Η Porsche έχει περιγράψει πώς χρησιμοποιεί την τεχνητή νοημοσύνη (AI) στην ανάπτυξη οχημάτων για να κάνει τα συστήματα κίνησης ακόμα πιο αποτελεσματικά και βιώσιμα και να βελτιστοποιήσει περαιτέρω τις διαδικασίες ανάπτυξης.
Στην ανάπτυξη παραδοσιακών κινητήρων εσωτερικής καύσης, για παράδειγμα, η τεχνητή νοημοσύνη χρησιμοποιείται για την επίλυση του προβλήματος της πρόβλεψης της περιεκτικότητας σε αέριο στο λάδι του κινητήρα. Δεδομένου ότι η υψηλή περιεκτικότητα σε αέριο οδηγεί σε αφρισμό λαδιού και συνεπώς σε μειωμένη λιπαντικότητα, το σύστημα λαδιού πρέπει να είναι σχεδιασμένο για τη χαμηλότερη δυνατή περιεκτικότητα σε αέριο. Ωστόσο, δύσκολα μπορούν να πραγματοποιηθούν μετρήσεις στο όχημα με τον κινητήρα σε λειτουργία. Η Porsche με τη χρήση μιας νέας διαδικασίας τεχνητής νοημοσύνης είναι σε θέση να παρέχει αξιόπιστες προβλέψεις για την περιεκτικότητα σε αέριο στο λάδι του κινητήρα.
Ο μηχανικός ανάπτυξης Hong Truc Jung, ο οποίος είναι υπεύθυνος για τα εργαλεία AI στο σύστημα μετάδοσης κίνησης στο Porsche, λέει πως στη διαδικασία αυτή, καταφέρνουν να διατηρήσουν την υπολογιστική ικανότητα που απαιτείται για τον αλγόριθμο τεχνητής νοημοσύνης τόσο χαμηλή ώστε να μπορούν εύκολα να την ενσωματώσουν στη διαδικασία ανάπτυξης του κινητήρα. Κατά τη διάρκεια των τυπικών δοκιμών σε πάγκο, εκτελείται συνεχώς και παρέχει τα επιθυμητά δεδομένα στη διαδικασία. Ο πρώτος κινητήρας για τον οποίο η Porsche εφάρμοσε τη νέα διαδικασία AI ήταν ο εξακύλινδρος κινητήρας boxer για την Porsche Cayman GT4.
Μια άλλη εφαρμογή τεχνητής νοημοσύνης από τη θυγατρική Porsche Engineering χρησιμοποιείται για τον προσδιορισμό της συμπεριφοράς γήρανσης των μπαταριών ιόντων λιθίου. Ο αλγόριθμος AI χρησιμοποιεί την εσωτερική αντίσταση της μπαταρίας για να συμπεράνει τη γήρανση της. Μεταξύ άλλων, λαμβάνει υπόψη επιρροές όπως η θερμοκρασία και η κατάσταση φόρτισης, καθώς και τα αποτελέσματα μακροχρόνιων δοκιμών και δοκιμών στόλου. Στο όχημα, η AI προσαρμόζεται στο προφίλ χρήστη του οδηγού, έτσι ώστε η πρόβλεψη να γίνεται όλο και πιο ακριβής.
Προφανώς, η Porsche Engineering έχει αναπτύξει μια ιδιαίτερα ευέλικτη μεθοδολογία ανάπτυξης με υψηλές δυνατότητες για μια ευρεία ποικιλία περιπτώσεων χρήσης που βασίζεται στη μάθηση βαθιάς ενίσχυσης της μεθόδου AI. Η μεθοδολογία PERL, συντομογραφία του Porsche Engineering Reinforcement Learning, υπερβαίνει τη συγκεκριμένη λύση μεμονωμένων εργασιών, επειδή κατανοεί τις συστημικές σχέσεις και μαθαίνει να λαμβάνει στρατηγικές αποφάσεις, συμφωνα με τον Matthias Bach, ανώτερο διευθυντή εφαρμογής κινητήρων και μηχανικών στην Porsche Engineering.
Πηγή: www.enginetechnologyinternational.com
