二次電池 MBD・CAE

リチウムイオン電池の特性予測には、材料特性（ナノスケール）、電極設計（メゾスケール）、セル～モジュール・パックシステム設計（マクロスケール）の各階層の現象把握とモデリング評価による複合的な解析が有効となります。当社では、マルチスケール・マルチフィジックスモデリングにより、ミクロ～マクロに渡る広範な現象の解析からバッテリ設計開発を支援します。機械学習を積極的に活用し、劣化・SOC・SOH推定モデル、設計最適化、等の多くの実運用モデルを開発しています。

MBD（モデルベース開発）によるバッテリモジュール・パックの設計開発を支援します。1Dシステムモデルでの充放電・熱連成の熱マネ設計支援、強度設計支援、3Dモデルの縮退による1Dシステムモデルとデジタルツインの構築、HILSによる実稼働環境での検証テストを行います。また、バッテリモジュール・パックの異常時の熱連鎖・延焼予測シミュレーションにより、安全性設計を支援します。

• バッテリパックのモデルベース開発（MBD）支援技術　(PDF技術資料)NEW
• バッテリパックの熱マネ設計シミュレーションとHILSによる実稼働環境模擬テスト　(PDF技術資料)NEW
• バッテリモジュール・パックの熱、安全性シミュレーション技術　(PDF技術資料)NEW

リチウムイオン電池の基本的な特性において、電極・電解液等の材料選択、電極設計の寄与は大きいです。当社では、電極合剤の凝集構造モデル（メゾスケール）による電極合剤内の充放電・劣化解析、および、電極・電解液界面での電気化学反応や劣化被膜生成（ナノスケール）の第一原理計算により、ミクロレベルの電極内挙動を可視化し、特性のボトルネック解消と長寿命を目指した電極設計を支援します。

• 活物質凝集モデルに基づく充放電・応力解析　(PDF技術資料)NEW
• ESM-RISM法による第一原理計算を用いた固液界面シミュレーション　(PDF技術資料)NEW
• 第一原理計算を用いた有機ＳＥＩの輸送特性計算　(PDF技術資料) 

リチウムイオン電池は、繰り返し使用や長期保存によって劣化します。劣化モデリングでは、劣化現象（電極での被膜成長、結晶構造変化、等）を複合的にモデル化した物理モデル、データ駆動型の機械学習モデルの両者の取り組みを進めています。劣化現象が複雑な場合、データ駆動型の有効性を確認しています。当社では、劣化原因の推定と合わせた、ホワイトボックス型機械学習モデルによりバッテリ余寿命予測モデルの構築を支援します。また、機械学習を活用した、電極合剤、単セル、バッテリモジュールの容量・出力、安全性、劣化特性の多目的最適化モデルを構築しています。

• 機械学習によるデータ駆動型劣化特性予測モデリング　(PDF技術資料)NEW
• 機械学習による電極設計パラメータ最適化　(PDF技術資料)NEW

リチウムイオン電池の製造プロセスのシミュレーション・最適化を支援します。電極スラリーの塗工・乾燥工程などのウェットプロセス、全固体電池の圧粉成形工程・焼結工程、電極の巻回工程や超音波溶接工程などの解析に対応します。

• 電極の乾燥解析　(PDF技術資料)