AIBR プレミアム
拓海先生、今日は論文の話を聞かせてください。私どもの現場でもバッテリー診断を現実的に回せる方法が見つかると助かりますが、難しい話は苦手でして。
素晴らしい着眼点ですね！大丈夫、一緒にやれば必ずできますよ。今日はバッテリーを現場で計測する実用的な手法について、簡単に噛み砕いて説明できますよ。
現場でというのは、走行中や充電中でも測れるという意味ですか。今の機器は高精度だけれど高額で、うちのBMSでは無理だと聞いています。
ポイントはそこです。肝は高価なハードウェアを避けつつ、信号設計とデータ処理で精度を稼ぐ手法です。要するに、賢い「問いかけ」を工夫して、安い計測で必要な情報を引き出すということですよ。
これって要するにバッテリーに『こう応えてください』と短く合図を出して反応を見るようなものですか。もしそうなら、現場でも使えるかもしれません。
その通りです！論文の手法は擬似乱数列（pseudo-random sequences、PRS）を使って幅広い周波数を一度に刺激し、バッテリーの応答を短時間で取るという方法なのです。しかも三段階の信号（0,+1,-1）を使うので、電子回路も安く済むんですよ。
なるほど。ですが現場では電圧のドリフトや充電開始時の過渡現象が邪魔をします。そういうのはどう処理するのですか。
良い質問です。ここが論文の肝で、特定の三値擬似乱数列、例えば二次剰余三値列（quadratic-residue ternary、QRT）や直接合成三値列（direct-synthesis ternary、DST）が離散フーリエ変換（discrete Fourier transform、DFT）の固有ベクトルに近い性質を持つため、ドリフトや過渡応答を簡単に打ち消せるのです。
それは計算が重くなってしまいませんか。うちのBMSのプロセッサでは無理なのではと心配です。
そこがもう一つの利点です。論文ではこれらの列を使うことでドリフト除去や過渡抑制の処理を非常に効率的に行えると示しています。要は重いFFTや長時間のバッファを必要とせず、低メモリで処理できるのです。
投資対効果という観点では、センサーや追加基板のコストは抑えられるということでよろしいですか。また、測れる情報は実用に足る精度でしょうか。
結論から言うと有望です。論文の実験では高速充電中のセルでインピーダンス特性が取得でき、状態推定や劣化検出に使えるレベルの情報が得られたと報告されています。要点を三つにまとめると、低コスト、短時間測定、低計算リソースでの処理が可能である点です。
わかりました。要するに、賢い信号を安いハードで打って、賢い処理で邪魔な成分を消すことで、現場でインピーダンスが取れるということですね。自分の言葉で言うとそういうことです。
