Benutzer: Gast  Login
Originaltitel:
Erweiterte Fehlerdiagnose in Lithium-Ionen-Batteriesystemen mit Methoden des maschinellen Lernens
Übersetzter Titel:
Advanced fault diagnosis in lithium-ion battery systems using machine learning methods
Autor:
Schmid, Michael Richard
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Kennel, Ralph (Prof. Dr. Dr. h. c.)
Gutachter:
Kennel, Ralph (Prof. Dr. Dr. h. c.); Endisch, Christian (Prof. Dr.); Sauer, Dirk Uwe (Prof. Dr.)
Sprache:
de
Fachgebiet:
ELT Elektrotechnik
TU-Systematik:
ELT 855; ELT 868
Kurzfassung:
Diese Arbeit beschäftigt sich mit erweiterten Methoden zur Fehlerdiagnose, die über die Einhaltung des sicheren Betriebsbereichs aller Zellen hinausgehen. Die Entwicklung datengetriebener Methoden erlaubt, Zellanomalien bereits in einer frühen Phase zu erkennen, bevor eine extensive Wärmegenerierung entsteht. Anhand eines rekonfigurierbaren Batteriesystems, das über Schalter auf Zellebene verfügt, zeigt die Arbeit, dass Schalthandlungen die Lokalisierung und Identifikation von Fehlern verbessern...     »
Übersetzte Kurzfassung:
This work addresses advanced methods for fault diagnosis beyond maintaining the safe operating range of all cells. The development of data-driven methods allows cell anomalies to be detected in an early stage before extensive heat generation occurs. Using a reconfigurable battery system that exhibits cell-level switches, the work shows that switching actions improve fault localization and identification.
WWW:
https://mediatum.ub.tum.de/?id=1693611
Eingereicht am:
16.01.2023
Mündliche Prüfung:
01.07.2024
Dateigröße:
79930750 bytes
Seiten:
308
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240701-1693611-1-8
Letzte Änderung:
25.07.2024
 BibTeX