Kararsız uyarım altında doğrusal olmayan ayarlanabilir titreşim sönümleyicinin alan bilgisiyle bütünleştirilmiş pekiştirmeli öğrenme kontrolü

Daha Sessiz Makineler İçin

Yüksek hızlı trenlerden fabrika kompresörlerine kadar birçok makine sürekli sallanma ortamında çalışır. Bu titreşimler enerji kaybına yol açar, parçaları aşındırır ve çevremizi gürültülü ve rahatsız edici hâle getirir. Bu makale, akıllı kauçuk ve öğrenen bir bilgisayar programını birleştirerek bu sallantıları yatıştırmanın yeni bir yolunu inceliyor; amaç, koşullar değiştikçe kendini otomatik olarak ayarlayan titreşim sönümleyiciler geliştirmek.

Neden Geleneksel Sönümleyiciler Yetersiz Kalıyor

Geleneksel titreşim sönümleyicileri çoğu zaman dar bir koşul aralığı için ayarlanır. Tek bir sabit frekansta titreşen makinelerde iyi çalışırlar, oysa gerçek endüstriyel ortamlar bu kadar sabit değildir. Sıcaklıklar değişir, bileşenler eskir, nem farklılaşır ve titreşim örüntüsü kendiliğinden birçok tona yayılabilir. Manyetik olarak kontrol edilen kauçuk gibi akıllı malzemelerden yapılan modern yarı-aktif sönümleyiciler rijitliklerini ve sönümlemelerini anında değiştirebilir. Ancak bu malzemelerin davranışı karmaşık ve zamanla kaymaya meyilli olduğundan, uzun süre doğru kalan sabit bir matematiksel model oluşturmak son derece zordur ve çoğu kural tabanlı kontrolcü buna ayak uyduramaz.

Bir Sönümleyiciye Öğrenmeyi Öğretmek

Yazarlar farklı bir strateji öneriyor: sönümleyici ve çevresinin her ayrıntısını titizlikle modellemek yerine sistemi doğrudan titreşim verilerinden öğrenmeye bırakmak. Denetleyici farklı eylemler dener ve titreşim azaldığında “ödül” alır mantığına dayanan pekiştirmeli öğrenme adlı yapay zekâ dalını kullanıyorlar. Buradaki eylem, akıllı kauçuğa uygulanan manyetik alanın şiddeti olup bu, onun rijitliğini ve sönümlemesini değiştirir. Denetleyici ham zaman izleriyle çalışmak yerine ölçümleri frekans içeriğine — her tonun ne kadar titreşim enerjisine sahip olduğuna — dönüştürüyor, böylece titreşim davranışını tanımlamak için mühendislerin kullandığı aynı dilde düşünebiliyor.

Fiziği Kullanarak Öğrenmeyi Akıllı Hale Getirmek

Her olası titreşim örüntüsünden saf öğrenme çok uzun sürer, çünkü gerçek makineler sayısız ton ve genlik kombinasyonuyla karşılaşır. Bunu önlemek için yazarlar öğrenme sürecine temel titreşim fiziğini gömüyor. Basit ama güçlü bir fikir kullanıyorlar: zaman üzerinde ölçülen enerji, frekans üzerinde ölçülen enerjiye eşittir. Bu, öğrenme problemini sinyaldeki her bir dalgalanma yerine toplam titreşim enerjisi etrafında tanımlamalarına izin veriyor. Ayrıca her bir sönümleyici ayarının her tona nasıl etki ettiğini — yani sistemin frekans cevabını — öğrenmeye odaklanıyorlar; bireysel senaryolar için yanıtları ezberlemek yerine. Bu, problemi büyük ölçüde küçültüyor ve her ölçümü hızlı, kendi içinde tamamlanan bir öğrenme bölümü hâline getiriyor; böylece eğitim hızlanıyor ve ayrıntılı bir malzeme modelinden bağımsız kalınıyor.

Akıllı Kauçukla Gerçek Dünya Testleri

Yaklaşımın pratikte işe yarayıp yaramadığını görmek için araştırmacılar, manyetik alan altında sertleşen demir parçacıklarıyla doldurulmuş bir kauçuk bloğuna bağlı doğrusal bir kompresörden oluşan gerçek bir sistem üzerinde testler yaptılar. Denetleyici sensörlerden titreşimleri gözlemledi, manyetik alanı sekiz ayrı adımda ayarladı ve sönümleyicinin nasıl davrandığına dair içsel tanımını güncelledi. Zamanla, kauçuğun rijitliği günlerce süren işletme boyunca yavaşça kaymasına rağmen sistemin gerçek cevabını çok yüksek doğrulukla öğrendi. Frekansları ve şiddetleri dakikalar içinde değişen birden çok tondan oluşan karmaşık, değişken titreşim örüntüleriyle karşılaştırıldığında, öğrenilmiş denetleyici kontrolsüz duruma göre titreşim enerjisini %58’e varan oranda azalttı ve tüm sabit ayarların tümen testiyle elde edilebilecek en iyi performansa neredeyse ulaştı.

Gelecekteki Makineler İçin Anlamı

Gündelik ifadeyle çalışma, bir titreşim sönümleyicisinin bir makineyi “dinlemeyi”, o makinenin şu anda nasıl titreştiğini anlamayı ve donanımın ayrıntılı bir planına ihtiyaç duymadan kendini yeniden ayarlamayı öğrenebileceğini gösteriyor. Basit fiziksel içgörüyü bir öğrenme algoritmasıyla harmanlayarak yazarlar hem verimli hem de uyumlu bir denetleyici yaratıyor; değişen malzemelerle ve gerçek dünya titreşim örüntülerinin karışıklığıyla başa çıkabiliyor. Bu yaklaşım, geleneksel elle tasarlanmış titreşim kontrolünün yetersiz kaldığı araçlar, fabrikalar ve diğer ortamlarda daha sessiz, daha uzun ömürlü makinelerle sonuçlanabilir.

Atıf: 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

Anahtar kelimeler: titreşim kontrolü, akıllı malzemeler, pekiştirmeli öğrenme, adaptif sönümleme, manyetorojolojik elastomer