Esta página fue traducida automáticamente.
Complete una encuesta de 1 minuto sobre la calidad de esta traducción.
Cummins usa modelos de orden reducido basados en inteligencia artificial para predecir el rendimiento y emisiones de motores
Enfoque que mejora la velocidad y precisión de modelos de rendimiento de motores
"El uso de MATLAB tiene muchos beneficios. Se requiere poca o ninguna experiencia en codificación, por lo que un usuario de nivel principiante también puede desarrollar estos modelos... "Podemos sacar más provecho de la plataforma sin tener que dedicar mucho tiempo a desarrollar código".
Resultados principales
- El uso de MATLAB permitió a Cummins reducir el tiempo de ejecución de la simulación del ciclo del motor a un octavo del tiempo real.
- Las herramientas low-code permitieron a los expertos técnicos centrarse en el análisis en lugar de la codificación.
- Flujo de trabajo acelerado de desarrollo de modelos de IA de extremo a extremo, que reduce costos, esfuerzo y uso de memoria
Para predecir con precisión la eficiencia del motor y los niveles de emisiones, es esencial crear modelos que simulen los ciclos del motor. Sin embargo, el desarrollo de estos modelos implica varias simulaciones en 3D a 1D, por lo general con herramientas de terceros, que pueden tardar 20 veces más en completarse en comparación con el tiempo real.
Para mejorar la velocidad y precisión de estos modelos, Cummins, líder mundial en el desarrollo de motores, utilizó MATLAB® para crear redes neuronales basadas en LSTM. El equipo modeló 26 respuestas de motor diferentes, incluyendo presión, temperatura y torque del freno del motor, con Deep Learning Toolbox™ y Statistics and Machine Learning Toolbox™.
El uso de MATLAB requirió poca o ninguna experiencia en codificación por parte del equipo de Cummins y ayudó a aumentar la velocidad del modelo a ocho veces más rápido que el tiempo real. En el futuro, el equipo planea integrar sus modelos con hardware y componentes de control reales.
