بهینه سازی مصرف انرژی در ماشین آلات ساختمانی با یادگیری ماشین

صنعت ساخت و ساز یکی از ارکان اصلی توسعه زیرساخت های جهان محسوب میشود، اما در عین حال، به دلیل وابستگی شدید به ماشین آلات سنگین مجهز به موتورهای دیزلی، یکی از بزرگترین مصرف کنندگان انرژی های فسیلی و تولیدکنندگان گازهای گلخانه ای است.مدیریت ناکارآمد این منابع انرژی، نه تنها هزینه های عملیاتی پروژه ها را به شدت افزایش میدهد، بلکهچالش های زیست محیطی جدی را نیز به همراه دارد.روش های سنتی کنترل مصرف انرژی در این ماشین آلات اغلب بر تنظیمات دستی یا الگوریتم های ثابت مبتنی بر نقشه های عملکردیاستوارند که قادر به سازگاری با تغییرات لحظه ای بار، شرایط محیطی و سبک )Look-up Tables(کار اپراتور نیستند.برای حل این معضل میپردازد. ما یک )ML( این مقاله به بررسی پتانسیل عظیم یادگیری ماشینچارچوب جامع برای نظارت، پیشبینی و بهینه سازی بلادرنگ پارامترهای عملکردی حیاتیماشین آلات ساختمانی (شامل دور موتور، فشار هیدرولیک و زمان های بیکاری) با استفاده از) ارائه ، Reinforcement Learning – RL( به ویژه یادگیری تقویتی ،ML رویکردهای پیشرفتههدف اصلی، توسعه یک سیستم هوشمند است که بتواند به طور مستمر رفتار ماشین را با توجه به وظیفه در حال انجام، برای دستیابی به کمترین مصرف سوخت ممکن تنظیم کند،در حالی که بازدهی کاری حفظ شود. نتایج مورد انتظار نشان میدهد که پیاده سازی این رویکردمیتواند منجر به کاهش قابل توجهی (تخمین زده میشود بین ۲۰ تا ۳۵ درصد) در مصرف سوخت و کاهش هزینه های عملیاتی و انتشار کربن در پروژه های ساختمانی شود.

کلیدواژه ها:

ماشین آلات ساختمانی ، بهینه سازی انرژی ، یادگیری ماشین