Сегодня, когда физический искусственный интеллект (Embodied AI) быстро развивается, физические интеллектуальные тела, такие как роботы и интеллектуальные устройства, переходят от двумерной способности « воспринимать - принимать решения» к трехмерному замкнутому циклу « воспринимать - принимать решения». В качестве основного узла, соединяющего « принятие решений» с « исполнением», производительность трансмиссии (например, коробки передач, гармонические редукторы, сервомоторы, шариковые винты, роликовые шелковые стержни и т. Д.) напрямую определяет точность движения интеллектуального тела, грузоподъемность, адаптивность к окружающей среде и надежность долгосрочного обслуживания. Можно сказать, что трансмиссия является « двигательным нервом» физического интеллектуального тела, его надежность, эффективность и технология тестирования жизни, является ключевым « системой медицинского осмотра» для обеспечения здоровой работы этого « нерва». Эта статья будет сосредоточена на основных требованиях к тестированию трансмиссии в сценарии искусственного интеллекта, углубленном анализе технической логики и передовых разработок тестирования надежности, тестирования эффективности и тестирования срока службы.

Почему ИИ зависит от высокопроизводительных трансмиссий?

Типичной особенностью соматического интеллекта является « автономное выполнение задач в реальном физическом мире», и его управление движением сталкивается с тремя основными проблемами:

Высокая динамическая реакция: необходимо быстро отслеживать сложные траектории (например, точные операции на миллиметровом уровне хирургического робота, прыжок четырехногого робота, чтобы избежать препятствий)

2. Многорежимная адаптация: стабильная работа в переменных условиях, таких как температура, влажность, пыль, удар и т. Д. (например, 24 - часовая непрерывная работа промышленного манипулятора, ветровая эрозия робота наружного контроля)

Низкое энергопотребление и длительный срок службы: выполнение задач, связанных с длительным ростом, при ограниченных энергетических ограничениях (например, патрулирование на открытом воздухе человекоподобными роботами, дальняя перевозка монтируемых нагрузок БПЛА).

Привод, как « последний километр» передачи мощности, его точность передачи (определяет точность управления движением), эффективность (определяет коэффициент использования энергии), надежность (определяет время безосновательной работы) и срок службы (определяет стоимость всего жизненного цикла), непосредственно определяет способность физического и умственного организма выполнять задачи. Например, перепад возврата (задний зазор) гармонического редуктора вызывает ошибку позиционирования конца манипулятора; Слишком высокие потери трения в коробке передач сокращают продолжительность полета робота; Ранний износ подшипников может вызвать внезапные сбои, которые угрожают безопасности взаимодействия человека и машины. Таким образом, технология систематического тестирования трансмиссии - это физический ИИ, который переходит от лаборатории к реальной сцене».Обязательно - через таможню ".

II. Тест на надежность: от "послеаварийного ремонта" до "прогнозной защиты"

Надежность является основным показателем трансмиссии и определяется как « способность выполнять заданные функции в определенных условиях и в течение заданного времени». Сценарии с искусственным интеллектом предъявляют более жесткие требования к надежности трансмиссии: не только « не плохо», но и в сложном спектре нагрузки (например, удар, вибрация, переменное напряжение) для поддержания стабильной производительности. Его методы тестирования вращаются вокруг « дефекта ускоренного воздействия - количественной вероятности отказа - прогнозирования оставшегося срока жизни».

Основные методы тестирования: от ускоренных испытаний до множественной связи напряжений

Традиционные тесты на надежность в основном используют « испытание на срок службы в номинальных режимах», но вариационные характеристики искусственного интеллекта требуют, чтобы тест имитировал множество напряжений (механическое напряжение, температурное напряжение, химическое напряжение и т. Д.) фактической сцены. Типичные методы включают:

Испытание на ускоренный срок службы (ALT): Ускорение возникновения неисправности путем применения напряжений выше номинального уровня (например, перегрузка, высокая температура, высокочастотная вибрация), сокращение цикла испытаний. Например, гармонический редуктор подвергается циклическому испытанию на загрузку с двухкратным номинальным крутящим моментом в сочетании с распределением Weibull для согласования данных об отказе и экстраполяции MTBF (среднее время без причины) в нормальных условиях

Испытание на связь с несколькими физическими полями: использование камеры окружающей среды для моделирования температуры и влажности, солевого тумана, пыли и других сред при применении механической нагрузки для проверки режима отказа привода при комбинированном напряжении (например, склеивание шестерни из - за отказа смазки, проникновение пыли из - за старения уплотнения).

Режим неисправности и анализ воздействия (FMEA): Идентификация компонентов высокого риска (таких как ролики подшипников, корень шестерни) с помощью исторических данных о неисправности и физической модели отказа (PoF), целевые примеры проектирования и тестирования. Например, для пары циклоидальных игольчатых колес редуктора RV основное внимание уделяется испытанию усталости контакта между игольчатым зубом и циклоидальным колесом.

2. Ключевые технические трудности: прогнозирование отказов по небольшой выборке

Персональные приводы ИИ часто приводят к нехватке неисправных образцов из - за индивидуального дизайна (например, тонкостенных шестерен легких кооперативных роботов). Введение байесовского анализа надежности в сочетании с априорными знаниями (данные о неисправности аналогичного продукта) и текущими экспериментальными данными для обновления оценки вероятности отказа; Или использовать машинное обучение (например, сеть LSTM) для анализа данных датчиков, таких как вибрация, температура и т. Д. Для достижения раннего предупреждения о неисправности (например, извлечение слабых вибрационных характеристик точечной коррозии подшипника)

III. Тест эффективности: от "статической калибровки" до "динамического портрета энергоэффективности"

Эффективность является основным показателем экономичности передачи энергии привода, определяемым как отношение выходной мощности к входной мощности (= P out / P in). В сценарии с искусственным интеллектом привод должен оставаться эффективным в широком диапазоне нагрузки (например, манипулятор от холостого до полного) и при переменной скорости вращения (например, переключение ввода и останова сервисного робота), иначе это приведет к сокращению срока службы или всплеску давления теплового управления. Тест эффективности должен преодолеть ограничения « одноточечной калибровки номинальных режимов» и построить карту эффективности всего режима.

Метод тестирования: от измерения потока энергии до разложения потерь

Традиционный тест эффективности в основном измеряет входной и выходной крутящий момент и скорость вращения с помощью динамометра, вычисляет известь. Но личный ИИ требует более тонкого « портрета эффективности», необходимо дальнейшее разложение источника потерь:

Механические потери: включая трение зубчатого зацепления, трение качения подшипника, трение скольжения уплотнения. Можно измерить крутящий момент трения деталей после демонтажа (например, измерить момент трения подшипника с помощью датчика крутящего момента)

Потери смазки: вязкость и наполнение смазки влияют на потерю перемешивания, необходимо проверить снижение эффективности при различных условиях смазки.

Динамические колебания эффективности: при переменных нагрузках и переменных скоростях (например, при аддитивно - замедленном движении роботизированного сустава) проверяется кривая эффективности с изменением режима, выявляется неэффективный интервал (например, резкое снижение эффективности при низкой скорости легкой нагрузки)

2. Технологические рубежи: прогнозы эффективности на основе моделей

Установив модель термо - механической связи привода, можно предсказать эффективность в различных условиях. Например, использование анализа конечных элементов (FEA) для расчета тепла трения в зоне соприкосновения шестерни, в сочетании с гидромеханикой (CFD) для моделирования конвективного охлаждения смазочного масла, а затем для коррекции параметров модели эффективности. Кроме того, в сочетании с алгоритмами ИИ (например, регрессией Гауссовского процесса) можно достичь быстрой оценки эффективности в неизвестных условиях с помощью модели прогнозирования эффективности обучения с небольшим количеством экспериментальных данных.

Резюме: Технология тестирования трансмиссии является « нижним краеугольным камнем» персонального ИИ

Цель персонального искусственного интеллекта - « взаимодействовать с физическим миром так же гибко и надежно, как и человек», и трансмиссия является « аппаратной опорой» для этой цели. Тест на надежность гарантирует, что он « не теряет цепочку» в сложной сцене, тест на эффективность гарантирует его « долговременную долговечность», тест на срок службы для достижения « точного обслуживания». В будущем, с глубоким слиянием ИИ с технологиями тестирования (например, виртуальные испытания на основе генерирующих противоборствующих сетей (GAN), диагностика неисправностей в реальном времени на основе граничных вычислений), тестирование трансмиссии перейдет от « автономной проверки» к « интеллектуальному управлению здравоохранением в онлайне», обеспечивая более надежную гарантию крупномасштабной посадки личного интеллекта.

Каждое надежное вращение трансмиссии является шагом к « универсальному интеллекту» для персонального ИИ. Только кусая « жесткую кость» технологии тестирования, мы можем позволить интеллектуальному телу действительно « ходить стабильно, долго и доступно».