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。
Poclain Hydraulics がディープラーニングとカルマンフィルターを使用して、リアルタイムでモーターの温度を測定するソフトセンサーを開発
「私たちは MATLAB に既に実装されていた 2 つのニューラル ネットワークを活用しました。これらのニューラル ネットワークは、コードをハードウェアに組み込み、温度をリアルタイムで予測する際に役立ちました。」
主な成果
- MATLAB は事前学習済みのニューラルネットワークを使用してテストを加速させました
- Simulink で簡素化された拡張カルマンフィルタのテストが可能になりました
- MATLAB は C や C++ を含む複数の言語でのコード生成を可能にしました
Poclain Hydraulics は、建設、農業、鉱業などの業界の機械に動力を供給する静油圧変速機とモーターの開発における世界的リーダーです。これらのモーターは油圧エネルギーを機械エネルギーに変換することで電力を生成しますが、これによりモーターの温度が上昇し、故障につながる可能性があります。
Poclain Hydraulics は MATLAB® および Simulink® を使って、ディープラーニングまたはカルマンフィルターを用いたモーターの温度をリアルタイムで監視するソフトセンサーを開発しました。成功するには、ディープラーニングまたは拡張カルマンフィルター モデルで、モーターの負荷履歴と外部温度などの環境要素を考慮する必要がありました。カルマンフィルターと比較した際のニューラル ネットワーク アプローチの主な欠点は説明可能性の欠如ですが、このケースでは問題とは見なされませんでした。
チームは、データの抽出とランダム化から始まり、ニューラルネットワークのトレーニング、テスト、検証を経て、最終的にハードウェアに展開するという、完全な AI 産業化プロセスを実装しました。MATLAB と Simulink は、C または C++ コードの生成、展開前のテスト、大規模なデータセットの管理を可能にして、産業化プロセスを促進しました。チームは、MATLAB で利用可能な事前トレーニング済みのニューラルネットワークも活用して、プロセスを高速化しました。
産業化プロセスの一環として、Poclain Hydraulics は MATLAB と Simulink を使用して、モーターの物理ベースのモデルを構築およびシミュレーションし、データを生成しました。彼らは、データ生成に関する実験を設計し、圧力、速度、時間、リスク要因などのさまざまなモーターパラメータをテストし、実験結果を管理することができました。