
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Waandishi: 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Shengyu Tao Haizhou Liu Chongbo Sun Haocheng Ji Guanjun Ji Zhiyuan Han Runhua Gao Jun Ma Ruifei Ma Yuou Chen Shiyi Fu Yu Wang Yaojie Sun Yu Rong Xuan Zhang Guangmin Zhou Hongbin Sun Muhtasari Betri za taka zisizoainishwa zenye vifaa tofauti vya cathode huweka kikwazo kwenye upatikanaji wa urejeshaji wa moja kwa moja kwa sababu ya asili yao mahususi kwa cathode. Kuongezeka kwa kasi kwa betri za taka kunahitaji kupangwa kwa usahihi kwa urejeshaji wa moja kwa moja unaofaa, lakini changamoto hutokana na historia tofauti za uendeshaji, watengenezaji mbalimbali, na wasiwasi wa faragha ya data wa washirika wa kurejesha (wamiliki wa data). Hapa tunaonyesha, kutoka kwa seti ya kipekee ya data ya betri za lithiamu-ioni 130 zinazojumuisha aina 5 za cathode na watengenezaji 7, mbinu ya kujifunza mashine iliyogatuliwa inaweza kuainisha betri hizi za taka bila kutegemea data ya zamani ya uendeshaji, ikilinda faragha ya data ya washirika wa kurejesha. Kwa kutumia vipengele vilivyotolewa kutoka kwa mzunguko wa mwisho wa kuchaji-kutoa, modeli yetu inaonyesha makosa ya 1% na 3% ya kupanga cathode chini ya mipangilio ya urejeshaji wa betri yenye umoja na tofauti mtiririko. Kiuchumi, mbinu iliyopendekezwa inasisitiza thamani ya kupanga betri kwa usahihi kwa tasnia ya urejeshaji yenye mafanikio na endelevu. Utafiti huu unatangaza dhana mpya ya kutumia data nyeti kwa faragha kutoka kwa vyanzo mbalimbali, kuwezesha maamuzi ya ushirikiano na yanayoheshimu faragha kwa mifumo iliyogatuliwa. Utangulizi Betri za lithiamu-ioni (LIBs), zinazotumika kama vifaa vya kuhifadhi nishati, zimepata matumizi mengi katika nyanja mbalimbali, kutoka uzalishaji wa viwandani hadi maisha ya kila siku kama njia ya kiufundi iliyokubaliwa. Makadirio yanaonyesha kuwa kiwango cha uzalishaji wa kimataifa wa LIBs kitazidi 1.3 TWh ifikapo 2030 , , wakati mahitaji yanayoongezeka ya betri yatazidi sana upatikanaji wa rasilimali muhimu za madini kama lithiamu na kobalti. Hata hivyo, maisha ya wastani ya bidhaa za LIB za sasa ni miaka 5–8, na kusababisha kuongezeka kwa betri za taka kwa wingi katika nchi nyingi. Iwapo hazitatibiwa ipasavyo, betri za taka zitasababisha upotevu wa rasilimali usio endelevu na uharibifu wa mazingira. Kwa kuzingatia hali hizi, maendeleo ya teknolojia ya urejeshaji wa betri huchukua umuhimu mkubwa tunapokabiliana na wimbi lijalo la kustaafu kwa LIB . 1 2 3 4 Mageuzi ya hivi majuzi katika utafiti wa urejeshaji wa betri yamejikita katika mbinu za pyrometallurgical, hydrometallurgical, na urejeshaji wa moja kwa moja . Kinyume na mbinu za pyrometallurgical na hydrometallurgical, urejeshaji wa moja kwa moja unajitenga kama mbinu tofauti. Mchakato huu hauharibu muundo wa nyenzo kwa sekondari, kuwezesha ukarabati wa miundo yenye ufanisi zaidi na urejeshaji wa utendaji. Zaidi ya hayo, urejeshaji wa moja kwa moja una faida kubwa, kwani unahusisha matumizi ya chini ya nishati, utoaji mdogo wa gesi chafu, na alama nyepesi za mazingira , . Katika uzalishaji halisi, hata hivyo, warejeshaji wa betri mara nyingi hukutana na LIB zinazojumuisha vipengele visivyojulikana au moduli za betri zinazojumuisha mchanganyiko wa aina tofauti za vifaa vya cathode. Kwa kuzingatia kuwa urejeshaji wa moja kwa moja unaweza kuwa mahususi kwa cathode, utata kama huo hufanya matumizi ya urejeshaji wa moja kwa moja kuwa haiwezekani kufikia ubadilishaji wa thamani wa betri zilizostaafu . Ni muhimu kusisitiza kwamba hata kama madini muhimu kutoka kwa aina mbalimbali za vifaa vya cathode yanaweza kupatikana kwa kutumia mikakati ya kawaida ya urejeshaji, mwingiliano kati ya vifaa tofauti vya cathode wakati wa mchakato wa urejeshaji unaweza kuathiri vibaya ubora wa bidhaa . Kwa hiyo, kuelewa taarifa za aina ya nyenzo ya cathode upande wa urejeshaji huathiri sana uchaguzi wa njia ya urejeshaji ya moja kwa moja na hatimaye huboresha ubora wa bidhaa, faida, na uendelevu. 5 6 7 8 9 Urejesho wa moja kwa moja unaosaidiwa na binadamu umependekezwa kutambua taarifa za aina ya nyenzo ya cathode ya betri zilizostaafu katika kiungo cha matibabu ya awali, ambacho bado hakina faida ya kifedha tasnia ya urejeshaji inapoongeza kasi . Ili kupata taarifa za aina ya cathode ya betri zilizostaafu kwa ufanisi, jumuiya ya kisayansi na viwanda hivi karibuni imeanzisha mfumo wa kufuatilia maisha ya betri na dhana zinazoibuka kama pasipoti ya betri na jenomu ya data ya betri . Ingawa betri nyingi zimetumika kabla ya mipango hii, kuna makubaliano yanayoongezeka kwamba taarifa za betri zinapaswa kupatikana katika mnyororo wa maisha ili kuwezesha maamuzi ya maisha ya pili . Hii ni kweli hasa kwa sekta ya urejeshaji wa betri, kituo cha mwisho cha maisha ya pili ya betri, kwani njia ya urejeshaji inaweza kuwa mahususi kwa cathode. Hata hivyo, mifumo ya kufuatilia maisha ya betri au pasipoti za betri huwezeshwa na vifaa vya elektroniki kama vile beji na mawasiliano ya karibu, ambayo inaweza kuleta uwekezaji mkubwa na inaweza kutolingana na miundo tofauti ya betri. Zaidi ya hayo, vifaa vya elektroniki vinasalia kuwa changamoto kudhibiti mara kwa mara katika muda wa maisha yao, na kusababisha vifaa kuchakaa na kutopatikana katika hatua ya urejeshaji kwani mchakato wa kisasa wa utengenezaji wa LIB bado haujajumuishwa kutoka kwa uzalishaji hadi urejeshaji . Kwa hivyo, mafanikio zaidi yanahitajika haraka ili kufikia upangaji wa aina ya cathode ya betri kwa ufanisi kwa kutumia tu taarifa za uga zinazopatikana kwa urahisi , , kinyume na data ya kihistoria iliyorekodiwa au kwa njia inayosaidiwa na binadamu, kuwezesha upatikanaji wa urejeshaji wa moja kwa moja ili kuboresha ubora na faida ya bidhaa zilizorejeshwa. 1 10 11 12 13 14 15 16 Katika miaka michache iliyopita, kujifunza kwa mashine kumejitokeza kama zana inayowezekana kutatua maswali wazi katika nyanja zote za betri. Katika mada zingine zinazohusiana na betri, kujifunza kwa mashine hivi karibuni kumetuwezesha kugundua kiotomatiki mifumo changamano ya betri , , , kutabiri maisha yaliyobaki ya matumizi , , , , , kutathmini hali ya afya , , , kuboresha wasifu wa mzunguko , , kukadiria usambazaji wa kutofaulu , hata kuongoza muundo wa betri , , na kutabiri utendaji wa maisha marefu mara tu baada ya utengenezaji . Kwa upande wa urejeshaji wa betri, kazi chache zimechunguza kujifunza kwa mashine kuhusu vifaa vya cathode , , ambacho kinatuhumu uhaba wa data ya betri, hasa kwa zile zilizozungushwa hadi hatua ya mwisho wa maisha. Idadi kubwa ya tafiti zilizochapishwa zinaonyesha saizi ndogo za sampuli na hata ni chache zaidi katika utofauti wa cathode wa betri . Uhaba huo unatokana na gharama kubwa, muda mrefu wa upimaji , na, muhimu zaidi, faragha ya data kutokana na maswala ya kibiashara au maslahi. Kwa hiyo, suala la faragha huimarisha changamoto ambapo data zilizopo za betri, ingawa ni nyingi kwa wingi na utofauti kutoka kwa pande mbalimbali kama vile watengenezaji wa betri, watumiaji wa vitendo, taasisi za kitaaluma, na majukwaa ya wahusika wengine, haziwezi kushirikiwa. Changamoto kama hiyo inahitaji kusoma upangaji wa nyenzo za cathode ili kuboresha uchaguzi wa njia ya urejeshaji wa betri kwa njia ya ushirikiano huku ikihifadhi faragha. 17 18 19 20 21 22 23 24 19 25 26 27 28 29 30 31 32 33 34 35 36 37 Jifunze mashine lililogatuliwa, kama dhana iliyogatuliwa na inayolinda faragha, lina uwezo wa kutatua ushirikiano wa pande nyingi (sawa na wingi na utofauti wa data ya betri) na maswala ya faragha kupitia kujifunza kwa mashine kwa ushirikiano , , . Katika kila mzunguko wa mafunzo, wamiliki wa data waliogawanywa hufanya mafunzo ya ndani kwa nguvu zao za kompyuta za ndani, husimba vigezo/matokeo ya modeli yaliyofunzwa, na kuvipeleka kwa mratibu mkuu kwa ajili ya kuunganishwa. Ukweli kwamba seti za data mbichi hazitoki kwa wamiliki wao wa data na kwamba vigezo/matokeo yaliyohamishwa yanasimbwa ipasavyo kulinda faragha ya data. Jifunze mashine lililogatuliwa limechunguza sana katika nyanja nyingi za programu, ikiwa ni pamoja na afya ya umma , , utambuzi wa kliniki , , , biashara ya mtandaoni , Mtandao wa Vitu , kompyuta za mkononi , na gridi ya akili , , . Mbinu hii inaweza kubadilisha dhana ya utafiti unaoendeshwa na data katika sekta pana za nishati kwa kuwezesha ushirikiano unaolinda faragha, hasa kwa wale walio na ufikiaji mdogo wa data. Kuhusu sekta ya urejeshaji wa betri, jifunze mashine lililogatuliwa lina uwezekano mkubwa wa kutumia kiasi kikubwa cha data ya betri ambayo tayari ipo lakini haiwezi kushirikiwa kwa sababu ya wasiwasi wa faragha. Kwa dhana kama hiyo ya ushirikiano huku ikilinda faragha, upangaji wa betri za taka unaweza kutekelezwa kwa usahihi wa juu, ufanisi, uwezo wa kukua, na ujumla, kuboresha ubora na faida ya bidhaa zilizorejeshwa. Kadiri tunavyojua, tafiti za kujifunza mashine lililogatuliwa zinazolenga urejeshaji wa betri hazijawahi kuripotiwa. 38 39 40 41 42 43 44 45 46 47 48 49 50 51 Katika utafiti huu, tunafanya upangaji wa nyenzo za cathode za betri zilizostaafu, kwa kutumia data iliyopo ya betri kutoka kwa washirika mbalimbali, kama vile watengenezaji wa betri, waendeshaji wa programu halisi, taasisi za utafiti wa kitaaluma, na majukwaa ya wahusika wengine, kwa njia ya kujifunza mashine kwa ushirikiano huku ikilinda faragha kama inavyoonyeshwa kwenye Mchoro 1. . Modeli yetu ya kujifunza mashine iliyogatuliwa ilifunzwa kwa kutumia tu mzunguko mmoja wa data ya majaribio ya uga kupitia mchakato wa kawaida wa uhandisi wa vipengele, bila ujuzi wowote wa awali wa hali ya zamani ya uendeshaji. Tunalinganisha nguvu ya utabiri ya modeli yetu ya kujifunza mashine iliyogatuliwa na ile ya modeli za ndani zilizojifunzwa kwa kujitegemea kulingana na data ya ndani chini ya mazingira ya urejeshaji wa betri yenye umoja na tofauti. Suala la utofauti linatatuliwa na mkakati wetu mpya wa kupiga kura kwa umbali wa Wasserstein. Tathmini ya kiuchumi ya urejeshaji wa betri za taka kwa kutumia mfumo wetu uliopendekezwa wa kujifunza mashine lililogatuliwa unafanywa, ukisisitiza umuhimu na umuhimu wa kupanga betri za taka kwa usahihi. Tunajadili kwa kina ufasiri wa modeli, athari za urejeshaji wa betri, na matarajio mapana ya mazoezi ya baadaye ya urejeshaji wa betri yaliyojumuishwa na kujifunza mashine lililogatuliwa. 1    Vyanzo vingi vya data, kama vile watengenezaji wa betri (Picha kwa hisani ya Addionics), waendeshaji wa programu halisi (kifurushi cha betri kwenye sehemu ya sakafu ya Tesla. Picha kwa hisani ya Tesla), taasisi za utafiti wa kitaaluma, na majukwaa ya wahusika wengine, vinaweza kuwa wachangiaji wa data. Data ya betri haibadilishani kati ya wachangiaji wala haipakwi kwa mrekebishaji wa betri. Badala yake, wachangiaji wa data hufunza modeli za ndani na kushiriki vigezo vya modeli na mrekebishaji wa betri ili kujenga modeli ya kimataifa. Mbinu iliyopendekezwa ya kupiga kura kwa umbali wa Wasserstein huunganisha modeli za ndani kwenye modeli ya kimataifa, ambayo ni thabiti kwa usawa wa data na kelele. Warejeshaji wa betri wanaweza kutumia modeli iliyojengwa kwa pamoja kwa upangaji wa betri, pamoja na data ya majaribio ya uga inayopatikana kwa urahisi.   Mfumo wetu wa kujifunza mashine lililogatuliwa unahimiza washirika kushiriki data huku ukilinda faragha ya data kinyume na dhana ya jadi ya kisiwa cha data. a b Matokeo Ukusanyaji na uhalali wa data Mienendo ya kipekee ya betri katika aina tofauti za betri mara nyingi huwa na vipimo vingi na ni vigumu kuielezea kwa sababu ya kesi tofauti za uendeshaji, utofauti wa utengenezaji, na matumizi ya kihistoria . Ili kupata suluhisho la changamoto hii, tulikusanya na kuhalali betri 130 zilizostaafu na aina 5 za cathode kutoka kwa watengenezaji 7 ili kuunda seti ya data ya nje ya usambazaji, sawa na ile yenye tofauti. Kwa kuzingatia matumizi tofauti ya kihistoria, uwezo wa betri zilizokusanywa ni chini ya 90% ya uwezo uliobainishwa. Vifaa vya cathode vya betri ni oxide ya lithiamu cobalt (LCO), nickel manganese cobalt (NMC), phosphate ya lithiamu ya chuma (LFP), oxide ya nickel-cobalt-aluminum (NCA), na aina za mchanganyiko za NMC-LCO, ambazo zaidi zimegawanywa katika madarasa 9 kulingana na watengenezaji (Jedwali la Nyongeza ). Tunajumuisha makusudi betri zenye matumizi tofauti ya kihistoria, kutoka kwa majaribio ya maabara hadi wasifu wa kuendesha gari kwa gari la umeme, kufunza modeli yenye uwezo wa jumla kwa mrekebishaji wa betri bila kujali matumizi ya kihistoria na aina za betri. 52 1 Kwa uhalali, data zote zinazohitajika kutoka kwa mrekebishaji ni mzunguko wa sasa unaochunguzwa (majaribio ya uga) na jaribio moja la kuchaji na kutoa, ambalo ni rahisi kutekeleza katika kesi halisi. Data iliyochunguzwa hwanza dhidi ya kelele kwa kujaza maadili yaliyokosekana, kubadilisha maadili ya nje, na kufanya uchujaji wa wastani. Kelele zinazosababishwa na binadamu na zinazosababishwa na utofauti wa cathode zinahifadhiwa kwa makusudi, hata hivyo, ili kufanya modeli kuwa thabiti kwa pembejeo zisizo kamili. Kisha data huunganishwa kwa mstari kwa ajili ya kujaza curve (Mchoro Nyongeza ) na vipengele vimeundwa kwa upunguzaji wa vipimo, na seti iliyoshirikiwa ya vigezo vya uhalali (Kumbuka Nyongeza ). Vipengele vilivyotolewa kutoka kwa bomba la uhalali vinaeleweka vizuri, suala la maslahi makubwa ya kibiashara. Kadiri tunavyojua, ni mara ya kwanza ambapo data ya betri yenye tofauti kutoka kwa vyanzo vingi na matumizi ya kihistoria vinatumiwa kusaidia katika muundo wa mkakati wa urejeshaji wa betri. 1 1 Mchoro 2a, 2b unaonyesha mchakato wa uhandisi wa vipengele. Tunazingatia curve ya kuchaji na kutoa ya betri zilizostaafu katika mzunguko wa mwisho, yaani, mzunguko mmoja wa kuchaji na moja ya kutoa (Michoro Nyongeza 2–5). Katika mzunguko wa kuchaji, vipengele 15 vinatolewa kutoka kwa curve ya voltage-capacity na dQ/dV, ambapo V na Q huwakilisha maadili ya voltage na uwezo. Seti sawa ya vipengele hutolewa kwa mzunguko wa kutoa. Kwa matokeo, vipengele 30 vinatolewa kwa jumla, kama inavyoonyeshwa kutoka F1 hadi F30. Rejelea Jedwali la Nyongeza 2 na Kumbuka Nyongeza 2 kwa maelezo ya kina ya vipengele. Mchoro 2c unaonyesha maadili kamili na ya jamaa ya vipengele vya betri zilizochaguliwa kutoka kila darasa. Maadili mengi ya vipengele vya jamaa katika madarasa tofauti yanaingiliana katika mkoa wa −1 hadi 0 (na rangi ya kijani kibichi) na hayawezi kutofautishwa, ikionyesha ugumu katika kuainisha aina ya betri kwa kutumia mzunguko mmoja wa data ya betri. Ugumu unatarajiwa kwa sababu hali tofauti za uendeshaji zinaweza kuathiri mienendo ya kuchaji-kutoa ya betri ili vipengele vilivyotolewa vinaweza kuhusishwa kwa kiasi kikubwa licha ya aina tofauti za betri (Mchoro Nyongeza 6). Badala ya kutafsiri moja kwa moja vipengele vilivyotolewa kwa kutumia maarifa ya kitaalam, tunatumia mbinu mbadala inayotegemea data ambayo inatumia kiotomatiki ruwaza zilizofichwa katika aina mbalimbali za betri.    Kwa mchakato wa kuchaji, vipengele 15 vinatolewa kutoka kwa voltage-capacity (kushoto) na curve ya dQ/dV (kulia).   Seti sawa ya vipengele ni kwa mchakato wa kutoa kama F16 hadi F30.   Vipengele vinaonyeshwa kwa madarasa, kufuatia umbizo CxBn, ikionyesha betri ya n kutoka darasa x. Ukubwa wa duara huonyesha thamani kamili ya kipengele. Data ya chanzo hutolewa kama faili la Data ya Chanzo. a b c Upangaji wa betri za taka na ufikiaji wa data umoja Kwanza tunazingatia mazingira ambapo data ya betri imesambazwa kwa umoja kati ya washirika (yaani, wateja). Umoja huu unamaanisha kuwa kila mteja anatoa kushiriki data ya betri katika madarasa yote 9, ingawa idadi maalum ya betri haizingatiwi (Jedwali la Nyongeza 3). Tunafunza modeli yetu ya kujifunza mashine iliyogatuliwa bila kuhitaji taarifa kuhusu matumizi ya kihistoria ya betri zilizostaafu. Katika kazi yetu, mrekebishaji na wateja wanahitaji tu kupima betri za taka katika mzunguko wa sasa (wa uga), hasa, kwa mzunguko kamili wa kuchaji na kutoa kwa mchakato wa kawaida wa uhandisi wa vipengele ulioanzishwa na mrekebishaji. Modeli za ndani hufunzwa kulingana na vipengele vilivyotolewa kutoka kwa data yao ya kibinafsi ya betri. Mfumo wa kujifunza mashine lililogatuliwa huunganisha vigezo vya modeli za ndani, badala ya data ya kibinafsi ya betri, kwa mrekebishaji kuainisha betri za taka. Mchoro 3 unaonyesha matokeo ya upangaji wakati wateja wanachangia data umoja ya betri. Mchoro 3a unalinganisha mbinu mbili za kujifunza mashine lililogatuliwa, yaani, upigaji kura wa wengi (MV) na upigaji kura wa umbali wa Wasserstein uliopendekezwa (WDV), na dhana ya kujifunza huru (IL). Inapaswa kuzingatiwa kuwa usahihi kwa IL umepimwa kwa wastani kwa wateja wote kwa njia

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Sauti hii imetolewa katika lugha asilia ya hadithi!

AI Hii Salama ya Faragha Inaweza Kubadilisha Taka za Betri Meneno Makubwa

About Author

MAONI

HANG TAGS

MAKALA HII ILIWASILISHWA NDANI

Related Stories

Details of the Aerial Voyage.—Kennedy silenced

Master Crypto Security: Your Complete Guide to Safe Wallet Management

A PENDENT WORLD

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Details of the Aerial Voyage.—Kennedy silenced

Master Crypto Security: Your Complete Guide to Safe Wallet Management

A PENDENT WORLD

Jinsi $ TRUTH token ya Swarm Network inapanga kukabiliana na taarifa mbaya kupitia uhakiki wa Blockchain

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps