Questa pagina è stata tradotta automaticamente.
Completa un sondaggio di 1 minuto sulla qualità di questa traduzione.
Poclain Hydraulics sviluppa dei soft-sensor per misurare la temperatura dei motori in tempo reale usando il Deep Learning e i filtri di Kalman
“Abbiamo individuato due reti neurali che erano già implementate in MATLAB e tali reti neurali ci hanno aiutato a incorporare i codici nell’hardware per fare previsioni in tempo reale della temperatura.”
Risultati chiave
- Test accelerati MATLAB con reti neurali preaddestrate
- Simulink ha consentito di testare un filtro di Kalman semplificato ed esteso
- MATLAB ha consentito la generazione di codice in diversi linguaggi, tra cui C e C++
Poclain Hydraulics è leader mondiale nello sviluppo di trasmissioni e motori idrostatici che alimentano macchinari in settori quali l'edilizia, l'agricoltura e l'estrazione mineraria. Questi motori generano energia convertendo l'energia idraulica in energia meccanica, il che può aumentare la temperatura del motore e potenzialmente causare guasti.
Poclain Hydraulics ha utilizzato MATLAB® e Simulink® per creare un sensore soft che utilizzi un approccio basato su Deep Learning o filtro di Kalman per monitorare la temperatura del motore in tempo reale. Per avere successo, un modello di Deep Learning o di filtro di Kalman esteso deve prendere in considerazione la cronologia del carico del motore e i componenti ambientali, come la temperatura esterna. Lo svantaggio principale dell'approccio basato sulle reti neurali rispetto al filtro di Kalman era la mancanza di spiegabilità, che in questo caso non è stata considerata un problema.
Il team ha implementato un processo completo di industrializzazione dell'intelligenza artificiale, partendo dall'estrazione e randomizzazione dei dati, per poi passare alla formazione, al test e alla validazione delle reti neurali e, infine, all'implementazione sul loro hardware. MATLAB e Simulink hanno facilitato il processo di industrializzazione consentendo la generazione di codice C o C++, il test prima della distribuzione e la gestione di grandi set di dati. Per accelerare il processo, il team ha sfruttato anche le reti neurali preaddestrate disponibili in MATLAB.
Nell'ambito del processo di industrializzazione, Poclain Hydraulics ha utilizzato MATLAB e Simulink per generare dati mediante la creazione e la simulazione di un modello fisico del motore. Sono stati in grado di progettare esperimenti sulla generazione di dati, testare vari parametri motori, come pressione, velocità, tempo e fattori di rischio, e gestire i risultati degli esperimenti.