← أحدث الأبحاث
⚡ electrical engineering

KOOPMAN-Luenberger Observer Design for Nonlinear Systems with Application to the Monitoring of a Latent Thermal Energy Storage

تقترح هذه الورقة إطار عمل لمراقب حالة خطي قائم على "كوبمان" (KOOPMAN-LSO) يقوم برفع الديناميكيات غير الخطية إلى فضاء ذي أبعاد أعلى لتمكين تصميم مراقب خطي فعال، مما يثبت كفاءته في تقدير الحالات الداخلية غير المقاسة لنظام تخزين طاقة حرارية كامن بدقة عالية في ظل ظروف استشعار محدودة.

المؤلفون الأصليون: Mustapha Habib, Dario Aguiar, Esther Kieseritzky, Tilman Barz, Qian Wang

نُشر 2026-08-12
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Mustapha Habib, Dario Aguiar, Esther Kieseritzky, Tilman Barz, Qian Wang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول تخمين حالة الطقس داخل جرة سحرية ضخمة ومغلقة بإحكام. لا يمكنك رؤية ما بداخلها، ولا يمكنك إدخال ميزان حرارة فيها دون كسر الجرة. كل ما تملكه هو نافذة صغيرة في الخارج لتشعر بحرارة الهواء المتدفق منها. إذا كانت الجرة بسيطة، مثل دلو من الماء، فمن المحتمل أن تتمكن من تخمين ما يحدث بالداخل بمجرد الشعور بهذا النسيم. ولكن ماذا لو كانت الجرة تحتوي على مادة غامضة متغيرة الشكل، تتجمد وتذوب، وتغير شخصيتها وسلوكها اعتماداً على مدى حرارتها أو برودتها؟ هذا هو اللغز الذي يواجه العلماء مع أنظمة "تخزين الطاقة الحرارية الكامنة" — وهي بطاريات ضخمة تخزن الحرارة عن طريق صهر مواد مثل الملح أو الشمع. هذه الأنظمة فعالة للغاية ولكنها صعبة المراقبة بشكل ملحوظ لأن داخلها مخفي، كما أن سلوكها غير خطي بشكل جامح، مما يعني أن تغيراً طفيفاً في المدخلات يمكن أن يسبب تحولاً هائلاً وغير متوقع في درجة الحرارة.

لحل هذه المعضلة، يحاول المهندسون عادةً بناء نماذج رياضية معقدة تحاكي فيزياء عملية الصهر، أو يعتمدون على شبكات مكلفة وفوضوية من المستشعرات. ولكن هناك طريقة أذكى وأكثر حداثة: استخدام البيانات لإيجاد الأنماط الخفية. فكر في الأمر كأنك تأخذ صورة ضبابية وفوضوية لعاصفة ثم تستخدم مرشحاً خاصاً لتحويلها إلى رسم بياني واضح وخط مستقيم يتنبأ بهبة الرياح التالية. تقدم هذه الورقة البحثية "مرشحاً" ذكياً جديداً يسمى "مراقب الحالة الخطي القائم على كوبمان" (KOOPMAN-based Linear State Observer). إنها طريقة تأخذ نظاماً فوضوياً وغير خطي وتعمل على "رفعه" إلى أبعاد أعلى حيث يبدو التخبط كخطوط مستقيرة بسيطة. وبمجرد تسوية هذا التخبط، يمكن للفريق استخدام رياضيات بسيطة وموثوقة (من النوع المستخدم في الهندسة الأساسية) لتخمين درجات الحرارة المخفية داخل الجرة بمجرد النظر إلى الهواء المتدفق خارجها. الأمر يشبه تحويل كرة متشابكة من الخيوط إلى خط مستقيم حتى تتمكن من سحب طرفها بسهءولة.

طبق الباحثون، بقيادة مصطفى حبيب وفريقه، هذه الفكرة على وحدة تخزين حراري حقيقية مملوءة بمادة خاصة تعتمد على الملح تسمى SP31. تعمل هذه المادة مثل إسفنجة حرارية، تمتص الحرارة أثناء ذوبانها وتطلقها أثناء تجمدها. كان التحدي يكمل في امتلاكهم مستشعراً واحداً فقط يقيس درجة حرارة الماء الخارج من النظام، ومع ذلك كانوا بحاجة لمعرفة درجة حرارة المادة في عمق النظام. قاموا ببناء "توأم رقمي" للنظام باستخدام تقنية eDMDc، التي تتعلم كيفية سلوك النظام من خلال مراقبة دورات الشحن والتفريغ. وبدلاً من محاولة نمذجة الفيزياء المعقدة للصهر مباشرة، استخدموا حيلًا رياضية "مستوحاة من الفيزياء" — وهي دوال تشبه الطريقة التي يحدث بها الصهر — لرفع البيانات إلى ذلك الفضاء عالي الأبعاد حيث تصبح القواعد بسيطة وخطية.

بمجرد "رفع" النظام، قاموا بإرفاق "مراقب لونبرجر" (Luenberger Observer)، وهو في الأساس "مخمن ذكي" يصحح توقعاته باستمرار. تخيل طالباً يؤدي اختباراً وهو يعلم أن نموذج الإجابة يختلف قليلاً عن تخمينه؛ في كل مرة يحصل فيها على دليل جديد (درجة حرارة المخرج)، يقوم بتعديل إجابته ليقترب من الحقيقة. قام الفريق بضبط هذا المخمن باستخدام طريقة تسمى LQR، والتي تعمل مثل "مقبض التحكم في الصوت"، حيث توازن بين سرعة تعلم المخمن وبين مدى ثقته في بيانات المستشعر المشوشة. اختبروا هذا الإعداد في مختبر باستخدام خزان سعة 200 لتر، مع تشغيله عبر سيناريوهات مختلفة بمعدلات تدفق مياه مختلفة (2، 4، و8 لتر في الدقيقة) ودرجات حرارة متفاوتة.

كانت النتائج مبهرة. عندما كان النظام يعمل بوتيرة ثابتة، استطاع المراقب التنبؤ بدرجة حرارة الماء الخارج من الخزان بدقة مذهلة، حيث لم يتجاوز الخطأ 0.0819 درجة مئوية. والأهم من ذلك، نجح في إعادة بناء درجات الحرارة المخفية للمادة التي تذوب بالداخل، محافظاً على متوسط خطأ أقل من 1.0 درجة مئوية لمعظم المستشعرات. ومع ذلك، كانت الورقة صريحة بشأن حدودها؛ فعندما تم رفع تدفق المياه إلى 8 لتر في الدقيقة، أو عندما تحول النظام فجأة من التسخين إلى التبريد، استغرق "التخمين" وقتاً أطول للحاق بالواقع، وزادت الأخطاء قليلاً لتصل إلى 2.3072 درجة مئوية في بعض النقاط المحددة داخل الخزان. ويوضح المؤلفون أن هذا يحدث لأن بعض أجزاء الخزان بعيدة جداً عن المستشعر الوحيد بحيث لا يمكن رؤيتها بوضوح، تماماً مثل محاولة سماع همس من خلف غرفة صاخبة.

من الأهمية بمكان أن الورقة تجادل ضد فكرة أنك بحاجة إلى نموذج مثالي كثيف الفيزياء أو مستشعر في كل زاوية لمراقبة هذه الأنظمة. كما تقترح أنه بينما توجد طرق أخرى مثل "مرشح كالمان الموسع" (Extended Kalman Filter)، إلا أنها قد تكون ثقيلة حسابياً ويصعب ضبطها. يقدم هذا النهج الجديد "حلاً وسطاً": فهو ليس كرة بلورية مثالية ترى كل شيء فوراً، ولكنه أداة قوية وفعالة من الناحية الحسابية تحول مشكلة غير خطية وفوضوية إلى مشكلة خطية يمكن إدارتها. يشير المؤلفون إلى أنه بينما يعمل هذا الأسلوب جيداً في الظروف المستقرة، فإن العمل المستقبلي قد يجمع بينه وبين تقنيات أخرى تعتمد على البيانات للتعامل مع نطاقات أوسع من ظروف التشغيل. وفي الوقت الحالي، يظل هذا النهج طريقة واعدة لمراقبة القلب الخفي للبطاريات الحرارية دون الحاجة إلى حفر ثقوب فيها.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚡ eess →