#电池# 【西交大团队将AI用于电池建模和健康管理，成功打造物理信息神经网络，在三十万余个样本上验证的平均绝对百分比误差低于1%】

近日，#西安交通大学# 助理教授赵志斌团队将物理模型和深度神经网络加以结合，提出一种用于电池建模以及健康状况预测的“物理信息神经网络”（PINN，Physics-informed neural network）的 AI 算法，并将其用于电池建模、以及电池健康状况预测。

课题组还开源了相关数据集和完整代码（http://t.cn/A6QmGL76）。

此外，通过结合其他三个来自不同电池制造商的数据集，他们针对 387 个电池的数据，在 310705 个样本上进行验证，由此得出的平均绝对百分比误差为 0.87%。

为了验证本次方法，该团队通过开展电池退化实验，生成了一个由 55 个镍钴锰酸锂电池组成的综合数据集，并针对 6 种工况加以模拟。

实验结果显示：在不同化学成分的电池数据集上，本次提出的物理信息神经网络均具备适用性。

能够适应不同类型的电池和不同的使用场景，有望促进电池健康管理系统的开发。

具体应用可能包括：

其一，用于#电动汽车# 。

提高电池寿命预测和电池寿命管理系统的准确性，优化电动汽车的电池使用策略和电池维护策略。

戳链接查看详情：http://t.cn/A6QmGL7i