Simple Science

Scienza all'avanguardia spiegata semplicemente

# Ingegneria elettrica e scienze dei sistemi# Sistemi e controllo# Sistemi e controllo

Migliorare l'Efficienza Energetica nei Grù Pesanti

I ricercatori sviluppano modelli predittivi per la pressione idraulica per migliorare l’efficienza delle gru.

― 6 leggere min


Gru e EfficienzaGru e EfficienzaEnergeticasprechi energetici.idraulica delle gru e riducono gliI nuovi modelli aumentano l'efficienza
Indice

Macchine pesanti come le gru sono super importanti nel settore delle costruzioni. Aiutano a sollevare e spostare materiali pesanti, rendendo il lavoro più veloce e facile. Però, queste macchine consumano spesso tantissima energia, il che può danneggiare sia l'ambiente che i costi operativi. Per affrontare il problema, i ricercatori stanno cercando modi per rendere queste macchine più efficienti dal punto di vista energetico. Un metodo promettente è usare dati e tecniche informatiche avanzate per creare modelli che prevedano quanta pressione idraulica serve alla macchina per svolgere i compiti in modo efficace.

L'importanza dei Sistemi Idraulici

Le gru e macchinari simili di solito si basano su sistemi idraulici. Questi sistemi utilizzano la pressione del fluido per muovere le parti della macchina. Nelle gru, più Attuatori idraulici lavorano insieme per controllare i movimenti. Ogni attuatore potrebbe aver bisogno di diversi livelli di pressione a seconda del compito. Attualmente, molte gru usano un tipo tradizionale di sistema idraulico chiamato idraulica a sensore di carico controllata da valvole. In questo sistema, tutti gli attuatori sono collegati a una pompa condivisa, e il sistema regola la pressione per soddisfare la domanda più alta. Anche se questo design è ampiamente utilizzato, può portare a perdite di energia note come perdite per strozzamento, specialmente se più attuatori hanno bisogno di pressioni diverse allo stesso tempo.

La necessità di efficienza

Con l'attenzione crescente nel ridurre le emissioni di carbonio, c'è una forte spinta per fare in modo che queste macchine consumino meno energia. Suggerire semplicemente agli operatori di usare gli attuatori in un ordine particolare non è una soluzione pratica, poiché rallenta il lavoro. Quindi, è essenziale trovare un modo più intelligente per controllare queste macchine che minimizzi l'uso di energia mantenendo le performance.

Direzioni di ricerca

I ricercatori stanno affrontando il problema dell'Efficienza Energetica in due modi principali. Un approccio è inventare sistemi completamente nuovi che si credono più efficienti. Tuttavia, questi nuovi sistemi possono essere costosi e richiedere molti cambiamenti all'attrezzatura esistente, il che rende difficile per le aziende giustificare il passaggio. Il secondo approccio si concentra sul miglioramento dei sistemi idraulici esistenti. Questo implica ottimizzare come i componenti lavorano insieme e creare controlli intelligenti che possano adattarsi a compiti diversi.

Creazione di Modelli Predittivi

Una parte chiave per migliorare l'efficienza sta nel costruire modelli predittivi per la pressione idraulica. Questi modelli possono aiutare a capire come rispondono gli attuatori durante diverse operazioni e quanta pressione è necessaria in ogni momento. Analizzando i dati reali da una gru, i ricercatori possono creare modelli che prevedono più precisamente i requisiti di pressione. Questo coinvolge la raccolta di dati su vari fattori, inclusi il peso dei carichi, le posizioni degli attuatori e i tassi di flusso.

Comprendere la dinamica del sistema

Ogni gru opera in modo dinamico, il che significa che le sue prestazioni dipendono da diversi fattori in un dato momento. Man mano che gli attuatori si muovono e cambiano posizione, l'energia utilizzata fluttuerà. La sfida è comprendere queste dinamiche e creare modelli che le riflettano accuratamente. Questo si fa osservando le forze che agiscono sulla macchina e utilizzandole come input per i modelli di pressione.

Il ruolo del machine learning

Le tecniche di machine learning sono particolarmente adatte per sviluppare questi modelli predittivi. Allenando algoritmi sui dati raccolti da gru reali, i ricercatori possono far sì che questi modelli apprendano le relazioni tra diverse variabili, come i tassi di flusso e le richieste di pressione. I modelli possono continuare a migliorare nel tempo man mano che ricevono più dati da operazioni diverse.

Sviluppare i modelli

Il processo coinvolge diversi passaggi, a partire dalla raccolta dei dati. Una volta raccolti abbastanza dati, i ricercatori usano algoritmi per analizzarli e costruire modelli che prevedano le pressioni per gli attuatori. L'obiettivo è creare modelli accurati in grado di lavorare in tempo reale per fornire i giusti livelli di pressione quando necessario, riducendo così l'energia sprecata.

Applicazioni nel mondo reale

I modelli creati possono essere applicati direttamente per migliorare i sistemi di controllo delle gru. Integrando questi modelli predittivi nei controlli delle gru, gli operatori possono assicurarsi che il sistema idraulico utilizzi solo la giusta quantità di energia per ogni compito. Questo porta a operazioni più efficienti, riducendo i costi complessivi e l'impatto ambientale.

Testare i modelli

Per valutare l'efficacia di questi modelli, i ricercatori hanno condotto una serie di test su una gru caricatrice reale. Hanno guardato a quanto bene i modelli potevano prevedere la pressione di lavoro degli attuatori individuali e la pressione complessiva del sistema in diverse condizioni. Confrontando le previsioni dei modelli con le misurazioni reali, sono stati in grado di valutare l'efficacia dei modelli.

Risultati dagli esperimenti

Gli esperimenti hanno mostrato che i modelli erano in grado di prevedere accuratamente la pressione di lavoro di ciascun attuatore, anche quando i requisiti di flusso variavano. I ricercatori hanno osservato come diversi attuatori rispondessero a vari carichi e come questi cambiamenti influenzassero le necessità di pressione. Hanno notato che i modelli funzionavano meglio avendo previsioni separate per la pressione di ciascun attuatore piuttosto che usando un unico modello per tutti.

Comprendere la pressione della pompa

Un altro aspetto critico del sistema idraulico è la pressione della pompa. In una gru, più attuatori condividono la stessa pompa. La pompa deve soddisfare la domanda di pressione più alta tra gli attuatori, il che può portare a perdite di energia se non gestito correttamente. I ricercatori hanno incluso questo fattore nei loro modelli, permettendo loro di prevedere efficacemente anche la pressione della pompa.

Risultati e implicazioni

I modelli addestrati hanno mostrato risultati promettenti, prevedendo pressioni vicine ai valori reali osservati durante le operazioni. Anche se i modelli si basavano su vari fattori, hanno dimostrato che usando dati rilevanti, è possibile ottimizzare in modo efficace il controllo dei sistemi idraulici.

Guardando al futuro

Sviluppando modelli di pressione idraulica basati su approcci guidati dai dati, i ricercatori possono migliorare l'efficienza delle macchine pesanti e ridurre il loro impatto ambientale. I prossimi passi includono continuare a testare e affinare questi modelli, portando potenzialmente allo sviluppo di sistemi di controllo più intelligenti che ottimizzino ulteriormente l'uso dell'energia.

Conclusione

Macchine idrauliche pesanti come le gru sono essenziali nel settore delle costruzioni, ma affrontano anche sfide in termini di efficienza energetica. Grazie al machine learning e all'analisi dei dati, i ricercatori hanno fatto progressi nella creazione di modelli predittivi per aiutare queste macchine a funzionare in modo più efficiente. Concentrandosi sulle pressioni idrauliche e ottimizzando i loro sistemi di controllo, è possibile ridurre il consumo energetico mantenendo le performance necessarie per compiti impegnativi. Questa ricerca indica la strada verso macchinari pesanti più intelligenti e verdi in futuro.

Fonte originale

Titolo: Towards Energy Efficient Control for Commercial Heavy-Duty Mobile Cranes: Modeling Hydraulic Pressures using Machine Learning

Estratto: A sizable part of the fleet of heavy-duty machinery in the construction equipment industry uses the conventional valve-controlled load-sensing hydraulics. Rigorous climate actions towards reducing CO$_{2}$ emissions has sparked the development of solutions to lower the energy consumption and increase the productivity of the machines. One promising solution to having a better balance between energy and performance is to build accurate models (digital twins) of the real systems using data together with recent advances in machine learning/model-based optimization to improve the control systems. With a particular focus on real-world machines with multiple flow-controlled actuators and shared variable-displacement pumps, this paper presents a generalized machine learning approach to modeling the working pressure of the actuators and the overall pump pressures. The procedures for deriving reaction forces and flow rates as important input variables to the surrogate models are described in detail. Using data from a real loader crane testbed, we demonstrate training and validation of individual models, and showcase the accuracy of pressure predictions in five different experiments under various utilizations and pressure levels.

Autori: Abdolreza Taheri, Robert Pettersson, Pelle Gustafsson, Joni Pajarinen, Reza Ghabcheloo

Ultimo aggiornamento: 2023-07-31 00:00:00

Lingua: English

URL di origine: https://arxiv.org/abs/2307.16681

Fonte PDF: https://arxiv.org/pdf/2307.16681

Licenza: https://creativecommons.org/licenses/by/4.0/

Modifiche: Questa sintesi è stata creata con l'assistenza di AI e potrebbe presentare delle imprecisioni. Per informazioni accurate, consultare i documenti originali collegati qui.

Si ringrazia arxiv per l'utilizzo della sua interoperabilità ad accesso aperto.

Altro dagli autori

Articoli simili