Predykcyjne sterowanie temperaturą silnika w piaście elektrycznego pojazdu dwuśladowego z użyciem regulacji neuronowej uwzględniającej gradient oraz śledzenia degradacji i tolerancyjnej na uszkodzenia adaptacji momentu

Mądrzejsze hulajnogi elektryczne na miejskie ulice

Hulajnogi elektryczne coraz częściej pojawiają się w zatłoczonych miastach, ale kompaktowe silniki ukryte w ich kołach mogą po cichu się przegrzewać i zużywać. W artykule przedstawiono nowe podejście, dzięki któremu silniki w piaście potrafią przewidywać nagrzewanie, chronić się przed uszkodzeniem i jednocześnie zapewniać płynne, mocne przyspieszenie. Łącząc fizykę, sztuczną inteligencję i sprytne logiki bezpieczeństwa, autorzy pokazują, jak przyszłe hulajnogi mogą być jednocześnie przyjemniejsze w prowadzeniu i bardziej niezawodne przez lata codziennego użytkowania.

Dlaczego ciepło jest ukrytym wrogiem

W wielu tanich dwuśladach elektrycznych silnik jest wbudowany bezpośrednio w tylne koło. Oszczędza to elementy i poprawia sprawność, ale też uwięzi ciepło w ciasnej przestrzeni o słabej wentylacji, szczególnie w ruchu stop‑and‑go, podczas stromych podjazdów czy upalnych dni. Gdy temperatura rośnie zbyt wysoko, uzwojenia miedziane, magnesy i izolacja szybciej się starzeją, a nawet ulegają uszkodzeniu. Większość obecnych hulajnóg chroni się za pomocą prostych progów temperatury: gdy sensor odczyta wysoką wartość, sterownik gwałtownie obcina moment. To chroni sprzęt, ale bywa odczuwalne jako nagła utrata mocy i często zostawia niewykorzystany „termiczny zapas” w chłodniejsze dni lub przy łagodnej jeździe.

Trójwarstwowy „mózg” dla silnika w piaście

Autorzy proponują hybrydowy system Gradient‑Aware Neural Regulation (GANR), który działa jak trójwarstwowy mózg dla silnika w piaście. Po pierwsze, lekka sieć neuronowa estymuje i przewiduje temperaturę silnika, korzystając ze sygnałów, które hulajnoga już posiada — prądu, napięcia, prędkości i temperatury zewnętrznej — dzięki czemu system może działać, nawet jeśli czujnik temperatury dryfuje, jest zaszumiony lub całkowicie zawiedzie. Po drugie, system śledzi, ile długoterminowych uszkodzeń termicznych zgromadził silnik poprzez Indeks Stanu Silnika (Motor Health Index), liczbę, która stopniowo maleje, gdy silnik przechodzi tysiące gorących cykli. Po trzecie, wielowarunkowy regulator momentu wykorzystuje zarówno aktualną temperaturę, jak i ten indeks zdrowia, plus warunki otoczenia i intensywność jazdy, aby zdecydować, ile momentu można bezpiecznie dostarczyć w kolejnych sekundach. Zamiast reagować dopiero po przekroczeniu limitu, ocenia tempo nagrzewania i łagodnie obniża moment zanim pojawi się problem.

Obserwacja stanu, zapasu termicznego i drogi przed nami

W „pod maską” system wykorzystuje uproszczony, ale dobrze przetestowany model termiczny do estymacji przepływu ciepła z uzwojeń miedzianych przez obudowę silnika do powietrza. Na jego podstawie oblicza „margines termiczny” oraz „czas do redukcji momentu”: jak daleko silnik jest od krytycznej temperatury i ile sekund pozostałoby do koniecznego obniżenia momentu, gdyby nic się nie zmieniło. Równocześnie Indeks Stanu Silnika kumuluje uszkodzenia na podstawie znanych zależności temperatura‑czas życia — krótkie epizody nieco wyższej temperatury są zwykle akceptowalne, ale długie przebywanie blisko progu wyraźnie skraca pozostały okres eksploatacji. Kontroler łączy te wskaźniki z energią baterii i wybranym trybem jazdy (eco, normalny, sport), aby wybrać zachowanie zorientowane na osiągi, zrównoważone lub ochronne. W gorącym klimacie automatycznie zaostrza bezpieczne limity; w chłodnym pozwala na większy moment przed hamowaniem.

Radzenie sobie z awariami i dopasowanie do taniego sprzętu

Ponieważ tanie hulajnogi używają skromnych mikrokontrolerów, autorzy starannie projektują sieci neuronowe i logikę sterowania tak, by działały w ramach ścisłych budżetów cykli CPU i pamięci. Przycinają i kwantyzują sieci, tak aby cała inteligencja mieściła się w kilkudziesięciu kilobajtach i wykonywała się w znacznie mniej niż milisekundę na cykl sterowania. Dedykowana maszyna stanów awaryjnych monitoruje czujniki i estymator neuronowy: jeśli czujnik temperatury zaciął się, dryfuje lub wychodzi poza zakres, system automatycznie przełącza się w tryb bezpieczny oparty na estymatorze z konserwatywnymi limitami momentu. Jeśli obciążenie procesora skoczy lub pojawią się niespodziewane błędy, można jeszcze bardziej zawrócić do prostego sterowania przy pomocy tablicy odczytów. Przez cały czas strażniki i kontrole bezpieczeństwa zapewniają, że każda awaria prowadzi do łagodnego ograniczenia momentu, a nie do nagłego wyłączenia czy niekontrolowanego nagrzewania.

Co symulacje mówią o jeździe

Wykorzystując szczegółowe symulacje przejazdów miejskich i agresywnych podjazdów, autorzy porównują swój regulator GANR ze standardowym układem proporcjonalno‑ całkującym. Nowe podejście utrzymuje maksymalne temperatury silnika o kilka stopni niższe, spędza znacznie mniej czasu powyżej niebezpiecznych progów i niemal eliminuje scenariusze „termicznego wymknięcia”. Opóźnia też potrzebę ograniczenia momentu nawet o około 14%, poprawia efektywność energetyczną o mniej więcej 7% i utrzymuje błędy przewidywania temperatury na poziomie około 2 °C, nawet gdy czujniki zawodzą. Przy powtarzających się ciężkich jazdach — zwłaszcza w upalne dni — Indeks Stanu Silnika dla systemu GANR pozostaje znacznie wyższy niż dla konwencjonalnego regulatora, sugerując dłuższą żywotność silnika i mniej niespodzianek dla właścicieli.

Bezpieczniejsza, dłużej działająca mobilność elektryczna

Mówiąc prościej, praca ta pokazuje, że umiarkowana dawka predykcyjnej inteligencji może uczynić hulajnogę elektryczną zarówno bardziej wytrzymałą, jak i przyjemniejszą w użyciu. Zamiast czekać, aż zrobi się zbyt gorąco i nagle odciąć moc, silnik w piaście uczy się wyczuwać, jak zmieniają się warunki, jak bardzo jest już „zmęczony” i ile zapasu bezpieczeństwa pozostało. Następnie płynnie kształtuje moment, aby jeźdźcy odczuwali spójne osiągi, podczas gdy sprzęt cicho się chroni. Ponieważ cały projekt jest dostosowany do pracy na tanich układach wbudowanych, oferuje praktyczną ścieżkę do mądrzejszych, bezpieczniejszych i trwalszych dwuśladów elektrycznych w zatłoczonych, narażonych na upały miastach.

Cytowanie: Deshmukh, S., Lokhande, N. & Yeolekar, S. Predictive temperature control of electric two wheeler hub motor using gradient aware neural regulation with degradation tracking and fault tolerant multi condition torque adaptation. Sci Rep 16, 13436 (2026). https://doi.org/10.1038/s41598-026-37505-y

Słowa kluczowe: hulajnogi elektryczne, zarządzanie termiczne silnika, sterowanie sieciami neuronowymi, predykcyjne ograniczanie momentu, tolerancyjne systemy EV