ИИ тихо променя начина, по който електрозадвижванията се държат в реални условия

STMicroelectronics разшири портфолиото си за индустриално управление на движенията с FP-IND-MCAI1 — софтуерен пакет за управление на електродвигатели с функции на ИИ, предназначен за платформи с BLDC задвижвания. Решението е насочено към инженери, работещи с компактни серво- и нисковолтови двигателни системи, които изискват адаптивна производителност, а не статична настройка.

За разлика от традиционния фърмуер за задвижвания, този пакет интегрира функции за машинно обучение директно в контура за управление. Той не само изпълнява команди за движение, но и интерпретира работните условия в реално време.

Тази промяна е част от по-широк преход в управлението на движенията, при който вградената интелигентност започва да заменя ръчната настройка в серво- и леките индустриални роботизирани системи.

Платформата EVLSPIN32G4-ACT демонстрира как готовите за ИИ стекове за управление могат да работят в компактни хардуерни архитектури за BLDC задвижвания.

Когато контурите за управление започнат да се учат от самата машина

От настройка на PID до адаптивна интелигентност

Традиционните серво системи разчитат на ръчно настроени PID параметри. Инженерите регулират коефициентите въз основа на опита и резултатите от пускането в експлоатация. FP-IND-MCAI1 променя този работен процес, като използва историческото поведение на двигателя като ориентир за настройката.

Софтуерът следи реакцията на въртящия момент, промените в натоварването и стабилността на движението. След това регулира поведението на управлението, за да подобри ефективността и с течение на времето да намали механичното натоварване.

Вибрациите се превръщат в цифров сигнал, а не просто в шум

Ключова възможност е интеграцията с опционална система за измерване на вибрациите. Системата класифицира работните състояния като нормални, с високи вибрации или нестабилни, използвайки вграден ML модел.

Токовите сигнали и входовете от сензорите подават непрекъснато данни към модела. Това позволява ранно откриване на модели на влошаване, които обикновено остават невидими при конвенционалната диагностика на задвижванията.

Класификацията на състоянието на двигателя позволява на операторите да идентифицират необичайно поведение, преди то да се развие в механична повреда.

Къде задвижванията с ИИ намират приложение в реални индустриални системи

Този софтуерен стек е предназначен за приложения, при които постоянството на движението пряко влияе върху производителността. Роботиката, компактните автоматизирани клетки и системите за прецизен монтаж са сред основните бенефициенти.

При машините за вземане и поставяне дори малките подобрения в ефективността намаляват времето на цикъла при хиляди повторения. Адаптивната настройка помага за поддържане на постоянни профили на движение с напредването на механичното износване.

Екосистемата за управление на двигатели STM32 и NanoEdge AI Studio разширяват тази възможност в работните процеси на разработчиците. Инженерите могат да усъвършенстват моделите и да ги интегрират в персонализирана логика за управление, без да изграждат наново цялата системна архитектура.

Индустрията преминава от управление към прогнозиране на поведението

Управлението на двигатели с помощта на ИИ не цели да замени серво логиката. То добавя слой за обратна връзка, който разбира влошаването на състоянието, промените в натоварването и моделите на въздействие от околната среда.

Този подход съответства на по-широките индустриални тенденции при поддръжката според състоянието и периферния анализ. Вместо да реагират на повреди, системите започват да ги предвиждат.

С интегрирането на интелигентност все по-близо до етапа на задвижването от страна на производителите на полупроводници границата между системата за управление и аналитичния механизъм продължава да се размива.

Техническа промяна, която ще преобрази философията на проектиране на системи за движение

FP-IND-MCAI1 отразява ясна посока в проектирането на индустриална автоматизация. Инженерите по управление вече не настройват само поведението на движението. Те създават адаптивни системи, които се развиват по време на работа.

Това вероятно ще повлияе върху серво архитектурите от следващо поколение, особено при компактната роботика и разпределените системи за управление на движенията, където вградената интелигентност намалява зависимостта от централни контролери.

Дългосрочното въздействие е структурно. Системите за движение все по-често ще се държат като обучаващи се компоненти, а не като устройства с фиксирана функционалност.

*Даниел Мърсър, репортер за индустриални системи с 14 години опит в серво системите, периферните платформи за управление и архитектурите за автоматизация по проекти на Siemens, Schneider Electric и Beckhoff Automation.*