Affidabilità di strategie di intelligenza artificiale per il monitoraggio del degrado di batterie agli ioni di litio

Le batterie agli Ioni di Litio (Li-Ion) sono utilizzate in una vasta gamma di applicazioni che richiedono un’alimentazione portatile, ad alta energia e di lunga durata. Esse furono inventate negli anni ’70, ma vennero rese disponibili per l’uso commerciale solo vent’anni dopo. Da allora, questo tipo di batterie, ha gradualmente sostituito le tecnologie di batterie preesistenti, a causa di molteplici caratteristiche interessanti, come l’elevata densità energetica, la bassa auto-scarica, i tempi di vita più lunghi e la bassa richiesta di manutenzione, che le rendono ideali per le applicazioni più disparate. Sebbene i vantaggi nell’utilizzo di questo tipo di batterie siano molteplici, la loro capacità tende a decrescere progressivamente all’aumentare dei cicli di carica e scarica delle stesse, compromettendone un funzionamento corretto ed un utilizzo sicuro. Pertanto, riuscire a prevedere lo Stato di Salute di queste batterie, prima che esse si guastino, è una missione importante che è necessario portare a termine nel minor tempo possibile, senza attendere che la batteria finisca un regolare ciclo di scarica. Nel seguente studio è stata implementata una Rete Neurale Convoluzionale per la predizione della capacità di una Batteria agli Ioni di Litio, in modo da determinarne lo Stato di Salute e poter effettuare una classificazione tra batterie ancora utilizzabili in sicurezza e non. Nella seconda parte dello studio, inoltre, è stata simulata la presenza di Soft Error causati potenzialmente da guasti transitori all'interno dell'hardware utilizzato per implemetare la rete ed è stato studiato come essi influenzino le capacità predittive della stessa, per lo sviluppo futuro di tecniche di fault tolerance. A causa delle numerose applicazioni safety critical delle batterie agli Ioni di Litio, è importante, infatti, garantire l'Affidabilità dei metodi di Intelligenza Artificiale utilizzati per il monitoraggio del loro degrado.