The role of machine learning enabled diagnostics in a circular battery economy
Övrig text i vetenskaplig tidskrift, 2026
Machine learning-enabled battery diagnostics transform scarce and heterogeneous field battery data into reliable state indicators, enabling informed decision-making across reuse, recycling, and remanufacturing stages. By linking safety, economic value, and environmental performance, diagnostics function as critical information infrastructure for an efficient, scalable and sustainable battery circular economy.
Författare
Shengyu Tao
Chalmers, Elektroteknik, System- och reglerteknik
Xuan Zhang
Tsinghua University
Changfu Zou
Chalmers, Elektroteknik, System- och reglerteknik
Chem Circularity
3051-2948 (ISSN)
Vol. 1 100005Multifysisk modellering och övervakning av litiumjonceller för nästa generations styrsystem
Vetenskapsrådet (VR) (2023-04314), 2024-01-01 -- 2027-12-31.
Prediktivt underhåll av e-powertrain med hjälp av fysikinformerad inlärning (TEAMING)
Europeiska kommissionen (EU) (101131278), 2023-12-01 -- 2027-11-30.
Styrkeområden
Energi
Ämneskategorier (SSIF 2025)
Elektroteknik och elektronik
DOI
10.1016/j.checir.2026.100005