Vorhersage des Zellalterungsprozesses mit Präzision – Let’s Release!
Beschleunigen Sie die SOH-Bestimmung, indem Sie intelligenter und nicht langsamer handeln. Veraltete Testkampagnen erstrecken sich über ein Jahr – blockieren Prüfstände, überlasten Klimakammern und verzögern Zeitpläne. Jeder Faktor, der die Alterung von Batterien beeinflusst – von Lade-/Entladezyklen über Temperatur bis hin zu Ruhe und mechanischem Stress – erfordert monatelange isolierte Tests. Selbst OEMs wiederholen die Tests von Lieferanten, um die Zellalterung zu verifizieren. Die Validierung kommt ins Stocken, Kapazitäten bleiben gebunden und die Markteinführungszeit wird länger. Aber warum Zeit verschwenden? Trainieren Sie Machine-Learning-Modelle mit frühen Zyklen, um Muster zwischen schnell und langsam alternden Zellen zu erkennen. Lassen Sie Algorithmen das Degradationsverhalten lernen und präzise die verbleibenden 20 – 40 % der SOH-Kurve vorhersagen – unter Verwendung aktiver Design-of-Experiments (DoE)-Strategien. Mit intelligenter Parametervariation und optimierter Testsequenzierung reduzieren Sie wertvolle Zeit, gewinnen früher Erkenntnisse und befreien Ressourcen – während andere noch testen.
Batteriepack-Validierung im Labor – Let’s Release!
Verkürzen Sie die Wartezeit, erkennen Sie Risiken frühzeitig: Die Validierung von Batteriepacks in physischen Fahrzeugen spiegelt zwar die realen Bedingungen wider, aber sie kommt viel zu spät. Probleme in dieser Phase zu entdecken, gefährdet den SOP-Zeitplan und erhöht die Kosten für Korrekturmaßnahmen. Warum also warten? Verschieben Sie die Validierung stattdessen auf den Batterieprüfstand. Mit Battery-in-the-Loop und vollständiger Fahrzeugsimulation spiegeln Sie reale Lasten, thermische Dynamik und Fahrerverhalten mit voller Automatisierung wider. Das Batteriepack reagiert wie auf der Straße, während Sie jeden Parameter kontrollieren. Simulieren Sie Reichweite, Stressleistung und extreme Temperaturen. Evaluieren Sie SOx-Werte wie State-of-Charge (SOC) unter realistischen Fahrbedingungen und verfeinern Sie Ihre Strategien frühzeitig. Führen Sie Alterungsvorhersagen, thermische Stressszenarien und vollständige Leistungstests auf Fahrzeugebene durch – noch bevor der erste Prototyp existiert. Keine Überraschungen in der späten Phase. Keine kostspieligen Nacharbeiten. Keine thermischen Ausfälle.
Vorhersage von SOx über Flotten hinweg – Let’s Release!
Hören Sie auf, den Zustand der Batterie zu erraten. Die Vorhersage von SOx während des Betriebs ist oft uneinheitlich und führt das BMS in die Irre und untergräbt Garantiefälle und Wartungsplanung. Und warum? Weil bordeigene Systeme nur eine Batterie in einem Fahrzeug sehen. Ohne breiteren Datenkontext schwanken die Werte unregelmäßig und verlieren an Bedeutung. Wechseln Sie von fragmentierten Messwerten zu cloudbasierter Intelligenz, die durch vernetzte BEVs und zentralisierte Datenanalyse unterstützt wird. Durch die Aggregation von Felddaten ganzer Flotten können Sie robuste SOx-Vorhersagemodelle erstellen, die optimierte Strategien direkt in das BMS einspeisen. KI-Methoden wie Long Short Memory (LSTM) und Transfer Learning kombinieren Labor- und Feldwissen, um die Vorhersagegenauigkeit zu erhöhen. Federated Learning gewährleistet den Datenschutz und verbessert gleichzeitig kontinuierlich die Modellleistung in globalen Flotten. Sie erhalten frühzeitige Warnungen vor Anomalien, eine zuverlässige Lebensdauerplanung und eine präzise SOx-Transparenz – nicht auf der Grundlage von Hypothesen, sondern von strukturierten Ergebnissen. Und mit der Ursachenanalyse können Sie quantifizieren, was wirklich eine Verschlechterung der Batterieleistung verursacht – und was Sie dagegen tun können.
AVL Software Lösungen – Für die Zukunft gebaut
Sie kennen die Herausforderung. Wir bringen die Werkzeuge. Die modulare Software-Toolchain von AVL unterstützt Sie in allen Phasen der E-Mobilitätsentwicklung.
AVL CAMEO 5™ ermöglicht ein neues Level der Kalibrierung und Validierung von Softwaretests im Automobilbereich.
In dieser Webinarserie präsentieren Dr. Nikolaus Keuth und Gerhard Schagerl Methoden der künstlichen Intelligenz (KI), die durch eine begleitende Data-Analytics-Toolkette unterstützt werden. Ziel ist es, intelligentere Entscheidungen auf der Grundlage von Automotive-Daten zu ermöglichen.
AVL Virtual Studio ist nicht einfach nur ein weiteres Softwareprodukt, sondern eine umfassende virtuelle Testerfahrung, die darauf abzielt, die komplexen Herausforderungen moderner Testsysteme zu bewältigen.
EVolve Mobility Webinar Serie
Schnellere, intelligentere und sicherere EV-Entwicklung
Reduzieren Sie die Entwicklungszeit. Höhere Qualität. Innovation beschleunigen.
Die EVolve Mobility Webinarreihe bietet 5 gezielte Vertiefungen zu den Themen Verkürzung der Testzeit, Steigerung der Batterieleistung und Beschleunigung von Software-Releases - alles mit intelligenten, integrierten Lösungen für die Zukunft der Elektromobilität.
Gerald Sammer
Principal Business Development Manager