디지털 트윈, 기계 학습 및 차량 관리

BMS 내의 소프트웨어 구현에서도 혁신이 일어나고 있습니다. 획득된 팩 및 셀 측정 정확도는 칼만 필터 또는 쿨롱 계산보다 고급 X 상태 알고리즘의 기초입니다.

개별 주행 동작, 교통 상황, 지리적 및 도로 상태를 모니터링할 수 있어 더 정밀한 차량 범위 예측과 배터리 구동 상태 데이터 및 충전 상태 예측이 가능합니다. 클라우드에서 데이터를 중앙 집중화하는 경우 기계 학습 알고리즘이 전체 차량을 모니터링하고 예측 서비스를 구현할 수 있습니다. 예를 들어, 이전에 고장 패턴을 관찰하고 저장한 경우 알고리즘이 조기 징후를 감지하고 다른 차량의 향후 고장 가능성을 계산하여 사전에 차고 서비스를 요청할 수 있습니다. 디지털 트윈을 만드는 것으로 알려진 이 기능을 사용하면 소프트웨어 정의 차량에서 임시 차량 제품군 업그레이드와 같은 상용 모델을 추가로 구현할 수 있습니다.

TI는 인공 지능을 통한 배터리 팩 솔루션을 만드는 Electra와 협력하여 EV 배터리를 온라인으로 가져와 BMS를 더 스마트하고 더 연결된 상태로 만듭니다. Electra의 EVE-AI 360 플리트 분석 소프트웨어는 차량별 및 전속 배터리 팩 데이터를 활용하여 배터리 성능 상태 추세 및 예측 모델을 생성하는 배터리 분석 툴입니다. 기계 학습과 함께 배터리, 차량 및 환경의 데이터를 사용하여 잠재적인 배터리 문제 및 고장이 발생하기 전에 이를 식별하여 장비 효율 및 성능을 최적화합니다.

TI의 AM263P4-Q1 Arm 기반, AutoSAR 지원 MCU에는 적응형 셀 모델링 시스템을 사용할 수 있는 라이브러리가 포함되어 있으며, 기계 학습 서비스가 차량의 X 및 차량 상태 측정을 개선하여 더 스마트한 충전을 지원하고 배터리 상태와 범위를 최적화하는 데 도움이 됩니다.