이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
Cummins, AI 기반 차수 축소 모델링을 사용하여 엔진 성능 및 배출 예측
엔진 성능 모델의 속도와 정확도를 향상시키는 접근 방식
"MATLAB을 사용하면 코딩 경험이 거의 없거나 전혀 없는 초보자도 이러한 모델을 개발할 수 있는 등 많은 이점이 있습니다. 코드 개발 작업에 많은 시간을 들이지 않고도 플랫폼에서 더 많은 것을 얻을 수 있습니다."
주요 성과
- Cummins는 MATLAB을 사용하여 엔진 사이클 시뮬레이션 실행 시간을 실시간의 1/8로 줄일 수 있었습니다.
- 로우코드 툴을 사용하면 기술 전문가가 코딩보다는 분석에 집중할 수 있습니다.
- 가속화된 종단간 AI 모델 개발 워크플로우로 비용, 노력, 메모리 사용량 절감
엔진 효율과 배출 수준을 정확하게 예측하려면 엔진 사이클을 시뮬레이션하는 모델을 구축하는 것이 필수입니다. 그러나 이러한 모델을 개발하려면 종종 타사 툴을 사용하여 3차원을 1차원으로 축소한 다양한 시뮬레이션을 해야 하고, 시뮬레이션을 완료하는 데 실시간보다 20배 이상의 시간이 걸릴 수 있습니다.
엔진 개발 분야의 글로벌 리더인 Cummins는 이러한 모델의 속도와 정확도를 개선하기 위해 MATLAB®을 사용하여 LSTM 기반 신경망을 구축했습니다. 이 팀은 Deep Learning Toolbox™와 Statistics and Machine Learning Toolbox™를 사용하여 압력, 온도, 엔진 브레이크 토크를 포함한 26가지의 다양한 엔진 반응을 모델링했습니다.
Cummins 팀은 코딩 경험이 거의 없었지만 MATLAB을 사용하여 모델 속도를 실시간보다 8배 더 빠르게 높일 수 있었습니다. 앞으로 팀은 그들의 모델을 실제 하드웨어와 제어 컴포넌트와 통합할 계획입니다.
