Modelado predictivo del estado de baterías en sistemas autónomos no tripulados

Abstract

[Resumen] Este Trabajo de Fin de Grado tiene como objetivo estimar el estado de salud (SoH) de baterías de ion-litio utilizadas en vehículos aéreos eléctricos de despegue y aterrizaje vertical (eVTOL). Para ello se emplea un conjunto de datos real publicado por la Universidad Carnegie Mellon (eVTOL Battery Dataset), que recoge múltiples celdas y ciclos de funcionamiento. El proyecto sigue una metodología por fases: revisión del estado del arte, integración y preparación de los datos, y construcción y comparación de diferentes modelos de predicción. Se presta especial atención a una evaluación rigurosa por celda, con particiones que evitan mezclar información entre entrenamiento y prueba para obtener conclusiones fiables. Los resultados muestran que es posible predecir el SoH con buena precisión, con diferencias reducidas entre algunas familias de modelos. Se selecciona una solución equilibrada por su rendimiento, robustez e interpretabilidad, útil como base para la planificación del mantenimiento y la toma de decisiones en operación.[Abstract] This Bachelor’s Thesis aims to estimate the State of Health (SoH) of lithium-ion batteries used in electric vertical take-off and landing (eVTOL) systems. We rely on a real-world dataset published by Carnegie Mellon University (the eVTOL Battery Dataset) covering multiple cells and operating cycles. The project follows a staged methodology: review of related work, data integration and preparation, and the development and comparison of several predictive models. Particular care is taken to evaluate performance per cell, using splits that prevent information leakage between training and testing to ensure reliable conclusions. Results indicate that SoH can be predicted with good accuracy, with small gaps across some model families. The final solution balances performance, robustness, and interpretability, providing a practical baseline for maintenance planning and operational decision-making