
Le prestazioni delle batterie dipendono in larga misura dalla temperatura delle loro celle, che è legata alla loro natura chimica e fisica, nonché influenzata da diversi altri fattori, come la resistenza interna e lo scambio di calore.
Per questo, realizzare un modello termico preciso di una batteria richiede un'ottima conoscenza della termofluidodinamica dei componenti del sistema, non solo all'interno della batteria ma anche di tutti i sottosistemi che hanno la funzione di mezzo per il trasferimento del calore.
La figura in basso mostra i risultati di un esperimento svolto durante le attività di test di un propulsore elettrico da corsa con una batteria raffreddata a liquido. Le temperatura delle celle e del refrigerante sono state modellate con un errore massimo di ±1,5°C.
Input del modello:
Il modello è in grado di simulare la temperatura di ogni cella della batteria, mantenendo basso lo sforzo di calcolo e permettendo l'uso del modello anche in applicazioni in tempo reale. Il modello è flessibile e facilmente regolabile, per adattarsi a tutta la gamma di soluzioni di gestione della temperatura.
Il nostro obiettivo è fornire modelli compatti che diano risultati precisi.
In questo caso, mostriamo un breve confronto fra la tensione e lo stato di carica simulati della batteria e i dati sperimentali. Il nostro modello è facile da regolare e può essere usato per simulare le prestazioni elettriche di batterie ad alta tensione composte da diversi tipi di celle agli ioni di litio.
Grazie alle varie attività di calibrazione, il modello ci permette di simulare la tensione della batteria con un errore relativo minore dell'1% rispetto ai dati sperimentali e lo stato di carica con un errore assoluto ancora inferiore.
La varietà di applicazioni in cui lo abbiamo impiegato ci consente di verificare l'affidabilità e la precisione delle simulazioni, verificando la bontà dei risultati in architetture con propulsori automobilistici a 800 V e in molti altri ambiti.
Cosa ci distingue dalle soluzioni precedenti:
Via Terracini 2/c - 40131 Bologna - Italy
Tel. +39.051.9923806 / +39.051.0548470
Fax +39.051.0544839
info@alma-automotive.it
PEC amministrazione@pec.alma-automotive.it
SEDE CENTRALE
Via Terracini 2 , 40131 Bologna
SALE PROVA MOTORI
Via Provinciale Bologna 28/30
40066, Pieve di Cento (BO)
© Copyright 2021 - Alma Automotive s.r.l. - P.IVA e C.F. 02315721205 - Cap. soc. 10.000€ - Privacy Policy - GDPR - Credits - Sitemap
Gli aiuti di Stato e gli aiuti de minimis ricevuti dalla nostra impresa sono contenuti nel Registro nazionale degli aiuti di Stato di cui all’art. 52 della L. 234/2012 e consultabili qui