数字孪生、机器学习和车队管理

BMS 中的软件实施也在不断创新。获得精确的电池包和电芯测量是实现比卡尔曼滤波器或库仑计数更先进的 X 状态算法的基础。

借助于针对个人驾驶行为、交通状况以及地理和道路条件的监控功能，可以实现更精确的车辆续航里程预测以及电池健康状态数据和荷电状态估算。如果将数据集中在云中，机器学习算法可以监控整个车队并启用预测服务。例如，如果事先发现并存储了某种故障模式，则算法能够及早检测到故障迹象，并计算出其他车辆未来发生故障的概率，以便主动请求检修服务。此功能称为创建数字孪生，可实现进一步的商业模型，如软件定义车辆中的车辆续航里程临时升级。

Electra 致力于开发人工智能推动的电池包解决方案，TI 与 Electra 密切合作将电动汽车电池进行联网，使 BMS 更智能、互联程度更高。Electra 的 EVE-Ai 360 车队分析软件是一款电池分析工具，可利用特定于车辆以及整个车队的电池包数据来生成电池健康状态趋势和预测模型。该软件使用来自电池、车辆和环境的数据以及机器学习算法，在潜在的电池问题和故障发生之前识别到这些问题和故障，从而提升车队效率和表现。

TI 推出了基于 Arm 且支持 AutoSAR 的 AM263P4-Q1 MCU 器件。这款器件包含一个使用自适应电芯建模系统的库，并支持机器学习服务以改进车队和车辆 X 状态测量，有助于实现更智能的充电并优化电池健康状态和续航里程。