我们最新的研究成果和详尽的材料测试有望提升电动汽车电池的制造效率、可靠性和环境可持续性
新加坡(2024年5月8日)——移动电气化解决方案合作伙伴ENNOVI推出了一种创新的电池互连系统(CCS)层压方法。ENNOVI通过测试多家供应商提供的聚对苯二甲酸乙二酯(PET)绝缘膜模和胶粘剂,检验其粘合强度、耐用性和环境影响。得益于此,ENNOVI建立了一个可以推荐最有效材料组合的数据库,淘汰了行业长期以来一直盛行的试错法。
传统上,在电池电芯上组装CCS需要采用繁琐的工序,包括使用模制塑料托盘进行定位。这些工序虽然能有效定位电芯和铜巴片/铝巴片,但随着模块尺寸的增加,也导致产品增加了不必要的重量和复杂性。认识到传统工序的局限性,ENNOVI率先采用了热层压和冷层压工艺,无需塑料托盘,即可通过使用推荐的层压材料组合,为原始设备制造商和一级供应商提供更简化、更灵活的解决方案。
“我们目前已转向采用层压工艺,这标志着我们在精确定位电芯巴片方面的能力实现了重大飞跃,不再受限于传统方法的机械限制”,ENNOVI能源系统产品经理Till Wagner解释道,“通过建立一个已预检测PET箔和胶粘剂的数据库,我们提高了CCS设计速度并简化了组装过程,从而为节约材料和能源开辟了新的可能性”。
ENNOVI层压技术的进步具有深远的影响。我们掌握热层压或冷层压工艺,在市场上独具优势,可以帮助全球原始设备制造商和一级供应商提高灵活性和效率。通过优化PET箔和胶粘剂的选择范围,ENNOVI正在提高电动汽车电池模块的结构完整性和使用寿命,缩短制造周期,以及降低环境影响。
随着电动汽车行业朝着更可持续、更高效的生产方式发展,ENNOVI的创新技术将引领新一代电动车电池模块的设计和组装。ENNOVI专注于减少或消除对胶粘剂的需求,从而解决了客户对电池寿命、环境影响和制造效率的担忧。“我们的目标是超越传统胶粘剂,利用前沿技术实现更牢固、更可持续的粘合”Wagner说道。
好文章,需要你的鼓励
当AI遇到空间推理难题:最新研究揭示GPT-4等顶尖模型在传送门解谜和立体拼图中集体"挂科",复杂智能远比我们想象的更难实现。
这项研究首次系统评估了AI代码智能体在科学研究扩展方面的能力。研究团队设计了包含12个真实研究任务的REXBENCH基准,测试了九个先进AI智能体的表现。结果显示,即使最优秀的智能体成功率也仅为25%,远低于实用化要求,揭示了当前AI在处理复杂科学推理任务时的显著局限性。
2025施耐德电气智算峰会上,全新EcoStruxure(TM) Energy Operation电力综合运营系统正式亮相,定位场站级智慧能源管理中枢,集技术领先性与本土适配性于一体。
俄罗斯莫斯科国立大学研究团队开发出MEMFOF光流估计新方法,在保持顶尖精度的同时将1080p视频分析的GPU内存消耗从8GB降至2GB,实现约4倍内存节省。该方法通过三帧策略、相关性体积优化和高分辨率训练在多个国际基准测试中取得第一名成绩,为高清视频分析技术的普及奠定基础。