Predictive eBoost

Descripció 

L’objectiu d’aquest projecte és dissenyar noves estratègies, basades en algorismes de Machine Learning i anàlisi de dades, per millorar l’eficiència i el rendiment  dels motors i bateries dels vehicles elèctrics.

Les bateries dels vehicles elèctrics són cada vegada més potents i tenen més autonomia però també necessiten una gestió tèrmica adient. Les estratègies actuals només tenen en compte la temperatura actual dels components del vehicle per decidir quan refredar-los o escalfar-los. El desenvolupament de sistemes més intel·ligents d’ajut a la presa de decisions, com ara models d’aprenentatge automàtic, permetrà assolir uns millors criteris d’eficiència i de consum.

L’enfocament d’aquest projecte consisteix a fer servir informació del trajecte del vehicle, com el pendent de la via o la velocitat de circulació, per decidir quan activar la refrigeració de la bateria i, així, poder millorar les estratègies actuals.

Període del projecte 
Desembre, 2021 - Desembre, 2022
Tecnologia 
Python,
Matlab,
simulink,
sklearn,
Tensorflow,
Pytorch,
Pandas
Àrees d'expertesa aplicades al projecte 
Equip participant inLab 

Segueix-nos a

Els nostres articles del bloc d'inLab FIB

         
         

inLab FIB incorpora esCert

Icona ESCERT

First LogoCSIRT Logo

inLab és membre de

Archivo:European Institute of Innovation and Technology logo.png -  Wikipedia, la enciclopedia libre     CIT UPC

         

    

inLab és centre TECNIO

ACCIO