Sep.2026 12
Pandangan: 1015
Pengecasan dipacu data: pembelajaran mesin untuk SOC NiMH, penamatan cas dan cas pantas adaptif
pengenalan
Pendekatan pembelajaran mesin dan neuro-kabur untuk pengecasan NiMH: arus malar berbilang peringkat ANFIS, model terpelajar keadaan cas/terma dan pengelas penamatan; data yang diperlukan, cara mengesahkan dengan selamat dan hadnya berbanding pemerhati fizik.
Butiran

Pengecasan dipacu data: pembelajaran mesin untuk SOC NiMH, penamatan cas dan cas pantas adaptif

Apabila pengecas mendapat kuasa pemprosesan dan armada menjana data, pembelajaran mesin menawarkan laluan baharu kepada keputusan pengecasan yang model klasik terbitkan daripada fizik: mempelajari peringkat arus yang memaksimumkan kecekapan (skim arus malar berbilang peringkat terkawal ANFIS yang dilaporkan untuk NiMH/NiCd), mengecam corak hujung cas daripada surih voltan dan suhu, dan membetulkan baki model dalam anggaran keadaan cas dan anggaran terma. Kertas akhir kumpulan anggaran ini meninjau apa yang pengecasan dipacu data benar-benar lakukan dengan baik dalam NiMH, data latihan dan disiplin pengesahan yang dituntutnya, dan mengapa reka bentuk selamat pengeluaran mengekalkan lantai fizik dan had berwayar di bawah sebarang dasar terpelajar – supaya kefleksibelan pembelajaran tidak pernah menjadi arus cas tanpa had.

Di mana pembelajaran memasuki gelung cas

Tiga titik sisipan produktif. Pertama, pengoptimuman profil: mempelajari peralihan peringkat arus yang memaksimumkan kecekapan cas atau meminimumkan haba/masa, dicontohi oleh pengawal arus malar berbilang peringkat neuro-kabur adaptif (ANFIS) yang disahkan dalam simulasi, yang menala arus peringkat daripada tindak balas voltan-suhu yang berubah. Kedua, anggaran: pembetulan neural atau proses Gaussian bagi ramalan keadaan cas dan terma ECM/Kalman, menangkap percanggahan baki yang ditinggalkan model tetap. Ketiga, pengelasan: mengecam cas penuh, kerosakan atau ketidakpadanan daripada ciri surih sebagai saluran selari kepada -delta-V/dT/dt.

Setiap satu menggunakan pembelajaran untuk memperhalusi keputusan berstruktur dan bukan menggantikan seni bina pengecasan; mesin keadaan dan had keras kumpulan penamatan kekal, dengan logik terpelajar melaraskan parameter dalam julat terhad.

Di mana pembelajaran memasuki gelung cas

Contoh ANFIS arus malar berbilang peringkat

Kerja pengecasan pintar NiMH/NiCd yang dilaporkan menggandingkan hujung hadapan PFC boost dengan keluaran arus malar berbilang peringkat yang arus peringkatnya dipilih oleh sistem inferens neuro-kabur adaptif yang dilatih pada tingkah laku cas, dan mengesahkan skim dalam MATLAB berbanding pengecasan arus tetap. Daya tarikannya ialah struktur kabur/neural menyatakan peraturan pakar – «jika voltan naik curam dan suhu tenang, pegang arus; jika kecerunan mendatar, turun peringkat» – sambil mempelajari ambangnya daripada data, menggabungkan kebolehtafsiran dengan adaptasi.

Ini templat pragmatik: bukannya rangkaian neural hujung-ke-hujung yang mengeluarkan arus sewenang-wenangnya, pengawal berstruktur mempelajari parameter rangka arus menurun yang sudah selamat, jadi walaupun pembelajar tidak terlatih atau gagal, ia merosot ke profil konvensional yang konservatif.

Keperluan data dan masalah pelabelan

Model cas diselia memerlukan kebenaran asas berlabel: keadaan cas rujukan daripada pengiraan coulomb yang ditentukur, berlabuh pada titik hujung, detik cas penuh rujukan daripada tekanan/suhu berinstrumen, dan haba daripada termoganding – merangkumi keseluruhan grid arus, suhu, umur dan lot sel yang akan ditemui produk. Variasi lot-ke-lot dan umur NiMH bermakna model yang dilatih hanya pada sel segar suhu bilik gagal pada yang tua dan sejuk; liputan set data, bukan kecanggihan algoritma, biasanya kekangan yang mengikat.

Ciri harus bermakna secara fizik dan dirujuk kepada arus – dV/dt yang ditapis, dT/dt, rintangan daripada denyutan, cas terkumpul, kelonggaran rehat – dan bukannya surih mentah yang bising, yang kedua-duanya mengurangkan data yang diperlukan dan menjadikan tingkah laku terpelajar boleh diaudit.

Pengesahan, lantai keselamatan dan tingkah laku selamat-gagal

Dasar cas terpelajar mesti disahkan dahulu terhadap data yang ditahan, kemudian dalam suntikan kerosakan hardware-in-the-loop, kemudian dalam ujian kebuk terhad dengan had berwayar lebih-suhu, lebih-voltan dan pemasa yang pembelajar tidak boleh batalkan. Kerana model boleh mencadangkan arus luar-agihan apabila berhadapan dengan keadaan baharu, reka bentuk pengeluaran mengapit keluaran terpelajar dalam had terbitan fizik dan kembali kepada pengawal klasik apabila ketidakpastian, kerosakan sensor atau percanggahan antara saluran.

«Pembelajaran penasihat di dalam sampul keras» ini ialah falsafah pertahanan-dalam yang sama seperti kriteria penamatan itu sendiri: lapisan terpelajar mengoptimumkan kes nominal; lantai fizik menjamin kes terburuk.

Pengesahan, lantai keselamatan dan tingkah laku selamat-gagal

Pembelajaran berbanding pemerhati klasik: pandangan seimbang

Penapis Kalman pada ECM yang baik sudah mencapai dalam kerja NiMH yang dilaporkan kira-kira tambah-tolak 3 peratus keadaan cas daripada ralat awal yang besar, boleh diterang dan tidak memerlukan set data yang besar; ML mendapat tempatnya di mana model fizik tidak mencukupi secara struktur – penuaan sangat tak linear, hanyutan parameter seluruh armada, mengecam corak kerosakan halus – dan di mana data yang cukup pelbagai wujud. Tinjauan pemodelan terma juga meletakkan ML sebagai pembetul baki kepada teras fizik dan bukan peramal bersendirian, mengekalkan ekstrapolasi selamat.

Rajah pertama membezakan pemerhati klasik dengan pengawal ditambah pembelajaran; yang kedua menyusun saluran paip selamat dari latihan ke penggunaan, dari data berlabel ke penggunaan terhad di bawah had keras.

Menentukan program cas dipacu data

Tentukan keputusan dan had keluaran yang dibenarkan dahulu; bina rangka berstruktur dan had keras; kumpulkan set data merangkumi arus-suhu-umur-lot dengan label rujukan; latih model yang boleh ditafsir, berciri fizik; buktikan penambahbaikan berbanding garis dasar klasik pada sel yang ditahan (bukan sekadar sampel ditahan bagi sel yang sama); dan hantar dengan sandaran, pengesanan ketidakpastian dan tadbir urus kemas kini melalui udara. Weijiang boleh membekalkan sampel sel merangkumi dan pencirian cas rujukan untuk membina set data sedemikian tanpa mengelirukan variasi sel dengan ralat model.

Dengan kaedah anggaran yang mantap – dari pengiraan coulomb ke EIS, model elektroterma dan pembelajaran – siri ini beralih dari mengenal sel ke memerhati ia haus: kumpulan seterusnya mengkaji bagaimana protokol cas sendiri memacu penuaan dan degradasi NiMH.

Weijiang Power

Weijiang Power mereka bentuk dan mengeluarkan sel nikel-logam-hidrida, pack padan dan konfigurasi sedia-untuk-cas untuk pelanggan pengguna, industri, perubatan dan mobiliti, dan menyokong rakan kongsi dengan panduan protokol pengecasan, fail prestasi IEC 61951-2, bukti keselamatan IEC 62133-1 dan pengesahan bersama pengecas. Kongsikan format sel, kadar cas, sampul terma dan sasaran kitaran, dan jurutera kami akan menentukan gabungan sel-dan-cas yang melindungi kedua-dua masa jalanan dan hayat perkhidmatan. Semak rangkaian pada halaman produk.

Lastest News
Cara bateri litium menggerakkan pembersih vakum mudah alih: ketumpatan tenaga tinggi, jangka hayat panjang sepanjang beribu-ribu kitaran, output kuasa konsisten, ringan dan kelestarian – gambaran keseluruhan daripada Weijiang Li-on Battery.
Baca lebih lanjut
A NiMH battery pack is a collection of individual NiMH batteries connected in series or parallel to create a higher voltage or capacity battery.
Baca lebih lanjut
REQUEST MORE DETAILS
Please fill out the form below and click the button to request more information about
Nama*
WhatsApp/Telefon*
E-mel
Mesej
Kilang bateri profesional, menyokong penyesuaian OEM & ODM.
REQUEST MORE DETAILS
Please fill out the form below and click the button to request more information about
Company Name*
E-mel*
WhatsApp/Telefon*
Mesej & Keperluan*

Buyer fact sheet

Weijiang Power at a glance

Legal entityShenzhen Weijiang Battery Co., Ltd., trading as Weijiang Power
Founded2010, 16 years of NiMH battery manufacturing
FactoryHuizhou Shenzhou Super Power Technology Co., Ltd., Zhongkai High-tech Zone, Huizhou, Guangdong; 12,000 m2, 4 workshops
Capacity200,000 NiMH cells per day; 200+ staff including 11-20 R&D engineers and 10 QC inspectors
Product rangeNiMH cells A, AA, AAA, SC, C, D, 9V, F, Sub-C, 4/5AA, 2/3A; custom NiMH packs; chargers; button and alkaline cells
CertificationsCE (LVD), RoHS, REACH, PPWR, BSCI, ISO 9001:2015, ISO 14001, IATF 16949, IEC 62321, MSDS, UL, IEC 62133; 16 patents; UN38.3 applies only to lithium packs
Markets60+ countries, focus on Europe and the United States
Order termsNo strict MOQ on standard stock; OEM samples 7-15 days; standard production 7-12 days; custom packs 15-25 days
Medical NiMHMedical NiMH battery page

Quick answers for buyers

Who is Weijiang Power?
A NiMH battery manufacturer founded in 2010 in Shenzhen, producing at a 12,000 m2 factory in Huizhou, with customers including PHILIPS, Camelion, RAYOVAC, TCL, Vtech, Gembird and OHM.

What can Weijiang Power supply?
Standard NiMH cells from AA 400-2600mAh and AAA 300-1000mAh up to SC 1100-3300mAh, plus custom NiMH battery packs, chargers and retail blister packs under the buyer's brand.

Which certificates are available for EU and US buyers?
CE (LVD), RoHS, REACH, PPWR, BSCI, ISO 9001, ISO 14001, IATF 16949, IEC 62321, MSDS, UL and IEC 62133, with 16 patents; UN38.3 applies only to lithium packs.

What is the minimum order and lead time?
Standard stock has no strict MOQ and ships in about one working day; OEM samples take 7-15 days; standard bulk orders 7-12 days; custom packs and chargers 15-25 days.

How do I get a sample or a quote?
Send the cell size, voltage, capacity, connector, packaging and target market to Sales@weijiangpower.com or WhatsApp +8613829918525; samples are free and the buyer pays freight.

Deeper reading: NiMH battery sourcing guide for EU and US buyers · EU battery regulation and NiMH compliance guide · Certification checklist · Full FAQ

Language versions: Deutsch · Français · Español

Last reviewed: 20 November 2026. Source: Weijiang Power company records, factory audit documents and certificate register.