Predição de Falhas em Baterias de Ions de Lítio para Vehículos Elétricos
O presente trabalho aborda a predição de falhas em baterias de íons de lítio para veículos
elétricos, com o objetivo de desenvolver um sistema de diagnóstico preciso e confiável.
Foi realizado um análise de correlação para avaliar a relevância das variáveis de entrada,
especificamente temperatura e tensão, e o treinamento de um modelo de regressão logística
multinomial para estimar a influência de cada variável na separação entre as diferentes
classes de falhas. Posteriormente, foram integradas as previsões de métodos estatísticos e
máquinas de vetor de suporte (SVM) como entradas de um meta-modelo, com o intuito
de melhorar a capacidade preditiva do diagnóstico de falhas. Para otimizar os resultados,
foi implementado um ajuste no pré-processamento dos dados, aumentando a visibilidade
dos padrões das diferentes classes e permitindo uma classificação mais precisa. Os modelos
foram avaliados por meio de métricas de validação, garantindo sua robustez e confiabilidade.
O principal aporte deste trabalho reside na proposta de um meta-modelo quantitativo e
replicável, que combina análise estatística, aprendizado de máquina e pré-processamento
otimizado para a detecção precoce de falhas e a otimização da manutenção preditiva em
sistemas de armazenamento de energia. Esta metodologia fornece uma ferramenta eficaz
para melhorar a confiabilidade e a eficiência das baterias de veículos elétricos.