ИИ научили управлять плавностью движения автомобиля
Ученые Южно-Уральского государственного университета (ЮУрГУ) нашли способ с помощью нейросети улучшить управляемость умными автомобильными амортизаторами, чтобы повысить плавность хода автомобиля. Результаты опубликованы в журнале Energies. Сегодня многие автовладельцы выбирают автомобили с регулируемой подвеской, которая подстраивается под любой тип дорожной поверхности. Адаптивные амортизаторы подвески позволяют существенно повысить плавность хода авто, его комфортабельность, а также управляемость, устойчивость, безопасность движения.
Перспективным направлением научных исследований сегодня стали активные адаптивные амортизаторы. Они имеют в своей конструкции источник энергии, который помогает амортизаторам полностью исключить нежелательные вертикальные перемещения кузова при движении автомобиля. Однако существующие конструкции систем управления адаптивными амортизаторами, по словам ученых, не позволяют в полной мере реализовать их потенциальные преимущества из-за использования упрощенных алгоритмов управления, основанных на идеализированных математических моделях.
Ученые ЮурГУ в ходе исследования выяснили, насколько можно улучшить качество работы адаптивных амортизаторов регулируемой подвески автомобиля при помощи искусственной нейронной сети. "Активный амортизатор представляет собой сложную техническую систему с существенно нелинейными рабочими характеристиками, обладающими свойством гистерезиса, "запоздалой реакции" на изменение условий. Сложность в управлении активными амортизаторами заключается в том, что одни и те же требуемые значения сил могут быть достигнуты воздействием на различные по своей природе исполнительные элементы", - рассказал РИА Новости декан автотранспортного факультета Политехнического института ЮурГУ Юрий Рождественский.
Авторы исследования рассмотрели амортизатор, который имеет в своей конструкции электромагнитные клапаны и гидравлический насос с большим временем срабатывания. При ошибках управления гидравлическим насосом результирующая ошибка системы может быть значительно ниже, чем при управлении электромагнитными клапанами. Ученые предложили алгоритм управления активным амортизатором на основе искусственной нейронной сети. С помощью нейронных сетей можно смоделировать любой сложный объект с точностью, зависящей от выбора структуры сети и от ее обучения. Это позволяет им находить применение в самых различных областях, в том числе в системах управления.
Обучение нейросети проводилось с помощью большого объема экспериментальных данных, охватывающих различные режимы работы амортизатора. Текущее состояние амортизатора зависит не только от внешних управляющих воздействий, но и от его предыдущих состояний. Исследователи выбрали структуру нейронной сети с временной задержкой, которая может "запоминать" последовательности входных сигналов, и, таким образом, снижать ошибки управления.
"В предложенном алгоритме нейронная сеть объединена с пропорционально-интегрально-дифференциальными регуляторами, которые настраивались современными эволюционными алгоритмами. Результаты работы алгоритма при отработке типовых и экстремальных режимов работы амортизатора, а также в составе комплексной системы управления адаптивной подвеской, показывают высокую эффективность предложенного решения", - рассказал РИА Новости ассистент кафедры "Автомобильный транспорт" Александр Алюков.
Активные амортизаторы потребляют много энергии, поэтому их лучше всего использовать в подвесках электрических и гибридных автомобилей, считают исследователи. В настоящее время команда ученых продолжает исследования по адаптивным подвескам транспортных средств совместно с коллегами из ведущих мировых научно-исследовательских лабораторий и университетов США, Германии и Испании под руководством профессора кафедры "Автомобильный транспорт" Анатолия Дубровского.
