details_view: 6 von 10

 

Verbundvorhaben: HIBRAIN- Holistische Methode eines kombinierten daten- und modellbasierten Elektrodendesigns unterstützt durch künstliche Intelligenz; Teilvorhaben: Multiskalen-Analyse der 3D-Struktur und Operando-Bildgebung

Zeitraum
2022-01-01  –  2024-12-31
Bewilligte Summe
447.353,35 EUR
Ausführende Stelle
Förderkennzeichen
03ETE039G
Leistungsplansystematik
Elektromobilität - Lithium-basierte Batterien [EA2611]
Verbundvorhaben
01241889/1  –  HIBRAIN
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN5)
Förderprogramm
Energie
 
Ziel des HiBRAIN-Projekts ist es, einen ganzheitlichen Ansatz zur Optimierung des Elektrodendesigns, vor allem für das virtuelle Design auf der Ebene der Elektrodenmikrostruktur, zu entwickeln, der die Einbindung von realdatenbasierter 3D-Struktur-Modellierung, Simulation und künstlicher Intelligenz (KI) beinhaltet. Die Aufgabe des HZBs besteht hierbei in der exakten dreidimensionalen multiskaligen Abbildung der 3D-Struktur und -Morphologie der von den Partnergruppen hergestellten Partikel und sämtlicher Materialphasen-Bestandteile der Elektroden (NCM-Aktivmaterial, Kohlenstoff, Binder und Poren) und in der Analyse der Fabrikations-Struktur-Eigenschaftsbeziehungen, das heißt der Zusammenhänge der 3D-Struktur mit Herstellungsparametern und Leistungseigenschaften. Mit Hilfe von Operando-Synchrotron-Phasenkontrast-Tomographie wird die 3D-Struktur und -Morphologie während des Zyklierens untersucht. Hierbei wird ein besonderer Fokus auf die Analyse der Rissbildung gelegt, was insbesondere in NCM-Partikeln mit hohem Nickel- und niedrigem Kobalt-Gehalt wichtig ist. Mit Hilfe von Methoden des maschinellen Lernens (insbesondere Convolutional Neural Networks) wird eine semantische Segmentierung der tomographischen Daten durchgeführt. Die Erzeugung qualitativ hochwertiger 3D-Messdaten stellt die Grundvoraussetzung für die Entwicklung der darauf aufsetzenden realitätsnahen Tools der stochastischen 3D-Modellierung (Universität Ulm) und der physikbasierten numerischen Modellierung (HS Universität) der in diesen Strukturen ablaufenden Prozesse sowie für den darauf aufbauenden kombinatorischen Ansatz mit KI-Methoden dar.