Sterowanie absorpcją drgań z wykorzystaniem wiedzy dziedzinowej i uczenia ze wzmocnieniem dla nieliniowego regulowanego tłumika pod pobudzeniem niestacjonarnym

Cichsze maszyny dla hałaśliwego świata

Od szybkich pociągów po sprężarki fabryczne — wiele maszyn żyje w ciągłym drżeniu. Te wibracje marnują energię, zużywają części i sprawiają, że otoczenie staje się głośne i niekomfortowe. Artykuł opisuje nowy sposób wygaszania tych drgań, łącząc inteligentną gumę z uczącym się programem komputerowym, w celu stworzenia tłumików drgań, które automatycznie dopasowują się w miarę zmiany warunków.

Dlaczego zwykłe tłumiki zawodzą

Tradycyjne tłumiki drgań są często dostrojone do wąskiego zakresu warunków. Dobrze działają, gdy maszyna drga na jednej, stałej częstotliwości, ale rzeczywiste środowiska przemysłowe dalekie są od stabilności. Temperatura rośnie i spada, elementy się zużywają, wilgotność się zmienia, a wzorzec drgań sam w sobie może przemieszczać się po wielu częstotliwościach. Nowoczesne półaktywne tłumiki wykonane z materiałów inteligentnych, takich jak gumy sterowane magnetycznie, potrafią zmieniać swoją sztywność i tłumienie w locie. Jednak ze względu na złożone i dryfujące zachowanie tych materiałów, bardzo trudno skonstruować stały model matematyczny, który pozostaje dokładny w czasie, a większość sterowników opartych na regułach nie nadąża za zmianami.

Nauka tłumika

Autorzy proponują inną strategię: zamiast drobiazgowo modelować każdy szczegół tłumika i jego otoczenia, pozwalają systemowi uczyć się bezpośrednio z danych o drganiach. Wykorzystują gałąź sztucznej inteligencji zwaną uczeniem ze wzmocnieniem, gdzie sterownik próbuje różnych działań i otrzymuje „nagrodę” gdy drgania maleją. Działaniem jest tu natężenie pola magnetycznego przykładane do inteligentnej gumy, co zmienia jej sztywność i tłumienie. Zamiast operować na surowych przebiegach czasowych, sterownik przekształca pomiary na zawartość częstotliwościową — ile energii drgań występuje przy każdej częstotliwości — tak aby operować w tym samym języku, którego inżynierowie używają do opisu zachowania drgań.

Wykorzystanie fizyki, by uczenie było mądrzejsze

Nauka bez uprzedzeń na podstawie wszystkich możliwych wzorców drgań zajęłaby zbyt dużo czasu, ponieważ prawdziwe maszyny napotykają niezliczone kombinacje częstotliwości i amplitud. Aby tego uniknąć, autorzy wbudowali podstawowe prawa fizyki drgań w proces uczenia. Wykorzystują prostą, ale mocną ideę: energia mierzona w czasie jest równa energii mierzona w dziedzinie częstotliwości. Pozwala im to zdefiniować problem uczenia wokół całkowitej energii drgań zamiast każdego wahań sygnału. Skupiają się także na uczeniu odpowiedzi częstotliwościowej systemu — jak każde ustawienie tłumika zmienia poziom drgań przy każdej częstotliwości — zamiast zapamiętywać reakcje na pojedyncze scenariusze. To znacząco zmniejsza rozmiar problemu i zamienia każdy pomiar w szybki, samodzielny epizod uczenia, przyspieszając trening, a jednocześnie pozostając niezależnym od szczegółowego modelu materiału.

Testy w rzeczywistych warunkach z inteligentną gumą

Aby sprawdzić działanie podejścia w praktyce, badacze przetestowali je na rzeczywistym układzie z liniową sprężarką przymocowaną do bloku elastomeru magnetoreologicznego — gumy wypełnionej cząstkami żelaza, która usztywnia się pod polem magnetycznym. Sterownik obserwował drgania z czujników, regulował pole magnetyczne w ośmiu dyskretnych krokach i aktualizował swoją wewnętrzną reprezentację zachowania tłumika. Z czasem nauczył się rzeczywistej odpowiedzi układu z bardzo wysoką dokładnością, mimo że sztywność gumy powoli dryfowała przez kilka dni pracy. Przy wyzwaniach w postaci złożonych, zmieniających się wzorców drgań złożonych z wielu tonów, których częstotliwości i amplitudy zmieniały się w skali minut, wyuczony sterownik zmniejszył energię drgań nawet o 58 procent w porównaniu z przypadkiem bez sterowania i niemal dorównał najlepszej wydajności możliwej do uzyskania przez wyczerpujące testowanie wszystkich możliwych stałych ustawień.

Co to oznacza dla przyszłych maszyn

Mówiąc prościej, badanie pokazuje, że tłumik drgań można nauczyć „słuchać” maszyny, rozumieć, jak obecnie drga, i samoistnie się dostroić bez szczegółowego planu konstrukcyjnego sprzętu. Łącząc proste wnioski fizyczne z algorytmem uczącym się, autorzy stworzyli sterownik, który jest zarówno wydajny, jak i adaptacyjny, radząc sobie ze zmieniającymi się materiałami i chaotycznymi, rzeczywistymi wzorcami drgań. Podejście to może prowadzić do cichszych, trwalszych maszyn w pojazdach, fabrykach i innych miejscach, gdzie warunki są zbyt skomplikowane dla tradycyjnej, ręcznie projektowanej kontroli drgań.

Cytowanie: 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

Słowa kluczowe: kontrola drgań, materiały inteligentne, uczenie ze wzmocnieniem, adaptacyjne tłumienie, elastomer magnetoreologiczny