智能传感器系统：Denkweit用AI测试电动汽车电池

生产过程中的电池废品，电池故障，以后可能成为汽车火灾隐患——初创公司Denkweit开发了一种基于AI的测试系统，可以防止这两种情况的发生。

▲到目前为止，如果怀疑有故障，必须完全拆除电池模块，在实验室中进行分析，最坏的情况是立即丢弃——这在未来可能会发生变化。图片：Adobe Stock / romaset

电动汽车电池的电池组故障很难无损地找到。通过检查单个单元来防止生产过程中出现次品，这是该行业尚未真正解决的问题。到目前为止。创业公司Denkweit，是位于哈雷（Halle）的弗劳恩霍夫材料和系统微观结构研究所（IMWS）的一个分拆公司，它开发了一种智能测试系统，可以解决以前不可能的问题。

解决此问题的要素：将创新传感器技术与机器学习算法和自学习评估系统相结合的分析过程。“利用我们的技术，电动汽车电池的质量控制已经可以在生产过程中进行，”Denkweit 董事总经理兼联合创始人Dominik Lausch说。“电池将在无损、非接触性和实时的基础上进行异常检查。”

▲借助AI支持的分析工具，应该能够以无损、非接触方式和实时方式检查电池是否存在异常。图片：Denkweit

寻找磁性指纹

Lausch的想法遵循一个基本的物理原理：当电流流过导体时，它们会产生一个三维磁场。“它的模式就像指纹一样具有特征性，”这位物理学家和前弗劳恩霍夫研究人员解释说。“如果出现故障或缺陷，电流或电流强度会发生变化，磁场的模式也会随之改变。”为了精确地检测这些变化，新开发的高分辨率线传感器测量电流的强度、分布和方向。质量控制人员只用手持扫描仪刷电池。然而，这导致了大量的数据，必须对这些数据进行评估和搜索以找出偏差模式。

人工智能开始发挥作用来识别磁性指纹：这家初创公司已将其传感器与机器学习算法联系起来。这些是用来自有缺陷的电池系统的数据和计算机上的故障模拟进行训练的。从而努力学习基于人工智能的图像识别保持在可管理的范围内：“我们的程序只需要大约10到15 张图像来识别偏差模式，”Lausch说。“大多数情况下，人工智能的神经网络必须被输入数千个数据才能达到这种效果。”

这种快速学习是通过内部开发的网络架构实现的，该架构在互联网上搜索合适的、免费提供的数学辅助工具，试用它们并将最好的打包在一起。这就是解决方案的魅力所在：“我们也优化了参数，但最重要的是我们优化了数学工具，以获得能够提供最佳结果的人工智能，”Lausch解释说。工具箱根据应用程序自动优化。

无损质量检查引起OEM的兴趣

在实践中，这家初创公司的软件会自动识别电池组或焊接点的缺陷，并自动将其发现转换成图像。Lausch：“通过我们的测量数据，我们甚至可以识别单个有缺陷的电池单元，这是一个巨大的进步。”到目前为止，如果怀疑出现故障，整个模块必须被拆除，在实验室进行分析，或者在最坏的情况下立即丢弃。

检查在几秒钟内完成，因此可以在线执行智能质量控制。此外，在线检查将显著加快生产速度。这也让汽车行业的事情变得有趣。因此，大众汽车和伟巴斯特等公司率先使用这家成立仅三年的初创公司的技术也就不足为奇了。特斯拉和研发部门也有兴趣。

大家都知道：对电池进行早期、无损和精确的测试是实现安全且实际上更环保的汽车的必要步骤，因为这样可以最大限度地减少难以回收的电池废物。此外，该方法还可以转移到其他应用中，例如太阳能模块或电力设备的分析。“原则上，我们可以用它来测试任何电气连接，”Lausch强调说。