Of het gaat om de effectiviteit van batterijen in elektrische voertuigen of de betrouwbaarheid van hoge snelheiddatacommunicatie: in beide gevallen kunnen onvoorziene omstandigheden de performance verstoren. Er wordt dan ook naarstig gezocht naar mogelijkheden om beter op deze, steeds veranderende omstandigheden in te spelen. Zelflerende algoritmes, die bestaande kennis en een grote hoeveelheid verzamelde data aan elkaar weten te koppelen, kunnen daarbij een cruciale rol spelen. Binnen het onderzoeksprogramma AutoAdapt onderzoekt TNO de potentie van deze veelbelovende innovatieve technologie.
Frank Willems, hoogleraar aan de Technische Universiteit Eindhoven (TU/e) en principal scientist bij TNO bij de Unit Traffic & Transport, en Gert Witvoet, universitair docent aan de TU/e en senior specialist bij TNO bij de Unit Industrie, raakten anderhalf jaar geleden met elkaar in gesprek. Willems: “Ik was net bezig met het opzetten van het onderzoeksprogramma AutoAdapt. Wij bleken meer met elkaar gemeen te hebben dan we dachten. Dat is ook het leuke van werken bij TNO: dat je met zoveel verschillende disciplines te maken hebt. Zo zijn bij dit multidisciplinaire onderzoeksprogramma collega’s uit maar liefst vijf verschillende units betrokken: Traffic & Transport, waar ik werkzaam ben, de Unit Industrie, waar Gert aan verbonden is, naast ICT, Energie Transitie en Defensie. Die mensen nemen allen hun eigen expertise mee.”
Zelflerende systemen
Het doel van het onderzoek binnen AutoAdapt is volgens Willems om bestaande kennis te combineren met data. “Je kunt daarbij vragen stellen zoals: hoe gedraagt een voertuig zich over tien jaar? Hoe wordt het in deze periode gebruikt? Is het ondanks sterk variërend gebruik nog steeds mogelijk om de laagste operationele kosten te garanderen? Om op deze en andere vragen een antwoord te formuleren, zou je op dit moment gruwelijk veel tests in een lab-setting moeten doen.”
Adaptieve systemen maken het volgens Willems mogelijk om, aan de hand van de beschikbare data, niet alleen goede voorspellingen te doen over allerlei omstandigheden, evenals over de manieren om hierop te anticiperen.
“Door naast het monitoren van het verloop van de werkelijke prestatie ook het effect van eerdere ingrepen mee te nemen, zullen deze adaptieve algoritmes ook in staat zijn om te leren. Hiermee kunnen we de ontwikkel- en testtijd drastisch terugbrengen en kunnen nieuwe producten veel sneller de weg naar de markt vinden. De potentie van deze zelflerende systemen is enorm. Dat geldt in het bijzonder voor complexe systemen. Maar we zien ook dat het gat tussen de labsituatie en industriële toepassing heel groot is. Dit gat willen wij met AutoAdapt overbruggen.”
In de praktijk demonstreren
De bedoeling is om de komende jaren in de praktijk te demonstreren hoe zelflerende adaptieve methoden, waarbij bestaande kennis wordt gekoppeld aan kwalitatief hoogwaardige data, kunnen worden ingezet om innovatie te versnellen.
Zo’n kansrijke innovatieve technologie is optische satellietcommunicatie, waarbij hele grote hoeveelheden data kunnen worden verzonden met behulp van laserstralen. Witvoet: “Zelflerende algoritmes komen daarbij van pas om de configuratie van de laserstraal te bepalen. Dit zorgt voor een optimale performance. Dat wil zeggen: voldoende snelheid, echter zonder dat dit ten koste gaat van de stabiliteit en beschikbaarheid van de verbinding.”
In het geval van voertuigen, en in het bijzonder elektrische en hybride trucks, waar Willems’ onderzoek zich op richt, zorgen zelflerende algoritmes er op hun beurt voor dat de juiste beslissingen worden gemaakt. Dat kan zijn ten aanzien van laadmomenten en laadprofielen voor de batterij bij plug-in hybride en elektrische trucks, maar ook over de route.
Willems: “Het laatste wat je wilt is dat een voertuig opeens stilvalt doordat de batterij leeg is. Aan de andere kant wil je ook niet dat de batterij te snel wordt afgeschreven. Met behulp van zelflerende algoritmes, zouden voertuigen in de toekomst hierover zelf een weloverwogen beslissing kunnen nemen. Waarbij je een heleboel data in the cloud kunt stoppen, zoals Tesla dat al doet.”
Risicofactoren
Waar Willems’ en Witvoets onderzoeksterreinen elkaar kruisen is dat ze beide te maken hebben met onvoorziene bedrijfsomstandigheden. Willems: “Denk bijvoorbeeld aan veranderende weersomstandigheden of verkeersdoorstroming bij voertuigen. De grote uitdaging bij zelflerende adaptieve systemen is om ondanks zulke risicofactoren de juiste ingrepen te bepalen die nodig zijn om een maximale performance te blijven realiseren. Zo is levensduur van de batterij sterk afhankelijk van gebruik- en laadprofielen. Terwijl warm of juist koud weer, het rijgedrag van de bestuurder en de gekozen route de energiebehoefte sterk beïnvloeden. Ondanks zulke variaties willen we toe naar een maximalisatie van de uptime van de truck of bus. Om ervoor te zorgen dat zoveel mogelijk vracht of personen vervoerd kunnen worden.
Ook bij optische satellietcommunicatie kunnen volgens Witvoet interne en externe factoren, zoals turbulentie in de atmosfeer en trillingen van de satelliet, maar ook eigenschappen en toestand van de individuele zender en ontvanger, zorgen voor verstoringen op de data-lijn. “Trillingen kunnen de precisie van de straal beïnvloeden. Heb je een smallere straal, dan zorgt dit voor sneller dataverkeer, maar is die tegelijkertijd ook gevoeliger voor storingen. Terwijl, als de straal weer te breed is, dit ten koste gaat van de data-snelheid.”
Aanpassingsvermogen
Hoe kun je nu de programmeur, een mens die aan de knopjes draait om alles zo optimaal af te stellen, vervangen door zelflerende, adaptieve systemen, die zich op grond van bestaande kennis én data kunnen aanpassen aan de gewenste situatie?
Willems: “Je zou voertuigen kunnen uitrusten met een besturingssysteem, dat allerlei beslissingen kan nemen dankzij die zelflerende, adaptieve algoritmes. Dit zou een heleboel voordelen op kunnen leveren. Zoals meer veiligheid in het verkeer, echter ook optimaal gebruik van de batterij. En, in het geval van hybride voertuigen, ook van de verbrandingsmotor. Met alle positieve gevolgen van dien, zoals minder stikstof- en CO2-uitstoot. In aanloop naar 2030 moeten wij toe naar zero-emissie binnensteden. Slim gebruik van data over route en verkeerstromen, de toestand van de batterij, kan dit ook voor hybride voertuigen eerder binnen handbereik brengen.”
Ook Witvoet is zeer optimistisch gesteld over de mogelijkheden van zelflerende algoritmes. “Door bij optische satellietcommunicatie de zender en de ontvanger met een zelf-adaptief vermogen uit te rusten, wordt die in staat gesteld om de configuratie aan de veranderende omstandigheden aan te passen. En daarmee, te allen tijde, het maximale uit de optische link te halen. Dit garandeert een optimale en constante datadoorvoer.”
Early Research Program
Het AutoAdapt programma is een zogenaamd Early Research Program, waarbij onderzoek plaatsvindt over de grenzen van de disciplines heen, legt Willems uit. Nog belangrijker: het is onderzoek dat doorgaans flink vooruitlooptop de toepassing van de innovatie. “Maar je moet daarbij niet denken aan een stel onderzoekers bij elkaar in een kamertje achter hun bureaus. Het gaat weliswaar om onderzoek in een pril stadium, maar wel met de nadrukkelijke intentie om toegepast te worden binnen de industrie.”
Stip aan de horizon
Dat is wat Willems betreft ook de ultieme stip aan de horizon: “Wij willen graag dat onze inzichten resultaten opleveren die in de praktijk kunnen worden getoond met behulp van demo’s. Daarvoor gaan we graag in gesprek met industriële partners met een relevante user’s case. Wij willen graag de resultaten van ons onderzoek laten zien in ‘real world’ situaties. Zo hebben wij op de automotive campus in Helmond al een kleine demo-installatie staan. Waarbij we, weliswaar nog in een deels virtuele omgeving en met een virtueel voertuig, de batterijprestatie in real world kunnen demonstreren.”
De onderzoekers dromen echter graag groot. Witvoet: “Met de inzichten die we met AutoAdapt ontwikkelen zou er ook enorm op de productiekosten en -tijd bespaard kunnen worden. Bijvoorbeeld door minder strenge eisen aan materialen of productietoleranties. Door onze innovaties samen met industriële partners in de praktijk te brengen hopen wij de kosten te drukken.”
Stabieler internet
Wat wij als consument hiervan gaan merken? Willems: “Voertuigen die sneller en goedkoper geproduceerd kunnen worden. Met minimale operationele kosten voor de gebruiker door maximale energie efficiëntie, maximale inzetbaarheid en langere levensduur van de batterijen. Maar de inzichten die wij ontwikkelen met zelflerende algoritmes kunnen in de toekomst ook op andere terreinen worden ingezet. Zoals de scheepvaart, de energie sector, de halfgeleiderindustrie of de robotica.”
Witvoet: “Zelfsturende systemen kunnen ook voor een betere, meer nauwkeurige laser-satellietcommunicatie zorgen. En een stabieler en sneller internet, waarmee je wel duizend keer zoveel data kunt versturen dan nu. Mogelijk zelfs 6G. Waar ook de automotive industrie te zijner tijd voordeel van kan hebben!”
Willems: “Kijk, dat is nou precies zo’n voorbeeld van de voordelen van zo’n multidisciplinair team. Ik kan gebruik maken van de kennis die Gert in huis heeft.”
Witvoet: “En andersom!”
Samenwerking
Als je dit artikel leuk vindt, lees dan ook:
