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.

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.

Alma Automotive s.r.l.

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

Le nostre sedi

SEDE CENTRALE
Via Terracini 2 , 40131 Bologna

SALE PROVA MOTORI
Via Provinciale Bologna 28/30
40066, Pieve di Cento (BO)

Newsletter

© 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

linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram