۵ ژوئیه ۲۰۲۵، عکس از نویسنده: پرابات رانجان میشرا
آخرین فناوری یک شرکت آلمانی، دقت پیش‌بینی دمای موتورهای الکتریکی را افزایش می‌دهد. این می‌تواند به افزایش عملکرد و کارایی خودروهای الکتریکی بدون به خطر انداختن قابلیت اطمینان کمک کند.
TempAI شرکت ZF یک راه‌حل مبتنی بر هوش مصنوعی است که دقت پیش‌بینی دمای موتورهای الکتریکی را بیش از ۱۵ درصد بهبود می‌بخشد و امکان استفاده حرارتی بسیار دقیق‌تر از دستگاه الکتریکی را فراهم می‌کند.
این داده‌های دقیق امکان استخراج قدرت بسیار بیشتری از موتور الکتریکی را فراهم می‌کند و کاملاً بدون سخت‌افزار اضافی، فقط از طریق هوش مصنوعی کار می‌کند. فناوری مبتنی بر هوش مصنوعی برای تولید انبوه آماده است.
این شرکت اعلام کرد که فناوری مبتنی بر هوش مصنوعی برای تولید انبوه آماده است و برای نسل جدید موتورهای الکتریکی ZF در دسترس است.
ZF تأکید کرد که TempAI مبتنی بر پلتفرمی است که به طور خودکار مدل‌های مبتنی بر فیزیک را از داده‌های اندازه‌گیری تولید می‌کند و آنها را در مدت زمان بسیار کوتاهی عملیاتی می‌کند. واحدهای کنترل موجود کافی هستند، زیرا مدل‌های هوش مصنوعی مورد استفاده به منابع محاسباتی کمی نیاز دارند. به گفته این شرکت، این امر منجر به پیاده‌سازی بسیار مقرون به صرفه در تولید انبوه می‌شود.
دکتر استفان سیکلینگر، رئیس هوش مصنوعی، مهندسی دیجیتال و اعتبارسنجی در تحقیق و توسعه ZF، گفت: “این فناوری ما را قادر می‌سازد تا کارایی و قابلیت اطمینان درایوهای خود را بیشتر افزایش دهیم. در عین حال، TempAI نشان می‌دهد که چگونه توسعه مبتنی بر داده می‌تواند نه تنها سریع‌تر، بلکه پایدارتر و قدرتمندتر نیز باشد.”
همچنین ادعا می‌شود که پیش‌بینی دقیق‌تر دما، کنترل هدفمندتر را تا حد مجاز عملکرد حرارتی امکان‌پذیر می‌کند. این روش می‌تواند تا ۶٪ توان اوج بیشتر ارائه دهد.این نتیجه می‌تواند تا شش درصد توان اوج بیشتر و افزایش قابل تأیید در راندمان در چرخه WLTP، استاندارد جهانی برای انتشار گازهای گلخانه‌ای رانندگی واقعی، ارائه دهد. طبق یک بیانیه مطبوعاتی، در طول رانندگی پویا – به عنوان مثال، در پیست نوربرگ‌رینگ نوردشلایف – مصرف انرژی بسته به نقطه بار، ۶ تا ۱۸ درصد کاهش می‌یابد.
TempAI شرکت ZF همچنین مزایای زیست‌محیطی و اقتصادی ارائه می‌دهد. طراحی حرارتی بهینه شده امکان صرفه‌جویی در مقادیر قابل توجهی از عناصر خاکی کمیاب سنگین را فراهم می‌کند.در عین حال، زمان توسعه در هر پروژه به طور قابل توجهی کاهش می‌یابد، از چند ماه به تنها چند روز.
این شرکت تأکید کرد که در طول توسعه درایوهای الکتریکی، هوش مصنوعی به درک و ثبت فرآیندهای داخل موتور الکتریکی کمک می‌کند، که به دلایل هزینه یا زمان، هیچ مدل فیزیکی قابل اعتمادی برای آن وجود ندارد. چالش این است که دمای داخل روتور فقط می‌تواند به طور مستقیم در حین کار با هزینه بالا اندازه‌گیری شود.
با این حال، داده‌های اندازه‌گیری فراوانی وجود دارد که به طور سیستماتیک در طول آزمایش‌های عملکردی گسترده روی میز آزمایش و بعداً در خودروهای آزمایشی ثبت می‌شوند. طبق بیانیه مطبوعاتی، این شامل مقادیر دمای محیط، مانند دمای محفظه روغن و سرعت روتور می‌شود.
ZF همچنین فاش کرد که نقاط عملیاتی مختلف ممکن و پیشرفت زمانی آنها منجر به میلیون‌ها نقطه داده می‌شود. این نقاط داده به این بستگی دارند که آیا و چه زمانی رانندگان از حداکثر قدرت استفاده می‌کنند یا با سرعت راه رفتن حرکت می‌کنند.
طبق بیانیه مطبوعاتی، الگوریتم‌های هوش مصنوعی “آموزش دیده‌اند” تا دقیقاً آن وابستگی‌هایی را که به طور خاص برای تغییرات دما در روتور و استاتور مهم هستند، فیلتر کنند.
