《汽车工厂项目中如何应用BIM模型?》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2023-08-02
  • IFM是数字工厂与建筑信息模型(BIM)的融合,这种方法通过简化从设计到运营的整个过程,已在建筑行业取得了巨大成功。
    我国汽车工业经过20年多年的高速发展,随着消费者多样性需求的变化,为应对产品同质化程度高,价格竞争激烈等问题,车企开始转变生产制造模式以适应个性化定制的需求。为了迎合市场变化并保持竞争力,重新设计工厂的需求便被不断提出。在这种变革的背景下,数字工厂可以为车企等制造商提供更加高效且精确运营的重要机会,同时能为车企降低成本并打造协作性更强、安全性更高的工作环境。        打造真正优化的数字工厂这一愿景意味着制造商们需要采用更先进的技术和功能,在整个制造流程中创建单一可信的数据源,打破当前孤立的运营模式,并在利益相关方之间实现更高的协作水平。这需要一个战略平台和生态系统推动因素,才能带来持续灵活且以数据为驱动的方法,提升数字工厂的性能。        实现这一目标的关键是利用数据,从而促使制造商能在正确的时间做出正确的决策。这正是集成式工厂建模(以下简称“IFM”)的思路和方法。IFM是数字工厂与建筑信息模型(BIM)的融合,这种方法通过简化从设计到运营的整个过程,已在建筑行业取得了巨大成功。同时,经过国内外汽车厂商的探索和实践,IFM方法在汽车领域也是非常成功的。        机械工业第九设计研究院股份有限公司(以下简称“九院”)始建于1958年,是我国专业从事汽车工厂规划、设计和建设的甲级设计研究院,是国家高新技术企业和国家级工业设计中心单位,被誉为“中国汽车工厂设计的摇篮”。九院高度重视数字化技术,在整体战略规划中,将数字化应用行业领先作为公司的战略目标之一。        红旗新能源工厂项目是机械工业第九设计研究院股份有限公司最具代表性的项目之一,项目位于长春汽车产业技术开发区,占地面积75.6万平,建筑面积约43.5万平,是中国一汽红旗发展战略的重点工程,也是助力长春市区域经济发展的重要项目。        红旗新能源工厂项目的整体要求是采用满足红旗生产需要的生产装备、生产体系等现代化生产制造系统,建设一座满足红旗产品生产需要的新高尚现代化智能工厂。这就意味着其交付质量和周期都远高于以往的项目,并且要实现数字工厂和现实工厂双交付。        借助欧特克集成式工厂建模解决方案,九院将整个工厂的全生命周期划分为5个阶段:规划阶段、设计阶段、验证阶段、建设阶段、运营阶段。每个阶段都应用了BIM技术,为下个阶段提供了数据模型,来自现场的采集数据和设计数据的联动,完整的支持了九院数字孪生工厂的建设和运营。        那么,在工厂项目中究竟该如何应用BIM模型呢?九院在红旗新能源工厂项目中的经验如下:        负荷计算。暖通专业通过设置地理位置、环境、能耗、建筑材料、构造类型等信息进行空间负荷计算,利用数据辅助设计人员进行设备选型。        照明模拟。电气专业模拟现场的光照环境,不再依附于传统数据,真正实现了设计与施工现场相互结合,在设计之初不断考虑空间环境对灯光效果的影响,从而有效的更改灯具参数和排布位置,使得照明设计更加精准,节约能源消耗。        焊装车间防排烟 仿真分析。焊装车间使用了防排烟仿真分析技术,利用分析数据优化送风、排风风口布局,指导焊烟处理设备选型,降低焊烟危害。        自建族。        Revit工具二次开发。利用Revit API开发接口,通过读取市场上常见的第三方网架计算书数据快速生成网架模型。        BIM模型在施工阶段的应用包含:        施工交底:建立三维模型可以让各专业设计人员及指导施工人员对整个车间各个设备及管线有更加直观的认识,在三维可视化特性的帮助下,在进行设计和指导施工时可以直观看到设计的管线方案及走向意图,不仅可以有效地减少与其他专业管线及设备的碰撞问题,提高设计准确度,也可以很方便的对现场进行施工交底。        施工前期:利用倾斜摄影建立三维数据,解决总图设计人员亲临现场踏勘存在的诸多不便。节省设计人员的宝贵时间,有效提高工作效率。采集结果也可作为土建方平衡调配、选择施工机械、制定修改施工方案等的依据。        按拼接施工建模,避免材料浪费。充分体现“精细化”的设计理念。        通过设计模型,快速完成室内装修效果模型,满足业主要求。        施工纠偏。开洞、过程跟踪和施工质量检查等。        BIM模型在运维阶段的应用。九院BIM模型在运维阶段的应用主要体现在能源管理系统方面:        ●通过现场能源消耗 数据采集仪表、相关 传感器,对五大车间能源数据(水、电、气、热、冷、其他)实时监测,实现能耗统计分析、节能空间挖掘、能源利用水平及效率评估和动能设备智能调控等功能。        ●一体化设计理念,从数据采集、能效分析、节能优化、智能运维等多方面入手,提供综合能源服务,让业主以工业物联网平台为工具,帮助工业企业实现持续能源管理并降低能耗。        ●在中控室设立能源监控中心,通过能源平台的Web轻量化引擎集成BIM模型,并与IoT数据连接。        ●能源管理系统对厂区内站房、车间等的电能、用水排水、燃油、天然气、光伏、地热等公用资源进行监控,通过有效的监控管理措施,减少能源消费中各个环节的损失和耗费。        可以说,过去九院在建筑/结构/机电/工艺等专业之间相互数据割裂严重,工期、预算及质量都不尽如人意的情景已经一去不复返了;现在,九院的工厂项目各专业数据都能有效的集成在一起,形成一个集成式工厂模型,设计的准确性得到了极大地提高。

  • 原文来源:https://articles.e-works.net.cn/cad/article152403.htm
相关报告
  • 《氢燃料电池汽车“领跑”氢能应用》

    • 来源专题:能源情报网信息监测服务平台
    • 编译者:guokm
    • 发布时间:2023-02-01
    • 编者按:氢燃料电池汽车的应用推广正在为氢能发展奠定良好的产业基础。作为氢能应用的先导领域,氢燃料电池汽车在全球受到高度重视,我国也已在氢燃料电池汽车的应用推广领域不断取得新进展,并初步掌握了关键零部件等核心技术。随着氢能基础设施建设的不断完善,以及氢能产业链企业加紧补链强链,氢燃料电池汽车正在向更多场景推广示范应用,并带动氢能产业发展打开更大空间。 图为在张家港朝阳综合加能站投入运营的中国石化苏州首座对外商用油氢电综合加能站 氢燃料电池车加速“跑”进多场景 在北京市延庆区,一批绿色涂装的公交车正行驶在街头。作为2022年冬奥会和冬残奥会的“遗产”,延庆赛区赛时使用的212辆燃料电池车,赛后被用于区内、与市区连接的公交服务用车。截至2022年10月底,这批氢燃料电池公交车行驶里程累计超过了600万公里。 目前,北京市氢燃料电池汽车已经覆盖了公交、物流、环卫、摆渡等各类车辆。业内人士指出,相关政策的出台,以及技术创新和成本降低,共同推动氢燃料电池汽车推广数量不断增加,并进一步向更多领域渗透。 氢燃料电池车推广加速 统计数据显示,截至2022年8月,北京市投入应用1528辆氢燃料电池汽车,其中包括大中客车845辆,普通物流车272辆,冷链物流车203辆,重卡202辆。 近年来北京市氢燃料电池汽车的加速推广,离不开国家及地方相关政策的推动与支持。 2022年3月,国家发展改革委、国家能源局联合印发《氢能产业发展中长期规划(2021-2035年)》,明确了氢的能源属性,是未来国家能源体系的组成部分,充分发挥氢能清洁低碳特点,推动交通、工业等用能终端和高耗能、高排放行业绿色低碳转型。 为了贯彻落实上述规划目标,北京市印发了《北京市关于支持氢能产业发展的若干政策措施》《北京市氢燃料电池汽车车用加氢站发展规划(2021-2025年)》等多项政策文件。加上此前印发的《北京市氢燃料电池汽车产业发展规划(2020-2025年)》《北京市氢能产业发展实施方案(2021-2025年)》等文件,北京市对氢能产业的支持政策愈加完善。 此外,北京市交通委员会日前发布的关于2022年度包车客运运力投放情况的通告指出,由各相关区交通运输主管部门负责完成2022年度包车客运运力投放氢燃料电池客车250辆。 多场景应用渐成趋势 相关政策的支持及基础设施建设的不断完善,推动氢燃料电池汽车逐步从此前较单一的应用场景向多场景示范应用转变。 《北京市关于支持氢能产业发展的若干政策措施》要求以省际间专线货运、城市重型货物运输、城市物流配送、城市客运等场景为重点,积极推动京津冀燃料电池汽车示范城市群建设,开展氢燃料电池汽车示范应用。 《北京市氢燃料电池汽车产业发展规划(2020-2025年)》则提出,要打造氢燃料城区公交、城郊公交、市政环卫示范车队,设立机场巴士示范线,组织开展京津冀地区重型车示范;重点完善公交车始末站点、环卫车停靠场站附近及城市物流集散地加氢站建设。该规划还要求,南部区域依托中国(河北)自由贸易试验区大兴片区,通过氢燃料电池汽车在机场巴士、货运物流等领域的推广应用,进一步将大兴区打造成为国际氢能示范区。 根据相关要求,2025年前北京市力争在各应用场景实现氢燃料电池汽车累计推广量突破1万辆。 对此,清华大学核能与新能源技术研究院教授、国际氢能协会副主席毛宗强在接受《经济参考报》记者采访时表示,北京市设立的1万辆目标基于现有基础,具有较强的可操作性。“目前冬奥会期间已经投入使用的氢燃料电池车超过1000辆,大兴、昌平等区域也在兴建相关产业园区;此外,北京路政还计划在‘十四五’期间引入共计550辆氢燃料电池重卡。因此,甚至可以预计这个目标将可超额完成。” 记者了解到,在具体落地方面,北京市要求以“宜电则电,宜氢则氢”为推广原则,聚焦物流配送、市政环卫、通勤客运、机场快线、公交、乘用车等共十类以中远途、中重型为主的应用场景,完成5300辆自主化燃料电池汽车的示范应用。 氢能利用前景广阔 对于未来氢燃料电池公交车的发展情况,《北京市氢燃料电池汽车车用加氢站发展规划(2021-2025年)》指出,现阶段市郊山区线路、远郊山区线路的传统燃油车辆,均具备氢燃料电池汽车替换潜力。预计北京市氢燃料电池汽车在七类应用场景的可推广潜力规模为13.70万辆,其中公交客运领域潜力规模近4万辆。该规划预测,2023年前北京市公交客运领域氢燃料电池汽车预计规模超1100辆,2025年前预计规模近5000辆。 值得一提的是,除了汽车领域,北京市还将推动氢能用于多个领域。比如,北京市将依托大兴、房山、经开区,开展氢动力无人机、船舶、轨道交通等产业全场景应用示范。 “近年来,国内各地开始加快推进氢能轨道交通相关项目,不少地方也已经开始试运行。比如,2019年开通的佛山高明有轨电车,作为国内最早的商业运营氢能源有轨电车,其运营情况表现出色。”毛宗强表示,“从目前的技术和发展情况来看,氢能源在轨道交通领域的应用,未来将迎来很大的发展。”(记者 袁小康 北京报道) 交通先导应用奠定氢能发展产业基础 2022年,我国在氢燃料电池车应用领域取得新进展。随着交通领域成为氢能应用重要领域,多国先后制定大力发展氢燃料电池车目标,我国也制定了中长期发展规划。目前,我国已初步掌握了氢燃料电池及其关键零部件、动力系统、整车集成和氢能基础设施等核心技术。业内人士指出,交通领域作为先导,为氢能发展奠定了很好的产业基础。 交通成氢能应用先导领域 目前,交通领域是氢能应用的重要领域、先导领域,受到多国高度重视。 2022年下半年,印度、法国、新加坡和韩国都提出大力发展氢燃料电池车。其中,韩国计划到2030年,普及3万辆氢燃料电池商用车。 国际能源署(IEA)预测,到2060年交通运输领域对氢气的需求量,将比2030年增长近30倍。还有机构预计,到2030年全球氢燃料电池车保有量将超过890万辆。 2022年,我国氢燃料电池车的应用取得新进展。冬奥会期间,超过1000辆氢燃料电池车投入运营、服务冬奥;宜家、必胜客、京东等多个知名品牌,在2022年公布了氢燃料电池车的投放计划;2022年9月,80辆氢燃料电池网约车在上海投入运营…… 氢燃料电池车的推广应用,降低成本是关键。国际氢能燃料电池协会秘书长王菊表示,氢燃料电池车的成本一直在大幅度下降,预计到2030年,氢燃料电池车的成本与纯电池电动车、柴油车相比将具有竞争力。 氢燃料电池车发展空间巨大 数据显示,截至2022年8月,中国燃料电池汽车保有量达到11138辆。中国汽车工程学会编制的《节能与新能源汽车技术路线图2.0》预测,到2035年氢燃料电池车保有量将达到100万辆左右,未来发展空间巨大。 北京清华工业开发研究院副院长付小龙认为,我国已经初步掌握氢燃料电池及其关键零部件、动力系统、整车集成和氢能基础设施等核心技术,基本形成氢气制备、储运、加注、燃料电池、应用等完整的产业链,但在液氢、加注设备、燃料电池基础材料和关键零部件方面与国外最高水平相比仍有一定差距。 “目前我国氢燃料电池车的膜电极、催化剂等核心零部件、基础材料仍依赖进口,我国应力争在2030年将其全部实现国产化。此外,目前国内氢燃料电池电堆的寿命为1万至2万小时,相较于国外2万至3万小时的水平仍有较大差距,因此我国应着力提高电堆的寿命。”王菊说。 氢能深度应用前景广阔 “交通领域作为先导,为氢能发展奠定了很好的产业基础。但氢能不等同于氢燃料电池,更不等同于氢燃料电池车。”中国国际经济交流中心能源政策研究部部长、研究员景春梅说。 景春梅介绍,我国80%的碳排放来自工业,而超过80%的氢气消费也在工业。 中国氢能联盟发布的数据显示,预计到2030年,我国工业领域氢气需求量为3559万吨,远高于交通领域156万吨的需求量。到2060年,交通和工业领域的氢气需求量分别为4051万吨和7794万吨。 “国内外关于氢气需求量的预测均表明,未来氢气消费量最大的领域依然是工业。”景春梅说。 业内专家认为,在工业领域,氢在零碳生产、原料和热源的替代方面扮演着重要角色。 景春梅表示,氢作为工业原料、还原剂或高品质热源,可以替代煤炭等化石原料,是新型能源体系中不可或缺的组成部分。 “化工生产是以氢、氮、碳等为基础元素的有机转化过程,而中国化工行业能源消耗占工业能耗总量的28%。零碳化工产品的生产路径,需要使用绿色电力和绿色氢能作为主要能源,同时氢作为原材料可以直接合成绿色材料。”付小龙说,“因此,以氢气、氮气和碳为原料进行的合成反应,形成化工行业的主要产品,是化工行业零碳转型升级的主要路径。而且,氢气在工业领域的规模化应用,将带动大功率绿氢制备技术及装备、管道输送及大规模储氢技术发展。” “氢能脱碳的最大‘战场’在工业,产业政策应关注氢能在工业领域的应用。建议出台相关扶持政策,促进绿氢在工业领域的规模化应用,以实现工业领域的深度脱碳。”付小龙说。(记者 余蕊 北京报道) 氢能产业链企业加紧补链强链 申能集团和法国彼欧集团近日在上海签署合作谅解备忘录,双方将成立合资公司,为我国商用车市场生产和提供三型及四型高压储氢瓶及储氢系统。作为国内较早布局氢能全产业链的地方能源企业,此举将进一步完善申能的氢能产业布局,发挥全产业链协同效应。 作为零碳二次能源,氢能已逐渐成为全球能源转型的载体之一。氢能的使用过程包括制氢、储存运输和应用等方面,而从制氢到氢能利用的产业链中,储氢技术都贯穿其中,是控制氢气使用成本的重要环节。 在储运环节,申能集团此前已投资控股国内高压氢气储运装备龙头企业浙江蓝能燃气设备有限公司。此次申能集团与彼欧集团战略合作,浙江蓝能将与彼欧集团设立合资公司,结合彼欧集团在高压储氢瓶领域的领先技术实力和蓝能在中国市场的氢气储运系统生产制造优势,发挥强强联合的协同效应。 据介绍,该合资公司将在上海嘉定氢能港投资建设首个生产基地,从2023年开始生产和销售高压储氢系统,未来还将建设年产可达6万支四型高压储氢瓶的超级工厂。 申能集团总裁倪斌表示,彼欧集团作为汽车行业清洁能源及移动互联全球领导者,在汽车核心零部件产业及氢能核心装备领域具有强大的技术优势和市场资源。申能与彼欧在氢能领域的合作将为氢能行业的技术进步和效率提升做出贡献。 彼欧集团首席执行官劳伦特·法夫雷表示,申能集团拥有在中国大力发展氢能业务的宏伟战略和丰富经验,合资项目以及与申能集团的战略合作将加快彼欧集团在中国氢燃料电池商用车市场的发展步伐,并为两集团未来在中国氢能生态圈中共同探索新的合作机会奠定基础。 上海嘉定区副区长李峰表示,在氢能及燃料电池汽车产业上,嘉定区已初步形成比较领先的产业生态。申能集团与彼欧集团是推动国家绿色能源产业发展的重要力量,下阶段嘉定将加快建设国家燃料电池示范城市,打造国内领先的燃料电池汽车产业集聚区。 在氢能业务上,申能集团是时下大热的氢能产业发展“先锋”。此前,申能集团提出“三纵三横”氢能发展战略,在氢能发展的“制-储-运-加-用”等关键环节都进行了前瞻性布局。 所谓“三纵”,是着眼于高端制造领域,在氢气制备、储运设备、燃料电池三大产品上进行布局。目前申能集团在氢能“制储运加用”环节投资了瑞必科、浙江蓝能、氢晨科技、鲲华科技、氢蓝时代等一批氢能行业领先企业。其中,此次参与合资的浙江蓝能就在氢能的“储运加”多个环节进行布局,其站用储氢瓶组已覆盖国内80%以上市场。 值得一提的是,在氢能“卡脖子”项目上,申能集团也进行了较全方位的布局。比如,2021年6月,申能对关键核心零部件燃料电池催化剂和膜电极研发企业擎动科技进行了独家投资,同时基于前期的协同效应,2022年,申能集团旗下的燃料电池制造商氢晨科技通过换股形式收购擎动科技100%股权,率先开启了行业整合序幕。 而“三横”则是在氢能的应用场景领域,打造上海、省外一体化基地,并积极关注氢能在钢铁、热电联产等多场景的应用。目前,申能集团在上海临港、山西吕梁、内蒙古包头等多地推进建设一体化示范项目,由于一体化项目涉及氢能产业的多个环节,“申能系”氢能企业将发挥集群效应,一方面助力当地的产业升级和能源转型,另一方面也有助于形成可复制推广的氢能发展模式。 目前在申能集团的氢能规划中,旗下的申能能创能源发展有限公司已基本成为“旗舰投资平台”。“申能的投资更多是产业投资,而不是财务投资,财务投资是以退出为目标,而产业投资是以发展壮大长期持有为目标。”申能集团副总裁宋雪枫说,氢能的发展没有任何可复制的经验,在边实践边学习中,申能已基本具备氢能全产业链核心技术和运营的能力。 “氢能是申能集团发展战略性新兴产业的重要一环,是未来重要的新增长点。”申能集团董事长黄迪南此前在接受记者采访时表示,“十四五”期间,申能集团将按照既定战略,形成氢能上中下游高端制造产业集群,努力构建具有申能特色的氢能全产业链,助力我国氢能尽快实现产业化发展、规模化应用。
  • 《人工智能大模型“拿捏”电池寿命》

    • 来源专题:能源情报网监测服务平台
    • 编译者:郭楷模
    • 发布时间:2024-09-25
    • 从清晨唤醒我们的闹钟,到随身携带的手机,再到电动汽车、无人机等新兴产品,无一不依赖于电池提供的稳定电力。 然而,随着电池使用时间的增长,其容量会逐渐衰减,造成供电时间缩短,影响设备的正常功能。如果能及时检测电池寿命,用户就能在电池性能明显下降前采取相应措施,从而避免因电池问题导致的设备故障或数据丢失,延长电池整体使用寿命。 近日,中国科学院大连化学物理研究所(以下简称大连化物所)研究员陈忠伟、副研究员毛治宇团队,联合西安交通大学教授冯江涛,在电池健康管理领域取得新进展。他们开发了一种新型的深度学习模型,有效解决了传统方法对大量充电测试数据的依赖问题,为电池实时寿命预估提供了新思路,实现了锂电池寿命的端到端评估。同时,该模型作为团队开发的第一代电池数字大脑PBSRD Digit核心模型的重要组成部分,为电池智能管理提供了解决方案。相关成果发表于《电气电子工程师学会交通电气化学报》。 难以预测的电池寿命 电池的循环寿命是指电池在规定的充放电条件下,经历多次完全充放电循环后,容量或性能下降到初始值的某一规定百分比所能经历的充放电次数。通常以电池容量衰减到初始值的80%作为循环寿命的“终点”。 假如一部手机的电池循环寿命是500次,这就意味着,如果每天把手机电量完全用完再充满,那么大约500天后,你就会感觉手机电量没有以前那么耐用了,因为电池的循环寿命到了。 由于电池容量退化是一个受多种因素影响的动态过程,包括充放电循环次数、充放电深度、环境温度、电池老化等,这些因素相互作用,使得电池寿命预测变得尤为复杂。 此前,电池寿命预测都在实验室内进行。比如让电池加速循环,在高温45℃下高倍率运行,以此推断它在实际应用场景中的使用寿命。但是,不同的应用场景和运行条件会对锂电池寿命产生显著影响,以致无法实现对电池的精准预测。 目前,很多团队正积极投身于人工智能领域的探索。“遗憾的是,当前的人工智能技术及其学习深度,以及有限的人力资源,不能完全满足对电池寿命进行精确检测的需求。”毛治宇说,“基于这一现状,我们萌生了一个设想——设计一个能够直接且高效检测电池寿命的创新模型。这一模型致力于突破现有技术的局限,为电池健康管理提供更为可靠和智能的解决方案。” 人工智能模型让电池“透视” 2017年,毛治宇在加拿大滑铁卢大学读博士,陈忠伟是他的导师。当时,人工智能刚刚起步,他们想尝试一下,用它能否解决电池寿命检测这一难题。 “实际上,电池包括正极、负极、隔膜、电极液等,是一个复杂的电化学系统。但是,那时候的模型还停留在简单的神经网络学习,人工智能检测刚刚开始,我们就用自己的电池尝试测试,并纳入此前未被考虑到的电池老化问题,最终检测出来的电池寿命与实际寿命相比,精度有了很大提高。”毛治宇回忆当初第一次尝试时说。 这次初步尝试开启了毛治宇在人工智能应用于电池智能管理方向的科研之路。后来,二人先后归国工作,毛治宇又加入了陈忠伟的团队。 陈忠伟团队有一个方向是智能电池,包括人工智能应用于科学、人工智能应用于工程,毛治宇想在这里圆梦。而目前科技领域已有多个人工智能的计算模型,他们“借风使船”结合多个模型,实现了优势互补。 “我们利用了Vision Transformer结构,它可以进行并行计算,同时处理多个任务。”论文第一作者、在大连化物所从事博士后研究的刘云鹏介绍,“还有一个空间流加时间流的双流框架,可提取多维时间尺度信息,同时借助高效自注意力机制减少计算复杂度。我们根据不同的优势将这两种算法进行了结合。” 这项研究提出了一种基于少量充电周期数据的深度学习模型,该模型通过带有双流框架的Vision Transformer结构和高效自注意力机制,捕捉并融合多时间尺度隐藏特征,实现对电池当前循环寿命和剩余使用寿命的准确预测。 该模型在仅使用15个充电周期数据的情况下,能够将上述两种预测误差分别控制在5.40%和4.64%以内。并且,在面对训练数据集内未出现的充电策略时,仍能保持较低的预测误差,证明了其zero-shot泛化能力。 打造“电池数字大脑” 同时,该电池寿命预测模型是第一代电池数字大脑PBSRD Digit的重要组成部分。通过将模型整合到该系统中,进一步提高了系统的准确性。目前,该电池数字大脑系统作为大规模工商业储能和电动汽车的能量管理核心,可部署于云端服务器和客户端嵌入式设备。 “现在新能源特别是储能是热点话题,很多厂家都想开发全生命周期的电池智能管理系统。我们希望建设一个完整的电池数字大脑,能够更好地管理电池,像大脑一样控制电池的各个方面,让电池效率更高、寿命更长。这是我们未来的一个智能化发展方向。”毛治宇介绍说。 事实上,陈忠伟、毛治宇、刘云鹏正好是一个团队内的“师徒三代”。经过多年发展,团队在电化学、电催化、人工智能方面都有着深厚的积累。他们的目标是打造从基础研究到关键技术开发再到产业应用示范的全链条模式,以应用为导向真正走向产业化,乃至对整个领域产生影响。 150余人的团队中,会聚了超过50位经验丰富的工程师。他们具有不同的技术背景,不乏在大数据架构与算法领域深耕多年的专家,擅长将前沿的算法研究转化为高效、稳定的系统架构,确保技术成果能够顺利落地。 正是这种“研究+开发”深度融合的模式,使得团队能够跨越传统界限,促进不同领域知识与技术的交叉融合。工程师们不仅能独立承担项目研发的重任,还能与科研人员紧密合作,将最新研究成果迅速转化为产品功能,从而加速技术创新与产业升级的步伐。 通过这种高效的协作机制,团队不仅在电池寿命检测等特定领域取得突破,还能灵活应对各种复杂挑战,推动多个项目并行发展,最终实现多元化、全方位的技术创新目标。 “未来,我们计划利用模型提炼等技术进一步优化模型,以提高资源利用率,打造真正的数字大脑。”陈忠伟说。 相关论文信息: https://doi.org/10.1109/TTE.2024.3434553