Sztuczna inteligencja po cichu zmienia sposób działania napędów silnikowych w terenie

STMicroelectronics rozszerzyła swoją ofertę rozwiązań do przemysłowych systemów ruchu o FP-IND-MCAI1 — wzbogacony o AI pakiet oprogramowania do sterowania silnikami, przeznaczony dla platform napędowych BLDC. Rozwiązanie skierowano do inżynierów pracujących z kompaktowymi serwonapędami i niskonapięciowymi systemami silnikowymi, które wymagają adaptacyjnego działania zamiast statycznego dostrajania.

W przeciwieństwie do tradycyjnego oprogramowania układowego 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 dostrajanie w systemach serwonapędów i lekkiej robotyki przemysłowej.

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

Gdy pętle sterowania zaczynają uczyć się na podstawie samej maszyny

Od dostrajania 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 proces, wykorzystując historyczne zachowanie silnika jako punkt odniesienia podczas dostrajania.

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

Drgania stają się sygnałem cyfrowym, a nie tylko szumem

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

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

Klasyfikacja stanu silnika pozwala operatorom wykryć nieprawidłowe działanie, zanim przerodzi się ono w awarię mechaniczną.

Gdzie napędy wspomagane przez AI znajdują zastosowanie w rzeczywistych systemach przemysłowych

Ten stos oprogramowania jest przeznaczony do zastosowań, w których powtarzalność ruchu bezpośrednio wpływa na produktywność. 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 dostrajanie pomaga utrzymać spójne profile ruchu w miarę postępu zużycia mechanicznego.

Ekosystem sterowania silnikami STM32 i NanoEdge AI Studio rozszerzają te możliwości na proces projektowania oprogramowania. Inżynierowie mogą udoskonalać modele i integrować je z niestandardową logiką sterowania bez konieczności przebudowy całej architektury systemu.

Branża przechodzi od sterowania do przewidywania zachowania

Sterowanie silnikiem wspomagane przez AI nie polega na zastępowaniu logiki serwonapędu. Chodzi o dodanie warstwy sprzężenia zwrotnego, która rozumie proces degradacji, zmiany obciążenia i wzorce naprężeń środowiskowych.

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

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

Techniczna zmiana, która przeobrazi filozofię projektowania systemów ruchu

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

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

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

*Daniel Mercer, reporter zajmujący się systemami przemysłowymi, z 14-letnim doświadczeniem w dziedzinie serwonapędów, brzegowych platform sterowania i architektur automatyki, zdobytym podczas projektów realizowanych z firmami Siemens, Schneider Electric i Beckhoff Automation.*