14:34
视频长度为 14:34
人工智能与基于模型设计在电池状态评估中的应用
电池荷电状态(SOC)是电池管理系统(BMS)的关键信号。然而,它不能被直接测量。当目标信号无法被测量,或者物理传感器给设计增加了太多的成本和复杂性时,虚拟传感器建模可以在这样的情况下提供帮助。深度学习和机器学习技术可以作为卡尔曼滤波器和其他著名的虚拟传感技术的替代或补充。这些基于人工智能的虚拟传感器模型必须与嵌入式系统的其他部分集成。在BMS的情况下,基于AI的SOC虚拟传感器必须与功率限制、故障检测和电池单元平衡算法相结合。开发如此庞大而复杂的系统需要对不同的组件进行集成、实现和测试,同时尽量减少昂贵和耗时的实际硬件原型。基于模型的设计是一种经过验证的实现方法。
在本次演讲中,将介绍如何使用机器学习和深度学习算法开发虚拟传感器模型,以及如何将AI模型集成到基于模型的设计中,可以通过模型仿真对设计进行测试,并使用自动代码生成在嵌入式设备上实现部署。
出版年份: 2022 年 6 月 19 日
您也可以从以下列表中选择网站:
如何获得最佳网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他 MathWorks 国家/地区网站并未针对您所在位置的访问进行优化。
美洲
- América Latina (Español)
- Canada (English)
- United States (English)
欧洲
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
亚太
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)