Poclain Hydraulics développe des capteurs logiciels pour mesurer la température des moteurs en temps réel grâce au Deep Learning et aux filtres de Kalman - MATLAB & Simulink

Poclain Hydraulics développe des capteurs logiciels pour mesurer la température des moteurs en temps réel grâce au Deep Learning et aux filtres de Kalman

« Nous avons identifié deux réseaux de neurones qui étaient déjà implémentés dans MATLAB. Ces réseaux nous ont aidés à intégrer le code pour la prédiction de la température en temps réel, dans notre hardware. »

Principaux résultats

  • MATLAB a accéléré les tests avec des réseaux neuronaux pré-entraînés.
  • Simulink a permis de tester un filtre de Kalman étendu simplifié.
  • MATLAB a permis la génération de code dans plusieurs langages, notamment C et C++.

Poclain Hydraulics est un leader mondial dans le développement de transmissions et de moteurs hydrostatiques qui alimentent les machines dans des secteurs tels que la construction, l'agriculture et l'exploitation minière. Ces moteurs génèrent de l’énergie en convertissant l’énergie hydraulique en énergie mécanique, ce qui peut augmenter la température du moteur et potentiellement entraîner des pannes.

Poclain Hydraulics a utilisé MATLAB® et Simulink® pour créer un capteur logiciel qui utilise soit une approche de Deep Learning, soit une approche de filtre de Kalman pour surveiller la température du moteur en temps réel. Pour réussir, un modèle de Deep Learning ou de filtre de Kalman étendu doit prendre en compte l’historique de charge du moteur et les composants environnementaux, tels que la température externe. Le principal inconvénient d’une approche par réseau neuronal par rapport au filtre de Kalman était le manque d’explicabilité, ce qui n’était pas considéré comme un problème dans ce cas.

L'équipe a mis en œuvre un processus complet d'industrialisation de l'IA, commençant par l'extraction et la randomisation des données, suivies de l’apprentissage, des tests et de la validation des réseaux neuronaux, et enfin du déploiement sur leur matériel. MATLAB et Simulink ont facilité le processus d'industrialisation en permettant la génération de code C ou C++, les tests avant le déploiement et la gestion de grands ensembles de données. L’équipe a également profité des réseaux neuronaux pré-entraînés disponibles dans MATLAB pour accélérer le processus.

Dans le cadre du processus d'industrialisation, Poclain Hydraulics a utilisé MATLAB et Simulink pour générer des données en construisant et en simulant un modèle basé sur la physique du moteur. Ils ont pu concevoir des expériences sur la génération de données, tester divers paramètres moteurs, tels que la pression, la vitesse, le temps et les facteurs de risque, et gérer les résultats des expériences.