Figyelmes hallgatás: az MI jelzi, ha az akkumulátor robbanásveszélyes

[Forrás: evcentral]
Egy forradalmi, mesterséges intelligenciára épülő technológia képes az elektromos járművek akkumulátorainak tűzveszélyét a kigyulladás előtt, 94 százalékos pontossággal észlelni. A módszer a lítium-ion akkumulátorok túlhevülésekor keletkező hangokat elemzi, amelyeket egy kamerára szerelt mikrofon rögzít.

 

Best explosion photo
[Forrás: nis.gov]
A lítium-ion akkumulátorok mindennapjaink részei: megtalálhatók telefonokban, laptopokban, e-bike-okban és elektromos autókban. Számos ilyen akkumulátor lehet a közelünkben, akár több száz is egy épületben. Népszerűségük annak köszönhető, hogy kis helyen sok energiát tudnak tárolni, azonban ez a tulajdonságuk veszélyeket is rejt magában: ha túlmelegszenek vagy megsérülnek, kigyulladhatnak vagy akár fel is robbanhatnak.

A kutatók szerint a lítium-ion akkumulátorok tűzveszélyének egyik előjele egy kémiai reakció, amely nyomásnövekedést idéz elő az akkumulátor belsejében. A nyomás miatt az akkumulátor elkezd duzzadni, és a legtöbb ilyen akkumulátor esetében egy biztonsági szelep nyílik ki, hogy a nyomást csökkentse. Ez a szelepnyitás egy jellegzetes „kattogó-sziszegő” hangot ad ki, amely hasonlít egy szénsavas ital kinyitásának hangjára.

A National Institute of Standards and Technology (NIST) kutatói gépi tanulási algoritmust fejlesztettek ki, amely felismeri ezt a hangot. Ehhez először 38 robbanó akkumulátor hangfelvételét készítették el egy kínai egyetemmel együttműködve. A felvételek hangmagasságát és sebességét módosították, így több mint 1000 egyedi hangmintát hoztak létre az algoritmus betanításához.

Az eredmények

Az algoritmus rendkívüli pontossággal működik:

  • 94 százalékos sikeresség a túlhevülés hangjának felismerésében.
  • 91,6 százalékos precizitás és 97,7 százalékos érzékenység a hangminták elemzése során.
  • A rendszer különféle zajokkal (ajtócsukódás, sétálás, üdítőnyitás) szemben is stabilnak bizonyult, csak néhány zavaró hangminta okozott problémát.

A kísérletekhez 1128 különböző akusztikus adatmintát használtak, amelyek között emberi tevékenységek hangjai is szerepeltek. A fejlesztett modell 10 másodperces hangadatokat használ bemenetként, és egy konvolúciós neurális hálózati struktúrára épül.

Gyakorlati alkalmazások

Az új technológia lehetőséget nyújt arra, hogy időben figyelmeztessen a termikus túlhevülésekre, így megelőzhetők a súlyos tűzesetek. A kutatók szerint a rendszer egy új típusú tűzjelző készülék alapját képezheti, amely otthonokban, irodákban, vagy akár akkumulátorraktárakban és elektromosjármű-parkolókban is használható lesz.

A NIST szerint a lítium-ion akkumulátorok biztonságosabb használatának kulcsa a „figyelmes hallgatás” lehet. A technológia jelentős előrelépést jelenthet az akkumulátoros eszközök és járművek biztonságának növelésében, valamint a tűzvédelmi rendszerek továbbfejlesztésében.

További tartalmak

Legolvasottabb tartalmak

Strategy

Valós idejű adózás

Human

Az egészség hálózatai

Technology

Egy év, amely átírta az emberiség és a mesterséges intelligencia viszonyát

Strategy

Exportcikk lehet a DÁP-ból

ITBUSINESS heti hírlevél feliratkozás

.
Scroll to Top