首页/文章/ 详情

数据科学赋能电池安全

2年前浏览6163

01 电池安全的本质:电芯热失控


随着动力电池安全法规的不断加码、电池安全性能成为主机厂和电池厂研发的重大技术课题之一。

造成电池安全隐患的事故可分为外部破坏与内部物理化学反应,其中外部破坏指的是电池被撞击、挤压造成起火和爆炸。然而不管是外部破坏、还是内部物理化学反应,其本质都是电芯突破安全临界点后使电芯发生不可逆的热失控所致。

所以,造成电池安全的根本原因是电芯热失控 


02 技术研究热点与难点:如何准确预测电芯热失控

企业对电池安全的热失控研究总体来说可归纳为以下5种:

热管理系统:电池热管理方案包括电池热电技术、电池风冷技术、电池连接系统;

热失控检测系统:通过系统监控电池组与电池状态,若达到预定热水平则预警;

热失控防止方法:热失控安全防控策略,喷淋灭火系统,防止热失控蔓延;

防止热失控新材料研发:新型隔热包覆材料,新型高闪点电解液,新型吸热材料;

热失控预测方法:利用数学模型预测电池处在滥用情况下的安全性能,及时预警可能发生的热失控。

其中,热失控预测是企业研究的热点和难点,也是最能提升产品质量与安全性的技术。


03 达索系统基于分子模拟和数据科学的电芯热失控预测方案

传统的电芯热失控预测方法,是通过建立热失控数学预测模型,预测热失控电芯化学反应,但局限性在于预测模型参数获取依赖于大量的实验数据,无法深入考虑微观反应机理的影响,模型欠缺全面性等问题。

达索系统解决方案基于分子建模,表达并模拟微观反应机理,联合热失控模型进行仿真,通过大量的数据进行学习和训练,更加全面的提高预测模型的准确度。


1.基于微观虚拟仿真理解热失控机理

 分子级精度定义材料并搭建实验难以表征的微观电化学模型(如SEI,电极与电解液表界面所发生的反应)。

 通过微观仿真确认电芯内部所发生的副反应类型,反应所产生气体的种类,反应所累积的热量。

2.有效减少实验量,降低研发费用,缩短研发周期

 加入微观仿真测试,可减少不必要的实验次数以及响应的材料损耗。

3.降低预测模型搭建难度,提高模型适用性

利用机器学习算法快速关联宏观测试值与微观特征值的关系,拟合热失控预测模型参数。

 基于微观模拟数据,更全面地考虑材料失效本征原因与宏观现象间的复杂耦合关联。



 价值收益

提升模拟仿真技术的工程化应用能力

掌握从工程问题中提炼并解决锂电安全问题的能力

掌握利用分子模拟手段对电池安全相关性质进行表征和预测的基本能力

掌握利用数据科学手段建立以及优化迭代预测模型的能力

提升企业技术资产固化能力

掌握利用数据科学手段从历史数据中获得新见解的能力

解决工程问题的同时积累基于科学与数据的行业know-how

通过数学模型固化已有知识为产品迭代升级提供科学有效的指导

-END-

数字孪生仿真体系二次开发后处理分析求解技术电子电控储能热设计AMESim
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2022-10-09
最近编辑:2年前
山东远和致成
达索系统增值合作伙伴!
获赞 47粉丝 22文章 15课程 4
点赞
收藏
作者推荐

数字之“索”|守护汽车智能安全

数字之“索”|守护汽车智能安全山东远和致成-达索系统本文摘要(由AI生成):随着汽车智能化水平的提高,汽车安全性的重要性日益凸显。C-NCAP等碰撞测试标准不断加入新的测试项目,包括AEB、LKA等智能辅助驾驶技术的测试。达索系统的CATIA SCANeR™软件可以为ADAS系统提供完整的“人-车-路”仿真测试环境,帮助工程师快速构建AD/ADAS、Headlights等驾驶模拟,缩短获取C-NCAP认证的时间和成本。SCANeR™还可以提供多场景、多执行平台的虚拟仿真验证活动,并支持X-in-Loop多层级测试。此外,达索系统3DEXPERIENCE平台进一步拓展到前期的场景开发、架构定义、感知技术与软件算法,为客户提供完整的一体化解决方案。某客户使用CATIA SCANeR™中NCAP场景库在虚拟环境中快速生成了符合NCAP的AEB测试交通场景等,最终减少了一个物理原型并且缩短了50%的开发时间,快速获取了EURO-NCAP认证。汽车安全:毫厘必究随着技术的更新迭代,ADAS(智能辅助驾驶)、AEB、ACC、LKA等新技术正在逐渐变成智能汽车的标配, 然而随着汽车智能化水平不断提升的同时,整车安全性的重要性日渐凸显,欧洲新车碰撞测试(EURO-NCAP)首先在2018年将AEB、LDW等列入ADAS测试项目,并且测试项目逐年增多。《C-NCAP管理规则(2021年版)》已于2020年8月25日正式发布,将于2022年1月1日正式实施。C-NCAP 2021版主要包括AEB、LKA、SAS等,并且C-NCAP评价场景也逐年增加。面向未来的自动驾驶技术汽车主机厂该如何通过C-NCAP认证?在C-NCAP认证中,ADAS(智能辅助驾驶)测试包括模型在环(MiL)、软件在环(SiL)、硬件在环(HiL)、车辆在环(ViL)、场测、路测等环节,测试内容包括传感器、算法、执行器等方面,测试包括应用功能、性能、稳定性和鲁棒性、功能安全、形式认证等。传统开发方法是基于大量的台架测试和实车测试来实现,不仅试验周期长,成本高,且安全无法保障,尤其对于ADAS这种关键技术,其试验行驶环境不可预测,测试场景难以复刻/重现、不可自动化测试。达索系统CATIA SCANeR™ 软件可对交通场景仿真及虚拟传感器建模,也能够对车辆动力学建模,建立涵盖真实底盘执行系统的测试模型,同时基于NCAP中定义的典型工况进行仿真分析,搭建AEB功能涉及的虚拟交通场景,对车辆动力学及虚拟传感器进行参数化建模(也可以基于试验数据),通过调整测试参数,来实现法规要求参数的定量分析矩阵。SCANeR™构建的测试环境也能够为ADAS系统提供完整的“人-车-路”仿真测试环境,对符合C-NCAP规范要求的ADAS系统测试评价提供一个良好的开发方法。新版本,新体验 CATAI SCANeR™2022版本开始提供C-NCAP模型包新本中的模型包提供完整的C-NCAP测试环境工况、虚拟环境和场景脚本,满足不同类型的C-NCAP标准所要求的测试验证场景库。基于这些场景库,企业可以减少测试环境搭建的时间,缩短获取C-NCAP认证的时间和成本。C-NCAP模型包可以帮助工程师使用标准化的用例和场景,从而更快地构建AD/ADAS、Headlights和其他驾驶模拟。其中包含的虚拟环境、场景脚本、C-NCAP驾驶员AI和测试标准能够助力企业在C-NCAP场景下进行测试和分析AD/ADAS控制算法,并根据预期结果进行改进,助力企业通过C-NCAP测试。统一平台:支持多场景的自驾仿真验证CATIA SCANeR™是一个模块化开放式的自动驾驶虚拟仿真验证方案,提供道路环境、车辆、传感器、交通建模、场景编辑、海量仿真以及逼真的实时3D可视化功能,也可以实现机器学习算法设计、AD/ADAS算法设计、传感器布置和性能设计、车辆动力学行为设计、CAD布置设计、驾驶员人因分析、信息和娱乐系统交互性分析,以及面向海量场景的并行仿真验证。在SCANeR™工具中主要分为场景脚本、虚拟环境、仿真模块三个区框,分别对相应的脚本和模型进行配置编辑。安装CATIA SCANeR™内置相关NCAP库文件,就可以直接获得CCRs AEB测试所需要虚拟环境和场景脚本。与此同时,应用CATIA SCANeR™工具可以实现X-in-Loop多层级、多执行平台的虚拟仿真验证活动。企业可以通过单机工作站、HPC超算中心以及云资源实现SiL和MiL层级的测试,进而通过以太网等接口实现与目标ECU的HiL层架测试,并结合应用不同复杂程度的硬件支持实现驾驶员在环DiL或者车辆在环ViL层级的测试工作。达索系统3DEXPERIENCE平台在虚拟仿真解决方案的基础之上进一步拓展到前期的场景开发,架构定义,感知技术与软件算法,为客户提供完整的一体化解决方案,最大化的基于数字主线实现全流程的数字孪生。某客户使用CATIA SCANeR™ 中NCAP场景库在虚拟环境中快速生成了符合NCAP的AEB测试交通场景、车辆动力学模型、测试驾驶员AI等,依靠虚拟孪生,在虚拟世界中仿真、验证企业AEB算法,减少物理世界试验样车,最终减少了一个物理原型并且缩短了50%的开发时间,快速获取了EURO-NCAP认证。-END-

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈