このページは機械翻訳を使用して翻訳されました。
翻訳品質のアンケートに 1 分ご協力ください。
Cummins、AIベースの低次元モデリングを使用してエンジン性能と排出量を予測
エンジン性能モデルの速度と精度を向上させるアプローチ
「 MATLABを使用すると、コーディング経験がほとんどまたはまったく必要ないなど、多くの利点があり、初心者ユーザーでもこれらのモデルを開発できます。コード開発作業に多くの時間を費やすことなく、プラットフォームからより多くのものを得ることができます。」
主な成果
- MATLABを使用することで、Cumminsはエンジンサイクルシミュレーションの実行時間を実際の時間の8分の1に短縮することができました。
- ローコードツールにより、技術専門家はコーディングよりも分析に集中できるようになりました。
- エンドツーエンドの AI モデル開発ワークフローを加速し、コスト、労力、メモリ使用量を削減します。
エンジン効率と排出レベルを正確に予測するには、エンジンサイクルをシミュレートするモデルを構築することが不可欠です。ただし、これらのモデルの開発には、さまざまな 3D から 1D へのシミュレーション (多くの場合、サードパーティ ツールを使用) が必要であり、実際の時間と比較すると完了までに 20 倍以上の時間がかかることがあります。
これらのモデルの速度と精度を向上させるために、エンジン開発の世界的リーダーであるCumminsはMATLAB ®を使用して、LSTM ベースのニューラル ネットワークを構築します。チームは、 Deep Learning Toolbox™とStatistics and Machine Learning Toolbox™を使用して、圧力、温度、エンジンブレーキトルクなど、26 種類のエンジン応答をモデル化しました。
MATLAB を使用するために Cummins チームはコーディングの経験がほとんどまたはまったく必要ありませんでしたが、モデルの速度がリアルタイムの 8 倍に向上しました。将来的には、チームはモデルを実際のハードウェアや制御コンポーネントと統合する予定です。
