《人工智能为提升电机控制效率带来新思路》

  • 来源专题:光电情报网信息监测服务平台
  • 编译者: husisi
  • 发布时间:2022-04-01
  • 高效率是电机控制系统设计永恒的追求目标之一。随着碳中和、碳达峰的要求逐步落实,高效电机的渗透率有望加速提升,新的半导体元器件例如碳化硅、氮化镓等的推广也会加速。

    这会带来全新的电机和电源的拓扑及控制算法设计。电机控制系统将继续朝着高集成、高性能、高可靠性方向发展,功率半导体器件朝着高开关频率、小体积、低损耗的方向发展。

    电机控制引入人工智能人工智能
    最近一直是研究的热点,可以看到目前行业内已经有在MCU(微控制器)上运行AI 算法的一些尝试。在电控领域,人工智能可以在一些传统算法难以企及的领域发挥作用,以电梯控制为例,AI(人工智能)算法可以通过运行过程中各个环节数据的实时监测分析进行电机运行的故障检测,尤其是故障的预测控制。还可以实时调节电机控制参数改善电机性能因参数变化带来的影响。这些都是传统的电控算法比较难以实现的。
    在很多对人为经验高度依赖的领域均可使用AI 算法来进行优化设计,例如电控系统效率提升问题中,电机设计中可以使用AI 辅助优化设计效率更高的本体,控制中可以使用AI 算法寻找电机的最大效率点,参数负载时变的复杂控制领域可以使用AI 算法实时修正控制参数等提升电控的整体效率。
    国产电机芯片厂商应继续提升自身实力
    相比于国际竞争对手,目前国内的电机控制系统和元器件厂商主要有4 个方面的优势。
    政策优势:在中美博弈日趋紧张的形势下,越来越多的头部厂商会选择国产芯片替代。
    性价比优势:相比国际竞争对手,国产芯片的性价比具备较大的优势,在目前缺货的行情下供货能力也比国外芯片有更大的保障。
    细分领域的优势:相比国际竞争对手,国内电控厂商在经历了最初的借鉴为主的阶段后开始了针对细分市场的差异化设计,例如灵动针对电控系统不同电压等级、不同集成度要求推出了驱动MCU、预驱MCU、专用MCU 等细分市场产品线,客户选择更加灵活。
    支持优势:时间就是最大的成本,国内的芯片厂商有着本土支持的优势,对客户的需求了解更加精准,响应也更加及时。
    相比国际竞争对手,国内芯片厂商还需要在工业过程中的细节上再下功夫,把芯片的各个细节上的性能做起来,把握国产替代的机遇,加速产品优化迭代。以良率为例,要想把成本控制好,良率就一定要控制得好。为此灵动已经打造了复杂的良率检查体系,其中有将近两百道工序,保证了灵动产品的高良率。

相关报告
  • 《奥迪推出用于点焊质量控制的人工智能》

    • 来源专题:工业强基
    • 编译者:张欣
    • 发布时间:2024-07-05
    • 继一个成功的试点项目之后,奥迪已经开始推出用于车身结构点焊质量控制的人工智能(AI)系统。人工智能是在Neckarsulm现场预先开发和测试的。 到今年年底,用于使用人工智能的技术基础设施将安装在大众汽车集团的其他三个工厂。该项目还作为奥迪推出的2025年汽车倡议(AI25)的用例。 奥迪公司利用人工智能,在其Neckarsulm工厂对每班300辆汽车上约150万个点焊点进行分析。相比之下,直到最近,生产人员还在随机分析的基础上使用超声波手动监测电阻点焊工艺的质量。使用超声波方法,他们检查了每辆车约5000个点焊。通过应用人工智能,员工现在可以专注于可能的异常情况。奥迪表示,这种新方法将使他们能够更有效、更有针对性地控制质量。 为了在这些位置安装技术基础设施,专家团队目前正在确定焊接设置的差异,以便相应地重新培训AI模型。通过使用人工智能生成的数据可用于优化未来的其他流程。例如,奥迪团队目前正在使用这些数据作为未来预测性维护的基础。 为了确保工艺审核和认证,与德国质量协会(DGQ)、弗劳恩霍夫工业工程研究所(IAO)和弗劳恩霍夫制造工程与自动化研究所(IPA)密切合作开发。这种方法反映了一个事实,即迄今为止,还没有独立机构针对人工智能应用发布标准或认证。 “WPS-Analytics”项目作为奥迪推出的2025年汽车倡议(AI25)的用例。该倡议旨在建立数字化工厂转型和创新的能力网络。奥迪希望利用数字化来提高生产和物流的灵活性和效率。在成为智能工厂的道路上,奥迪和来自科学和IT行业的合作伙伴正在测试数字解决方案,以在内卡苏姆的真实制造环境中生产优质汽车,并在稍后进行批量生产。
  • 《机器视觉和人工智能在现代制造中的关键作用》

    • 来源专题:智能制造
    • 编译者:icad
    • 发布时间:2024-02-28
    •   在竞争日益激烈和监管日益严格的环境中,机器视觉(MV)解决方案对于制造商来说变得至关重要。在严格的监管要求、创新的制造技术和严重的劳动力短缺的推动下,该行业正在转向技术解决方案。   人工智能在MV中的重要性与日俱增   将人工智能集成到机器视觉解决方案中代表着制造业的重大转变。预测质量控制机器视觉市场将出现显着增长,预计将从2023年的23亿美元增长到2028年的72亿美元。这种增长轨迹强调了人工智能在现代制造业中的关键作用,其驱动力是其增强和增强的能力传统的中压系统。   人工智能在机器视觉领域的优势   将人工智能(AI)集成到制造业的机器视觉(MV)中可带来一系列变革性优势,重塑工业质量控制的格局。最大的优势之一是提高了识别缺陷的准确性和精确度。人工智能算法擅长处理视觉数据,大大减少错误并确保高精度。这种准确性对于保持产品质量标准的一致性至关重要。   另一个关键优势是检查速度的显着提高。AI驱动的MV系统可以实时分析视觉数据,从而在不影响质量的情况下实现更快的检测速度。这种高速处理对于维持高效的生产线和支持高吞吐量的制造环境至关重要。   人工智能还提供了卓越的适应性和灵活性。它可以从新数据中学习,使其适应不同的产品或制造环境。这种学习能力允许根据特定的制造需求和要求进行定制,使人工智能成为制造武器库中令人难以置信的多功能工具。   此外,从长远来看,人工智能在MV中的集成可以带来显着的成本效益。通过减少材料浪费并最大限度地减少手动检查的需要,MV中的人工智能可以节省大量劳动力成本。此外,它还通过减少潜在危险环境中的人为干预需求并减轻工人重复性任务的压力来增强安全性和人体工程学。   运营的可扩展性是另一个重要优势。AI驱动的MV系统可以轻松扩展或适应不同的生产线,从而灵活地响应产品设计或制造方法的变化。人工智能提供的丰富的数据驱动见解补充了这种可扩展性。通过分析大量数据,人工智能可以识别趋势和模式,帮助进行预测性维护并提高制造效率。   最后,在MV中采用人工智能可以为制造商提供竞争优势。它将他们定位为创新和技术的领导者,从而能够更快地适应市场需求和变化。环境效益进一步增强了这种竞争优势,因为人工智能优化的流程通过资源优化和能源效率有助于实现更可持续的制造实践。   要点:   ● 提高缺陷检测的准确性和精确度。   ● 提高检测速度以实现高效生产。   ● 对不同制造环境的适应性和灵活性。   ● 长期节省成本并提高安全性。   ● 可扩展性和丰富的数据驱动见解。   ● 竞争优势和环境效益。   人工智能与机器视觉集成的挑战和限制   尽管有这些优势,但在制造中将人工智能与机器视觉相结合也并非没有挑战。最令人畏惧的问题之一是高昂的初始成本和投资回报率(ROI)的不确定性。AI-MV系统的部署需要对先进硬件和软件进行大量资本投资。此外,制造商经常面临投资回报率的不确定性,尤其是当生产力提高或缺陷减少等效益可能需要一段时间才能显现出来时。   另一个重大挑战是将这些先进系统与现有制造基础设施集成。旧设备和软件的兼容性问题可能会造成相当大的障碍,而重新配置现有工作流程以适应AI-MV系统可能会扰乱生产流程。   对技术专业知识的需求是另一个障碍。通常缺乏能够操作和维护这些复杂系统的熟练人员。此外,人工智能技术的快速发展需要对劳动力进行持续培训和提高技能,从而加剧了资源紧张。   数据隐私和安全问题也很突出。AI-MV系统对数据的依赖日益增加,引发了数据漏洞问题以及遵守严格数据保护法规的需要。此外,维持系统可靠性和诊断人工智能驱动系统中的问题的复杂性可能会导致生产延迟和质量问题。   可扩展性和灵活性问题也带来了挑战。人工智能模型可能难以快速适应产品设计或制造流程的变化,需要额外的投资和再培训。人工智能和机器视觉技术缺乏标准化可能会导致互操作性问题和对特定供应商的依赖,从而限制制造商的灵活性。   人工智能的“黑匣子”性质是另一个严峻的挑战。人工智能决策过程缺乏透明度可能会导致信任问题,尤其是在质量控制和监管合规性至关重要的行业。由于训练人工智能模型对质量数据的依赖,这一问题变得更加复杂。数据不充分或有偏差可能会导致人工智能预测不准确,从而破坏系统的有效性。   要点:   ● 初始成本高,投资回报率不确定。   ● 与现有系统的复杂集成。   ● 需要技术专业知识和持续培训。   ● 数据隐私、安全问题和系统可靠性问题。   ● 可扩展性和灵活性的挑战。   ● 人工智能决策缺乏标准化和透明度。   未来展望与创新   展望未来,持续的创新有望进一步增强这些技术,使它们更具适应性、更高效,并且更能融入制造流程。随着人工智能在质量控制方面的优势变得更加明显,其在制造业的采用将继续增长。这种增长不仅仅是市场的扩大,更是技术本身的演进和完善。制造商越来越多地寻求人工智能增强的MV解决方案来应对现代生产环境的挑战。   将人工智能集成到机器视觉中正迅速成为制造业的关键组成部分。这项技术正在改变现有流程并为质量和效率设定新标准。随着市场不断扩大和发展,人工智能在机器视觉中的作用变得越来越重要,有望解决当前的挑战并塑造制造业的未来。