An Empirical Study on Machine Learning based Smart Device Lithium-Ion Cells Capacity Estimation

Over the past few years, smart devices, including smartphones, have been continuously required by users based on portability. The performance is improving. Ubiquitous computing environment and sensor network are also improved. Due to various network connection technologies, mobile terminals are widely used. Smart terminals need technology to make energy monitoring more detailed for more stable operation during use. The smart terminal which is light in small size generates the power shortage problem due to the various multimedia task among the terminal operation. Various estimation hardwares have been developed to prevent such situation in advance and to operate stable terminals. However, the method and performance of estimating the remaining amount are not relatively good. In this paper, we propose a method for estimating the remaining amount of smart terminals. The Capacity Estimation of lithium ion cells for stable operation was estimated based on machine learning. Learning the characteristics of lithium ion cells in use, not the existing hardware estimation method, through a map learning algorithm using machine learning technique The optimized results are estimated and applied.

머신러닝 기반 스마트 단말기 Lithium-Ion Cell의 잔량 추정 방법의 실증적 연구

지난 몇 년 동안 스마트 폰을 비롯한 다양한 스마트 기기들은 휴대성을 기반으로 사용자의 요구에 의해 지속적으로 성능이 향상 되고 있다. 유비쿼터스 컴퓨팅 (Ubiquitous Computing) 환경과 센서 네트워크 (Sensor network)등의 다양한 망 접속 기술로 인하여 휴대성을 기반으로 하는 단말기들이 다양하게 보급되어 사용되고 있다. 스마트 단말들은 사용 중에 보다 안정적인 동작을 위하여 에너지 모니터링을 세밀하게 할 수 있는 기술이 필요하게 되었다. 소형 경량화 된 스마트 단말기는 다양한 멀티미디어 작업으로 인하여 단말 운용 중에 전원 부족 문제가 발생하게 된다. 이와 같은 상황을 미리 방지하고 안정적인 단말 운용을 위해서 기존에 다양한 추정 하드웨어가 개발 되었다. 그러나 잔량 추정을 하는 방법이나 성능이 비교적 우수하지 못하였다. 본 논문에서는 스마트 단말의 운용 중에 발생 할 수 있는 잔여 잔량 문제를 미리 예측하여 보다 안정적인 운용을 위한 리튬이온 셀의 잔량 추정 방법을 머신러닝에 기초를 두고 연구 하였다. 기존의 하드웨어적인 추정 방법이 아니라 사용 중인 리튬이온 셀의 특성을 머신러닝 기법을 이용한 학습 알고리즘으로 학습 시키고 최적화된 결과를 추정하여 적용 하고자 한다.