استیمایکروالکترونیکس هوشمندی مبتنی بر هوش مصنوعی را به سامانههای کنترل موتور میآورد
شرکت STMicroelectronics، پشتهٔ نرمافزاری کنترل موتور FP-IND-MCAI1 را برای سامانههای BLDC مجهز به هوش مصنوعی معرفی میکند. این پشته تنظیم درایو، تشخیص لرزش و پیشبینی طول عمر را بهبود میدهد و پلت...
هوش مصنوعی بهطور نامحسوس در حال تغییر نحوه عملکرد درایوهای موتور در میدان است
STMicroelectronics با معرفی FP-IND-MCAI1، مجموعه نرمافزاری کنترل موتور تقویتشده با هوش مصنوعی و ساختهشده برای پلتفرمهای درایو BLDC، سبد محصولات خود در حوزه حرکت صنعتی را گسترش داده است. این محصول برای مهندسانی طراحی شده که با سامانههای سروو کامپکت و موتورهای کمولتاژ کار میکنند و به عملکرد تطبیقی، نه تنظیمات ایستا، نیاز دارند.
برخلاف میانافزارهای سنتی درایو، این مجموعه قابلیتهای یادگیری ماشین را مستقیماً در حلقه کنترل ادغام میکند. این نرمافزار فقط فرمانهای حرکتی را اجرا نمیکند، بلکه شرایط کاری را نیز در لحظه تفسیر میکند.
این تغییر نشاندهنده گذار گستردهتری در کنترل حرکت است؛ جایی که هوش تعبیهشده بهتدریج جایگزین روشهای تنظیم دستی در سامانههای سروو و رباتیک صنعتی سبک میشود.
پلتفرم EVLSPIN32G4-ACT نشان میدهد که پشتههای کنترل آماده برای هوش مصنوعی چگونه میتوانند در معماریهای سختافزاری کامپکت درایو BLDC کار کنند.
وقتی حلقههای کنترل از خود ماشین یاد میگیرند
از تنظیم PID تا هوش تطبیقی
سامانههای سرووی سنتی به پارامترهای PID که بهصورت دستی تنظیم شدهاند متکی هستند. مهندسان بهرهها را بر اساس تجربه و نتایج راهاندازی تنظیم میکنند. FP-IND-MCAI1 با استفاده از رفتار تاریخی موتور بهعنوان مرجع تنظیم، این روند کاری را تغییر میدهد.
این نرمافزار پاسخ گشتاور، تغییرات بار و پایداری حرکت را پایش میکند. سپس رفتار کنترلی را برای بهبود بهرهوری و کاهش تنش مکانیکی در طول زمان تنظیم میکند.
لرزش به سیگنال دیجیتال تبدیل میشود، نه صرفاً نویز
یکی از قابلیتهای کلیدی این محصول، پشتیبانی اختیاری از حسگرهای لرزش است. سامانه با استفاده از یک مدل یادگیری ماشین تعبیهشده، وضعیتهای کاری را به حالتهای عادی، لرزش زیاد یا ناپایدار طبقهبندی میکند.
سیگنالهای جریان و ورودیهای حسگر بهطور پیوسته به مدل داده میشوند. این کار امکان شناسایی زودهنگام الگوهای خرابی را فراهم میکند؛ الگوهایی که معمولاً در عیبیابی متعارف درایو قابل مشاهده نیستند.
طبقهبندی وضعیت موتور به اپراتورها امکان میدهد رفتار غیرعادی را پیش از تبدیل شدن به خرابی مکانیکی شناسایی کنند.
درایوهای مجهز به هوش مصنوعی در کجای سامانههای صنعتی واقعی قرار میگیرند
این پشته نرمافزاری برای کاربردهایی طراحی شده است که در آنها یکنواختی حرکت مستقیماً بر بهرهوری تأثیر میگذارد. رباتیک، سلولهای اتوماسیون کامپکت و سامانههای مونتاژ دقیق، از مهمترین بهرهبرداران آن هستند.
در ماشینهای بردار و قراردهی، حتی افزایشهای جزئی در بهرهوری نیز زمان چرخه را در هزاران تکرار کاهش میدهند. تنظیم تطبیقی کمک میکند با پیشرفت فرسودگی مکانیکی، پروفایلهای حرکتی یکنواخت حفظ شوند.
زیستبوم کنترل موتور STM32 و NanoEdge AI Studio این قابلیت را به روندهای کاری توسعهدهندگان گسترش میدهند. مهندسان میتوانند مدلها را بهبود دهند و آنها را بدون بازسازی کل معماری سامانه، در منطق کنترلی سفارشی ادغام کنند.
صنعت از کنترل به سمت پیشبینی رفتار حرکت میکند
کنترل موتور به کمک هوش مصنوعی به معنای جایگزین کردن منطق سروو نیست. هدف، افزودن یک لایه بازخورد است که الگوهای فرسودگی، تغییرات بار و تنشهای محیطی را درک میکند.
این رویکرد با روندهای گستردهتر صنعتی در حوزه نگهداری مبتنی بر وضعیت و تحلیل لبهای همراستا است. سامانهها بهجای واکنش نشان دادن به خطاها، شروع به پیشبینی آنها میکنند.
با نزدیکتر شدن هوش به مرحله درایو توسط سازندگان نیمهرسانا، مرز میان سامانه کنترل و موتور تحلیل همچنان کمرنگتر میشود.
تحولی فنی که فلسفه طراحی حرکت را تغییر خواهد داد
FP-IND-MCAI1 مسیر روشنی را در طراحی اتوماسیون صنعتی نشان میدهد. مهندسان کنترل دیگر فقط رفتار حرکتی را تنظیم نمیکنند؛ آنها اکنون سامانههای تطبیقی را طراحی میکنند که در حین کار تکامل مییابند.
این روند احتمالاً بر معماریهای نسل آینده سروو، بهویژه در رباتیک کامپکت و سامانههای حرکت توزیعشده، تأثیر خواهد گذاشت؛ حوزههایی که در آنها هوش داخلی وابستگی به کنترلرهای مرکزی را کاهش میدهد.
تأثیر بلندمدت این تغییر ساختاری است. سامانههای حرکتی بیش از پیش مانند اجزای یادگیرنده رفتار خواهند کرد، نه دستگاههایی با عملکرد ثابت.
*دنیل مرسر، خبرنگار سامانههای صنعتی با ۱۴ سال تجربه در سامانههای سروو، پلتفرمهای کنترل لبهای و معماریهای اتوماسیون در پروژههای Siemens، Schneider Electric و Beckhoff Automation.*