Necesito determinar la "salud" de las baterías de coche sobre el terreno.
Mi objetivo es predecir cuándo es probable que falle la batería de un coche a partir de los datos recogidos mientras el vehículo está en uso. Mi objetivo son 3 estados: batería en buen estado, batería que necesita cargarse y batería en mal estado que necesita sustituirse.
Para prepararme, probaré baterías con distintos estados de carga en un entorno de garaje, midiendo la tensión y la corriente con comprobadores de baterías de automoción, pinzas amperimétricas y un osciloscopio, y comprobando si el motor arranca.
En el campo tengo la capacidad de medir la tensión a 100 Hz en cada arranque durante un período de 5 segundos. Además, puedo medir la temperatura del motor, la temperatura ambiente (pero no la temperatura de la batería), los detalles del viaje (duración, hora del viaje, tamaño del motor y tiempo de arranque del motor).
No puedo medir la corriente a distancia sobre el terreno.
La intención es entonces "Probar" que el estado de la batería en el campo coincide con el de la medida en el garaje.
¿Le parece lógico el experimento que propongo?
¿Hay algún otro factor que deba tener en cuenta? Entonces podré determinar si soy capaz de medirlos.
Cualquier otra aportación sobre el desarrollo del algoritmo también será bienvenida.
0 votos
(Cosas como simples pruebas de voltaje o acidez le dirán una buena estimación del porcentaje de una batería, pero la capacidad sólo estará disponible si extrae algo de ella y calcula/estima cuánto ha extraído.
0 votos
¿Qué tamaño tendrá la muestra de pilas?
0 votos
¿Has buscado algún método en Google?
0 votos
Tenga en cuenta que depende en gran medida de la temperatura. El arranque requerirá más corriente con tiempo frío, mientras que al mismo tiempo la batería suministra menos .
0 votos
El tamaño de la muestra es de 10.000 vehículos sobre el terreno durante un periodo de un año, por lo que se registrarán muchos miles de arranques.
0 votos
Para pruebas en garajes de unas 100 baterías
0 votos
Dado que tiene acceso a un conjunto de datos potencialmente grande de mediciones del mundo real, esta sería una oportunidad para desarrollar un algoritmo de autoaprendizaje para predecir los fallos de las baterías. Esto sería posible si también se pudieran correlacionar los datos de campo con los fallos reales de las baterías sobre el terreno y su posterior reparación/sustitución. Para 10.000 vehículos en un año, ¿espera ver un centenar de fallos de batería?