STMicroelectronics wprowadza inteligencję sterowaną przez AI do systemów sterowania silnikami

Sztuczna inteligencja po cichu zmienia sposób działania napędów silnikowych w terenie

Firma STMicroelectronics rozszerzyła swoje portfolio rozwiązań do przemysłowych systemów ruchu o FP-IND-MCAI1 — wzbogacony o AI pakiet oprogramowania do sterowania silnikami, przeznaczony dla platform napędowych BLDC. Rozwiązanie jest skierowane do inżynierów pracujących z kompaktowymi serwonapędami i niskonapięciowymi systemami silnikowymi, które wymagają adaptacyjnej wydajności zamiast statycznego strojenia.

W przeciwieństwie do tradycyjnego oprogramowania sprzętowego napędów pakiet ten integruje funkcje uczenia maszynowego bezpośrednio w pętli sterowania. Nie tylko wykonuje polecenia ruchu, lecz także interpretuje warunki pracy w czasie rzeczywistym.

Ta zmiana sygnalizuje szerszą transformację w sterowaniu ruchem, w ramach której wbudowana inteligencja zaczyna zastępować ręczne procedury strojenia w systemach serwonapędów i lekkiej robotyki przemysłowej.

Platforma EVLSPIN32G4-ACT pokazuje, jak stosy sterowania gotowe na AI mogą działać w kompaktowych architekturach sprzętowych napędów BLDC.

Gdy pętle sterowania zaczynają uczyć się na podstawie samej maszyny

Od strojenia PID do adaptacyjnej inteligencji

Tradycyjne systemy serwonapędów opierają się na ręcznie dostrajanych parametrach PID. Inżynierowie regulują wzmocnienia na podstawie doświadczenia i wyników uruchomienia. FP-IND-MCAI1 zmienia ten sposób pracy, wykorzystując historyczne zachowanie silnika jako punkt odniesienia podczas strojenia.

Oprogramowanie obserwuje reakcję momentu obrotowego, zmienność obciążenia i stabilność ruchu. Następnie dostosowuje działanie układu sterowania, aby z czasem zwiększyć efektywność i ograniczyć naprężenia mechaniczne.

Wibracje stają się sygnałem cyfrowym, a nie tylko szumem

Jedną z kluczowych funkcji jest opcjonalna integracja z czujnikami drgań. System klasyfikuje stany pracy jako normalne, charakteryzujące się wysokimi drganiami lub niestabilne, wykorzystując wbudowany model ML.

Sygnały prądowe i dane z czujników są nieprzerwanie przekazywane do modelu. Umożliwia to wczesne wykrywanie oznak degradacji, które w konwencjonalnej diagnostyce napędów zwykle pozostają niewidoczne.

Klasyfikacja stanu silnika umożliwia operatorom wykrywanie nieprawidłowego działania, zanim doprowadzi ono do awarii mechanicznej.

Gdzie napędy wykorzystujące AI sprawdzają się w rzeczywistych systemach przemysłowych

Ten stos oprogramowania jest przeznaczony do zastosowań, w których powtarzalność ruchu bezpośrednio wpływa na wydajność. Głównymi beneficjentami są robotyka, kompaktowe gniazda automatyzacji i precyzyjne systemy montażowe.

W maszynach typu pick-and-place nawet niewielki wzrost efektywności skraca czas cyklu w tysiącach powtórzeń. Adaptacyjne strojenie pomaga utrzymać spójne profile ruchu w miarę postępu zużycia mechanicznego.

Ekosystem sterowania silnikami STM32 oraz NanoEdge AI Studio rozszerzają te możliwości na procesy deweloperskie. Inżynierowie mogą udoskonalać modele i integrować je z własną logiką sterowania bez konieczności przebudowy całej architektury systemu.

Branża przechodzi od sterowania do przewidywania zachowania

Wspomagane przez AI sterowanie silnikami nie polega na zastępowaniu logiki serwonapędu. Chodzi o dodanie warstwy sprzężenia zwrotnego, która rozumie degradację, zmienność obciążenia i wzorce naprężeń środowiskowych.

Takie podejście wpisuje się w szersze trendy przemysłowe widoczne w utrzymaniu predykcyjnym opartym na stanie oraz analityce brzegowej. Zamiast reagować na awarie, systemy zaczynają je przewidywać.

W miarę jak producenci układów półprzewodnikowych integrują inteligencję coraz bliżej stopnia napędowego, granica między systemem sterowania a silnikiem analitycznym nadal się zaciera.

Techniczna zmiana, która przeobrazi sposób projektowania systemów ruchu

FP-IND-MCAI1 odzwierciedla wyraźny kierunek rozwoju projektowania automatyki przemysłowej. Inżynierowie sterowania ruchem nie zajmują się już wyłącznie dostrajaniem jego zachowania. Obecnie kształtują adaptacyjne systemy, które ewoluują podczas pracy.

Prawdopodobnie wpłynie to na architektury serwonapędów nowej generacji, zwłaszcza w kompaktowej robotyce i rozproszonych systemach ruchu, w których wbudowana inteligencja zmniejsza zależność od sterowników centralnych.

Długoterminowy wpływ będzie miał charakter strukturalny. Systemy ruchu będą coraz częściej zachowywać się jak uczące się komponenty, a nie urządzenia o stałej funkcjonalności.

*Daniel Mercer, reporter zajmujący się systemami przemysłowymi, z 14-letnim doświadczeniem w dziedzinie systemów serwonapędów, platform sterowania brzegowego i architektur automatyki w projektach realizowanych z firmami Siemens, Schneider Electric oraz Beckhoff Automation.*