Intelligenza artificiale, nuovi passi in avanti da parte di Porsche
L’intelligenza artificiale consente ai computer di analizzare i problemi e risolverli automaticamente, proprio come un essere umano… o quasi. Un potenziale che viene evidentemente sfruttato nello sviluppo della catena cinematica, sia nel campo della mobilità elettrica che in quello del motore a combustione interna. Ma non solo.
Nello sviluppo dei motori a combustione tradizionale, per esempio, l’IA risolve il problema di prevedere il contenuto di gas nell’olio del motore. Poiché un alto contenuto di gas porta alla formazione di schiuma e, quindi, a una ridotta lubrificazione, il sistema dell’olio deve essere progettato per il più basso contenuto di gas possibile. Tuttavia, le misurazioni possono difficilmente essere effettuate nel veicolo con il motore in funzione. Ebbene, un nuovo processo IA di Porsche fornisce ora previsioni affidabili del contenuto di gas nell’olio motore.
Le dichiarazioni della società
“Nel processo, siamo stati in grado di mantenere la capacità di calcolo richiesta per l’algoritmo IA così bassa che possiamo facilmente integrarlo nel processo di sviluppo del motore“, dice l’ingegnere di sviluppo Hong Truc Jung, responsabile degli strumenti IA nel powertrain alla Porsche. “Durante i test standard al banco, funziona continuamente e ci fornisce i dati desiderati nel processo“. Il primo motore per il quale Porsche ha applicato il nuovo processo è stato il motore boxer a sei cilindri per la Porsche Cayman GT4.
L’analisi dello stato della batteria per i veicoli elettrici
Non è questa, comunque, l’unica nuova applicazione dell’intelligenza artificiale in Porsche. Per esempio, la divisione tecnologica della compagnia può ora determinare il comportamento di invecchiamento della batteria agli ioni di litio e verificare in tempo reale le condizioni della batteria stessa.
L’algoritmo utilizza infatti la resistenza interna della batteria per dedurre il suo invecchiamento, prendendo in considerazione – tra le altre cose – fattori come la temperatura e lo stato di carica, così come i risultati dei test a lungo termine e della flotta.
Il Porsche Engineering Reinforcement Learning (PERL)
Porsche Engineering ha quindi lavorato a una metodologia di sviluppo particolarmente flessibile con un alto potenziale per un’ampia varietà di casi d’uso sul metodo AI deep reinforcement learning.
“La nostra metodologia PERL, abbreviazione di Porsche Engineering Reinforcement Learning, va oltre la soluzione specifica di singoli compiti, perché comprende le relazioni sistemiche e impara a prendere decisioni strategiche”, spiega Matthias Bach, Senior Manager di Engine Application and Mechanics presso Porsche Engineering.
In particolare, poiché le reti neurali dell’algoritmo possono variare diversi parametri allo stesso tempo, anche in combinazione tra loro, e prevedere gli effetti risultanti, PERL è ideale per compiti complessi di applicazione del motore e molte altre aree di sviluppo del veicolo. “Con PERL, possiamo ridurre il tempo di sviluppo e allo stesso tempo ottenere risultati di applicazione migliori di quelli che sarebbero possibili con i metodi convenzionali“, aggiunge Bach. Il metodo è attualmente in fase di test pratico nello sviluppo del motore e sarà utilizzato anche in altre aree come il veicolo completo, il telaio e l’elettricità/elettronica alla Porsche Engineering nel medio termine.