ANN-Assisted Intelligent Control of a High-Gain Non-Isolated DC–DC Converter for PEM Fuel Cell Electric Vehicles
تقترح هذه الورقة وتتحقق من صحة استراتيجية تحكم هجينة تعتمد على (PI–ANN) لمحول (DC–DC) غير معزول عالي الكسب في مركبات تعمل بخلايا الوقود ذات غشاء تبادل البروتونات (PEM)، مما يثبت أن دمج شبكة عصبية اصطناعية مدربة مع متحكم (PI) تقليدي يحسن بشكل كبير الاستجابة العابرة ودقة الحالة المستقرة مقارنة باستخدام متحكم (PI) بمفرده.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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
غالباً ما يُحتفى بالمركبات الكهربائية بهدوئها المعهود وانعدام انبعاثات عوادمها، لكن قلب العديد من التصميمات من الجيل التالي هو بطارية كيميائية لا تخزن الكهرباء على الإطلاق؛ بل تولد الطاقة عند الطلب عبر دمج الهيدروجين مع الأكسجين، وهي عملية لا تنتج سوى الماء كمنتج ثانوي. هذه التقنية، المعروفة باسم خلية وقود غشاء تبادل البروتون، تعد بإمكانية التزود السريع بالوقود ومدى قيادة طويل، ومع ذلك فهي تأتي مع ميزة كهربائية غريبة جوهرية؛ فالفولتية التي تنتجها منخفضة ومتذبذبة، تتقلب مثل مجرى مائي يرتفع وينخفض مع تغير الأحوال الجوية. ولتشغيل المحركات الثقيلة التي تحرك السيارة، يجب رفع هذا التيار الضعيف وغير المستقر إلى تيار كهربائي قوي ومستمر. ويعالج المهندسون هذا عدم التوافق باستخدام جهاز يسمى محول التيار المستمر إلى تيار مستمر (DC–DC converter)، والذي يعمل بمثابة "مصعد للجهد"، حيث يرفع جهد خلية الوقود المنخفض إلى المستويات العالية التي يحتاجها المحرك. ومع ذلك، فإن جعل هذا المصعد يعمل بسلاسة أمر صعب لأن مخرجات خلية الوقود تتغير باستمرار، كما أن طلب السيارة على الطاقة يتغير لحظياً مع تسارع السائق أو صعوده تلة.
في دراسة جديدة، طور باحثون في معهد فيلور للتكنولوجيا في الهند طريقة أكثر ذكاءً لإدارة مصعد الجهد هذا لمركبات خلايا الوقود. لقد ركزوا على نوع محدد من المحولات يمكنه رفع الجهد بشكل كبير دون الحاجة إلى محولات ضخمة وثقيلة. وبينما كان التصميم الفيزيائي لهذا المحول معروفاً بالفعل، إلا أن التحدي كان يكمن في التحكم فيه. تعمل وحدات التحكم التقليدية مثل يد ثابتة على منظم حرارة، حيث تتحقق باستمرار من درجة الحرارة وتجري تعديلات صغيرة للحفاظ على استقرارها. وهذا يعمل جيداً عندما تكون الظروف قابلة للتنبؤ، ولكنه قد يكون بطيئاً في الاستجابة عندما ينخفض جهد خلية الوقود فجأة أو يتغير الحمل بشكل حاد. اقترح الباحثون نهجاً هجيناً يجمع بين هذه اليد الثابتة التقليدية وبين "عقل رقمي" قادر على التنبؤ بما يجب فعله قبل وقوع المشكلة حتى. لقد قاموا بتدريب شبكة عصبية اصطناعية، وهي نوع من البرامج الحاسوبية المستوحاة من الدماغ البشري، لتعلم العلاقة بين مدخلات خلية الوقود، والمخرجات المطلوبة، والحمل. وبدلاً من انتظار حدوث خطأ ثم تصحيحه، يقوم هذا العقل الرقمي بحساب الإعداد الدقيق المطلوب للحفاظ على الجهد الصحيح بناءً على الظروف الحالية، بينما تظل وحدة التحكم التقليدية في الخلفية لتدارك أي أخطاء صغيرة قد يغفل عنها التنبؤ.
لم يقم الفريق ببناء نموذج أولي مادي لهذا الاختبار المحدد؛ بدلاً من ذلك، أنشأوا نموذجاً رياضياً دقيقاً للغاية للمحول واستخدموه لتوليد آلاف النقاط من البيانات التي تمثل كيفية سلوك النظام تحت ظروف مختلفة. وقد أدخلوا هذه البيانات في الشبكة العصبية الاصطناعية، لتعليمها التعرف على الأنماط والتنبؤ بإشارة التحكم الدقيقة المطلوبة لأي موقف معطى. وكانت النتيجة نظاماً تعلم سلوك المحول بدقة مذهلة، محققاً مستوى من الدقة يشير إلى أنه يمكنه محاكاة إشارة التحكم المثالية بشكل شبه كامل. وعندما اختبر الباحثون هذا النظام الهجين الجديد في محاكاة حاسوبية، كانت النتائج مذهلة؛ فقد وصل النظام إلى الجهد المستهدف البالغ 400 فولت في غضون 5.2 مللي ثانية فقط، وهو أقل من نصف الوقت الذي استغرقته وحدة التحكم التقليدية للقيام بذات الأمر. كما استقر في حالة مستقرة بشكل أسرع بكثير، مع انعدام شبه تام لظاهرة "التجاوز" (overshoot)، مما يعني أن الجهد لم يرتفع بشكل خطير قبل أن يستقر. وبالمقارنة، استغرقت وحدة التحكم التقليدية أكثر من ضعف الوقت للاستقرار وسمحت للجهد بالتذبذب على نطاق أوسع قبل إيجاد توازنه.
هذا التحسن مهم لأن المركبات الكهربائية تحتاج إلى إلكترونيات طاقة يمكنها الاستجابة فوراً لأوامر السائق. فالاستجابة البطيئة يمكن أن تؤدي إلى تسارع متثاقل أو عدم استقرار في نظام الطاقة، بينما يمكن للنظام الذي يتجاوز الحد المطلوب أن يتسبب في تلف المكونات الحساسة. وتظهر الدراسة أنه من خلال ترك الشبكة العصبية الاصطناعية تتولى المهمة الشاقة للتنبؤ وترك وحدة التحكم التقليدية تتولى مهمة الضبط الدقيق، يصبح النظام أسرع وأكثر استقراراً. وأشار الباحثون إلى أن الشبكة العصبية الاصطناعية قد تم تدريبها باستخدام بيانات مستمدة مباشرة من النموذج الرياضي للمحول، وهي طريقة وصفوها بأنها "مستندة إلى الفيزياء". وهذا يعني أن الكمبيوتر تعلم القوانين الفيزيائية التي تحكم الجهاز بدلاً من مجرد حفظ أرقام عشوائية، مما يساعده على تقديم تنبؤات موثوقة حتى في المواقف التي لم يسبق له رؤيتها. وقد حافظ النظام النهائي على جهد المخرج بخطأ يقل عن واحد من عشرة في المئة، وهو مستوى من الدقة يعد حيوياً للتشغيل الموثوق للمركبة.
وعلى الرغم من أن النتائج مثيرة للإعجاب، إلا أن المؤلفين حذروا من أن هذه النتائج تأتي من عمليات محاكاة حاسوبية. والخطوة التالية، التي يخططون للقيء بها، هي بناء نسخة مادية من وحدة التحكم هذه واختبارها على أجهزة حقيقية. إنهم يتصورون تثبيت النظام على رقائق رقمية يمكنها إجراء الحسابات بسرعة كافية لمواكبة التغيرات السريعة في سيارة متحركة. وإذا نجح هذا النهج، فقد يجعل مركبات خلايا الوقود أكثر استجابة وكفاءة، مما يساعد في التغلب على أحد العوائق المتبقية في جعل النقل العامل بالهيدروجين واقعاً عملياً. ويظهر العمل أن الجمع بين التحكم الهندسي التقليدي والذكاء الاصطناعي الحديث يمكن أن يحل المشكلات التي لا يستطيع أي منهما معالجتها بنفس الفعالية بمفرده، مما يوفر مساراً نحو أنظمة طاقة أكثر قوة وذكاءً لمركبات المستقبل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.