Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
AI Safety Assurance in Electric Vehicles: A Case Study onAI-Driven SOC Estimation
RISE Research Institutes of Sweden, Säkerhet och transport, Elektrifiering och pålitlighet.ORCID-id: 0000-0001-6901-4986
RISE Research Institutes of Sweden, Säkerhet och transport, Elektrifiering och pålitlighet.ORCID-id: 0000-0003-4069-6252
RISE Research Institutes of Sweden, Säkerhet och transport, Elektrifiering och pålitlighet.ORCID-id: 0009-0003-0563-079X
RISE Research Institutes of Sweden, Säkerhet och transport, Elektrifiering och pålitlighet.ORCID-id: 0000-0001-7933-3729
Visa övriga samt affilieringar
2025 (Engelska)Ingår i: EVS 38 - Proceedings / [ed] EVS, 2025Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Integrating Artificial Intelligence (AI) technology in electric vehicles (EV) introduces unique challenges for safety assurance, particularly within the framework of ISO 26262, which governs functional safety in the automotive domain. Traditional assessment methodologies are not geared toward evaluating AI-based functions and require evolving standards and practices. This paper explores how an independent assessment of an AI component in an EV can be achieved when combining ISO 26262 with the recently released ISO/PAS 8800, whose scope is AI safety for road vehicles. The AI-driven State of Charge (SOC) battery estimation exemplifies the process. Key features relevant to the independent assessment of this extended evaluation approach are identified. As part of the evaluation, robustness testing of the AI component is conducted using fault injection experiments, wherein perturbed sensor inputs are systematically introduced to assess the component's resilience to input variance.

Ort, förlag, år, upplaga, sidor
2025.
Nyckelord [en]
Artificial Intelligence, AI, electric vehicles, EV, safety assurance, ISO 26262, functional safety, independent assessment, AI safety, road vehicles, State of Charge, SOC, battery estimation, robustness testing, fault injection
Nationell ämneskategori
Datorsystem
Identifikatorer
URN: urn:nbn:se:ri:diva-78774OAI: oai:DiVA.org:ri-78774DiVA, id: diva2:1994821
Konferens
The 38th International Electric Vehicle Symposium & Exposition
Projekt
SUNRISE 101069573RELIANT 20220130
Forskningsfinansiär
EU, Horisont Europa, 101069573Tillgänglig från: 2025-09-03 Skapad: 2025-09-03 Senast uppdaterad: 2025-09-23Bibliografiskt granskad

Open Access i DiVA

fulltext(1129 kB)141 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1129 kBChecksumma SHA-512
9c7d1952e905924eb2cbb9387ef2c227bd5fb8b4816b72f7881e7f108ff98ea133bc4b4321fac9f3f4cabd1918ff37c332ad3a14e54f79cea027a10964878b84
Typ fulltextMimetyp application/pdf

Övriga länkar

Link

Person

Skoglund, MartinWarg, FredrikMirzai, AriaThorsén, AndersFolkesson, Peter

Sök vidare i DiVA

Av författaren/redaktören
Skoglund, MartinWarg, FredrikMirzai, AriaThorsén, AndersFolkesson, Peter
Av organisationen
Elektrifiering och pålitlighet
Datorsystem

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 141 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 591 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf