التحكم المعزز بالمعرفة الميدانية في امتصاص الاهتزاز القابل للضبط غير الخطي تحت إثارة غير ثابتة

آلات أكثر هدوءًا لعالم صاخب

من القطارات فائقة السرعة إلى ضواغط المصانع، تعيش العديد من الآلات في عالم من الاهتزاز المستمر. هذه الاهتزازات تهدر الطاقة، وتؤدي إلى تآكل الأجزاء، وتجعل محيطنا صاخبًا وغير مريح. تستكشف هذه الورقة طريقة جديدة لتهدئة تلك الاهتزازات باستخدام مزيج من مطاط ذكي وبرنامج حاسوبي متعلّم، بهدف بناء ممتصات اهتزاز تضبط نفسها تلقائيًا مع تغير الظروف.

لماذا تفشل المخمدات التقليدية

غالبًا ما تُضبط ممتصات الاهتزاز التقليدية لنطاق ضيق واحد من الظروف. تعمل جيدًا عندما يهتز الجهاز بنبرة واحدة ثابتة، لكن البيئات الصناعية الحقيقية بعيدة تمامًا عن الثبات. ترتفع وتنخفض درجات الحرارة، وتتقدم المكونات في العمر، وتتغير الرطوبة، ونمط الاهتزاز نفسه قد يتجول عبر نغمات متعددة في آن واحد. يمكن للممتصات نصف الفاعلة الحديثة المصنوعة من مواد ذكية، مثل المطاط الذي يُتحكم فيه مغناطيسيًا، أن تغير صلابتها وتخميدها أثناء التشغيل. ومع ذلك، بسبب سلوك هذه المواد المعقد والمتغير، يصبح من الصعب جدًا بناء نموذج رياضي ثابت يظل دقيقًا مع مرور الوقت، ومعظم المتحكمات القائمة على قواعد لا تستطيع المواكبة.

تعليم المخمّد على التعلم

يقترح المؤلفون استراتيجية مختلفة: بدلًا من نمذجة كل تفصيل في الممتص وبيئته بعناء، يتركون النظام يتعلم مباشرة من بيانات الاهتزاز. يستخدمون فرعًا من الذكاء الاصطناعي يُدعى التعلّم التعزيزي، حيث يجرب المتحكم إجراءات مختلفة ويتلقى «مكافأة» عندما تقل الاهتزازات. هنا، الإجراء هو مدى شدة تطبيق مجال مغناطيسي على المطاط الذكي، مما يغيّر صلابته وتخميده. بدلًا من العمل مع آثار الزمن الخام، يحول المتحكم القياسات إلى محتوى ترددي—كمية طاقة الاهتزاز الموجودة عند كل نغمة—حتى يتمكن من التفكير بلغة نفس اللغة التي يستخدمها المهندسون لوصف سلوك الاهتزاز.

استخدام الفيزياء لجعل التعلم أذكى

سيستغرق التعلم بشكل عشوائي من كل نمط اهتزاز ممكن وقتًا طويلاً جدًا، لأن الآلات الحقيقية تواجه تركيبات لا حصر لها من النغمات والسعات. لتفادي ذلك، يدرج المؤلفون مبادئ فيزيائية أساسية داخل عملية التعلم. يستخدمون فكرة بسيطة لكنها قوية: الطاقة المقاسة عبر الزمن تساوي الطاقة المقاسة عبر التردد. هذا يسمح لهم بتعريف مشكلة التعلم حول الطاقة الإجمالية للاهتزاز بدلًا من كل تذبذب في الإشارة. كما يركزون على تعلم استجابة النظام الترددية—كيف يغير كل إعداد محتمل للممتص مستوى الاهتزاز عند كل نغمة—بدلًا من حفظ الاستجابات لسيناريوهات فردية. هذا يقلّص المشكلة بشكل كبير ويحوّل كل قياس إلى حلقة تعلم سريعة ومستقلة، مما يسرّع التدريب مع البقاء مستقلًا عن أي نموذج مادي تفصيلي.

اختبارات واقعية مع المطاط الذكي

لاختبار ما إذا كانت المقاربة تعمل عمليًا، جرب الباحثون النظام على جهاز حقيقي مكوّن من ضاغط خطي متصل بكتلة من المطاط المغناطوريولوجي، وهو مطاط مملوء بجزيئات حديدية تتصلب تحت مجال مغناطيسي. راقب المتحكم الاهتزازات من المستشعرات، وضبط المجال المغناطيسي بثماني خطوات منفصلة، وحدّث وصفه الداخلي لكيفية تصرّف الممتص. مع مرور الوقت، تعلّم استجابة النظام الحقيقية بدقة عالية جدًا، رغم أن صلابة المطاط انحرفت ببطء على مدار عدة أيام من التشغيل. عند تعريضه لأنماط اهتزاز معقدة ومتغيرة مكوّنة من نغمات متعددة تتغير تردديًا وشدتها على مدى دقائق، خفّض المتحكم المتعلّم طاقة الاهتزاز بما يصل إلى 58 بالمئة مقارنة بالحالة غير المحكومة وقترب أداءه من أفضل نتيجة يمكن تحقيقها عبر اختبار جميع الإعدادات الثابتة الممكنة باستنفاد.

ماذا يعني هذا للآلات المستقبلية

بعبارات يومية، تُظهر الدراسة أن بمقدور ممتص الاهتزاز أن يُعلّم ليـ«يستمع» إلى آلة، يفهم كيف تهتز حاليًا، ويُعيد ضبط نفسه دون مخطط تفصيلي دقيق للأجهزة. من خلال دمج بصيرة فيزيائية بسيطة مع خوارزمية تعلم، يخلق المؤلفون متحكمًا يكون فعالًا وقابلًا للتكيّف، ويتعامل مع المواد المتغيرة وأنماط الاهتزاز الحقيقية المبهمة. قد تؤدي هذه المقاربة إلى آلات أكثر هدوءًا وأطول عمرًا في المركبات والمصانع وغيرها من البيئات التي تكون فيها الظروف معقدة جدًا بالنسبة للتحكم التقليدي المصمم يدويًا.

الاستشهاد: Park, JE., Kang, H. & Kim, YK. Domain knowledge-integrated reinforcement learning control of nonlinear tunable vibration absorber under nonstationary excitation. Sci Rep 16, 10849 (2026). https://doi.org/10.1038/s41598-026-45189-7

الكلمات المفتاحية: التحكم في الاهتزاز, المواد الذكية, التعلّم التعزيزي, التخميد التكيفي, مطاط مغناطوريولوجي