Currently, lithium batteries are widely used in electronic devices and electric vehicles, making the estimation of their State of Health (SOH) crucial. Accurate SOH estimation helps extend battery lifespan, reduce maintenance costs, and prevent safety issues such as overheating or explosions. This project aims to study and analyze mathematical models of batteries and develop SOH estimation techniques using Neural Networks to enhance accuracy and evaluation speed. The experiment involved collecting charge and discharge data from three lithium battery cells under controlled temperature conditions while maintaining a constant current. The current, voltage, and time data were recorded and analyzed to determine the battery capacity for each cycle. These data were then used to train a Neural Network model. The results demonstrated an effective method for predicting battery health status. The outcomes of this project can contribute to the development of a Battery Management System (BMS) that improves battery efficiency and longevity. Additionally, it provides a foundation for applying artificial intelligence techniques in the energy sector effectively.
เนื่องจากปัจจุบันมีการใช้งานแบตเตอรี่ลิเทียมในอุปกรณ์อิเล็กทรอนิกส์ เช่น โทรศัพท์มือถือ และยานยนต์ไฟฟ้าอย่างแพร่หลาย การประเมินสถานะสุขภาพของแบตเตอรี่จึงเป็นสิ่งสำคัญที่ช่วยยืดอายุการใช้งาน ลดค่าใช้จ่ายในการบำรุงรักษา และป้องกันการเสื่อมสภาพที่อาจนำไปสู่ปัญหาด้านความปลอดภัย เช่น ความร้อนสูงเกินหรือการระเบิด ทำให้การประมาณสถานะสุขภาพมีส่วนช่วยลดความเสี่ยงในการใช้งานแบตเตอรี่และเพิ่มประสิทธิภาพในการใช้พลังงานให้เกิดประโยชน์สูงสุด อีกทั้งการประเมินสถานะสุขภาพนี้ยังช่วยลดต้นทุนการเปลี่ยนแบตเตอรี่บ่อยครั้งที่อาจเกิดขึ้นจากการใช้งานที่ไม่ถูกต้อง ปัญหาของการเสื่อมสภาพของแบตเตอรี่เกิดขึ้นจากการใช้งานที่ต่อเนื่อง ทั้งการประจุไฟฟ้าและการคายประจุไฟฟ้า ซึ่งจะมีผลให้ความเสถียรของแบตเตอรี่ลดลงไปเรื่อยๆ การตรวจสอบสถานะสุขภาพแบตเตอรี่เป็นการแก้ปัญหาหนึ่ง แต่เทคนิคที่มีอยู่เดิมอาจใช้เวลานานหรือมีความแม่นยำที่ไม่เพียงพอ การนำเทคโนโลยีปัญญาประดิษฐ์ โดยเฉพาะโครงข่ายประสาทเทียม (Neural Networks) เข้ามาประยุกต์ใช้จึงเป็นทางเลือกใหม่ที่ช่วยให้การประเมินสถานะสุขภาพแม่นยำขึ้นและรวดเร็วขึ้น การพัฒนาอัลกอริทึมสำหรับการคาดการณ์จากข้อมูลการประจุไฟฟ้าและการคายประจุไฟฟ้าของแบตเตอรี่ช่วยให้เกิดโมเดลที่สามารถเรียนรู้จากข้อมูลในอดีตและคาดการณ์สถานะสุขภาพของแบตเตอรี่ในอนาคตได้
คณะเทคโนโลยีสารสนเทศ
Traditional methods of public relations and learning often lack engagement and fail to provide users with a deep and immersive experience. Additionally, these methods struggle to reach a wide audience, especially those unable to visit the physical location. This project aims to solve the issues of accessibility and awareness regarding the institution’s Chalermphrakiat Hall and historical exhibition. Utilizing metaverse technology to simulate important locations allows users to explore the site and view key information in a virtual format, thereby enhancing the engagement of students staff alumni and the general public. The metaverse system is developed using Unity, a powerful game engine capable of supporting the creation of metaverse environments. This allows for the creation of an interactive and realistic virtual space. Unity also supports the management of physics, lighting, and sound, further enhancing realism. Additionally, the system is integrated with web browsers using WebGL technology, enabling the project developed in Unity to be accessed directly through a browser. Users can visit and interact with the metaverse environment from anywhere without the need to install additional software. The developers have thus created the metaverse system to provide a realistic and engaging learning experience, enhancing public relations efforts and fostering a strong connection with the institution efficiently.
คณะเทคโนโลยีการเกษตร
The extreme weathers according to PM 2.5 is a global problem with out any borders. This pollutant can directly attack human health. The objective of the study was aimed to develop medicinal plant essential oil emulsions in order to use to decrease PM 2.5 based on chemical characterization of water-soluble anions and cations. A mount of 31 medicinal plant essential oil emulsions were prepared and then initially careened and tested for their efficiency in reducing PM 2.5 under test chamber by spraying method. It was found that spraying for 1 hr with kaffir lime essential oil emulsion at 0.025% concentration could reduce PM 2.5 obtained from engine exhaust pipe effectively when PM 2.5 of 24.7 µg/m3 was detected within 6 hrs, followed by kaffir lime essential oil emulsion at 0.05% and Eucalyptus essential oil emulsion at 0.05% and 0.025% concentration resulting in 27.3, 30.0 and 95.3 µg/m3, respectively. Whereas, water (blank) and control group (water and carboxymethylcellulose, CMC 0.2%) showed high revels of PM 2.5 with 126.4 and 157.3 µg/m3, respectively. This kaffir lime essential oil emulsion at 0.025% concentration showed 3-6 time decline of PM 2.5 upward 2 hrs compared with control group. Field experiment was performed at 3 Bangkok parks, namely, Suantaweewanarom, Suanbankharepirom and Suanthonbureerom. There were many factors affecting the decline of PM 2.5 caused by this essential oil emulsion, particularly, the windy as well as temperature and humidity. PM 2.5 level tended to be decreased after the beginning of spraying. In general, PM 2.5 levels appeared at those 3 parks were decreased rapidly within 1 hr as by average of 21.8 (7.7-27.3) µg/m3, Whereas, decline of only 6.4 (5.0-8.0) µg/m3 was observed in control (water). Incase of calm wind, (10-20 km/hr) this plant essential oil emulsion could even reduce PM 2.5 at 37.0-44.0 µg/m3 and reached to 13.5-16.5 µg/m3 within 3 hrs. As high level of PM 2.5 as 98.0-101.0 µg/m3 , it could reduce PM 2.5 to be an average of 23.0-26.5 µg/m3 within 3 hrs, Whereas, the use of water performed low capacity of PM 2.5 reduction found with only 31.0-40.0 µg/m3. However, windy condition (15-35 km/hr), the efficacy of this essential oil emulsion seem to be lower but tended to work better than using water alone
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-