SI/502881

Résumé

Dieses Projekt zielt darauf ab, eine Methodik für beschleunigte Alterungstechniken zu entwickeln, die reale Verschlechterungsszenarien in Lithium-Ionen-Batterien innerhalb kürzerer Zeiträume nachbilden. Ziel ist es, Protokolle zu entwickeln, die nicht nur die Alterung beschleunigen, sondern auch die primären Verschlechterungsmechanismen unter praktischen Betriebsbedingungen isolieren oder identifizieren. Durch die Konzentration auf Prozesse wie das Wachstum der SEI in Batterien stellt das Rahmenwerk sicher, dass beschleunigte Tests die Leistung unter realen Bedingungen widerspiegeln, ohne unrealistische Fehlermodi einzuführen. Maschinelles Lernen (ML) wird eingesetzt, um die Versuchsplanung zu optimieren und die Datenanalyse zu verbessern, indem Belastungsprotokolle in Echtzeit verfeinert werden, um spezifische Degradationsmechanismen zu ermitteln. ML wird auch die Genauigkeit von langfristigen Leistungsprognosen und die Identifizierung von Fehlermodi verbessern und die Grenzen herkömmlicher Methoden überwinden. Dieser Ansatz wird die Standardisierung beschleunigter Alterungstests unterstützen und die Reproduzierbarkeit in verschiedenen Branchen und Forschungsinstituten sicherstellen.