Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | |||||
| 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| 17 | 18 | 19 | 20 | 21 | 22 | 23 |
| 24 | 25 | 26 | 27 | 28 | 29 | 30 |
| 31 |
Tags
- 딥러닝
- tensorflow
- 배터리 연구
- 리튬배터리
- state of health
- 텐서플로우
- 배터리 EIS
- Machine Learning
- 배터리 열화
- bms
- Incremental Capacity Analysis
- AzureML
- 머신러닝
- 배터리 모델링
- 배터리 진단
- Battery Management System
- 코이딥
- 배터리 AI
- 칼만필터
- 머신러닝 코드
- 배터리 딥러닝
- 딥러닝 코드
- Azure
- Battery Deep Learning
- Battery AI
- 코드로 이해하는 딥러닝
- Battery SOH
- eis
- Kalman filter
- Deep learning
Archives
- Today
- Total
목록분류 전체보기 (341)
Engineering insight
아레니우스 방정식은 화학반응 속도를 수식으로 표현한 것입니다. k=A*exp(-E_a/(R*T)) 라는 수식으로 정리가 되는데요 A와 R은 상수이므로, 사실상 관계식을 이해하기 위해서는 k,E_a, T만 알면 됩니다. k는 반응속도, E_a는 활성화에너지, T는 절대온도입니다. 즉, 반응속도 = exp(-활성화에너지/절대온도) 가 되는것이죠 exp(-alpha)함수는 다음과 같습니다. alpha = 할성화에너지/절대 온도로, 그래프를 해석한걸 간단하게 요약하자면 "온도가 높을수록/활성화 에너지가 낮을수록 화학반응속도는 빨라진다(exponential에 비례하게)"입니다. 다른 자잘한것들은 보다, 이 수식이 근본적으로 나타내는 핵심은 이것입니다. 이것을 리튬배터리에 접목하여 생각해보면, "분극 발생 해석"에..
Battery/Battery engineering
2020. 11. 26. 20:50
