Texas Instruments (TI) a présenté aujourd’hui de nouvelles jauges monopuce pour la gestion prédictive de la capacité des batteries, dotées de la technologie Dynamic Z-TrackTM adaptative, la première du genre, pour un fonctionnement plus efficient et plus fiable des appareils alimentés par batterie. Par rapport aux méthodes de mesure traditionnelles, l’algorithme de modélisation prédictive des jauges BQ41Z90 et BQ41Z50 de TI permet d’obtenir une précision de l’état de charge et de l’état de santé inégalée dans le secteur, avec une marge d’erreur de l’ordre de 1 %, ce qui contribue à prolonger l’autonomie des batteries jusqu’à 30 %.
Alors que les utilisateurs demandent de plus en plus de puissance aux appareils électroniques, tels que les ordinateurs portables, les vélos électriques et les dispositifs médicaux portables, les systèmes de gestion des batteries (BMS) doivent assurer une surveillance précise, en temps réel. Les jauges de gestion prédictive de la capacité des batteries BQ41Z90 et BQ41Z50 dotées de la technologie Dynamic Z-Track permettent aux ingénieurs de concevoir des appareils électroniques avec des relevés précis de la capacité de la batterie, même pour des applications où les charges appliquées varient fortement. Grâce à cette précision accrue, les ingénieurs peuvent dimensionner les batteries en toute confiance, éliminant ainsi le risque de concevoir des batteries surdimensionnées par rapport à l’application.
« Que vous terminiez un projet sur votre ordinateur portable ou que vous rentriez chez vous en vélo électrique, il importe de pouvoir évaluer avec précision la capacité et la fiabilité de la batterie », a déclaré Evgen Barsukov, PhD, collaborateur TI, responsable du développement de l’algorithme BMS. « Les méthodes traditionnelles de surveillance d’état et de fonctionnement des batteries manquent souvent de précision quand les conditions d’utilisation sont changeantes. Les prévisions sont alors peu fiables. Notre nouvelle technologie Dynamic Z-Track est un modèle prédictif capable d’actualiser ses prévisions automatiquement dans des conditions de charge dynamiques, notamment pour les applications créées par l’intelligence artificielle. Ce modèle prédictif assure une précision élevée dans l’évaluation de l’autonomie de la batterie. Fruit de 20 ans d’expérience dans la surveillance réactive, cette innovation permet aux utilisateurs de bénéficier d’une fonction fiable, d’un fonctionnement plus sûr et d’un suivi précis du vieillissement et de l’autonomie de la batterie. »