이 페이지는 기계 번역되었습니다.
번역 품질에 대한 1분 설문 조사에 참여해 주세요.
Sanden - MATLAB을 사용한 자동차 공조 모델링 효율성 개선
새로운 모델로 정확도와 계산 속도 향상
이 프로젝트의 배경은 모터 모델 시뮬레이션에서 샘플링 시간을 단축하는 동시에 정확성을 보장하기 위해 신경망을 사용할 수 있는지 확인하는 것이었습니다. MathWorks는 LSTM이라는 딥러닝 방법을 사용할 것을 제안했으며, 이를 초기에 도입함으로써 향후 작업을 가속화할 수 있었습니다.
주요 성과
- 자동차 공조 시스템의 고정밀 대리 모델 생성
- 모델의 계산 속도 최대 100배 향상
- 성공적인 모델링을 통해 향후에 열과 같은 실제 파라미터를 통합할 경로 마련
Sanden 엔지니어는 AI를 사용하여 컴포넌트 모델링 공정의 일부를 자동화했습니다.
Sanden은 유럽과 중국에서 자동차 공조 시스템을 생산하는 대표적인 제조업체입니다. 이 회사는 엔진의 폐열을 활용할 수 없는 전기 자동차의 효율적인 난방을 가능하게 하는 열펌프를 개발하는 등 자동차 산업의 변화하는 추세에 맞춰 기술을 적용해 온 오랜 역사를 가지고 있습니다. 그러나 자동차 업계가 상당한 변화를 겪으면서 새로운 시스템을 개발하는 데 필요한 인력이 증가함에 따라, 모델 기반 개발은 부품 제조업체에 더욱 중요해지고 있습니다.
공조용 전기 압축기 모델을 만들 때 Sanden은 더 빠른 모델 계산 시간과 더 높은 정확도라는 클라이언트의 두 가지 요청을 균형 있게 조정해야 합니다. 이러한 모순되는 목표를 충족하기 위해 Sanden은 모델에 딥러닝 신경망을 통합하기 위해 MATLAB® 및 Simulink®의 툴을 사용했습니다.
연구팀은 Deep Learning Toolbox™를 사용하여 장단기 기억 신경망을 훈련하고, 이를 Simscape Electrical™을 통해 모터 시스템 모델에 통합했습니다. 이 신경망은 공조 모터와 제어기의 대리 모델로 사용되어 신호 처리를 간소화하고 불필요한 데이터를 제거할 수 있었습니다. 이러한 툴 덕분에 모델의 정확도가 높아지고 계산 속도도 향상되었습니다.
