Dr. Denis Jankovič, mag.,  doc. dr. Miha Pipan, univ. dipl. inž., prof. dr. Niko Herakovič, univ. dipl. inž., vsi Univerza v Ljubljani, Fakulteta za strojništvo

Ventil 32 (2026) 2 / Recenzirani članki / Strokovni članek – 1.04

DOI: https://doi.org/10.5545/Ventil-32-2026-2.21

Povzetek​:
Umetna inteligenca (UI) in strojno učenje vse bolj poganjata razvoj sodobnih izdelovalnih sistemov, pri katerih je zanesljivo delovanje neposredno povezano z natančnim poznavanjem trenutnega stanja strojev. V prispevku je predstavljena praktična uporabnost teh pristopov na primeru hidravlične stiskalnice pri upogibanja pločevine. Na osnovi tega primera je bil razvit napredni krmilni sistem, ki združuje zajem procesnih podatkov v realnem času in uporabo regresijskih modelov za spremljanje obratovalnih parametrov stiskalnice v različnih delovnih režimih. Eksperimentalni del je bil zasnovan tako, da obsega širok spekter scenarijev z variabilnimi obremenitvami, hitrostmi hidravličnega valja ter nadzorovano simulacijo trenja v vodilih valja. Z uporabo petih ključnih procesnih parametrov je bila izvedena primerjalna analiza več pristopov strojnega učenja, pri čemer so linearna regresija, metoda podpornih vektorjev in Gaussovo regresijsko modeliranje imeli najvišjo natančnost napovedi (R² > 0,99). Rezultati so pokazali, da enostavnejši modeli omogočajo hitrejše učenje in učinkovitejše napovedovanje. Razviti pristop omogoča sprotno zaznavanje odstopanj v delovanju, zmanjšanje napake odziva hidravličnega valja do 95 % ter predstavlja osnovo za uvedbo adaptivnega krmiljenja v realnem času.

Ključne besede:
umetna inteligenca, strojno učenje, hidravlični sistem, ekspertni sistem, digitalni dvojček

Copyright (c) 2026 Denis Jankovič, Miha Pipan, Niko Herakovič

To delo je licencirano pod mednarodno licenco
Creative Commons Priznanje avtorstva 4.0.

Razen kjer ni drugače navedeno, so članki v
tej reviji objavljeni pod mednarodno licenco
Creative Commons Priznanje avtorstva 4.0.