Η Τεχνητή Νοημοσύνη βελτιστοποιεί τα ηλεκτρικά συστήματα μετάδοσης κίνησης
Ερευνητές στο Τεχνικό Πανεπιστήμιο του Γκρατς ανέπτυξαν μια μέθοδο για να συντομεύσουν τη φάση ανάπτυξης των ηλεκτροκινητήρων κατά αρκετούς μήνες. Χρησιμοποίησαν ένα σύστημα τεχνητής νοημοσύνης που λαμβάνει υπόψη, για παράδειγμα, το κόστος παραγωγής, την απόδοση και τις απαιτήσεις χώρου στο όχημα.
Μια ομάδα από το Ινστιτούτο Μηχανικής Αυτοκινήτων στο Τεχνολογικό Πανεπιστήμιο του Γκρατς συνδυάζει μοντέλα προσομοίωσης εξαρτημάτων με αλγόριθμους εξελικτικής βελτιστοποίησης. Αυτό το σύστημα AI βελτιστοποιεί αυτόματα ολόκληρο το σύστημα μετάδοσης κίνησης, από τα ηλεκτρονικά ισχύος έως τον ηλεκτροκινητήρα και το κιβώτιο ταχυτήτων, σύμφωνα με τις τεχνικές απαιτήσεις του κατασκευαστή. Το λογισμικό τεχνητής νοημοσύνης που χρησιμοποιήθηκε για αυτό, το OPED (Optimisation of Electric Drives), αναπτύχθηκε από το Πανεπιστήμιο και είναι το αποτέλεσμα σχεδόν δέκα ετών έρευνας. Σύμφωνα με το πανεπιστήμιο, χρησιμοποιείται ήδη με επιτυχία από έναν αυστριακό προμηθευτή αυτοκινήτων, ο οποίος δεν αναφέρεται ονομαστικά.
«Οι ηλεκτρικοί κινητήρες αποτελούνται από ένα μεγάλο αριθμό εξαρτημάτων που μπορούν να σχεδιαστούν πολύ διαφορετικά προκειμένου να πληρούν τις επιθυμητές απαιτήσεις», εξηγεί ο Martin Hofstetter από το Πανεπιστήμιο. «Αν κάνω μια μικρή αλλαγή στον ηλεκτροκινητήρα, έχει επίδραση στο κιβώτιο ταχυτήτων και στα ηλεκτρονικά ισχύος.
Επομένως, είναι εξαιρετικά περίπλοκο να λαμβάνεις βέλτιστες αποφάσεις». Μια επιπλέον δυσκολία σύμφωνα με τον Hofstetter είναι ότι δεν υπάρχει μια τέλεια λύση για ένα σύστημα μετάδοσης κίνησης, καθώς οι προτεραιότητες του κατασκευαστή παίζουν επίσης ρόλο: Αυτές μπορεί να περιλαμβάνουν το κόστος παραγωγής, το βάρος και τον όγκο του συστήματος μετάδοσης κίνησης ή την ενεργειακή απόδοση.
Το σημείο εκκίνησης για την αυτόματη βελτιστοποίηση είναι η εισαγωγή των τεχνικών απαιτήσεων που πρέπει να πληροί το σύστημα μετάδοσης κίνησης. Αυτές περιλαμβάνουν την ισχύ μετάδοσης κίνησης, την ελάχιστη διάρκεια ζωής, τη μέγιστη ταχύτητα που πρέπει να επιτευχθεί και τον μέγιστο διαθέσιμο χώρο στο όχημα. Το λογισμικό OPED AI συμβάλλει στη σημαντική μείωση της πολυπλοκότητας της διαδικασίας ανάπτυξης: Με βάση τις τεχνικές απαιτήσεις, το λογισμικό ποικίλλει και συνδυάζει περίπου 50 παραμέτρους σχεδιασμού ταυτόχρονα, συγκρίνοντας τα προσομοιωμένα συστήματα μετάδοσης κίνησης με τις προτεραιότητες του κατασκευαστή.
Οι κακές παραλλαγές απορρίπτονται και οι καλύτερες βελτιστοποιούνται περαιτέρω. Σύμφωνα με το Πανεπιστήμιο του Γκρατς, μετά από αρκετές εκατοντάδες χιλιάδες κύκλους υπολογισμού και προσομοίωσης, η OPED βρίσκει τις λύσεις που πλησιάζουν περισσότερο τις προτεραιότητες των κατασκευαστών. Στη συνέχεια, μπορούν να επιλέξουν από έναν διαχειρίσιμο αριθμό παραλλαγών εκείνες που θα ήθελαν να αναπτύξουν περαιτέρω και να εφαρμόσουν λεπτομερώς. «Αυτό που θα χρειάζονταν μήνες για να κάνουν οι μηχανικοί χωρίς την υποστήριξη τεχνητής νοημοσύνης διαρκεί περίπου μια μέρα με το OPED», λέει ο Martin Hofstetter. «Αυτό επιτρέπει στις ομάδες ανάπτυξης να επικεντρωθούν σε αποφάσεις ανώτατου επιπέδου αντί να επενδύουν τον περιορισμένο χρόνο τους σε χειροκίνητους υπολογισμούς και εργασίες προσομοίωσης».
Το σύστημα OPED μπορεί επίσης να επεκταθεί ευέλικτα και τώρα μπορεί επίσης να λαμβάνει υπόψη τις εκπομπές CO2 σε ολόκληρη την αλυσίδα εφοδιασμού, για παράδειγμα. Ως πρόσφατη καινοτομία, ο Dominik Lechleitner πέτυχε να επεκτείνει το OPED για τη βελτιστοποίηση ηλεκτροκίνησης μιας ολόκληρης πλατφόρμας οχήματος ως μέρος της διατριβής του: η μέθοδος βοηθά στην εύρεση βέλτιστων εξαρτημάτων που μπορούν να χρησιμοποιηθούν ως πανομοιότυπα μέρη στα συστήματα μετάδοσης κίνησης διαφορετικών μοντέλων μια πλατφόρμα για εξοικονόμηση κόστους ανάπτυξης και παραγωγής.
«Η προσέγγιση OPED μπορεί να χρησιμοποιηθεί για μια μεγάλη ποικιλία εξελίξεων προϊόντων», εξηγεί ο Martin Hofstetter, «και είμαστε στην ευχάριστη θέση να συνεργαστούμε με νέους βιομηχανικούς εταίρους για να την προσαρμόσουμε στις προκλήσεις και τους στόχους τους».
