| 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 |
- Incremental Capacity Analysis
- bms
- 코이딥
- 머신러닝
- 배터리 딥러닝
- 배터리 모델링
- 배터리 AI
- eis
- Deep learning
- Battery modeling
- Battery SOH
- Machine Learning
- state of health
- 배터리 열화
- 텐서플로우
- tensorflow
- Battery Deep Learning
- 딥러닝
- 딥러닝 코드
- 리튬배터리
- 칼만필터
- Battery AI
- AzureML
- 코드로 이해하는 딥러닝
- Kalman filter
- 배터리 진단
- Battery Management System
- Azure
- 배터리 EIS
- 머신러닝 코드
- Today
- Total
목록Battery Management System (64)
Engineering insight
Issues and challenges facing rechargeable lithium batteriesNature (2001) · J.-M. Tarascon, M. Armand원문 DOI: https://doi.org/10.1038/35104644 한 줄 핵심이 논문은 리튬이온전지의 미래가 “더 좋은 단일 소재”가 아니라, 양극·음극·전해질·계면·안전·제조성을 함께 최적화하는 시스템 설계에 달려 있음을 정리한 초고영향력 리뷰입니다.1. 문제정의2001년 시점의 배터리 산업은 휴대기기 확산으로 더 높은 에너지밀도, 더 긴 수명, 더 가벼운 폼팩터를 강하게 요구받고 있었습니다. 그러나 수계 전지는 전압이 낮고, 금속 리튬 전지는 덴드라이트와 안전성 문제가 컸습니다. 이 논문은 왜 리튬이온전지가 승리했는지..
Uncertainty-aware and explainable machine learning for early prediction of battery degradation trajectoryDigital Discovery (2023) · Laura Rieger, Erik Frank, Oleksandr V. Wodyński, Alpha A. Lee, Tejs Vegge, Anja B. BizerayDOI: https://doi.org/10.1039/d2dd00067aHTML 본문: https://pubs.rsc.org/en/content/articlehtml/2023/dd/d2dd00067a Uncertainty-aware and explainable machine learning for early pred..
Identifying degradation patterns of lithium ion batteries from impedance spectroscopy using machine learningNature Communications (2020) · Yunwei Zhang, Qiaochu Tang, Yao Zhang, Jiabin Wang, Ulrich Stimming, Alpha A. Lee원문: https://www.nature.com/articles/s41467-020-15235-7DOI: https://doi.org/10.1038/s41467-020-15235-7 한 줄 핵심이 논문은 배터리 EIS 전체 스펙트럼을 그대로 machine learning에 넣어 capacity와 RUL을 추정하면서, ..
A highly efficient polysulfide mediator for lithium–sulfur batteriesNature Communications (2015)저자: Xiao Liang, Connor Hart, Quan Pang, Arnd Garsuch, Thomas Weiss, Linda F. Nazar원문: https://www.nature.com/articles/ncomms6682DOI: https://doi.org/10.1038/ncomms6682 한 줄 핵심이 논문은 Li–S 배터리의 최대 병목인 polysulfide shuttle 문제를 단순 물리적 confinement가 아니라 MnO2 표면의 redox mediator chemistry로 제어해, 고황함량(75 wt%)과 장수명..
Multi-modal framework for battery state of health evaluation using open-source electric vehicle dataNature Communications (2025) · Hongao Liu et al. · DOI: 10.1038/s41467-025-56485-7원문: https://www.nature.com/articles/s41467-025-56485-7 · PMC: https://pmc.ncbi.nlm.nih.gov/articles/PMC11779878/한 줄 평가이 논문은 실차 EV SOH 추정에서 “모델”보다 “입력 표현(representation)”이 더 중요할 수 있다는 점을 설득력 있게 보여준 연구입니다. 가장 큰 기여는 딥러닝..
