EVE: Extending life of Vehicles within Electromobility era

Syfte och mål

Eve projektet har varit pionjärer i att utforska och skapa insikter för elektromobiltet med hjälp av operationell data. Projektet har använt Machine learning för att skapa tjänster kring förebyggande underhåll inom elektromobilitet. Specifikt har projketet utvecklat generella livslängsmodeller för vitala komponenter i den elektrifierade drivlinan för bussar. Genom Transfer Learning har precisionen förbättrats genom att effektivt hantera olikheter i data. Projektet har även utforskat energieffektivitet och laddningsmönster i olika applikationer

Resultat och förväntade effekter

Projektresultatet har delat med produktutveckling och ledning för att ge rekommendationer för förlängd produktlivslängd och tjänsteutveckling. Status modeller för elektromobilitets komponenter har integrerats i Volvos monitorering system för att förbättra detektering av slitage. Högkvalitativa publikationer inom domänadaption och evolutionära metoder har lett till två doktorsdisputationer och en licentiatupphandling, samt presentationer på nationella och internationella konferenser

Upplägg och genomförande

EVE undersökte beteendet hos fordon och dess on-board signaler. Exempel på genomförda analyser: Överlevnadsanalys för att utveckla batteriersättningsstrategier Modellering av End of Life för elektriska komponenter med hjälp av klassifikation och regressionsmodeller Variabelselektion genom evolutionära metoder Domänoberoende Neurala Nätverk för att estimera hälsostatusen av batteriet Klustreringsmetoder applicerade för att hitta energikonsumptionssegment