WRÓĆ DO STRONY
GŁÓWNEJ
Nauka

Głebokie uczenie wykorzystane do kontroli efektywności pojazdów hybrydowych

Większość samochodów hybrydowych posiada kilka głównych trybów jazdy przystosowanych np. do ogólnej jazdy w ruchu miejskim, czy po autostradzie. Obecnie trwają prace nad nowym systemem, który może rejestrować przeszłe jazdy i na tej podstawie uczyć się odpowiednio balansować zużycie prądu oraz paliwa.

Za projekt odpowiedzialny jest Uniwersytet Kalifornijski w Riverside. Opracowywany przez tamtejszych naukowców system zarządzania energią w hybrydach wykorzystuje oprogramowanie uczenia maszynowego, które ma w założeniu zapewnić odpowiednią efektywność zużycia paliwa na podstawie warunków ruchu drogowego. Dla porównania, typowe „binarne” tryby pracy silników hybrydowych po prostu załączają jazdę w trybie elektrycznym i kontynuują ją dopóki nie nastąpi wyładowanie baterii. Wówczas w włączony zostaje silnik spalinowy. Jazdy próbne, w ruchu ulicznym na 32-kilometrowym odcinku drogi w południowej Kalifornii pokazały, że nowy system jest w stanie zapewnić niemal 12-procentową oszczędność paliwa w porównaniu do stosowanych obecnie systemów „binarnych”.

Jak twierdzi Xuewei Qi, jeden z odpowiedzialnych za projekt pracowników naukowych, następnym krokiem jest rozszerzenie proponowanego trybu do opartej o chmurę sieci pojazdów, w której „uczyłyby się nie tylko same, ale również od siebie nawzajem”.

Pomysł sieci samochodów dzielących się informacjami w celu lepszego zarządzania energią może wejść życie już w niedalekiej przyszłości. Jak do tej pory uniwersytet złożył aplikacje patentowe dotyczące badań opublikowanych w wersji online czasopisma Transportation Research Record (wydanie z 5 lutego).

Pewnym problemem w metodologii uczonych jest fakt, że nowy system porównywano z trybami binarnymi samochodów hybrydowych. Wiele dostępnych na rynku hybryd oferuje różne programy jazdy, które nie opierają się o jazdę na silniku elektrycznym aż do momentu wyczerpania baterii. Przykładowo, Honda Accord Hybrid z 2015 roku używa silnika elektrycznego bez wykorzystania silnika spalinowego tylko podczas hamowania i ruszania. W innym wypadku moc mechaniczna pochodzi z obu źródeł, lub tylko z silnika spalinowego, gdy samochód osiąga prędkość autostradową.

Niemniej, choć na wyniki badań naukowców trzeba patrzeć przez pryzmat sceptycyzmu, pomysł wykorzystania głębokiego uczenia do kontroli efektywności energetycznej pojazdów bez wątpienia można uznać za bardzo interesujący.

[źródło i grafika: spectrum.ieee.org]