Case  study

В автоспорте множество факторов влияют на исход заезда.  С помощью современных методов сбора, обработки и анализа данных возможно не только получить точные данные по режимам работы автомобиля, но и улучшить качество управления автомобилем, и как следствие результаты.

Главный инженер команды сформулировал две задачи: Анализ эффективности торможения пилотов и Выявление аномалий в поведении автомобиля Пилота 1. Аналитические решения, которые разрабатывает основной партнер команды AG Team компания ICL Системные технологии, помогли подробно проанализировать все данные и выявил закономерности. 

Case 1. Анализ эффективности торможения пилотов и выявление аномалий поведения автомобиля Пилота.

Аналитики разработали математическую модель на базе искусственной нейронной сети и, с помощью нее проанализировали параметры телеметрии автомобиля — траекторию, скорость, давление в тормозной системе, обороты двигателя и другие параметры движения. В результате для пары автомобиль-пилот были построены профили поведения на трассе.

График 1 Общие профили поведения

Общие профили поведения позволяют определить: ведет ли себя автомобиль аномально непосредственно перед критической отметкой (например, перед сходом с трассы). Особенно это важно, когда показания пилота не совпадают с данными датчиков телеметрии.

График 2 Профили торможения пилотов

Профили торможения позволяют сравнить технику торможения пилотов между собой и дать рекомендации по ее улучшению. Помимо этого, профили торможения позволяют выявлять неисправности в тормозной системе на ранних стадиях.

График 3 Динамика давления в тормозной системе

На графике 3 отражена динамика давления от 1 бар. Можно заметить, что Пилот 2 (оранжевый) и Пилот 3 (зеленый) имеют схожие профили давления. У Пилота 1 (синий) и Пилота 4 (красный) — часто давление в районе 1-2 бар. График Пилота 1 более пологий и вытянутый, что может говорить о том, что он более плавно жмет на тормоз, но торможение получается не очень эффективным, так что ему приходится повышать давление выше чем у других.

Из графиков видно, что Пилот 2 и 3 имеют достаточно схожую манеру, в то время как Пилоты 1 и 4 существенно отличаются как от них, так и друг от друга.

Искусственные нейронная сеть (ИНС) в основе содержит принцип организации и функционирования биологическихсетей нервных клеток живого организма — т.е. имитирует процессы, протекающие в головном мозге. Методы анализа данных с использованием ИНС применяют там, где протекающие процессы настолько многообразны, что описать их в виде классических алгоритмов не представляется возможным. Однако, для того чтобы ИНС работала эффективно ее необходимо настроить и обучить — специальным образом подготовить и «скормить» модели исходные данные — именно от этого будет зависеть качество результата.

Case 2. Анализ эффективности силовой установки

В ближайшее время мы приступим к решению интересной и крайне полезной задачи – анализу эффективности работы двигателя автомобиля. В практике автогонок не редко бывают случаи, когда все датчики силовой установки говорят, что все в норме, но «машина не едет». На помощь опять же приходит математика и большие данные. Суть метода заключается в том, чтобы собрать как можно больше параметров, которые непосредственно и косвенно влияют на работу двигателя. Затем, применяя «умные» алгоритмы для анализа выявлять тренды снижение мощности и расшифровывать их в потенциальные причины.

Современные методы анализа и обработки больших данных сделают автоспорт быстрее и точнее.