研究者ミシガン大学（U-M）新しい電気自動車のダファベット 入金不要設計の寿命をテストすることは、新しい合理化されたアプローチで4倍高速になる可能性があることを強調しました。
ミシガン大学の研究者によると、新しい合理化されたアプローチを利用することにより、電気自動車（EV）のダファベット 入金不要テスト時間を大幅に短縮できます。この最適化フレームワークは、ダファベット 入金不要の構成が長期にわたってどのように機能するかを評価するコストを大幅に削減できます。
「目標はより良いダファベット 入金不要を設計することであり、伝統的に、業界は試行錯誤のテストを使用してそれを試みてきました」と、機械工学のU-M教授であり、フレームワークの背後にある研究チームのリーダーであるWei Lu氏は説明しました。でパターン–セルプレス。 「評価するのに非常に長い時間がかかります。」
改良されたEVダファベット 入金不要の作成
EVダファベット 入金不要メーカーと一緒に取り組んでいる範囲不安および充電の可用性を取り巻く懸念事項では、LUのチームが開発した最適化システムは、新しいダファベット 入金不要と改良されたダファベット 入金不要のシミュレーションと物理テストの両方の時間を約75％削減する可能性があります。その速度は、消費者が常に目的地に到達するのに十分な能力を確保するために、材料と構成の適切な組み合わせを検索するダファベット 入金不要開発者に大きな後押しを提供する可能性があります。
ダファベット 入金不要設計に関与するパラメーターには、使用される材料、電極の厚さ、電極内の粒子のサイズなどが含まれます。各構成をテストすることは、通常、数か月の完全に充電され、その後完全に排出されるか、ダファベット 入金不要をサイクリングするか、1,000回の使用を意味して、10年の使用を模倣します。
EVダファベット 入金不要テスト時間の短縮
「私たちのアプローチは、テスト時間を短縮するだけでなく、より良いデザインを自動的に生成するだけです」とLu氏は言います。 「私たちは、早期フィードバックを使用して、ダファベット 入金不要の構成を終了までサイクリングするのではなく、ダファベット 入金不要の構成を破棄します。
時間とコストを大幅に短縮するために、U-Mエンジニアは最新の機械学習を利用して、いつ辞めるか、どのように良くなるかを知っているシステムを作成することを学びました。
この新しいEVダファベット 入金不要テストフレームワークの利点
フレームワークは、非同期の連続的なハービングアルゴリズムとハイパーバンドとして知られる数学的手法を使用してリソースを節約するために、有望なスタートに出かけないサイクリングテストを停止します。一方、以前のテストからのデータを利用し、Parzen推定器のツリーを使用して調査するための新しいパラメーターの新しいセットを提案します。
約束を欠くテストを遮断することに加えて、U-Mのシステムの重要な時間節約要素は、非同期並列化として知られる複数のダファベット 入金不要構成を同時にテストする方法です。構成がテストを完了するか、破棄された場合、アルゴリズムは他のテストの結果を待つ必要なく、テストする新しい構成をすぐに計算します。
U-Mのフレームワークは、数十年にわたって内燃機関の自動車を運営するために使用されるものから、時計や携帯電話に駆動する小さな製品まで、すべてのダファベット 入金不要タイプの設計をテストするのに効果的です。ただし、EVダファベット 入金不要はこのテクノロジーの最も差し迫った使用を表す場合があります。
パフォーマンス予測モデルの組み込み
「このフレームワークは、パフォーマンス予測モデルが組み込まれている場合、より効率的になるように調整できます」と、機械工学の最初の著者兼U-M博士課程の学生であるChangyu Dengは説明しました。 「この作業が改善された方法を刺激し、最適なダファベット 入金不要に導き、より優れたEVや他のライフ改善デバイスを作成することを期待しています。」
Mobility Consumer Indexが実施した最近の調査により、消費者の52％が次の車両購入のEVを検討していることが明らかになりました。態度の変化にもかかわらず、懸念は車両の範囲（ダファベット 入金不要容量）とドライバーが利用できる充電ステーションの数を超えて残ります。
したがって、ダファベット 入金不要の性能は、気候変動の影響を相殺する手段として大衆にEVをもたらす上で中心的な役割を果たします。
「テスト時間を大幅に削減することにより、システムがより良いダファベット 入金不要の開発をスピードアップし、さまざまなアプリケーションのダファベット 入金不要の採用または認証を加速し、ダファベット 入金不要管理システムのモデルパラメーターの定量化を促進できることを願っています。結論。
