Surrogate Model based NSGA-II for Suspension Optimization for Two-Wheelers

Elke keer dat een motorfiets een hobbel raakt, voelt de rijder dit. Het veringssysteem van de machine is de barrière tussen het ruwe wegdek en het menselijk lichaam, ontworpen om de schok van het terrein te absorberen zodat de rijder comfortabel en in controle blijft. Ingenieurs weten al lang dat het vinden van de perfecte balans voor deze veren en schokdempers ongelooflijk moeilijk is. Het systeem moet zacht genoeg zijn om een harde kuil glad te strijken, maar stijf genoeg om de motor stabiel te houden tijdens het draaien of remmen. Als de vering te zacht is, stuitert de motor oncontroleerbaar; als deze te stijf is, reist elke trilling rechtstreeks naar de ruggengraat van de rijder. Traditioneel gezien was het vinden van dit ideale punt een traag, duur proces van trial-and-error, waarbij duizenden computersimulaties nodig waren die uren duren om slechts één idee te testen.

Een onderzoeker bij Yatri Motorcycles in Kathmandu, Nepal, heeft een nieuwe manier ontwikkeld om dit probleem op te lossen die zowel sneller als nauwkeuriger is. In plaats van die trage, zware simulaties voor elke individuele test uit te voeren, hebben zij een wiskundige afkorting ontwikkeld. Ze creëerden een vereenvoudigd digitaal model van de voor- en achtervering van een motorfiets, waarbij ze de motor behandelden als een "half-auto"-systeem dat vastlegt hoe de voor- en achterwielen samen bewegen. Vervolgens gebruikten ze een techniek genaamd surrogate modeling (surrogaatmodellering), wat in essentie het trainen van een slim computerprogramma is om het gedrag van het volledige, complexe systeem te leren op basis van een kleinere set gegevens. Zodra dit programma de regels had geleerd, kon het voorspellen hoe de motor zou rijden met bijna perfecte nauwkeurigheid in een fractie van een seconde, waardoor de onderzoeker duizenden combinaties direct kon testen.

De onderzoeker gebruikte dit snelle, voorspellende model om een geavanceerd zoekalgoritme te draaien dat bekend staat als NSGA-II. Dit algoritme fungeert als een onvermoeibare ontdekkingsreiziger die door miljoenen mogelijke instellingen voor de voor- en achterveren en dempers zoekt om de beste mogheden voor compromissen te vinden. Het doel was om twee specifieke zaken tegelijkertijd te minimaliseren: het verticale stuiteren van de rijder (heave) en de wiegende beweging van de motor (pitch). Deze twee doelen werken vaak tegen elkaar in; een instelling die het stuiteren stopt, kan de wiegende beweging verergeren, en vice versa. Door gebruik te maken van hun snelle surrogaatmodel, was de onderzoeker in staat om een volledig landschap van deze afwegingen in kaart te brengen, waarbij een specifieke set parameters werd geïdentificeerd die de beste algehele comfort bood zonder de veiligheid in gevaar te brengen.

De resultaten van deze aanpak waren opmerkelijk. In een traditionele opstelling zou het testen van de duizenden combinaties die de onderzoeker verkende, meer dan vijf uur continue computertijd hebben vereist. Door hun getrainde afkortingsmodel te gebruiken, werd hetzelfde werk in minder dan een minuut voltoid. De nieuwe methode verminderde de totale rekentijd met meer dan vier keer vergeleken met de standaardbenadering. Belangrijker nog, de specifieke veringsinstellingen die het algoritme selecteerde, werkten daadwerkelijk. Toen de onderzoeker de winnende configuratie testte in de oorspronkelijke, trage, high-fidelity simulatie, bleek deze een echte verbetering te zijn. De geoptimaliseerde setup verminderde de verticale versnelling die de rijder ervoer met 16 procent en verbeterde de stabiliteit van de wiegende beweging van de motor lichtjes.

De studie bevestigde ook dat deze verbeteringen niet ten koste gingen van de veiligheid. De nieuwe instellingen hielden de motor binnen zijn fysieke grenzen, waardoor werd gewaarborgd dat de vering niet door sloeg of te ver uitstrekte, en behield de juiste hoogte van de motor onder een zware belasting. De onderzoeker valideerde de bevindingen door de voorspellingen van het snelle model te vergelijken met de resultaten van de trage, traditionele simulaties, waarbij werd vastgesteld dat de afkorting nauwkeurig genoeg was om te vertrouwen voor echt wereldontwerp. Dit werk demonstreert dat door het combineren van slimme datatraining met krachtige zoekalgoritmen, ingenieurs complexe mechanische systemen kunnen afstemmen met een snelheid en precisie die voorheen onmogelijk was, wat leidt tot een soepelere, comfortabelere rit voor tweewielerliefhebbers.