התפקיד של אינטליגנציה מלאכותית באופטימיזציה של ביצועי הנטועה של חשמל

אינטליגנציה מלאכותית התפתחה ככוח טרנספורמטיבי על פני דיסציפלינות הנדסיות, והיישום שלה לשיטות הנעה חשמלית מייצג את אחד הגבולות המבטיחים ביותר בתחום התעופה והחלל של טכנולוגיית הרכב.חשמל, בין אם נעשה שימוש בהיגו לווינים דרך הריק של החלל או להניע את הדור הבא של כלי רכב חשמליים, מסתמכים על שליטה מדויקת של שדות אלקטרומגנטיים ופיסיקה.

מערכות הנעה חשמלית

הנעה חשמלית כוללת מעמד רחב של טכנולוגיות המשתמשות באנרגיה חשמלית כדי להאיץ את הדחף וליצור דחף שלא כמו רקטות כימיות, אשר מסתמכות על תגובות אקספרסמית, דחף חשמלי להשיג דחף ספציפי הרבה יותר (Isp) על ידי מאיץ ions או פלזמה למהירויות גבוהות מאוד.סוגים הנפוצים ביותר כוללים דחף הול-אפקטיבי, דחף מוצמד, אלקטרורמי ואנטימי כמו גם מושגים מתקדמים (מסטרומטרדיסטים).

בתחום הרכב, הנעה חשמלית מתייחסת לכונן של כלי רכב חשמליים סוללות (BEVs), אשר להמיר אנרגיה חשמלית מחבילת הסוללה לתוך מומנט מכני באמצעות מנוע חשמלי. בעוד הפיזיקה שונה ממערכות מבוסס חלל, אתגרי אופטימיזציה הם דומים להפליא: שניהם דורשים שליטה נוכחית ומתח מדויקת, ניהול תרמי והתאמה בזמן אמת של פרמטרים תפעוליים כדי להתאים תוך שמירה על אנרגיה, תרגם יעילות גבוהה יותר וקיבולת מופחתת באופן ישיר, כלומר, תשלומים לטווח ארוך יותר, עלויות גבוהות יותר, עלויות גבוהות יותר, וקצבי זמן מוגבל יותר, קיבולת גבוהה יותר.

מרכיבי המפתח של כל מערכת הנעה חשמלית כוללים את יחידת עיבוד החשמל (PPU), אשר ממיר קלט חשמלי גולמי למתחים והזרמים הדרושים על ידי הדחף; את הדחף עצמו; מערכת ניהול דחף; ו יחידת בקרה אשר מתזמרת פעולה. יחידת הבקרה משתמשת באופן מסורתי בהחלפת פרופורציה (PID) לולאות וטבלאות מכוונן עבור nominal-intrar זה, כאשר הוא מופעל על ידי תפקוד שבץ- AI-re-a-a-rere-re-retra-ret-in-intrar-in-in-in-integrative-in-in-integral-integral-in-integral-integral-in-in-in-in-integral-in-integral-integral-integral-in-integral-integral-dative-integral-integrative-integrative-inteivative-integrative-inteivative-inteivative-in-integrative-in-in-inteivative-integrative

הסעיף של בינה מלאכותית ומניעה חשמלית

AI משפר את ההנעה החשמלית על ידי קידוד גבוה של טלמטים מחיישנים משובצים ברחבי המערכת ושימוש בנתונים אלה כדי לבנות מודלים חיזוייים של התנהגות.מכונות למידה אלגוריתמים, כולל רשתות עצביות, תמיכה במכונות וקטורת עצים, ועצים ⁇ -boosted, יכולים לזהות דפוסים שאינם נראים למפעילי אנוש.אדריכלות מעמיקות הן יעילות במיוחד כאשר המערכת היא לא ליניארית ומחוברת מאוד.

השילוב של בינה מלאכותית אינו מחליף חומרה שליטה קיימת; אלא, הוא מגביר אותו.מודלים של AI יכולים לרוץ על מעבדי קצה במשותף עם PPU או על מאיץ ייעודי של הקצוץ.ביישומים בחלל, קרינת FPGAs או שבבים מיוחדים AI כמו Intel Myriad X משמשים. EVs, יחידת חישוב מרכזית של הרכב יכול לטפל AI בצד השני של תזמון, אפילו תצורה של תצורה של תחזוקה, או תצורה של החלפה, או החלפה של AI.

מעקב בזמן אמת ובקרה

אחד היתרונות המיידיים ביותר של AI הוא היכולת לפקח על ביצועי הנעה חשמלית בזמן אמת ולעשות מיקרו-עדים מהר יותר מכל אלגוריתם אנושי או קבוע יכול. עבור הדחף הול, אשר פועל על ידי לכידת אלקטרונים בשדה מגנטי כדי לייצב את הדחף, המתח האופטימלי של שחרור וכוח השדה המגנטי להשתנות עם טמפרטורה, מצב אפלייד, ולחץ רקע.מודל AI על נתונים היסטוריים יכול לחזות את הטוב ביותר עבור כל נקודה מופחתת כוח דחף אוויר.

בהקשר של כלי רכב חשמליים, בקרה מלאכותית בזמן אמת אופטימיזציה למשלוח מומנט מהמנוע כדי להסביר עבור כביש ⁇ , מצב סוללה של מטען, החלקה צמיג, וגבולות גינון מחדש של גירוד. לדוגמה, כאשר הרכב נכנס משטח חיכוך נמוך, בקר AI יכול להפחית באופן מכריע כדי למנוע גלגל, ואז כוח ספין-פוחיות כמו החזרה.

החוקרים במעבדת ה-JPL (JPL) הוכיחו בקר מבוסס בינה מלאכותית עבור דחפורים שהפחיתו את צריכת החשמל עד 12% תוך שמירה על אותה רמה דחף.המערכת השתמשה ברשת עצבית convolutional כדי לנתח גלי חיישן ופקודות מתח במיקרו-שניות.

תחזוקה חיזוי

רכיבים חשמליים מתפוגגים לאורך זמן. Thruster אלקטרודות erode, insulators לשבור, ונושאות במנועים ספין-מפותיים ללבוש. בחלל, תיקון הוא בדרך כלל בלתי אפשרי, כך כישלונות לא מתוכנן יכולים לסיים משימה חיזוי תחזוקה באמצעות AI יכול לצפות כאשר מרכיב צפוי להיכשל על בסיס שינויים עדינים בנתונים תפעוליים.

בכלי רכב חשמליים, תחזוקה חיזוי מרחיבה את חיי הסוללה על ידי זיהוי תאים כי הם מידרדרים מהר יותר מאשר אחרים.מערכת AI עשויה להמליץ על ייבוש החבילה או צמצום זרם המטען עבור תאים חלשים, ובכך שווה הזדקנות לאורך הסוללה.זה חשוב במיוחד בפעולות צי שבו מינימום זמן פנוי הוא חיוני.מנהל צי יכול לקבל התראות שבועות לפני הובלת מנוע נכשל, ומאפשר תחליף מתוכנן במהלך חלון מתוכנן במקום תיקון חירום.

הליבה של תחזוקה חיזוי היא תכונה הנדסה מהנתונים של זמן. ויברציה חתימות, פרופילי טמפרטורה, מתח קרוע, ואת הרמוניות נוכחיות כל מידע בריאות קודר.ד autoencoders עמוק יכול ללמוד קו הבסיס "נורמלי" חתימה ו anomalies הדגל. עם הזמן, את מודל עדכונים עם נתונים חדשים להישאר מדויק כמו הגילאים המערכת.

אזורי אופטימיזציה מרכזיים

מעבר ניטור ותחזוקה, AI מניע אופטימיזציה על פני ממדים מרובים של ביצועים הנעה חשמלית.כל אזור מקטין את היכולת של AI להתמודד עם יחסים מורכבים, רב-תחומיים כי יהיה בלתי-מעורר עבור פתרונות אנליטיים.

אנרגיה יעילה

יעילות אנרגיה היא המטרה העיקרית הן עבור הנעה חשמלית לחלל והן לכדור הארץ. בדחפורים הול, היעילות היא תוצר של ניצול דחף, יעילות חשמלית, ו- beam פיזור. AI יכול לייעל את הסחר בין גורמים אלה על ידי מניפולציה של השדה המגנטי העליון ואת קצב זרימת המסה. לדוגמה, על ידי למידה של מערכת יחסים לא ליניארית בין כוח מגנטי וצנרת, מערכת AI יכולה למזער את המשתנים של אזור זהה, ללא שינוי של התדירות של כוח הפעלה, ללא שינוי.

אחת מטכניקה מתפתחת היא השימוש בלמידה חיזוקית כדי לשלוט ישירות בדפוסי המעבר של מופנים.מודולציה דו-ממדית המסורתית (PWM) תוכניות הן סטטיות, אבל סוכן RL יכול לבחור באופן דינמי להחליף מדינות כדי לאזן הפסדים והחלפת הפסדים כמו שינויים עומס.זה הוכח לשפר את היעילות המונעת על ידי עד 5% מתחת למחזורים מציאותיים.

Thrust Vector control

בקרת הגישה של Spacecraft לעתים קרובות מסתמכת על היגוי של הווקטור הדחף לייצר מומנט. במערכת עם מספר רב של דחף, AI יכול למקם את השילוב האש האופטימלי כדי להשיג את זרם הדחף הרצוי ו- torque תוך צמצום צריכת הדחף.זה בעיה אופטימיזציה מחוספסת שניתן לפתור באינטרנט באמצעות רשת עצבית מאוזנת העוקבת אחר פתרון של תוכנית קואוקס.

ניהול ארס

מערכות הנעה חשמלית לייצר חום משמעותי, במיוחד יחידת עיבוד החשמל והגוף דחף. overheating degrads ביצועים ויכול לגרום לכישלון קטסטרופלי. AI יכול לחזות טראנסים תרמיים ולהתאים את מחזור החובה דחף או לעסוק מנגנונים קירור (כגון אוריינטציה לוחית רדיו) לפני טמפרטורות גבוהות יותר על פני השטח של כלי רכב חשמליים, AI מצליח לנהל את מצב תרמי של המנועים ומניעה, הפעלת משאבות מגניבות כגון לחץ חשמלי גבוה על בסיס מנועי על בסיס לחץ חשמלי גבוה.

יישומים אמיתיים ומקריות

כמה ארגונים כבר פריסת AI במערכות הנעה חשמליות תפעוליות.הדוגמאות הבולטות ביותר מגיעות מהמגזר החלל, שם העלות של הכישלון גבוהה מאוד והתשלום עבור אופטימיזציה הוא עצום.

(FLT:0) תכנית הפיתוח של נאס"א Xenon Thruster (NEXT)BuildFLT:1, אשר פיתחה דחף כוח גבוה, שילבה כלים אבחון מבוסס AI לנתח נתונים של בדיקה.המערכת השתמשה בזיהוי אנומלי כדי לזהות אירועים נדירים כמו היווצרות קטואדה, אשר יכול לקצר את החיים באופן אוטומטי על ידי הטלת דגל אירועים אלה, מהנדסים יכלו לשנות את תהליכי הפעולה של פעילות אוטונומית אחת, אשר לא מזמן, אשר נעשה שימוש במשימות בקרה של פעילות אנושית, אשר לא מזמן, אשר נעשה שימוש במשימות בקרה מודרנית יותר, אשר עלולות, אשר ניתן להפעיל את משימות של AI-ידי משימות של פעילות גופנית אחת, אשר נעשה שימוש במשימות זמן רב יותר, אשר ניתן היה זמן רב יותר, אשר יכול לקצר את משימות של פעילותו של פעילות גופנית, אשר יכול למשימות של פעילותו של פעילותו של פעילותו של פעילותו של פעילותו של פעילות גופנית, אשר נעשה שימוש במשימות זמן רב יותר, אשר יכול היה לאחרונה, אשר יכול לקצר את משימות של פעילות אוטונומית של פעילות זמן רב יותר, אשר יכול לקצר את המשימות של פעילות בפועל, אשר יכול לקצר את משימות של פעילות גופנית, אשר יכול למשימות של פעילות זמן רב יותר, אשר יכול לקצר את משימות של פעילותו של פעילות גופנית, אשר

(FLT:0) Ad Astra Rocket CompanyFLT:1, מפתח של מנוע VASIMR, משתמש במכונה למידה מודל פלזמה בתוך הדחף. VASIMR מייצרת פלזמה באמצעות גלי רדיו, ו instabilities יכול להפחית את היעילות ואת רכיבי הנזק. על ידי אימון מודל על אלפי מקרי חיישנים קודמים, הצוות יכול לחזות את תחילת חוסר יציבות מסוים הנקרא "מצב מתקדם" וניתן להתאים את זה לפרמטרים יציבים במצב זה.

(FLT:0)SpaceXigFLT:1 ; אנליסטים בתעשייה מאמינים כי לווייני Starlink שלה משתמשים ב- AI כדי להתאים את מערכת ההנעה החשמלית המספקת העלאה ותחזוקת תחנה.מספר הלוויינים (יותר מ-4,000 נכון ל-2024 דורש הפעלה אוטונומית מלאה. אלגוריתמים AI עשויים להתאים את זמני ההנעה ואת רמות הכוח כדי לשמור על ספיגה תוך צמצום השימוש, ללא הפעלת כל מפעיל הקרקע.

במגזר EV, (FLT:0) העדכונים של התוכנה כללו שיפורים המונעים על ידי AI לשליטה מוטורית וחידושים של החברה "מצב ה-Track" משתמש ברשת עצבית כדי לחזות מתחת ל- AI ו-Oversteer, ולאחר מכן חל על יעילות וקטורינג עצמאית כדי לשפר את הטיפול.

אתגרים ושיקולים

למרות ההבטחה שלה, שילוב בינה מלאכותית במערכות הנעה חשמליות אינו ללא מכשולים משמעותיים.הראשון הוא איכות נתונים וזמינות.מודלים של AI הם רק טובים כמו נתוני האימונים שלהם.עבור דחפורים חלליים, השגת נתונים מקיפים המכסים מצבי כישלונות היא קשה כי כישלונות נדירים ומבחן עומדים יקרים לפעול.

שנית, הכדאיות החישובית של אי השוויון ב-AI חייבת להיות תואמת ללולאות בקרה בזמן אמת.חלק מהדחפורים דורשים עדכונים על שיעורי קילורץ; הפעלת רשת עצבית עמוקה אשר במהירות יכולה להיות מאתגרת בחומרה של טיסה בעוצמה נמוכה.טכניקות אופטימיזציה כגון פיית מודל, ריצוף, ושימוש בתקני אבטחה עצביים ייעודיים הם הכרחיים להסמכת מערכות קריטיות נוספות של אבטחה, כלומר, כלומר, כלומר, אם זה דורש תיקון של תהליכי בקרה שחורה (V) או יותר, במיוחד, או יותר, או יותר, או יותר, הוא דורש, כלומר, אם זה דורש תיקון פונקציונליות, כלומר, או יותר, אם זה דורש תיקון אבטחה, אם זה דורש אופטימיזציה של AI (כלומר, או יותר, או יותר, או יותר, או יותר, או יותר, הוא דורש, או יותר, או יותר, אם זה דורש אופטימיזציה של תפקוד AI) או יותר, אם זה דורש, הוא דורש תיקון פונקציונליות, או יותר, הוא דורש אופטימיזציה של מערכת עצבית, אם זה דורש אופטימיזציה פונקציונליות, הוא דורש אופטימיזציה של מערכת עצבית, אם זה דורש אופטימיזציה של מערכת עצבית, או יותר, או יותר, או יותר, כלומר, הוא דורש אופטימיזציה של מערכת עצבית, כלומר, אם זה דורש תיקון חיצוני (V

שלישית, אבטחת סייבר היא מערכות AI השולטות בדחפורים עלולות להיות פגיעות להתקפות יריבות שגורמות להתנהגות מסוכנת.להבטיח הכשרה חזקה, זיהוי אנומלי בקלטים, ולוגיקה לא בטוחה הם חיוניים.

לבסוף, שילוב של AI מציג מצבי כישלונ חדשים.מודל שהיה מדויק במהלך האימון עשוי לייצר פלטים שגויים בעת התמודדות עם נתונים של הפצת מידע.עיצוב מערכות בינה מלאכותית חזקות דורש בדיקות מקיף בתנאים קיצוניים, וארגונים רבים מאמצים את הרעיון של מסגרות "בטוחות" כגון שימוש בקר גיבוי פשוט יותר, שמרני שיכול לקחת על עצמו אם הביטחון של AI יורד מתחת לסף.

כיוונים עתידיים

העשור הבא יראה האצה של אימוץ AI בנעוריה חשמלית.כיוון מבטיח אחד הוא השימוש של חיזוק למידה עבור תכנון משימה אוטונומית מקצה לקצה, במקום פשוט לנסח ירי דחף יחיד, סוכן AI יכול לתכנן את כל המסלול ואת לוח הזמנים ההנעה עבור משימה חלל עמוק, איזון מדע חוזר, מגבלות כוח, ולהוביל חיים.

עוד גבול הוא עיצוב מונע AI.רשתות מוליכים (גנים) ורשתות עצביות מדע בדיוני (PINN) יכול להציע ג'מmetries חדש כי למקסם את מדדי הביצועים.לדוגמה, PINN יכול לפתור את משוואות הזרמה בתוך דחף הול כדי לעצב טופולוגיה שדה מגנטי אופטימלי, הרבה יותר יעילה מאשר שיטות מסורתיות AI-designed אלה ניתן לייצר לאחר מכן, ממרכיבים לייצור משותף.

מחשוב קוונטי, למרות שעדיין בחיתוליו, עשוי בסופו של דבר לעזור לפתור את בעיות אופטימיזציה המורכבות הטבועות במניעה חשמלית.אלגוריתמית היברידית של AI-quantum יכולה להתמודד עם הפיצוץ המשולב של לוח זמנים של קבוצות כוכבים גדולות או שליטה בזמן אמת של אלפי דחףים תלויים הדדית על חללית אחת.

מסקנה

בינה מלאכותית מעצבת באופן יסודי כיצד מערכות הנעה חשמליות מתוכננות, מופעלות ומוגשות. על ידי מתן אופטימיזציה בזמן אמת, תחזוקה חיזוי ושליטה אוטונומית, AI פותחה רמות של יעילות ואמינות שהיו בעבר מעבר להישג ידם, בעוד אתגרים נשארים באיכות נתונים, מגבלות חישוביות, וההסמכה, המסלול הוא ברור: AI תהפוך לחלק בלתי נפרד מכל מערכת הנעה חשמלית מתקדמת, מהקוביה הקטנה ביותר ועד להובלת כלי רכב חשמליים ולהוביל את המתקדמים ביותר, בין החלל הבין- AI, לבין המתקדמים ביותר, לבין ה-AI, לבין המתקדמים ביותר, לבין המתקדמים ביותר, לבין ה-AI, לבין ה-AI, לבין ה-מערכת ה-AI, לבין ה-AI, היא ברורה: ה-מערכת ה-מערכת החשמלית, היא ברורה יותר, לבין ה-AI, מהטכנולוגיות ה-AI, ה-AI.