個案研究:NASCAR 引擎與 AI 和 ML 一同奔馳

December 26, 2019 Max Maxfield

物聯網,工業4.0,人工智能,深度學習

在 NASCAR 賽車世界中,分秒必爭。不只比賽分秒必爭,高效能引擎的開發與測試也不例外。

NASCAR 針對合法賽車引擎的尺寸與規格制定嚴格的規定。儘管如此,為了在發力區域、扭力等方面締造些許優勢,幾乎每具引擎都是從頭打造。這項工程講求時間與資源,一具引擎動輒要價 250,000 美元。

有鑑於費用高昂,加上引擎故障的危險不容小覷,NASCAR 團隊在引擎上賽道前無不竭盡全力測試。測試工程師為了偵查零件退化、微小的結構損壞,以及其他可能的故障原因,會盡量讓這些系統展現物理極限。

借助這種「鑑識證據」,賽車團隊能夠了解如何運作引擎最能減少故障,並在必要時採用更耐用的零件重新打造部分引擎。然而,為了擷取這類資料,意味著必須以毫秒之差搶在災難性故障發生前停止測試程序。

多年來,這類程序幾乎完全仰賴人工。不過,有個賽車團隊正在利用 IoT 邊緣演算擷取資料、分析資料,並盡可能在最後一刻結束測試,助測試工程師一臂之力。

真實世界模擬

這個團隊採用某個名為動力計或測力計的系統測試引擎。動力計會同時測量引擎 RPM 和扭力,進一步分析引擎的動力、引擎管理控制器的校準,或就此案例來說,則是燃燒行為 (影片 1)。

 

影片 1。使用測力計計算大致效能。(資料來源:Hubner Enterprises)

 

1000 馬力的電動馬達連接引擎與測力計測試台。這個馬達可用於運轉整具引擎,也可以在閥門組件這類元件執行個別單元測試。

接著便可用取自 Daytona 500 這類比賽的真實世界遙測資料來控制測試。又或者,可以在某段期間將 RPM 調高、調低或設定在某個預先定義的層級,讓引擎或零件運轉到極限。

充分測試電池後,賽車團隊的工程師往往會刻意將引擎測試到毀壞邊緣。針對燃燒行為及其產生的鑑識證據進行測試時,測試台會置於附防彈玻璃的爆炸室中,以免工程師在引擎爆炸時受傷。

在傳統測試環境中,技術高超的工程師會監控這些數位樣本,同時傾聽引擎噪音的細微變化,因為這可能代表即將爆炸。測試工程師通常只有 1.5 秒的時間能識別並回應這類變化,也就是按下停止開關,避免引擎毀於一旦。

測試中的引擎若依舊保持原樣,工程師便可解構引擎、尋找證據並嘗試修正問題。如果他們無法及時停下引擎,這類資訊絕大多數將付之一炬。

AI 與 ML 自動化

自動化狀態監測 (CM) 因為能即時蒐集並分析龐大的資料,因此在這類情況下最能發揮效用。CM 系統會混合各種來源的測試台資料,例如流量、壓力、溫度、振動和聲響感應器。此外,系統只要清除噪音或插入缺少的數值,也可以清除感應器資料。

不過,NASCAR 工程師這類領域專家使用自動化的 CM 系統開發人工智慧 (AI) 和機器學習模型時,情況就更有意思了。這類模型經過訓練,能夠了解感應器讀數在機器性能及潛在故障方面的預測。如果符合若干因素,CM 系統便能以更準確一致的方式警告工程師,進而立即關閉引擎或甚至是觸發自動化的關閉開關。

為了協助測試程序自動化,NASCAR 工程師需要高效能的平台。不過,最終解決方案必須精簡耐用,才能在車庫環境中完好如初。

該團隊選用 ADLINK Technology 出品的 MCM-100 Machine Condition Monitoring Edge Platform (1)。這套系統不僅符合團隊嚴苛的環境要求,且能在一小時內於賽車團隊車庫安裝妥當並開始採樣資料。MCM 結合了智慧型攝影機和 ADLINK Edge 軟體,團隊得以運用機器學習並可靠地診斷問題、了解故障模式,進而避免引擎受損。舉例而言,有了該解決方案,即時資料便能從監控振動與音洩的裝置和感應器安全地串流。接著資料會在邊緣彙整。

MCM-100 機器狀態監控邊緣平台。(資料來源:ADLINK Technology, Inc.)
圖 1. MCM-100 機器狀態監控邊緣平台。(資料來源:ADLINK Technology, Inc.)

搭載 Intel Atom® x7-E3950 處理器,支援四個通道的 24 位元 128 kS/s 同步採樣資料,符合機器振動測量的規格。它提供了邊緣式的資料擷取、分析及特定領域演算法的執行,可即時監控引擎測試台。

在全新的設置中,乙太網路纜線從爆炸室的測試台拉出來、接上另一個系統,然後連接到 MCM-100。這個中間系統也連接賽車團隊的 Wi-Fi 網路,如此一來便能將測試資料匯入雲端以供儲存及回顧分析之用。不過真實的數值位於邊緣,在邊緣即時產生和分析資料,能加快分析與行動速度。預先安裝於 MCM-100 的 ADLINK Edge 軟體是實現這項成果的推手。

在 MCM-100 之前,團隊監控感應器使用的是 SCADA 系統。不過舊設備絲毫沒有拆卸和汰換的必要。ADLINK Edge 軟體會整合現有和新裝置的資料。這套系統採用資料分散式服務 (DDS) 網路中介軟體,有助於釋放互不相通架構中的資料,這樣一來資料就能即時用於高效引擎測試這類的應用程式。

工欲善其事,必先利其器

請注意,本文介紹的解決方案無法取代測試工程師,反倒是得仰賴工程師的專業知識才能達到最佳結果。因此,這套系統可偵測警告信號,並且以勝過人類的速度回應,進而協助保護投資,將更優異的引擎推向賽道。

ADLINK 全球事業夥伴的現場技術長 Joe Speed 表示:「我們的工作主要著眼於增強人類的能力,帶給他們更強大的工具。MCM-100 這項工具能協助工程師,將分析與知識轉換為超越人類的反應速度。」

以這個 NASCAR 賽車團隊來說,結合領域專家、AI 和機器學習,有助於加速打造引擎。

作者簡介

Max Maxfield

Clive "Max" Maxfield received his BSc in Control Engineering in 1980 from Sheffield Hallam University, England and began his career as a designer of central processing units (CPUs) for mainframe computers. Over the years, Max has designed everything from silicon chips to circuit boards, and from brainwave amplifiers to Steampunk Prognostication Engines (don't ask). Max is the author and/or co-author of a number of books, including Designus Maximus Unleashed (banned in Alabama), Bebop to the Boolean Boogie (An Unconventional Guide to Electronics), EDA: Where Electronics Begins, FPGAs: Instant Access, and How Computers Do Math.

More Content by Max Maxfield
上個文章
讓物聯網邊緣自行管理
讓物聯網邊緣自行管理

分散式運算可減少延遲與物聯網系統的成本。它還會受到單點故障的挑戰。現在,超融合基礎架構為邊緣帶來資料中心冗餘。

下個文章
5G 網路的零接觸佈建
5G 網路的零接觸佈建

5G 帶來了更多的端點、更多的資料以及更多的安全性問題。所幸,5G 標準定義了額外的安全層。只要確保您的基礎架構可以運用即可。

×

名字
Company Name
Phone Number
Country/Region
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
我希望這篇公司聯絡我: -可選
!
Thank you!
Error - something went wrong!
×

離高明的解決方案僅一步之遙。

名字
Country/Region
insightTechOptIn
Intel GDPR Optin
提交本網站上的表單,即表示你確認你是一個年滿18週歲的成人,且你同意受Intel(英特爾)和 Intel® 物聯網解決方案聯盟成員透過與營銷相關的電子郵件或電話與您聯絡。你可以隨時取消訂閱。英特爾的網站和通信受制於我們的隱私政策和使用條款
謝謝
Error - something went wrong!