AVL und der Lehrstuhl für Fahrzeugtechnik an der Technischen Universität München (TUM) haben gemeinsam eine Berechnungsmethode entwickelt, bei der unterschiedliche Fahrzeugflotten jeweils ein neuronales Netz trainieren. Das dort Erlernte wird dann ein globales Modell weitergegeben, ohne dass auf die Originaldaten der OEMs zugegriffen werden muss. Das KI-Modell steht dann als Basis für die Berechnung der Restlebensdauer der Batterie zur Verfügung. Dank dieses Federated Learning Ansatzes konnte die verbleibende Batterielebensdauer gegenüber dem einzelnen Flottenmodel wesentlich genauer vorhergesagt werden – der Fehlerwert reduzierte sich durchschnittlich um 32 Prozent. (jr)
Technologie-Radar
Methodik zur Bewertung der Thermal-Runaway-Ausbreitung in Batteriesystemen
Die Studie zeigt, dass die Ausbreitung von Thermal Runaway stark von Zellchemie und Design abhängt und probabilistische Methoden für eine belastbare Sicherheitsbewertung erforderlich sind.
Fachberichte & White Paper
Whitepaper: Batteriealterung in der Praxis
Analyse von über 7.000 Fahrzeugen zeigt deutlich längere Batterielebensdauer als häufig kommuniziert.
Technologie-Radar
Gefährliche Kurzschlüsse in Lithium-Batterien: Schutzschicht selbst betroffen
TUM-Forschende entdecken, dass gefährliche Dendriten in Lithium-Batterien nicht nur an den Elektroden, sondern auch im schützenden Polymer-Elektrolyten wachsen können.