Midiendo el recorrido del solenoide y la temperatura con tecnología
Un nuevo método predice la posición y temperatura del solenoide usando cambios eléctricos.
― 8 minilectura
Tabla de contenidos
- Lo Básico del Funcionamiento del Solenoide
- Usando Tecnología para Medir el Recorrido y Temperatura del Solenoide
- La Gran Idea Detrás de Nuestra Investigación
- ¿Por Qué Usar CNN?
- Una Mirada a Trabajos Relacionados
- Características Eléctricas del Solenoide
- La Configuración Experimental
- Entrenando Nuestra CNN
- Evaluando los Resultados
- Experimentos de Control Preliminares
- Desafíos y Observaciones
- Conclusión y Mirando Hacia el Futuro
- Fuente original
- Enlaces de referencia
Imagina un dispositivo que puede empujar o jalar objetos solo usando una bobina eléctrica. ¡Eso es un solenoide! Es como magia, pero con ciencia. Los Solenoides son máquinas simples hechas de dos partes principales: una bobina y un émbolo. Cuando mandas electricidad a través de la bobina, se crea un campo magnético que mueve el émbolo. Así es como se usan los solenoides en muchos dispositivos, como cerraduras, válvulas e incluso motores de autos.
Lo Básico del Funcionamiento del Solenoide
Un solenoide generalmente tiene dos estados principales: ENCENDIDO y APAGADO. Cuando está ENCENDIDO, la bobina está energizada y el émbolo se jala. Cuando está APAGADO, el émbolo se libera. Puedes controlar qué tan lejos llega el émbolo ajustando cuánto tiempo está alimentada la bobina. Sin embargo, hay más que solo encender y apagar la energía.
A medida que el émbolo se mueve, su posición afecta las propiedades eléctricas del solenoide. Específicamente, la inductancia cambia con la posición del émbolo. La inductancia es una propiedad que nos dice qué tan bien puede el solenoide almacenar energía. Así que, si podemos medir estos cambios eléctricos, podemos averiguar cuán lejos se ha movido el émbolo sin usar partes mecánicas o gadgets sofisticados.
Temperatura del Solenoide
Usando Tecnología para Medir el Recorrido yAhora, ¿y si pudiéramos medir no solo la posición del émbolo sino también su temperatura? Ahí es donde entra la nueva tecnología, específicamente un método que usa una Red Neuronal Convolucional (CNN). ¡Espera, no pongas los ojos en blanco aún! Solo es una forma elegante de decir que estamos usando un programa de computadora inteligente para ayudarnos a entender los datos que recogemos.
Este programa inteligente puede tomar lecturas de la corriente de manejo del solenoide en dos puntos diferentes y predecir tanto el recorrido (la posición del émbolo) como la temperatura. Esto significa que podemos mantener todo lo más simple posible sin tener que conectar sensores directamente al solenoide.
La Gran Idea Detrás de Nuestra Investigación
Queríamos crear un método que nos permita averiguar qué está pasando con el solenoide de una manera ingeniosa. En lugar de depender de sensores torpes con cables por todas partes, decidimos usar los cambios eléctricos en el solenoide para predecir la posición y la temperatura.
Realizamos experimentos para ver si nuestro método funcionaba bien. Probamos diferentes configuraciones de PWM (Modulación por Ancho de Pulso)-esto es solo una manera de controlar cuánta energía va al solenoide. Al cambiar cuánto tiempo dejamos al solenoide ENCENDIDO versus APAGADO, pudimos ver cómo afectaba la posición y la temperatura del émbolo.
¿Por Qué Usar CNN?
Puede que te preguntes, ¿por qué molestarse con la CNN? ¿No es eso solo para genios de la tecnología? Bueno, ¡sí y no! Las CNN son buenas para identificar patrones en los datos, como un detective resolviendo un misterio. Analizan los datos de la corriente de manejo que recolectamos y nos ayudan a predecir qué está pasando sin necesidad de mantener todo bajo un microscopio. Además, ¡nos hacen ver súper inteligentes!
Una Mirada a Trabajos Relacionados
Antes de profundizar en nuestros hallazgos, echemos un vistazo rápido a lo que otras personas han hecho en este campo.
Muchos investigadores han intentado medir la posición del émbolo de otras maneras. Algunos usaron modelos complicados, mientras que otros optaron por sensores. Pero adivina qué. Muchos de estos métodos no eran muy prácticos para el uso diario. ¿Por qué? Requerían muchos datos y configuraciones complejas, lo cual no es exactamente amigable para el usuario.
Así que quisimos convertirnos en los héroes de la simplicidad. Nuestro objetivo era crear un método que cualquier persona pudiera usar sin necesidad de ser un científico loco.
Características Eléctricas del Solenoide
Para entender mejor nuestro enfoque, pensemos en lo básico de cómo opera un solenoide. Cuando la electricidad fluye a través de la bobina, se crea un campo magnético. La fuerza de este campo cambia según la posición del émbolo, que a su vez afecta la inductancia.
En términos más sencillos, piénsalo como una balanza. Cuando el émbolo se mueve, es como cambiar el peso en la balanza, alterando cómo se equilibra. Este acto de equilibrio puede darnos información valiosa sobre la posición y la temperatura del émbolo si podemos medir correctamente las señales eléctricas.
La Configuración Experimental
Entonces, ¿cómo pusimos a prueba nuestro método? Tomamos tres solenoides diferentes y montamos algunos experimentos. Adjuntamos dispositivos como un termopar para medir la temperatura y una unidad Peltier para ayudar a controlar el calor. También usamos el Arduino UNO, un dispositivo muy útil que nos ayuda a generar las señales de PWM necesarias para hacer funcionar nuestros solenoides.
Para tener una buena comprensión, variamos el ciclo de trabajo de PWM (ese es el tiempo de ENCENDIDO y APAGADO que mencionamos antes), y cambiamos las configuraciones de temperatura para ver cómo afectarían nuestras predicciones.
Entrenando Nuestra CNN
Una vez que reunimos nuestros datos, se los dimos a nuestra CNN. Piénsalo como entrenar a un perrito. La CNN aprendió de los datos (que eran nuestras “premios”) durante muchas ejecuciónes hasta que pudo predecir con precisión el recorrido y la temperatura del solenoide. Después del entrenamiento, pudimos predecir la posición del émbolo con un error de aproximadamente 0.3mm y la temperatura con un error de alrededor de 0.5 grados.
Evaluando los Resultados
Ahora viene la parte divertida: ¡ver qué tan bien funcionó nuestro método! Llevamos el modelo entrenado para evaluar nuestras predicciones. Fijamos el émbolo en diferentes posiciones y recopilamos datos para ver cuán cerca podía predecir nuestra CNN dónde estaba el émbolo y qué temperatura alcanzó.
En general, nuestras predicciones resultaron ser bastante precisas. Calculamos que el error promedio de predicción para la posición del recorrido fue de alrededor de 0.2mm, ¡que es bastante bueno!
Experimentos de Control Preliminares
Pero espera, ¡hay más! No solo nos detuvimos en medir la posición y temperatura; también queríamos controlar el solenoide basado en nuestras predicciones. Usamos un método de control simple llamado control PID (Proporcional, Integral, Derivativo).
En términos simples, el control PID es como un GPS para nuestro solenoide; nos ayuda a alcanzar nuestra posición objetivo ajustando cuánta energía enviar al solenoide. Probamos nuestro método de control y descubrimos que seguía la posición objetivo con menos de 0.2mm de error, aunque notamos algunos saltos o sobrepasos, especialmente al acercarnos al objetivo.
Desafíos y Observaciones
A medida que profundizábamos, nos dimos cuenta de que nuestro solenoide tiene sus rarezas. La forma en que el émbolo jala a veces puede hacer que sobrepase el objetivo, lo que puede ser un poco molesto. Es como intentar atrapar una pelota; si llegas demasiado pronto, ¡te la pierdes completamente!
Observamos que los solenoides tienen características mecánicas que podrían afectar nuestro sistema de control, haciéndolo más sensible de lo que esperábamos. Eso es algo que planeamos investigar más a fondo, junto con refinar nuestras predicciones de temperatura.
Conclusión y Mirando Hacia el Futuro
En resumen, se nos ocurrió una forma ingeniosa de medir tanto el recorrido como la temperatura de un solenoide usando un algoritmo inteligente. Al usar características eléctricas y una CNN, simplificamos el proceso y logramos una precisión decente.
Aún así, el mundo de los solenoides está lleno de sorpresas. Aunque logramos buenos resultados, vimos que hay margen de mejora, especialmente en cuanto a los sobrepasos y las predicciones de temperatura.
En nuestros futuros esfuerzos, buscamos desarrollar un modelo de control más robusto que considere las propiedades mecánicas del solenoide. Además, queremos profundizar más en por qué nuestras predicciones de temperatura pueden no coincidir con nuestras expectativas cada vez.
El camino puede ser lleno de baches, pero estamos ansiosos por seguir adelante y hacer que nuestro sistema de control de solenoides sea mejor que nunca. ¿Quién sabe? Tal vez desbloqueemos aún más de su potencial, ¡sin necesidad de gadgets misteriosos!
Título: Sensorless Measurement of Solenoid Stroke and Temperature using Convolution Neural Network with Two Points of PWM Driving Current
Resumen: In this paper, we describe the algorithm to measure the stroke and the temperature of solenoid using PWM driving current at two points based on the electric characteristics of the solenoid with CNN, without mechanical attachments. We describe the evaluation experimental results of the stroke and the temperature prediction. We also describe the preliminary experimental results of controlling the solenoid stroke at intermediate position.
Autores: Junichi Akita
Última actualización: 2024-11-09 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2411.07270
Fuente PDF: https://arxiv.org/pdf/2411.07270
Licencia: https://creativecommons.org/licenses/by-sa/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.
Enlaces de referencia
- https://github.com/akita11/SolenoidStrokeMeasureControl/tree/main/Control_NN/src
- https://colab.research.google.com/drive/1OMEzLZdXMVaNEHrXTlGpAzq_ErBOUWMa
- https://arxiv.org/abs/2405.11721
- https://www.takaha-japan.com/product/cbs0730/
- https://www.takaha-japan.com/product/cb1037/
- https://www.takaha-japan.com/product/ssbh-0830/
- https://shop.m5stack.com/products/m5stack-core2-esp32-iot-development-kit-v1-1