기계학습에 기반한 전기차용 배터리 상태진단 기술개발

본 과제는 전기차에 사용되는 배터리의 상태를 정확하게 진단하고 품질을 평가하기 위해 기계학습(Machine Learning) 기술을 활용하는 연구임. 특히, 배터리 납품 단계에서 품질 테스트를 자동화하고 불량품을 신속하게 판별하는 기술 개발을 목표로 함. 연구 목표는 전기차용 구동 배터리의 품질 테스트 라인에 적용 가능한 시험 기술을 개발하고, 셀 및 모듈 단위의 품질 테스트 시스템을 설계하는 데 있음. 이를 위해 배터리 모듈 EIS(Electrochemical Impedance Spectroscopy)용 센싱 회로 및 디지털 인터페이스 하드웨어 구현, 그리고 배터리의 비선형 특성을 해석하는 AI 모델(CNN, AutoEncoder, GAN 등) 개발, 정보 등록 및 결과 관리를 위한 Web API 및 UI 제작을 포함함. 핵심 연구 내용은 EIS 센싱 회로 및 디지털 인터페이스 하드웨어 구현, 특정 주파수 성분 추출 및 임피던스 계산을 위한 디지털 록인 앰프 알고리즘 구현, EIS 측정 인터페이스 소프트웨어 개발임. 또한, GAN과 AutoEncoder 모델을 활용하여 소수의 EIS 측정 데이터 기반의 AI 학습용 데이터를 생성하고, 이를 통해 배터리 상태를 판정하는 AI 모델(CNN, AutoEncoder)을 개발하며, EIS 측정 및 판정 결과 조회 화면을 제작함. 기대 효과는 중국의 전기차 시장 진입을 위한 국내 업체 지원과 중국산 LiFePO4 전기차 배터리의 고속 불량 판정 기술 지원에 있음. 또한, AI 기술을 전기차용 배터리 진단에 적용하여 미래 전기차 시장에서 기술 우위를 확보하는 데 크게 기여할 것으로 전망됨.