深層学習を使用したバッテリー充電状態の推定
この例では、バッテリーの充電状態を推定するためのエンドツーエンドのワークフローを実行する方法を示します。このワークフローでは、要件の定義、データの準備、モデルの学習、モデルのテスト、Simulink への組み込み、SIL シミュレーション、および要件の検証を行います。次の図は、この例で説明する手順を示しています。
バッテリーの充電状態 (SOC) は、バッテリーの容量に対する充電レベルを割合として表したものです。SOC は車両のエネルギー管理システムにとって非常に重要な情報であり、信頼性が高く価格が手ごろな電動車 (xEV) を実現するには、SOC を正確に推定しなければなりません。しかし、リチウムイオン バッテリーは、温度、状態、および SOC に依存する非線形な挙動を示すため、SOC の推定は自動車工学において依然として大きな課題となっています。この問題に対してこれまで使用されてきた手法 (電気化学モデルなど) では、通常、バッテリーの組成と物理的な応答に関する精密なパラメーターと知識が必要となります。一方、ニューラル ネットワークによる手法はデータ駆動型の手法であり、バッテリーやその非線形挙動に関して最小限の知識があれば十分です。
この例では、次の手順を実行する方法を示します。
Prepare Data for Battery State of Charge Estimation Using Deep Learning
Train Deep Learning Network for Battery State of Charge Estimation
Compress Deep Learning Network for Battery State of Charge Estimation
Test Deep Learning Network for Battery State of Charge Estimation
Integrate AI Model into Simulink for Battery State of Charge Estimation
Generate Code for Battery State of Charge Estimation Using Deep Learning
参考
トピック
- 要件を使用した MATLAB 関数の開発と検証 (Requirements Toolbox)
- Train and Compress AI Model for Road Damage Detection
- MATLAB による深層学習