Zum Inhalt springen
Technische Universität München

Yilei Lin, M. Sc.

E-Mailyilei.lin(at)tum.de
RaumMW 3511
Telefon+49.89.289.10338
Fax+49.89.289.15357
 LinkedIn

Projekte

LiBRA (Lithium-Ion Battery Real-Time Analytics) - Entwicklung von KI-Algorithmen zur Online-Parametrierung von Batteriemodellen zum Einsatz auf BMS-Hardware

Aktivitäten

Vorlesung: Auslegung von Elektrofahrzeugen 

Studienarbeiten / HiWi

Titel BA SA MA HW exp the kon Eintrag
Development of a Machine Learning Model for SoH Estimation at Cell Level Using Impedance Data 2025-05-12
Development of a Machine Learning Model for ECM Parameter Estimation in an Automotive Module Using Imped-ance Data 2025-05-12
Entwicklung einer KI-Methode zur Aktualisierung von ECM-Parametern über die Gesamtlebensdauer der Batterien 2024-08-30
Development of a Simple Battery Management System for an Automotive Lithium-Ion Battery Module 2024-07-17
Zustandsschätzung in seriell verschaltetem Automotive-Batteriemodul mit Maschinellem Lernen und Impedanzdaten 2024-06-25
HiWi-Stelle: Unterstützung bei der experimentellen Untersuchung des Relaxationsverhaltens von Lithium-Ionen-Batterien unter realen Bedingungen 2024-06-17
Strategieentwicklung für Onboard EIS-Messungen: Analyse der idealen Zeitfenster unter Berücksichtigung von Relaxationszeiten und verschiedenen Fahrprofilen 2024-03-08
Experimentelle Untersuchung und Bestimmung geeigneter Parameter für EIS-Methoden zur Onboard-Anwendung in Lithium-Ionen-Batterien 2024-02-12

 

Bei Interesse an einer Studienarbeit im Themenbereich KI-gestützten Batteriemodellierung für BMS können Sie sich gerne initiativ per E-Mail bei mir melden.

Veröffentlichungen

2025

  • Schreiber, Markus; Lin, Yilei; Sommer, Alessandro; Wassiliadis, Nikolaos; Morales Torricos, Pablo; Rogge, Marcel; Lewerenz, Meinert; Grosu, Cristina; Endisch, Christian; Jossen, Andreas; Lienkamp, Markus: Apparent Aging vs. True Aging: Impact of Various Load Characteristics on Accelerated Aging Tests - Cycle Aging Data. 2025, (anderer Eintrag) mehr…
To top