בקרת למידה מחזקת משולבת בידע תחומי של בולע רעידות מתכוונן לא-ליניארי תחת גירוי לא-סטציונרי

מכונות שקטות יותר לעולם רועש

מרכבות מהירות ועד מדחסים במפעלים—מכונות רבות חיות בעולם של רעידות מתמידות. רעידות אלה מבזבזות אנרגיה, משחיתות רכיבים וגורמות לרעש ולאי-נוחות. מאמר זה חוקר דרך חדשה להרגעת תנודות אלה באמצעות שילוב של גומי חכם ותוכנית מחשב לומדת, במטרה לבנות בולעי רעידות שמסתגלים אוטומטית כשהתנאים משתנים.

מדוע בולמי רעידות רגילים אינם מספקים

בולעי רעידות מסורתיים מכוילים לעתים קרובות לטווח צר של תנאים. הם עובדים היטב כשהמכונה רוטטת בתדירות אחת ויציבה, אבל סביבות תעשייתיות אמיתיות רחוקות מלהיות יציבות. טמפרטורות משתנות, רכיבים מזדקנים, לחות נעה, ודפוס הרעידות עצמו יכול לנוע בין גוונים רבים בו-זמנית. בולעים חצי-אקטיביים מודרניים העשויים חומרים חכמים, כגון גומי הנשלט מגנטית, יכולים לשנות את הקשיחות והדמיפה שלהם בזמן אמת. עם זאת, כי החומרים האלה מתנהגים בצורה מורכבת ומניידת, קשה מאוד לבנות מודל מתמטי קבוע שישאר מדויק לאורך זמן, ורוב הבקרים המבוססים על כללים פשוטים לא מצליחים לעמוד בקצב.

להדריך בולם ללמוד

המחברים מציעים אסטרטגיה שונה: במקום לדמות בקפידה כל פרט של הבולם וסביבתו, הם מאפשרים למערכת ללמוד ישירות מנתוני הרעידות. הם משתמשים בענף של בינה מלאכותית שנקרא למידה מחזקת, שבו בורר פעולות מנסה פעולות שונות ומקבל "תגמול" כאשר הרעידות יורדות. כאן, הפעולה היא כמה חזק מוחל שדה מגנטי על הגומי החכם, שמשנה את הקשיחות ואת הדמיפותו. במקום לעבוד עם עקבות זמן גולמיות, הבקר ממיר מדידות לתוכן תדירתי—כמה אנרגיית רעידות יש בכל גוון—כך שיוכל לעבוד בשפה שבה מהנדסים מתארים התנהגות רעידות.

שימוש בפיזיקה להפוך את הלמידה לחכמה יותר

למידה נאיבית מכל דפוס רעידות אפשרי הייתה לוקחת זמן רב מדי, כי מכונות אמיתיות מתמודדות עם שילובים רבים של תדירויות ומשרעת. כדי להימנע מכך, המחברים משתילים עקרונות פיזיקליים בסיסיים בתוך תהליך הלמידה. הם משתמשים ברעיון פשוט אך חזק: אנרגיה שנמדדת לאורך זמן שווה לאנרגיה שנמדדת על פני תדרים. זה מאפשר להם להגדיר את בעיית הלמידה סביב האנרגיה הכוללת של הרעידות במקום כל תזוזה בודדת באות. הם גם מתמקדים בלמידת תגובת התדירות של המערכת—איך כל הגדרה אפשרית של הבולע משנה את רמת הרעידות בכל גוון—במקום לשמור בזיכרון תגובות לתרחישים בודדים. הדבר מצמצם באופן ניכר את הבעיה והופך כל מדידה לפרק למידה מהיר ועצמוני, מה שמאיץ את האימון בעודו נשאר בלתי תלוי במודל חומר מפורט.

מבחנים בעולם האמיתי עם גומי חכם

כדי לבדוק אם הגישה פועלת בפועל, החוקרים ניסו אותה על מערכת אמיתית המורכבת מדחוס ליניארי שמצורף לגוש של אלסטומר מגנטוריאולוגי—גומי הממולא בחלקיקי ברזל שמתקשה תחת שדה מגנטי. הבקר צפה ברעידות מחיישנים, כיוונן את השדה המגנטי בשמונה שלבים בדידים ועדכן את התיאור הפנימי שלו של אופן פעולת הבולע. עם הזמן הוא למד את תגובת המערכת בדיוק גבוה מאוד, אף על פי שקשיחות הגומי הזיזה בהדרגה במשך מספר ימים של תפעול. כאשר הוצב מול דפוסי רעידות מורכבים ומשתנים שנבנו ממספר תדירויות שעוצמתן ותדירותן השתנו תוך דקות, הבקר הלומד קיצץ את אנרגיית הרעידות עד כ-58 אחוז בהשוואה למצב ללא בקרה וכמעט השווה את הביצועים הטובים ביותר שניתן להשיג על ידי בדיקה יסודית של כל ההגדרות הקבועות האפשריות.

מה זה אומר עבור מכונות עתידיות

במונחים יומיומיים, המחקר מראה שניתן ללמד בולם רעידות "להקשיב" למכונה, להבין כיצד היא רוטטת כרגע ולכוונן את עצמו מחדש ללא תוכנית מפורטת של החומרה. בעזרת שילוב של תובנה פיזיקלית פשוטה ואלגוריתם לומד, המחברים יוצרים בקר שהוא גם יעיל וגם מסתגל, ומתמודד עם חומרים שמשתנים ודפוסי רעידות לא מסודרים של העולם האמיתי. גישה זו עשויה להוביל למכונות שקטות יותר ועמידות יותר ברכבים, במפעלים ובמקומות אחרים שבהם התנאים מורכבים מדי לשליטה ידנית מסורתית על רעידות.

ציטוט: 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

מילות מפתח: בקרת רעידות, חומרים חכמים, למידה מחזקת, בידוד אדפטיבי, אלסטומר מגנטוריאולוגי