خودروهای برقی هوشمندتر می شوند کمک هوش مصنوعی به خودرو های خودران برقی برای تشخیص لحظه ای از دست دادن کنترل
به گزارش سئو بوی، پژوهشگران با ترکیب مدلهای فیزیکی و هوش مصنوعی، تخمین زمان واقعی حالت های حرکت خودرو های خودران برقی را که برای پایداری و رانندگی خودکار حیاتی می باشد، بهبود بخشیدند.
به گزارش سئو بوی به نقل از ایسنا، خودروهای برقی بطور رو به ازدیادی برای حفظ پایداری، کارآمدی و ایمنی به نرم افزار متکی هستند. با افزایش وظایف رانندگی خودران خودرو ها، آنها باید شرایط پیچیده جاده را سریع تر از رانندگان انسانی تفسیر کنند. این چالش، مهندسان را بر آن داشته است تا در مورد چگونگی درک حرکت خود توسط خودرو ها تجدید نظر کنند.
سیستم های کنترل مدرن به دانش دقیق از نحوه حرکت خودرو در هر لحظه وابسته هستند. حتی خطاهای کوچک می توانند بر ترمز، فرمان و پایداری تاثیر بگذارند. در سیستم های خودران، این خطاها می توانند به سرعت افزایش یابند. ازاین رو مهندسان، تخمین حالت خودرو را بعنوان یکی از حیاتی ترین پایه های تحرک آینده می دانند.
پژوهشگران حالا استدلال می کنند که رویکرد های مدل سازی سنتی به تنهایی نمی توانند با این روند همگام شوند. جاده های واقعی عوامل غیر قابل پیش بینی مانند تغییر شکل تایر، تغییرات سطح و مانورهای ناگهانی را ایجاد می کنند. این اثرات اغلب خارج از فرضیات موجود در مدلهای کلاسیک خودرو قرار می گیرند.
این گروه، یک سیستم تخمین وضعیت خودرو مبتنی بر هوش مصنوعی فیزیکی بوجود آورده اند که برای ردیابی رفتار خودرو های الکتریکی در لحظه طراحی شده است. این پروژه شامل همکاری بین المللی با دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو بود.
این سیستم بر تخمین وضعیت های حرکتی خودرو که حسگرها نمی توانند مستقیماً اندازه گیری کنند، تمرکز دارد. یکی از مهم ترین این موارد، زاویه لغزش جانبی است. این مقدار نشان داده است که یک خودرو در هنگام پیچیدن یا شرایط کم اصطکاک چقدر به پهلو می لغزد.
لغزش جانبی نقش برجسته ی در پایداری خودرو ایفا می کند. هنگامی که رانندگان یا سیستم های خودران نتوانند آنرا بموقع تشخیص دهند، سیستم های کنترل ممکنست خیلی دیر واکنش نشان دهند.
شیوه های تخمین مرسوم به سبب تغییر مداوم رفتار تایرها با مشکل مواجه می شوند. سطح جاده و سرعت، محاسبات را پیچیده تر می کند و برای غلبه بر این محدودیت ها، تیم تحقیقاتی یک چارچوب تخمین ترکیبی طراحی کرد.
این رویکرد مدلهای فیزیکی خودرو را با هوش مصنوعی ترکیب می کند. بجای جایگزینی فیزیک، سیستم آنرا با یادگیری مبتنی بر داده تقویت می کند.
این چارچوب، یک مدل فیزیکی تایر را با یک روش رگرسیون مبتنی بر هوش مصنوعی ادغام می کند.
داده های سنسور که نیروی جانبی تایر را اندازه گیری می کنند، بطور مداوم به سیستم وارد می شوند. این امر به مدل اجازه می دهد که با رفتار غیرخطی تایر و تغییرات محیطی سازگار شود.
آزمایش ها سطوح مختلف جاده، سرعت ها و سناریوهای پیچیدن مختلفی را پوشش دادند و سیستم در تمام شرایط دقت بالایی را حفظ کرد. مهندسان این ثبات را برای استقرار در خودرو های واقعی ضروری می دانند.
تخمین دقیق وضعیت خودرو از چندین عملکرد حیاتی پشتیبانی می کند. این موارد شامل کنترل پایداری، ایمنی رانندگی خودکار و بهره وری انرژی است. تخمین های بهتر به سیستم های کنترل اجازه می دهد تا زودتر و دقیق تر مداخله کنند.
پروفسور «نام»، پتانسیل طولانی مدت این کار را| یادآوری| کرد و اظهار داشت که این تیم بر بهبود قابلیت اطمینان به اندازه دقت تمرکز کرده است. وی تاکید کرد که ترکیب فیزیک و هوش مصنوعی به پر کردن شکاف های ناشی از مدلهای سنتی کمک کرده است.
وی ادامه داد: از راه رویکرد جدیدی که مدلهای فیزیکی و هوش مصنوعی را ترکیب می کند، می توانیم شرایط رانندگی وسایل نقلیه الکتریکی را با دقت و قابلیت اطمینان بیشتری تخمین بزنیم.
پژوهشگران اعتقاد دارند که این رویکرد می تواند معماری های کنترل خودرو در آینده را شکل دهد. این سیستم مسیری را به طرف کنترل فیزیکی با کمک هوش مصنوعی بدون از دست دادن قابلیت اطمینان ارائه می کند.
این مطالعه در مجله IEEE Transactions on Industrial Electronics انتشار یافته است.
این چالش، مهندسان را بر آن داشته است تا در مورد چگونگی درک حرکت خود توسط خودروها تجدید نظر کنند. این پروژه شامل همکاری بین المللی با دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو بود. این امر به مدل اجازه می دهد که با رفتار غیرخطی تایر و تغییرات محیطی سازگار شود.
منبع: seoboy.ir
سیستم های کنترل مدرن به دانش دقیق از نحوه حرکت خودرو در هر لحظه وابسته هستند. حتی خطاهای کوچک می توانند بر ترمز، فرمان و پایداری تاثیر بگذارند. در سیستم های خودران، این خطاها می توانند به سرعت افزایش یابند. ازاین رو مهندسان، تخمین حالت خودرو را بعنوان یکی از حیاتی ترین پایه های تحرک آینده می دانند.
پژوهشگران حالا استدلال می کنند که رویکرد های مدل سازی سنتی به تنهایی نمی توانند با این روند همگام شوند. جاده های واقعی عوامل غیر قابل پیش بینی مانند تغییر شکل تایر، تغییرات سطح و مانورهای ناگهانی را ایجاد می کنند. این اثرات اغلب خارج از فرضیات موجود در مدلهای کلاسیک خودرو قرار می گیرند.
درک رفتار خودرو
یک تیم تحقیقاتی به رهبری پروفسور «کانگهیون نام»(Kanghyun Nam) در مؤسسه علم و فناوری دائکو گیونگبوک(DGIST)، راهکار جدیدی برای این مشکل عرضه کرده است.این گروه، یک سیستم تخمین وضعیت خودرو مبتنی بر هوش مصنوعی فیزیکی بوجود آورده اند که برای ردیابی رفتار خودرو های الکتریکی در لحظه طراحی شده است. این پروژه شامل همکاری بین المللی با دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو بود.
این سیستم بر تخمین وضعیت های حرکتی خودرو که حسگرها نمی توانند مستقیماً اندازه گیری کنند، تمرکز دارد. یکی از مهم ترین این موارد، زاویه لغزش جانبی است. این مقدار نشان داده است که یک خودرو در هنگام پیچیدن یا شرایط کم اصطکاک چقدر به پهلو می لغزد.
لغزش جانبی نقش برجسته ی در پایداری خودرو ایفا می کند. هنگامی که رانندگان یا سیستم های خودران نتوانند آنرا بموقع تشخیص دهند، سیستم های کنترل ممکنست خیلی دیر واکنش نشان دهند.
شیوه های تخمین مرسوم به سبب تغییر مداوم رفتار تایرها با مشکل مواجه می شوند. سطح جاده و سرعت، محاسبات را پیچیده تر می کند و برای غلبه بر این محدودیت ها، تیم تحقیقاتی یک چارچوب تخمین ترکیبی طراحی کرد.
این رویکرد مدلهای فیزیکی خودرو را با هوش مصنوعی ترکیب می کند. بجای جایگزینی فیزیک، سیستم آنرا با یادگیری مبتنی بر داده تقویت می کند.
این چارچوب، یک مدل فیزیکی تایر را با یک روش رگرسیون مبتنی بر هوش مصنوعی ادغام می کند.
داده های سنسور که نیروی جانبی تایر را اندازه گیری می کنند، بطور مداوم به سیستم وارد می شوند. این امر به مدل اجازه می دهد که با رفتار غیرخطی تایر و تغییرات محیطی سازگار شود.
آزمایش ها و پیامدها
پژوهشگران این سیستم را با استفاده از یک پلت فرم واقعی خودروی خودران الکتریکی اعتبارسنجی کردند.آزمایش ها سطوح مختلف جاده، سرعت ها و سناریوهای پیچیدن مختلفی را پوشش دادند و سیستم در تمام شرایط دقت بالایی را حفظ کرد. مهندسان این ثبات را برای استقرار در خودرو های واقعی ضروری می دانند.
تخمین دقیق وضعیت خودرو از چندین عملکرد حیاتی پشتیبانی می کند. این موارد شامل کنترل پایداری، ایمنی رانندگی خودکار و بهره وری انرژی است. تخمین های بهتر به سیستم های کنترل اجازه می دهد تا زودتر و دقیق تر مداخله کنند.
پروفسور «نام»، پتانسیل طولانی مدت این کار را| یادآوری| کرد و اظهار داشت که این تیم بر بهبود قابلیت اطمینان به اندازه دقت تمرکز کرده است. وی تاکید کرد که ترکیب فیزیک و هوش مصنوعی به پر کردن شکاف های ناشی از مدلهای سنتی کمک کرده است.
وی ادامه داد: از راه رویکرد جدیدی که مدلهای فیزیکی و هوش مصنوعی را ترکیب می کند، می توانیم شرایط رانندگی وسایل نقلیه الکتریکی را با دقت و قابلیت اطمینان بیشتری تخمین بزنیم.
پژوهشگران اعتقاد دارند که این رویکرد می تواند معماری های کنترل خودرو در آینده را شکل دهد. این سیستم مسیری را به طرف کنترل فیزیکی با کمک هوش مصنوعی بدون از دست دادن قابلیت اطمینان ارائه می کند.
این مطالعه در مجله IEEE Transactions on Industrial Electronics انتشار یافته است.
این چالش، مهندسان را بر آن داشته است تا در مورد چگونگی درک حرکت خود توسط خودروها تجدید نظر کنند. این پروژه شامل همکاری بین المللی با دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو بود. این امر به مدل اجازه می دهد که با رفتار غیرخطی تایر و تغییرات محیطی سازگار شود.
منبع: seoboy.ir
About the Author
