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
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
西安交通大学团队提出Fast-LeWM,用动作前缀并行预测替代逐步推演,将AI世界模型规划速度提升近4倍,同时平均成功率从85.8%提升至90.5%。