Modelagem de baterias de chumbo-ácido utilizando séries temporais DFA, DCCA e 𝜌DCCA no contexto automotivo

Abstract

Essa dissertação apresenta uma modelagem de baterias de chumbo-ácido utilizando séries temporais DFA (análise de flutuações destendenciadas, do inglês Detrented Fluctuation Analysis), DCCA (análise de correlações cruzadas destendenciadas, do inglês Detrented Cross Correlation Analysis) e o coeficiente do DCCA, chamado de 𝜌DCCA, dentro de um uso automotivo, com o objetivo de detectar baterias com um estado de saúde deteriorado, antes da total incapacidade da bateria em dar partida no veículo. Com o aumento do uso de módulos eletrônicos e sensores dentro dos veículos, novas demandas foram adicionadas nesse uso da bateria, ao mesmo tempo que novas informações obtidas com mais sensores dentro dos carros tornam-se disponíveis como matéria prima de informação, permitindo estudar e evoluir o conhecimento ao redor do ciclo de vida da bateria, mais especificamente no momento de um maior desgaste da saúde da bateria. As falhas de baterias geram insatisfação dos clientes com a marca, muitas vezes gerando gastos extras por uma falta de diagnose correta no uso da bateria. Esse trabalho foca em aprimorar a investigação preditiva e possível proposta de um indicativo ao cliente de como está a saúde química da bateria de chumbo-ácido. Entender o comportamento da bateria do carro, em um ambiente com comunicação via nuvem com a empresa, pode permitir uma maior interação na manutenção preditiva dos consumidores, redução de tempo parado de veículo e maior satisfação do consumidor. A base do estudo apresenta a análise de séries temporais da tensão de bateria durante o momento de partida do veículo ao longo do tempo de uso, utilizando as técnicas de DFA, DCCA e 𝜌𝐷𝐶𝐶𝐴, apresentando as análises, discussões e resultados. Dentre os principais resultados, esse trabalho apresenta proposta o uso do 𝜌𝐷𝐶𝐶𝐴 como o parâmetro principal de detecção do fim de vida de bateria, ao comparar veículos com a mesma motorização, confirmando uma robustez do modelo ao comparar também baterias do mercado de reposição, trazendo uma nova aplicação para a engenharia automotiva de técnicas de sistemas complexos aplicados ao controle do estado de saúde da bateria.

ABSTRACT:This thesis presents a lead-acid battery modelling, using temporal series studies of detrented fluctuation analysis (DFA), detrented cross correlation analysis (DCCA) and DCCA coefficient (𝜌DCCA), in an automotive context, with main objective to detect battery state of health degra dation, before a full incapacity to crank a vehicle. The number of electronic modules (ECUS) increased inside vehicles, new power demands were included inside battery offenders, while in parallel several other sensors were included in the car allowing more data availability to support new studies inside battery behavior. This is a baseline to allow investigate battery live cycle with a different approach. The dead battery issue causes a lot of customer dissatisfaction with brand, several times generating extra money spend due to lack of proper diagnosis of battery usage. This study is focused in improve the predictive diagnostics and a potential new warning to be available to drivers, showing how good is the battery state-of-health. Understanding the battery behavior inside an ambient of cloud communication, allowing a higher interaction between brand and cus tomer for predictive diagnostic, reducing vehicle downtime and increasing customer satisfaction. The study is based on temporal series verification using the detrended fluctuation analysis (DFA), Detrended Cross Correlation Analysis (DCCA) and DCCA coefficient (𝜌𝐷𝐶𝐶𝐴), presenting analysis, discussions and results. Inside key results, this study presents the 𝜌𝐷𝐶𝐶𝐴 being used as a key parameter to be modelling the battery end of life detection, showing a positive cross correlation when it’s compared vehicles with same engine type and size. The model also withstands a comparison including aftermarket battery.