案例研究:NASCAR 发动机借助人工智能和机器学习,如虎添翼

December 26, 2019 Max Maxfield

物联网,工业4.0,人工智能,深度学习

在 NASCAR 的赛车世界里,分秒必争。不仅仅是在比赛中,高性能发动机的开发和测试同样是争分夺秒。

NASCAR 对合法赛车发动机的尺寸和规格制定了严格的规则。不过,为了在动力区、扭矩等方面赢得些许优势,几乎每一台发动机都要从头开始设计。这是一项时间与资源密集型工作,每一台发动机的成本为 25 万美元。

考虑到这笔不菲的费用和巨大的发动机故障风险,NASCAR 团队要对发动机进行全面彻底的测试之后,才能让发动机投入比赛。测试工程师有意将这些系统推向其物理极限,以识别组件性能下降、微观结构损坏以及其他潜在的故障原因。

利用这些“鉴定证据”,赛车队可以了解如何合理使用发动机,以便最大程度地减少故障,并在必要时用更坚固的零件来重建组件。但是捕获这些数据意味着在灾难性故障发生之前的几分之一秒停止测试程序。

多年来,这些过程几乎完全靠人工完成。但是现在,一个车队正在使测试工程师能够利用物联网边缘计算功能来捕获数据,对其进行分析并在可能的最后时刻终止测试。

真实仿真

这个车队使用一种称为测力计的系统来测试其发动机。测力计同时测量发动机的 RPM 和扭矩,以深入了解其功率、发动机管理控制器的校准或在这种情况下的燃烧行为(视频 1)。

 

视频 1. 使用测力计来计算大致性能。(资料来源:Hubner Enterprises)

 

一台 1,000 马力的电动机连接到发动机和测力计试验台。该电动机可用于整个发动机演练或对阀门组等组件进行单独的单元测试。

然后,可以将来自 Daytona 500 等比赛的真实遥测数据用于控制测试。或者,将 RPM 升高、降低或保持在某个预定义的水平一段时间,使发动机或组件达到性能极限。

在进行了足够的测试后,赛车队的工程师经常刻意在测试时使发动机达到损坏点。在测试可燃行为和产生的鉴定证据时,将试验台放置在带防弹玻璃的爆炸室中来保护工程师,以防发动机爆炸。

在传统的测试环境中,技术娴熟的工程师会监控这些数字样本,同时还会监听可能预示即将爆炸的发动机所发出的细微噪音变化。测试工程师通常只有 1.5 秒的时间来识别出这些变化并对其做出反应 — 按下停机开关以防发动机损坏。

当被测发动机完好无损时,工程师可以对其进行解构,寻找证据并尝试纠正问题。如果未能及时停止发动机,绝大部分相关信息便会损失殆尽。

通过人工智能和机器学习实现自动化

由于可以实时收集和分析大量数据,因此自动状况监控 (CM) 在这些情况下可能非常有效。CM 系统融合来自多个源的试验台数据,例如流量、压力、温度、振动和声学传感器。他们还可以通过消除噪声或内插缺失值来清理传感器数据。

但是,当领域专家(例如 NASCAR 工程师)使用自动化 CM 系统来开发人工智能 (AI) 和机器学习 (ML) 模型时,事情才变得真正有趣。可以训练这些模型以了解根据机器健康状况和潜在故障而预测的传感器读数。如果满足某些因素,CM 系统便能以更高的准确性和一致性向工程师发出警报,立即使发动机停机,甚至触发自动停机开关。

为了帮助实现测试程序自动化,NASCAR 工程师需要一个高性能平台。但是最终的解决方案必须紧凑且坚固耐用,以适应车库环境。

车队选用了凌华科技开发的 MCM-100 机器状况监控边缘平台( 1)。该系统不仅可以满足苛刻的设置要求,而且还可以在不到一个小时的时间内完成安装并在车队的车库进行数据采样。MCM 与智能相机和 ADLINK Edge 软件相结合,使车队能够应用机器学习并可靠地诊断问题,了解故障模式并避免发动机损坏。例如,该解决方案可安全地从能够安全地从监控振动和声音发射的设备和传感器中流传输实时数据。然后,数据在边缘处聚合。

MCM-100 机器状况监控边缘平台。(资料来源:凌华科技
图 1。MCM-100 机器状况监控边缘平台。(资料来源:凌华科技

该平台基于英特尔凌动® x7-E3950 处理器,支持四个 24 位 128 kS/秒同步数据采样通道,可满足机器振动测量的要求。它提供基于边缘的数据采集、分析和特定领域的算法执行,以实时监控和控制发动机试验台。

在新设置中,以太网电缆在连接到 MCM-100 之前,从试验台引出爆炸室,然后进入另一个系统。中间系统还要桥接到车队的 Wi-Fi 网络上,从而可以将测试数据传输到云中进行存储和回顾性分析。但是真正的价值在于边缘,在边缘可实时生成和分析数据以更快地洞察和采取行动。这是通过预先安装在 MCM-100 上的 ADLINK Edge 软件启用的。

在 MCM-100 之前,车队使用 SCADA 系统监控其传感器。但是没有必要淘汰和更换任何旧设备。ADLINK Edge 软件集成了来自现有设备和新设备的数据。该系统基于数据分发服务 (DDS) 网络中间件,有助于在孤立的架构中释放数据,以便可以将其实时应用于诸如高性能发动机测试之类的应用中。

工欲善其事必先利其器

重要的是要注意,这里提供的解决方案不能代替测试工程师;而是依靠他们的专业知识来获得最佳结果。因此,该系统可以检测预警信号并比人类更快地做出响应,从而帮助保护投资并推出更好的比赛用发动机。

凌华科技全球合作伙伴现场首席技术官 Joe Speed 说:“我们所做的大部分工作都是为了让人类变得更强,为人们提供更好的工具。MCM-100 是另一个工具,可帮助工程师将其见解和知识转化为比人类更快的反应时间。”

对于这家 NASCAR 车队来说,领域专家、人工智能与机器学习相结合正在帮助推动发动机创造佳绩。

作者简介

Max Maxfield

Clive "Max" Maxfield received his BSc in Control Engineering in 1980 from Sheffield Hallam University, England and began his career as a designer of central processing units (CPUs) for mainframe computers. Over the years, Max has designed everything from silicon chips to circuit boards, and from brainwave amplifiers to Steampunk Prognostication Engines (don't ask). Max is the author and/or co-author of a number of books, including Designus Maximus Unleashed (banned in Alabama), Bebop to the Boolean Boogie (An Unconventional Guide to Electronics), EDA: Where Electronics Begins, FPGAs: Instant Access, and How Computers Do Math.

Max Maxfield 的更多内容
上个文章
借助视频分析提升校园生活品质
借助视频分析提升校园生活品质

当计算机视觉和人工智能可以提供新的校园范围的见解时会发生什么?高校不仅可以提高安全性,而且可以充分利用基础设施来获得更好的体验并节省成本。了解详细信息。

下个文章
借助数字显示器在零售竞争中拔得头筹
借助数字显示器在零售竞争中拔得头筹

街道俩旁的零售商如何才能脱颖而出?中国最大的鞋履品牌借助交互式数字显示器和人工智能在这场游戏中获胜。请阅读全文。

×

名字
Company Name
Phone Number
Country/Region
我希望這篇公司聯絡我: -可选
!
谢谢!
Error - something went wrong!
×

离高明的解决方案仅一步之遥。

Country/Region
insightTechOptIn
Intel GDPR Optin
提交本网站上的表单,即表示你确认你是一个年满18周岁的成人,且你同意受Intel(英特尔)和 Intel® 物联网解决方案联盟成员通过与营销相关的电子邮件或电话与您联络。你可以随时取消订阅。英特尔的网站和通信受制于我们的隐私政策和使用条款
谢谢!
Error - something went wrong!