性能预测在任何负载下都可以预测性能
GT-AutoLion可用于预测各种锂离子电池化学和电池设计在锂离子电池原型化甚至可用于测试之前的性能。使用GT-AutoLion，可以在任何负载下预测锂离子电池的性能，包括恒定电流（左侧显示的电压降和温升）和更多动态负载。GT-AutoLion使用Doyle，Fuller和Newman开创的物理化学伪2D模型来预测性能。
除了伪2D模型之外，GT-AutoLion还包括一个膨胀模型，该模型能够预测活性材料在锂化过程中膨胀时电池中的应力，应变和压力。最后，每个安装都包括一个全面的电化学材料数据库，减轻了实验室测试电化学性能的负担。
老化预测预测细胞在任何用例中将如何降解
GT-AutoLion有助于预测任何化学成分的锂离子电池在任何用例中将如何降解，包括日历老化，周期老化和混合老化场景。GT-AutoLion包括大量可用的锂离子降解机制，包括活性材料裂解，SEI和阴极膜生长以及锂电镀（这些模型的验证和可视化如左图所示）。这些机制使用户能够不仅预测容量衰减，还可以预测锂离子电池随着年龄的增长而增加的电阻。这些模型可用于减少测试时间和成本，预测电池在实际场景中的老化情况，预测老化电池如何影响系统性能，以及校准和优化快速充电策略。
安全预测在虚拟环境中替换安全测试
使用GT-AutoLion，用户可以创建一个虚拟测试环境，以便更大限度地减少昂贵和危险的单元级和包装级安全测试。这包括单元级和封装级外部短路测试以及热失控传播测试，其中一个单元进入热失控，通过/失败标准取决于相邻单元是否也进入热失控（虚拟热失控传播测试如右图所示）。
流程集成简化的工作流程以集成模型
GT了解锂离子电池和电池组不是在真空中开发的，因此这些模型能够被电池团队内外的大量利益相关者使用非常重要。为了实现这一目标，GT包括一个简化的工作流程，将锂离子电池的GT-AutoLion模型集成到GT系统级模型（左侧显示的电池电动汽车模型），GT电池组模型或Simulink模型中。GT-AutoLion包括一个内置的电池表征工具箱，可轻松导出等效电气电池模型。访问GT的实验设计、设计优化器和分布式计算可实现超快速的参数识别，并简化对实验数据的模型校准。最后，甚至可以对模型进行加密，以便供应商和 OEM 自由共享模型。
高级功能
从锂离子电池的 0D、P2D 和 P3D 建模无缝过渡
内置阴极、阳极和电解质材料属性库
先进的膨胀模型，可在一个工具中集成应力、应变和性能预测
与 GT 系统级车型直接集成
与 Simulink 和其他工具直接协同仿真
内置退化机制，用于基于物理的锂离子电池老化
与GT的实验设计（DOE）和优化功能集成，实现快速模型校准
与GT的热流体领域集成，用于电池组的热管理
展开
收起
特点与优势
