Decentraliserad AI för att optimera batteriprestanda, livslängd och säkerhet - Cognivity AI Sweden AB och Lucid Motors Inc.
| Diarienummer | |
| Koordinator | Cognivity AI Sweden AB |
| Bidrag från Vinnova | 750 000 kronor |
| Projektets löptid | november 2025 - september 2026 |
| Status | Avslutat |
| Utlysning | Future Mobility |
Viktiga resultat som projektet gav
Ja, huvudmålet nåddes. Målet var att minska felet i batteriets hälsoskattning till cirka ±2 %. I en simulerad flotta med 100 fordon nådde TrinityBMS ett fel på 1,0 procentenheter, jämfört med 3,7 för en gemensam flottmodell. Projektet bidrog även till en verktygskedja som gör modellerna körbara på inbyggd BMS-hårdvara samt till 10–40 gånger snabbare validering. Nästa steg är validering i SiL, HiL och på riktiga batteripack.
Långsiktiga effekter som förväntas
Mer exakta skattningar av batteriets hälsa förlänger batteriernas livslängd, underlättar second life och minskar behovet av råmaterial och CO2-utsläppen. Mindre säkerhetsmarginaler ger mer räckvidd och lägre kostnader. Lärandet sker i fordonet, så rådata lämnar aldrig bilen. Tekniken kan även användas i tunga fordon, energilager och lätta elfordon. Målet är att licensiera TrinityBMS till fordonstillverkare inom 3–5 år, vilket stärker svensk konkurrenskraft inom batterimjukvara.
Upplägg och genomförande
Projektet följde planen med fyra arbetspaket: krav och data, modellutveckling, simulerad validering och affärsutveckling. Aktiviteterna var rätt, men tidplanen försenades. På grund av en omorganisation hos OEM-partnern undertecknades avsiktsförklaringen först i mars, och dataåtkomsten tog längre tid. Därför emulerades flottan från verklig fordonsdata och alla delar hann inte slutföras. Valideringen tog oväntat lång tid och gjordes 10–40 gånger snabbare. Samarbetet fungerade mycket bra.