Modelo predictivo para la vida útil restante de un componente crítico de un vehículo eléctrico

Abstract

RESUMEN : El trabajo de investigación se enfocó en el desarrollo de una metodología para la implementación de un modelo predictivo de la vida útil restante de un componente crítico como la batería. Dentro de la metodología, la predicción de la vida útil se desarrolló a través de dos modelos predictivos: el primero implementa una red neuronal convolucional que permite el suavizamiento de los datos obtenidos por medio de sensores, y el segundo modelo predictivo, implementa una red de corto y largo plazo para una predicción más precisa. La implementación y evaluación de la metodología propuesta del modelo predictivo se aplicó a dos casos de estudio: un caso de estudio de baterías operando bajo condiciones controladas y otro caso de estudio desarrollado en un vehículo eléctrico de dos ruedas operando bajo condiciones de tráfico real. Así mismo, para la implementación de la metodología, se desarrolló un paquete en R llamado cnnlstm. Este paquete permite llevar a cabo la metodología propuesta a partir del procesamiento de los datos, la división necesaria para cada una de las redes neuronales, el ajuste de parámetros en cada una de las arquitecturas y la optimización de los hiperparámetros. El modelo predictivo propuesto genera un RMSE de menos de 0.04 para el caso de baterías en condiciones controladas y del 0.095 para las baterías en condiciones de tráfico real, lo que demuestra su buen desempeño.