利用机器学习提高磁悬浮列车的性能
几个世纪以来,交通运输业一直是全球碳排放的最大贡献者之一。为了解决这个问题,许多研究小组正在积极探索如何利用技术帮助交通系统变得更加可持续和环保。
目前正在研究的最有前景的技术之一是磁悬浮技术,它使用强大的磁铁推动列车在轨道上方悬浮。通过几乎消除轨道产生的摩擦力,磁悬浮列车可以用很少的能量迅速加速到令人难以置信的高速度。
然而,尽管磁悬浮系统已被广泛研究了一段时间,研究人员仍然很难准确测量磁体施加的力。这种精度不足是磁悬浮尚未取代更传统的碳密集型交通方式的部分原因。
通过发表在《物理 C:超导及其应用》上的研究,土耳其里泽雷杰普·塔伊普·埃尔多安大学的 Erkan Caner Ozkat 领导的团队展示了人工智能如何帮助提高这些力测量的准确性。他们的研究结果可能使磁悬浮系统的广泛推广更接近现实,最终帮助全球运输部门削减碳排放。
“由于人口和能源消耗量都在快速增长,节能系统至关重要,”Ozkat 说道。“超导磁悬浮系统因其无摩擦运动的特性而达到了这一目的。”
在磁悬浮系统中,磁铁由高温超导体组成,即使在室外环境温度下,也能以零电阻传输电流。两种不同的力对其性能有特别大的影响:悬浮力将列车垂直向上提升,降低其与下方轨道的摩擦力,而横向力垂直于轨道作用,导致列车左右摇晃。
为了确保足够的承载能力和安全移动,增强磁悬浮系统的悬浮力和横向引导力至关重要。此前,超导体和永磁轨道之间的多表面相互作用已被证明是有效的。然而,到目前为止,机械限制使得很难通过实验测量该系统。
Ozkat 的团队探索了如何借助人工智能来实现这一目标。“我们的想法是,一些与磁悬浮系统相关的研究挑战可以通过机器学习来克服,”Ozkat 解释道。
机器学习是人工智能的一个分支,它根据以往的真实数据经验对系统的特性做出准确的预测。通过分析,研究人员确定了一种机器学习模型,该模型在预测基于超导磁体特性的力以及磁悬浮列车的横向和水平运动方面表现尤为出色。
基于此模型,研究人员随后开发了一个分步流程,用于评估如何调整磁悬浮系统以最大化悬浮力,同时将横向力保持在某个定义的公差范围内。“我们相信,我们提出的可推广方法是该领域研究人员的指导和解决问题的工具,”Ozkat 说。
他们现在希望他们的方法能够帮助提高实际磁悬浮系统的效率和性能,使其更加实用和经济。如果是这样,这将有助于加速其在世界各地交通系统中的推广——或许可以让净零碳排放的目标更接近现实。
声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。