Physics-Informed 기반 광학 열계측 열전달·배터리 열화 추정
Physics-Informed Estimation for Thermal Transport and Battery Degradation
연구 내용
물리 제약을 활용해 제한 데이터에서 열전도도와 배터리 State of Health를 추정하고 광학 열계측 신호를 융합하는 연구
유지형 연구실은 Physics-Informed Neural Networks를 기반으로 열역학 및 물리 법칙을 학습에 포함하여 열전달 관련 변수를 추정합니다. 제한된 데이터에서도 열전도도 추정이 가능하도록 물리 일관성 제약을 부여하고, 열유체와 전자기 현상을 동시에 고려하는 결합 해석으로 확장합니다. 또한 광학 열계측으로 획득한 온도 기반 정보를 활용해 리튬이온 배터리의 State of Health를 추정하는 프레임을 구성하여 계측-추정을 하나의 파이프라인으로 연결합니다. 데이터 효율성과 물리 일관성 확보를 연구의 차별성으로 보유하고 있습니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2024년에는 먼저 제한 데이터 상황에서 열전도도를 추정하는 Physics-Informed 모델을 통해 학습 안정성과 물리 제약 적용 방식을 정립했습니다. 이어서 열유동과 전자기 해석을 동시에 다루는 물리 기반 PINN 구조로 확장하여 다물리 문제에서의 일관된 추정 방향을 검증했습니다. 마지막으로 광학 열계측을 입력으로 하는 배터리 State of Health 추정 문제에 적용하여 차량용 계측 신호와 추정 모델을 결합하는 연구를 수행했습니다. 전체적으로 열역학 기반 추정에서 다물리 결합 해석, 배터리 열화 추정으로 연구 궤적을 형성하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 제한 데이터 기반 열물성 추정
- 열-전기 결합 문제 해석 대행
- 배터리 SOH 조기 진단
- 광학 열계측 기반 열화 모델링
- 열관리 알고리즘 입력 변수 생성
- 열원-장 상호작용 분석
- 열전달 파라미터 보정 및 재추정
- 센서 배치 및 데이터 수집 최적화
- 가상 시험을 통한 성능 예측
- 디지털 트윈용 물리 일관 학습
관련 논문
구분
제목
Thermal conductivity estimation using Physics-Informed Neural Networks with limited data
Combined analysis of thermofluids and electromagnetism using physics-informed neural networks
State of health estimation of lithium-ion battery cell based on optical thermometry with physics-informed machine learning