JavaScript is currently disabled.Please enable it for a better experience of Jumi. Neuronnätsstyrd hybridmotor drog mindre

Neuronnäts­­styrd hybrid drog mindre

Bränsleförbrukningen sjönk med 8–12 procent i en  laddhybridbil när en forskare lät ett artificiellt neuronät bestämma när den skulle växla mellan batteridrift och bränslemotor.

En forskare på  University of California i Riverside har demonstrerat att verkningsgraden på laddhybrider kan ökas med hjälp av artificiell intelligens.

De flesta av dagens laddhybridbilar använder batteriet tills det tar slut, och startar sedan bränslemotorn. Det finns effektivare styrprogram, men de kräver att man i förväg vet hur resan kommer att se ut vad gäller väg- och trafikförhållanden. Och så finns program som läser av väg- och trafikförhållanden via sensorer och sedan växlar mellan olika program baserat på förutbestämda regler.

På CE-CERT (Bourns College of Engineering's Center for Environmental Research and Technology) lade man till ett maskininlärningssystem till styrprogrammet.

Trafik- och vägdata matades in i ett så kallat artificiellt neuronnät som tränats upp genom att förevisas data och utfall från tidigare resor.

Forskarna testade systemet på en realistisk pendlarresa på 30 kilometer och fann att bränsleförbrukningen sjönk med 8–12 procent jämfört med andra styrprogram.

Systemet blir enligt forskarna allt effektivare ju längre tid det används. Optimeringen ska vara oberoende av förare och bilmodell.

Resultaten publicerades i tidskriften Transportation Research Record. Nästa steg av forskningsprojektet blir att bygga ett molnbaserat system som låter bilarna lära från varandra.

Tekniken är patentsökt.

Prenumerera på Elektroniktidningens nyhetsbrev eller på vårt magasin.


MER LÄSNING:
 
KOMMENTARER
Kommentarer via Disqus

Rainer Raitasuo

Rainer
Raitasuo

+46(0)734-171099 rainer@etn.se
(sälj och marknads­föring)
Per Henricsson

Per
Henricsson
+46(0)734-171303 per@etn.se
(redaktion)

Jan Tångring

Jan
Tångring
+46(0)734-171309 jan@etn.se
(redaktion)