#Automotive Chip Tuning & Machine learning

31 / gennaio 2023
Automotive Chip Tuning & Machine learning

Seletron Performance

Machine learning e automotive tuning; il know-how Seletron

 

Che cosa significa “machine learning” ed in che modo questa tecnologia può essere in qualche modo applicata al tuning del settore automotive?

 

Con il termine machine learning si delinea la capacità di alcune macchine (più propriamente computer) di raccogliere dati e informazioni e di elaborarle per autogestirsi e migliorarsi, un pò come avviene nel nostro cervello. Esistono diversi livelli di machine learning e questi appartengono a branche della intelligenza artificiale. Si tratta di metodi di analisi in grado di raccogliere un grande numero di informazioni e di riconoscere pattern allo scopo di auto-migliorare le performance del sistema stesso.

 

Gli impieghi di questa branca scientifica sono molteplici, il sistema consente il progressivo miglioramento di capacità adattive di software e di ridurre (o potenzialmente annullare in certi casi) la necessità di intervento umano. Gli algoritmi di machine learning apprendono informazioni (fare attenzione alla parola "apprendono", può quasi spaventare...) attraverso l'acquisizione e l'elaborazioni di dati, modificando cosi il proprio comportamento.

 

Si tratta di una forma di intelligenza artificiale in quanto il sistema non nasce già con tutte le performance finite ma con un programma di apprendimento, è la macchina che, in autonomia (o parzialmente in autonomia), sviluppa la propria capacità di raccolta ed analisi dei dati diventando più "intelligente". In certi casi la raccolta dei dati e la successiva loro elaborazione sono separate tra loro (il caso ad esempio di automobili con guida semi-automatica che possono raccogliere una mole di dati, inviarla ad un centro di elaborazione remoto e centralizzato, poi ricevere il prodotto della elaborazione sotto forma di aggiornamento software, aggiornamento frutto dell'apprendimento), in altri casi la macchina (computer) dispone sia degli elementi necessari alla raccolta dei dati, sia della intelligenza artificiale necessaria alla loro elaborazione; il risultato è l'implementazione del livello di autonomia e di prestazioni del processo che il computer sovrintende.

 

In che modo questa branca della intelligenza artificiale può essere applicata al mondo del tuning automotive? Il reparto ricerca e sviluppo di SELETRON, sta introducendo alcune funzionalità che partono da un concetto base di machine learning. Per capire come questo approccio possa avere impatto sulle elettroniche destinate al potenziamento di motori o alle elettroniche deputate alla simulazione di presenza di catalizzatori o filtri antiparticolato (DPF, FAP o OPF che siano), dobbiamo partire dal processo "tradizionale" di sviluppo di progetti di questo tipo.

 

In fase di normale sviluppo, si parte dalla esigenza (o dal problema da risolvere) ideando una possibile soluzione che si basa su una precedente raccolta di dati, ad esempio dati sul processo di controllo del sistema elettronico da modificare, dati sui valori reali in fase di funzionamento ecc. Una successiva fase prevede la realizzazione di prototipi che vengono poi installati su più auto che rappresentano i mezzi di test. Vengono poi effettuati i vari aggiustamenti per ottenere il risultato voluto, quando il funzionamento appare perfetto in tutte le normali condizioni di funzionamento del motore, vengono a lungo testati per verificare l'assenza di problematiche che possono manifestarsi in presenza di particolari variabili (ad esempio temperatura esterna molto bassa/alta, tipo carburante, temperatura motore, chilometri percorsi, pressione atmosferica, condizioni di guida ecc.). Solo successivamente si procede ad una ingegnerizzazione che consente la produzione in serie delle centraline ottimizzandone i vari aspetti.

 

L'approccio che abbraccia la filosofia della machine learning, prevede la progettazione di più complesse centraline elettroniche in grado di raccogliere in autonomia vari dati durante il normale funzionamento del motore (nel caso di simulatori di presenza catalizzatori o filtri anti particolato questa fase avviene PRIMA della modifica meccanica) per riconoscerne modelli che verranno poi ricreati digitalmente per "fare credere" alla centralina ECU originale che l'elemento rimosso dal sistema di scarico (filtro o catalizzatore appunto) sia ancora presente. Questo aspetto sta diventando sempre più importante in quanto sempre più complesse sono anche le elettroniche installate sui moderni sistemi di controllo motore e dei vari dispositivi annessi.

 

Per dirla in altri termini, quando sulle "tradizionali" centraline aggiuntive digitali si procede alla programmazione del sistema con un software predefinito (che contiene già gli algoritmi frutto di precedente raccolta di dati e successiva elaborazione da parte dei tecnici SELETRON), sulle centraline elettroniche studiate tenendo conto dei principi della machine learning, si procede alla installazione di una elettronica in grado di acquisire PRIMA una mole di dati, POI, di elaborarli per adattarsi, migliorarsi e controllare i segnali dei sensori per essere coerenti con quanto "si aspetta" la centralina di serie ECU dell'auto. Si tratta ovviamente di una declinazione di un concetto più esteso, l'argomento però, dimostra ancora una volta come SELETRON voglia essere non solo "al passo" con le migliori tecnologie e soluzioni per il tuning, ma voglia addirittura anticiparle configurandosi come pioniere del settore di appartenenza.

 

Se vuoi vedere le possibilità di elaborazione della tua auto sfoglia il catalogo cliccando qui sotto

 

 

Compare