STMicroelectronics внедряет искусственный интеллект в системы управления двигателями

ИИ незаметно меняет поведение приводов двигателей в реальных условиях

STMicroelectronics расширила линейку решений для промышленной автоматизации, представив FP-IND-MCAI1 — программный пакет управления двигателями с поддержкой ИИ, созданный для платформ приводов BLDC. Решение предназначено для инженеров, работающих с компактными сервосистемами и низковольтными двигателями, которым требуется адаптивная производительность, а не статическая настройка.

В отличие от традиционной прошивки приводов, этот пакет интегрирует функции машинного обучения непосредственно в контур управления. Он не только выполняет команды движения, но и анализирует рабочие условия в режиме реального времени.

Этот переход отражает более масштабную трансформацию управления движением: встроенный интеллект постепенно заменяет ручную настройку в сервосистемах и лёгких промышленных роботах.

Платформа EVLSPIN32G4-ACT демонстрирует, как готовые к использованию ИИ стеки управления могут работать в компактных аппаратных архитектурах приводов BLDC.

Когда контуры управления начинают учиться на самом двигателе

От настройки PID к адаптивному интеллекту

Традиционные сервосистемы используют параметры PID, настроенные вручную. Инженеры регулируют коэффициенты на основе опыта и результатов ввода в эксплуатацию. FP-IND-MCAI1 меняет этот рабочий процесс, используя исторические данные о поведении двигателя в качестве ориентира для настройки.

Программное обеспечение отслеживает реакцию по моменту, изменение нагрузки и стабильность движения. Затем оно корректирует работу системы управления, чтобы со временем повысить эффективность и снизить механические нагрузки.

Вибрация становится цифровым сигналом, а не просто шумом

Одной из ключевых возможностей является интеграция опциональной системы измерения вибрации. Встроенная модель машинного обучения классифицирует рабочие состояния как нормальные, характеризующиеся высокой вибрацией или нестабильные.

Токовые сигналы и данные датчиков непрерывно поступают в модель. Это позволяет заранее обнаруживать признаки деградации, которые обычно остаются незаметными при традиционной диагностике приводов.

Классификация состояния двигателя позволяет операторам выявлять аномальное поведение до того, как оно приведёт к механической неисправности.

Где приводы с поддержкой ИИ находят применение в реальных промышленных системах

Этот программный стек предназначен для приложений, где стабильность движения напрямую влияет на производительность. Основными сферами применения становятся робототехника, компактные автоматизированные ячейки и системы прецизионной сборки.

В машинах для захвата и размещения даже небольшое повышение эффективности сокращает время цикла при выполнении тысяч повторений. Адаптивная настройка помогает сохранять стабильные профили движения по мере износа механики.

Экосистема управления двигателями STM32 и NanoEdge AI Studio расширяют эти возможности в рабочих процессах разработчиков. Инженеры могут дорабатывать модели и интегрировать их в пользовательскую логику управления, не перестраивая всю архитектуру системы.

Отрасль переходит от управления к прогнозированию поведения

Управление двигателями при поддержке ИИ не означает замену сервоприводной логики. Речь идёт о добавлении уровня обратной связи, который распознаёт деградацию, изменение нагрузки и воздействие факторов окружающей среды.

Такой подход соответствует более масштабным промышленным тенденциям, включая техническое обслуживание по состоянию и аналитику на периферии сети. Вместо реакции на неисправности системы начинают прогнозировать их возникновение.

По мере того как производители полупроводников интегрируют интеллект ближе к каскаду привода, граница между системой управления и аналитическим механизмом продолжает размываться.

Технический сдвиг, который изменит принципы проектирования систем управления движением

FP-IND-MCAI1 отражает очевидное направление развития промышленной автоматизации. Инженеры по управлению больше не ограничиваются настройкой поведения движения. Теперь они создают адаптивные системы, которые совершенствуются в процессе работы.

Вероятно, это повлияет на архитектуры сервосистем следующего поколения, особенно в компактной робототехнике и распределённых системах управления движением, где встроенный интеллект снижает зависимость от центральных контроллеров.

Долгосрочные последствия носят структурный характер. Системы управления движением всё чаще будут вести себя как обучаемые компоненты, а не как устройства с фиксированными функциями.

*Дэниел Мерсер, корреспондент по промышленным системам с 14-летним опытом работы с сервосистемами, периферийными платформами управления и архитектурами автоматизации в проектах Siemens, Schneider Electric и Beckhoff Automation.*