Mae YASA (Yokeless and Segmented Armature) Ltd. yn weithgynhyrchydd Prydeinig ar gyfer moduron trydan a rheolyddion modur a ddefnyddir mewn cymwysiadau moduron a diwydiannol. Fe’i sylfaenwyd yn 2009, ac mae’n cyflenwi datrysiadau dilyniant pŵer arloesol, wedi’u seilio ar eu rheolyddion a’u technoleg fflwcs echelinol i Weithgynhyrchwyr Cyfarpar Gwreiddiol (OEMs) mwyaf blaenllaw’r byd yn y diwydiant moduron.
Ym marn YASA, mae gwireddu potensial llawn trydaneiddio cerbydau yn galw am ddatrysiadau dilyniant pŵer newydd, mwy effeithlon na moduron trydan rheiddiol sydd wedi’u seilio ar dechnoleg a etifeddwyd ers dros 50 mlynedd. Mynd ar ôl y nod hwn yw sylfaen y prosiect ymchwil cydweithredol gydag ASTUTE 2020+ a oedd yn archwilio gwelliannau posibl i’w system dilyniant pŵer cyffredinol trwy dechnolegau Modelu Peirianneg Cyfrifiadurol.
Creodd tîm y prosiect efelychiadau o’r elfennau electromagnetig, strwythurol, thermol, y system oeri, y rheolaeth electronig ar y pŵer, ac optimeiddio’r dilyniant pŵer yn gyffredinol, gyda’r nod o fwyafu perfformiad y system ar gyfer cymwysiadau cerbydau trydan (EV).
Heriau – Optimeiddio Dilyniant Pŵer Cerbydau Trydan
Y brif her beirianneg a wynebwyd gan y tîm oedd yn cydweithio oedd canfod y fanyleb ddelfrydol o ran technoleg y cynnyrch a thopoleg, gan gynnwys y cydrannau a’r paramedrau allweddol.
Roedd optimeiddio’r dilyniant pŵer ar gyfer cerbydau trydan yn golygu gwerthuso perfformiad, targedau a chyfyngiadau’r model a astudiwyd o’r cerbyd, gan ddefnyddio mwy na 25 o newidynnau annibynnol – proses y gall fod iddi hyd at 1x1025 o ddatrysiadau ac sy’n galw am gryn dipyn o amser ac egni cyfrifiaduro. Yr amcan oedd cael hyd i’r paramedrau mwyaf addas ar gyfer modur y cerbyd, y gwrthdröydd, y gêrbocs a chyfluniad y dilyniant pŵer er mwyn lleiafu costau, ochr yn ochr â chadw at gyfyngiadau allweddol fel ystod y batri, yr amser cyflymu, a’r cyflymdra uchaf.
Mae hyn yn cyflwyno her gymhleth iawn, sy’n ddrud yn gyfrifiadurol oherwydd bod angen technegau lefel uwch, methodolegau ac arbenigedd mewn gwyddor data a modelu cyfrifiadurol er mwyn cael hyd i ateb ymarferol.
Datrysiad
Optimeiddio’r Modur
Roedd y datrysiad ar gyfer optimeiddio dilyniant pŵer cerbydau trydan yn galw am ddull optimeiddio rhaeadru dau gam, a seiliwyd ar fodel cerbyd dysgu peiriant a yrrwyd gan ddata. Roedd y model yn amcangyfrif ymddygiad perfformiad y cerbyd, ac roedd yn gallu cynnal optimeiddio trefn maint yn gyflymach na strategaeth optimeiddio flaenorol YASA. Roedd yr optimeiddiwr rhaeadru yn nodi’r gyfres orau o baramedrau mewnbwn o algorithmau genetig a oedd yn defnyddio’r model cerbyd seiliedig ar ML, a model cerbyd perchnogol YASA.
Bu’r tîm hefyd yn ymchwilio ac yn arddangos perfformiad meddalwedd ffynhonnell agored newydd, Pyleecan, a ddefnyddiwyd i ddylunio modur rheiddiol. Bu tîm ASTUTE yn astudio galluoedd a chyfyngiadau’r feddalwedd, a chafodd hyd i atebion perthnasol i sicrhau defnydd llwyddiannus ohoni yn y dyfodol gan y partner diwydiannol.
Dysgu Ategol: Dewis Amgen yn lle Dysgu Peiriant Traddodiadol
Nodwyd Dysgu Ategol (RL) yn fodd i wella’r broses optimeiddio seiliedig ar algorithm a ddefnyddiwyd yn null presennol YASA, a hefyd yn y dewis amgen seiliedig ar ddysgu peiriant, a amlinellwyd uchod.
Paradeim ar gyfer dysgu peiriant yw nodweddu problemau optimeiddio ar ffurf asiant yn rhyngweithio ag amgylchedd i gyflawni nod. Mae’r asiant yn cyflawni gweithredoedd ac mae’r amgylchedd yn ymateb trwy gyflwyno cyflyrau newydd i’r asiant. Mae’n dychwelyd signal gwobr rhifiadol sgalar sy’n cynrychioli pa mor ddymunol yw’r cyflwr presennol, ac mae’r asiant yn dysgu optimeiddio’r wobr a dderbynnir trwy archwilio’r gofod cyflwr-gweithredu.
Darparodd y tîm RL fethodoleg optimeiddio amgen yn lle’r offer dysgu peiriant traddodiadol a ddefnyddiwyd ar gyfer atchweliad, megis dull xgboost a randomforest. Darparodd hyn gyfle rhagorol i’r ddau dîm gymharu eu canlyniadau, ac arweiniodd at ostyngiad sylweddol yn yr amser cyfrifiaduro.
Effaith
Arweiniodd yr Ymchwil ar Optimeiddio Systemau Uned Yrru Drydan at fudd o’r ddeutu i’r ddau bartner. Cyfnewidiwyd cryn dipyn o wybodaeth i’r ddau gyfeiriad, yn arbennig yng nghyswllt manylion technegol dilyniannau pŵer trydan ar gyfer cerbydau trydan batri ac algorithmau deallusrwydd artiffisial a gymhwyswyd wrth fodelu systemau deinamig cymhleth.
O ganlyniad uniongyrchol i’r prosiect cydweithredol gydag ASTUTE 2020+, mae YASA yn/wedi:
- Cyflwyno 3 proses weithgynhyrchu a rhagfynegi newydd i’w hadran Ymchwil a Datblygu: offeryn dysgu peiriant, offeryn rhagfynegi cost, ac offeryn modelu.
- Mynd ati i recriwtio 3 aelod newydd amser llawn o staff, gyda rolau sy’n gysylltiedig ag optimeiddio topoleg trawsnewidydd pŵer
- Mynd ati i gofrestru 2 batent cynnyrch newydd
- Cyfrannu at ymdrechion y diwydiant moduron byd-eang i leihau allyriadau CO2
