Real-Time Structural Deflection Estimation in Hydraulically Actuated Systems Using 3D Flexible Multibody Simulation and DNNs

要約

重機の軽量の高強度鋼構造の精度、安定性、および性能は、その高度な非線形ダイナミクスの影響を受けます。
これにより、制御がより困難になり、シミュレーションがより計算的に集中し、標準的なアプローチを使用してリアルタイムの自律性を達成し、不可能になります。
ただし、データ駆動型、物理学に基づいた、物理学にインスパイアされたネットワークを介した機械学習は、非線形の動的な問題に対してより計算効率的かつ正確なソリューションを約束します。
この研究では、油圧作動された3次元システムにおけるリアルタイム構造のたわみを推定するために開発された新しいフレームワークを提案しています。
強制励起にさらされた機械システムの動的な応答を推定するための機械学習ベースの方法であるスライドに基づいています。〜さらに、ランダム化された初期構成と油圧圧力を使用して油圧作動システムからのデータ収集のためにアルゴリズムが導入されています。
Neural Networkは、Pytorch、Adam Optimizer、さまざまなセンサー入力、および最小出力データの標準パラメーターを使用して、より短い時間で正常にトレーニングされました。
スライド訓練を受けたニューラルネットワークは、柔軟なマルチボディシミュレーションバッチを参照して、$ 10^7 $の偏向推定ソリューションを加速し、合理的な精度を提供しました。
これらの結果は、制御、ロボットマニピュレーター、構造的健康監視、自動化の問題のための堅牢でリアルタイムのソリューションを提供するという研究の目標をサポートしています。

要約(オリジナル)

The precision, stability, and performance of lightweight high-strength steel structures in heavy machinery is affected by their highly nonlinear dynamics. This, in turn, makes control more difficult, simulation more computationally intensive, and achieving real-time autonomy, using standard approaches, impossible. Machine learning through data-driven, physics-informed and physics-inspired networks, however, promises more computationally efficient and accurate solutions to nonlinear dynamic problems. This study proposes a novel framework that has been developed to estimate real-time structural deflection in hydraulically actuated three-dimensional systems. It is based on SLIDE, a machine-learning-based method to estimate dynamic responses of mechanical systems subjected to forced excitations.~Further, an algorithm is introduced for the data acquisition from a hydraulically actuated system using randomized initial configurations and hydraulic pressures.~The new framework was tested on a hydraulically actuated flexible boom with various sensor combinations and lifting various payloads. The neural network was successfully trained in less time using standard parameters from PyTorch, ADAM optimizer, the various sensor inputs, and minimal output data. The SLIDE-trained neural network accelerated deflection estimation solutions by a factor of $10^7$ in reference to flexible multibody simulation batches and provided reasonable accuracy. These results support the studies goal of providing robust, real-time solutions for control, robotic manipulators, structural health monitoring, and automation problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google