سیستم هوش مصنوعی فیزیکی برای افزایش پایداری و ایمنی خودروهای برقی معرفی شد

در دنیای امروز، خودروهای برقی به طور فزاینده‌ای برای دستیابی به پایداری، کارایی و ایمنی بالاتر به نرم‌افزار متکی هستند. با گسترش قابلیت‌های رانندگی خودران، این وسایل نقلیه باید شرایط پیچیده جاده را با سرعتی فراتر از توانایی رانندگان انسانی تفسیر کنند. این چالش، مهندسان را بر آن داشته تا در رویکردهای خود برای درک حرکت خودرو بازنگری اساسی انجام دهند.

سیستم‌های کنترل مدرن به دانش دقیق از نحوه حرکت خودرو در هر لحظه وابسته هستند. حتی کوچکترین خطاها می‌توانند بر عملکرد ترمز، فرمان‌پذیری و پایداری کلی خودرو تأثیر بگذارند. در سیستم‌های خودران، این خطاها می‌توانند به سرعت تشدید شوند. به همین دلیل، مهندسان «تخمین حالت خودرو» را یکی از حیاتی‌ترین ستون‌های تحرک آینده می‌دانند.

چرا مدل‌سازی سنتی کافی نیست؟

محققان معتقدند که رویکردهای مدل‌سازی سنتی به تنهایی نمی‌توانند با پیچیدگی‌های روزافزون همگام شوند. جاده‌های واقعی شامل عوامل غیرقابل پیش‌بینی مانند تغییر شکل تایر، تغییرات سطح جاده و مانورهای ناگهانی هستند. این اثرات اغلب در فرضیات مدل‌های کلاسیک خودرو گنجانده نمی‌شوند و منجر به نادیده گرفتن جزئیات مهم می‌شوند.

راه حل نوین: درک رفتار خودرو با هوش مصنوعی فیزیکی

تیمی تحقیقاتی به رهبری پروفسور کانگهیون نام در مؤسسه علم و فناوری دائکو گیونگبوک (DGIST) در کره جنوبی، راه‌حلی نوآورانه برای این مشکل ارائه کرده‌اند. این گروه یک سیستم تخمین وضعیت خودرو مبتنی بر «هوش مصنوعی فیزیکی» توسعه داده‌اند که برای ردیابی رفتار خودروهای الکتریکی در لحظه طراحی شده است.

این پروژه نتیجه همکاری بین‌المللی با دانشگاه شانگهای جیائو تونگ و دانشگاه توکیو است که نشان‌دهنده تلاش جمعی برای پیشبرد فناوری‌های خودرویی است.

تمرکز اصلی این سیستم بر تخمین وضعیت‌های حرکتی خودرو است که حسگرها نمی‌توانند به طور مستقیم اندازه‌گیری کنند. یکی از مهم‌ترین این موارد، زاویه لغزش جانبی است. این مقدار نشان‌دهنده میزان لغزش جانبی یک خودرو در هنگام پیچیدن یا در شرایط کم‌اصطکاک است. لغزش جانبی نقش حیاتی در پایداری خودرو ایفا می‌کند؛ عدم تشخیص به موقع آن می‌تواند منجر به واکنش دیرهنگام سیستم‌های کنترل شود.

روش‌های تخمین مرسوم به دلیل تغییر مداوم رفتار تایرها با چالش مواجه هستند. سطح جاده و سرعت، محاسبات را پیچیده‌تر می‌کنند. برای غلبه بر این محدودیت‌ها، تیم تحقیقاتی یک چارچوب تخمین ترکیبی طراحی کرده است. این رویکرد مدل‌های فیزیکی خودرو را با هوش مصنوعی ترکیب می‌کند و به جای جایگزینی فیزیک، آن را با یادگیری مبتنی بر داده تقویت می‌کند.

این چارچوب یک مدل فیزیکی تایر را با یک روش رگرسیون مبتنی بر هوش مصنوعی ادغام می‌کند. داده‌های حسگر که نیروی جانبی تایر را اندازه‌گیری می‌کنند، به طور مداوم به سیستم وارد می‌شوند. این امر به مدل اجازه می‌دهد تا با رفتار غیرخطی تایر و تغییرات محیطی سازگار شود و دقت تخمین را به میزان قابل توجهی افزایش دهد.

آزمایش‌ها و پیامدها برای آینده رانندگی

محققان این سیستم را با استفاده از یک پلتفرم واقعی خودروی خودران الکتریکی اعتبارسنجی کردند. آزمایش‌ها شامل سطوح مختلف جاده، سرعت‌ها و سناریوهای پیچیدن متعدد بود. نتایج نشان داد که سیستم در تمام شرایط، دقت بالایی را حفظ کرده است. مهندسان این ثبات را برای استقرار موفقیت‌آمیز در خودروهای واقعی ضروری می‌دانند.

تخمین دقیق وضعیت خودرو از چندین عملکرد حیاتی پشتیبانی می‌کند که شامل موارد زیر است:

• کنترل پایداری پیشرفته: افزایش توانایی خودرو در حفظ تعادل.
• ایمنی رانندگی خودکار: بهبود قابلیت‌های تصمیم‌گیری و واکنش سیستم‌های خودران.
• بهره‌وری انرژی: بهینه‌سازی مصرف انرژی از طریق کنترل دقیق‌تر.

تخمین‌های بهتر به سیستم‌های کنترل اجازه می‌دهند تا زودتر و دقیق‌تر مداخله کنند و از بروز حوادث جلوگیری نمایند.

پروفسور نام به پتانسیل بلندمدت این کار اشاره کرد و تأکید کرد که تیم او بر بهبود قابلیت اطمینان به همان اندازه دقت تمرکز کرده است. وی افزود: «ترکیب فیزیک و هوش مصنوعی به پر کردن شکاف‌های ناشی از مدل‌های سنتی کمک کرده است. از طریق رویکرد جدیدی که مدل‌های فیزیکی و هوش مصنوعی را ترکیب می‌کند، می‌توانیم شرایط رانندگی وسایل نقلیه الکتریکی را با دقت و قابلیت اطمینان بیشتری تخمین بزنیم.»

محققان بر این باورند که این رویکرد می‌تواند معماری‌های کنترل خودرو در آینده را شکل دهد و مسیری را به سوی کنترل فیزیکی با کمک هوش مصنوعی، بدون از دست دادن قابلیت اطمینان، ارائه دهد. این مطالعه مهم در مجله معتبر IEEE Transactions on Industrial Electronics منتشر شده است.