Real-Time Preview Control of Active Suspensions Under Actuation Limits via Learned MPC Surrogates and Online Identification

تواجه كل مركبة تسير على طريق ما حقيقةً مزعجة ومستمرة: الأرض نادراً ما تكون مستوية. فعندما تصطدم السيارة بمطب، تتحرك العجلات للأعلى والأسفل، وبدون تدخل، تنتقل هذه الحركة مباشرة إلى الركاب، مما يخلق رحلة وعرة وغير مريحة. لعقود من الزمن، حاول المهندسون حل هذه المشكلة باستخدام أنظمة سلبية، مستخدمين وسادات مطاطية ونوابض ميكانيكية لامتصاص جزء من الصدمة. لاحقاً، ظهرت أنظمة شبه نشطة، يمكنها تعديل صلابتها أو تخميدها للاستجابة للطريق، لكنها كانت لا تزال تعتمد على رد فعل السيارة للمطب بعد وقوعه بالفعل. وكان الهدف الأسمى دائماً هو نظام التعليق النشط، وهو إعداد يستخدم المحركات والمستشعرات لدفع هيكل السيارة في الاتجاه المعاكس للمطب، مما يلغي الاهتزاز فعلياً قبل أن يشعر به الركاب. وبينما تعد هذه التكنولوجيا برحلة أكثر سلاسة وسلامة أفضل، إلا أنها ظلت ميزة فاخرة توجد فقط في السيارات الأكثر تكلفة. كان العائق الأساسي هو مقايضة صعبة: الحواسيب المطلوبة لحساب الحركة المضادة المثالية في الوقت الفعلي أبطأ من أن تعمل على شرائح السيارات القياسية، والمحركات المطلقة لتوليد قوة كافية غالباً ما تكون كبيرة جداً أو تستهلك الكثير من الطاقة للإنتاج الضخم.

اقترح فريق من الباحثين في جامعة بن غوريون في النقب ومعهد غوانغدونغ للتكنولوجيا في إسرائيل طريقة جديدة لسد هذه الفجوة. فقد طوروا نظام تحكم يجمع بين الدقة الرياضية للتخطيط المتقدم وسرعة الشبكة العصبية المتعلمة، مع احترام الحدود الفيزيائية لمحركات السيارة. ويشير عملهم، الذي تم اختباره من خلال محاكاة حاسوبية مفصلة، إلى أنه من الممكن تحقيق سلاسة التعليق المثالي دون الحاجة إلى حواسيب فائقة أو طاقة غير محدودة. وتكمن الرؤية الجوهرية في أن النظام لا يكتفي بمجرد الاستجابة للطريق، بل ينظر إلى الأمام. فمن خلال استخدام "معاينة" لسطح الطريق — أي بيانات حول المطبات التي لا تزال على بُعد أمتار قليلة — يمكن للمتحكم التحضير لحركاته مسبقاً. ومع ذلك، وجد الباحثون فارقاً دقيقاً وحاسماً: قدرة المعاينة هذه تكون مفيدة للغاية تحديداً عندما تكون المحركات ضعيفة أو مشبعة. فعندما تكون المشغلات قوية، يمكنها ببساطة الاستجابة للاضطرابات، ولكن عندما تكون محدودة، تسمح القدرة على النظر مسبقاً للنظام بإعادة تخصيص قوته المحدودة في وقت مبكر، مما يجعل معلومات المعاينة أكثر قيمة بكثير مما هي عليه في السيناريوهات غير المقيدة.

ولجعل هذا النظام عملياً، عالج الباحثون مشكلة السرعة. إن الطريقة الأكثر دقة للتحكم في التعليق هي طريقة تسمى "التحكم التنبئي بالنموذج"، والتي تحسب باستمرار أفضل إجراء ممكن للثواني القليلة القادمة. في عالم مثالي، سيكون هذا الحساب فورياً، ولكن في الواقع، يستغرق وقتاً طويلاً بالنسبة لسيارة تسير بسرعة الطرق السريعة. وقد حل الباحثون هذه المشكلة عن طريق تدريب شبكة عصبية، وهي نوع من الذكاء الاصطناعي، لمحاكاة قرارات الحاسب البطيء والمثالي. لقد قاموا بتغذية الشبكة العصبية بآلاف الأمثلة من أفعال المتحكم المثالي، وتعليمها كيفية التعرف على ظروف الطريق وحالة السيارة والاستجابة بنفس الدقة. وبمجرد تدريبها، تعمل هذه الشبكة العصبية كـ "بديل"، حيث تتخذ القرارات بسرعة أكبر بثمانين مرة تقريباً من الطريقة الأصلية. هذا التسريع كبير بما يكفي ليتمكن النظام من العمل على شرائح الكمبيوتر القياسية الموجودة في المركبات الحديثة، بدلاً من الحاجة إلى أجهزة متخصصة وباهظة الثمن.

كما عالجت الدراسة مشكلة شائعة في القيادة الواقعية: تغير وزن السيارة. فالمركبة التي تحمل حمولة كاملة من الركاب والأمتعة تكون أثقل من تلك الفارغة، وهذا التغيير يغير كيفية سلوك نظام التعليق. والمتحكم المصمم لسيارة فارغة سيؤدي أداءً سيئاً عندما تكون السيارة ممتلئة. وللتعامل مع هذا، أضاف الفريق وحدة تحديد عبر الإنترنت تقوم باستمرار بتقدير الوزن الحالي للمركبة أثناء قيادتها. ومن خلال تغذية هذه المعلومات المحدثة في الشبكة العصبية، يتكيف النظام مع استراتيجيته أثناء العمل. وفي عمليات المحاكاة التي أجروها، قلل هذا النهج التكيفي من الاهتزاز الذي يشعر به الركاب بنسبة ثلاث وثلاثين بالمائة إضافية مقارنة بنظام يفترض أن الوزن لا يتغير أبداً.

اختبر الباحثون طريقتهم مقابل خط أساس قياسي باستخدام ظروف طرق متنوعة، من الأسطح الناعمة إلى التضاريس الوعرة وغير المستوية وحتى العوائق المحددة مثل مطبات السرعة. لقد قاموا بمحاكاة ربع مركبة، مع التركيز على الحركة الرأسية لعجلة واحدة والجسم فوقها، ولاحقاً وسعوا الاختبار إلى نموذج نصف مركبة يتضمن حركة الميل (pitching) للسيارة بأكملها. وأظهرت النتائج أن النظام الجديد تفوق باستمرار على الطرق التقليدية. فعندما كانت المحركات تمتلك طاقة كافية، قلل نظام المعاينة من تسارع الاهتزاز بنسبة اثني عشر بالمائة مقارنة بمتحكم التغذية الأمامية القياسي. وفي الحالة المحددة لضرب مطب سرعة، كان التحسن أكثر دراماتيكية؛ فمع نافذة معاينة مدتها 0.7 ثانية، حقق النظام انخفاضاً بنسبة 57% في تسارع الاهتزاز مقارنة بخط الأساس. عمل النظام من خلال البدء في دفع جسم السيارة للأعلى قبل أن تلمس العجلة المطب، وهي خطوة استباقية منعت المحرك من التعرض للإجهاد الزائد.

ومع ذلك، كشفت الدراسة أيضاً عن حد جوهري. فقد وجد الباحثون أن فوائد النظر إلى الطريق مسبقاً تصل إلى ذروتها عندما تكون المحركات ضعيفة وتعمل بالقرب من حدودها القصوى. فعندما تتجاوز القوة المطلوبة لتنعيم الرحلة الحد الأقصى للمحرك، يحدث تشبع؛ وفي هذه الظروف المقيدة، تصبح المعلومات الإضافية حول الطريق أمامنا حاسمة لأنها تسمح للمتحكم بتحسين استخدام قوته المحدودة. وعلى العكس من ذلك، إذا كانت المشغلات قوية للغاية ولا تصل إلى مرحلة التشبع أبداً، فإن ميزة المعاينة تتضاءل. توفر هذه النتيجة إرشادات واضحة للمهندسين: لجعل التحكم بالمعاينة فعالاً، لا تحتاج الأجهزة إلى أن تكون قوية بشكل لا نهائي، ولكن يجب تصميم استراتيجية التحكم لاستغلال المعاينة خصيصاً للتغلب على قيود المشغلات. كما اكتشف الفريق أيضاً أن النظر بعيداً جداً لا يساعد؛ إذ كانت نافذة معاذية مدتها حوالي نصف ثانية كافية لالتقاط المعلومات اللازمة لترددات مطبات الطريق التي اختبروها. وتمديد الرؤية إلى ما بعد هذه النقطة يزيد من العبء الحسابي دون تحسين جودة الرحلة.

تخلص الورقة البحثية إلى أنه على الرغم من عدم اختبار الطريقة بعد على مركبة فيزيائية، إلا أن نتائج المحاكاة قوية وتشير إلى مسار قابل للتطبيق للتبني الواسع. يقدم هذا النهج طريقة للحصول على أداء نظام تحكم معقد ومثالي دون التكلفة الحسابية، مما يجعل نظام التعليق النشط خياراً أكثر واقعية للسيارات اليومية. ومن خلال الجمع بين استشراف التحكم بالمعاينة، وسرعة الشبكة العصبية المتعلمة، والقدرة على التكيف مع اكتشاف الوزن في الوقت الفعلي، أثبت الباحثون وجود نظام يمكنه يوماً ما جعل كل رحلة تبدو بسلاسة سيارة فاخرة، بغض النظر عن ظروف الطريق أو عدد الركاب.