EVバッテリーの設計シミュレーションと試験のためのSmartUQ

機械学習と不確かさの定量化でバッテリーのイノベーションを加速する

電気自動車のバッテリー開発には、不確かさのもとでのイノベーションが求められます。エンジニアは、環境条件、製造、使い方のばらつきを考慮しながら、性能、安全性、コスト、ライフサイクルの制約のバランスを取らなければなりません。SmartUQの機械学習と不確かさの定量化のツールを使えば、エンジニアは設計サイクルを速め、データに基づく意思決定を確信を持って行えます。

EVバッテリーにSmartUQを使う理由

• 費用のかかる試験とシミュレーションを減らす：最新の実験計画法で、必要なシミュレーションと実験の回数を最小限に抑えます。
• 高速で高精度なサロゲートモデルを構築する：SmartUQの機械学習モデルは、計算コストの大きいバッテリーのシミュレーション（電気化学、熱、構造など）を、ごくわずかな時間で再現します。
• 不確かさを定量化する：不確かな条件（周囲温度、材料のばらつきなど）が、バッテリーの性能と安全性に与える影響を評価します。
• 不確かさのもとで最適化する：ばらつきがあっても、最適なバッテリー設計、制御戦略、レシピを見つけます。
• デジタルツインをキャリブレーションする：フィールドや試験のデータでモデルをキャリブレーションし、リアルタイムのバッテリー監視と予測を改善します。

適用分野

• 熱マネジメント：周囲条件や冷却液の流量に不確かさがあるなかで、バッテリーの冷却システムをモデル化し、最適化します。
• セルの化学と劣化：サロゲートモデルを使って、放電曲線や、サイクルに伴う容量低下の評価を速めます。
• 信頼性と寿命：使い方と環境の不確かさを伝播させて、バッテリー寿命の分布と故障リスクを予測します。
• バッテリーマネジメントシステム（BMS）の設計：感度解析と不確かさ伝播で、制御戦略を評価します。

事例：バッテリーの熱シミュレーション

ある適用例では、COMSOLのシミュレーションを使い、冷却液の流量、熱伝導率、周囲温度を変えたときのバッテリーセルの最高温度を評価しました。SmartUQは60回のシミュレーション結果から高精度なサロゲートモデルを学習し、さらに30回の結果でそのモデルを検証しました。このモデルで不確かさ伝播と確率的な最適化を効率よく行い、バッテリー熱マネジメントシステム（BTMS）の性能に関わる設計上のトレードオフを評価できました。このモデルは、シミュレーションのパラメータを物理データにキャリブレーションするのにも使われました。

SmartUQのソフトウェアの機能

• 実験計画法：ラテン超方格法、スライスDOE、入れ子型DOE、アダプティブDOEなど、効率のよいサンプリング手法。
• 機械学習モデリング：高次元、時系列、関数型のバッテリーシミュレーション出力に特化した、ガウス過程（GP）ベースのモデル。
• モデルのキャリブレーション：頻度論的キャリブレーションとベイズキャリブレーションで、シミュレーションの予測を実験やフィールドのデータと整合させます。
• 解析：感度解析、不確かさ伝播、ロバスト最適化や信頼性ベース最適化のためのツール。
• 連携：Python、MATLAB、FMUとのインターフェースと、COMSOLやANSYSなどのシミュレーションプラットフォームへの直接接続。

EVバッテリーのデジタルツインを構築する

SmartUQでは、キャリブレーション済みのサロゲートモデルとセンサーデータを組み合わせて、リアルタイムのデジタルツインを構築できます。予知保全、充放電の制御、バッテリーシステムの長寿命化に役立ちます。

デモのお申し込み

SmartUQでバッテリーの研究開発ワークフローをどう効率化できるか、ぜひお確かめください。無料トライアルENのお申し込みや、お問い合わせをお待ちしています。

関連資料