Predictive eBoost per Volkswagen
- Matlab, Pandas, Python, Pytorch, simulink, sklearn, Tensorflow
Inicio » Casos de éxito »
Descripción
El objetivo de este proyecto es diseñar nuevas estrategias, basadas en algoritmos de Machine Learning y análisis de datos, para mejorar la eficiencia y rendimiento de los motores y baterías de los vehículos eléctricos.
Las baterías de los vehículos eléctricos son cada vez más potentes y tienen mayor autonomía pero también necesitan una gestión térmica adecuada. Las estrategias actuales sólo tienen en cuenta la temperatura actual de los componentes del vehículo para decidir cuándo enfriarlos o calentarlos. El desarrollo de sistemas más inteligentes de ayuda a la toma de decisiones, como modelos de aprendizaje automático, permitirá conseguir unos mejores criterios de eficiencia y consumo.
El enfoque de este proyecto consiste en utilizar información del trayecto del vehículo, como la pendiente de la vía o la velocidad de circulación, para decidir cuándo activar la refrigeración de la batería y, así, poder mejorar las estrategias actuales.
Proyecteos Finales de Carrera, Master o Tesis
Artículos y presentaciones
- La UPC, SEAT i Volkswagen Group Innovation cerquen noves estratègies per millorar el rendiment del ‘powertrain’ i de les bateries dels vehicles elèctrics del futur (Premsa UPC)
- La UPC, SEAT i Volkswagen Group Innovation col·laboren per millorar el rendiment de les bateries dels vehicles elèctrics del futur (GENCAT)
- El proyecto Predictive eBoost aplicará sistemas inteligentes para aumentar el rendimiento del VE (SMART GRIDS INFO)
- La UPC, SEAT y Volkswagen buscan mejorar los motores y las baterías de los vehículos eléctricos (AUTO-REVISTA)
- Video Predictive eBoost