Технологическая система Келуде: оптимизация крана и ИИ-алгоритмы

За каждой единицей кранового оборудования — от проектного чертежа до момента передачи заказчику — стоит комплексная система инженерных компетенций. Компания Келуде (KRUID CRANE) за пятнадцать лет выстроила полную технологическую цепочку — от классической оптимизации несущих конструкций до собственных алгоритмов искусственного интеллекта. Это не просто набор инженерных решений, а междисциплинарная исследовательская платформа, объединяющая вычислительную механику, электротехнику, промышленный интернет вещей и искусственный интеллект. В данной статье рассматриваются четыре ключевых аспекта: эволюция технологий, организационная структура НИОКР, парк испытательного оборудования и стратегические приоритеты развития — что позволяет в полном объёме оценить научно-исследовательский потенциал компании и понять, как китайский производитель подъёмно-транспортного оборудования совершил переход от роли догоняющего к позиции лидера в эпоху интеллектуализации.

Эволюция технологий: четыре этапа пути от оптимизации конструкций до собственного ИИ

Технологическое развитие Келуде можно разделить на четыре чётко выраженных этапа. Каждый из них знаменует собой качественный скачок в ключевых компетенциях и отражает углубление понимания физики работы кранового оборудования.

2010 год: этап закладки фундамента в области оптимизации конструкций. Это отправная точка всей системы НИОКР компании. В тот период была внедрена платформа ANSYS Workbench и сформированы компетенции в области конечно-элементного анализа (FEA). Инженерная команда приступила к оптимизации главной балки мостового крана типа QD с использованием метода топологической оптимизации с переменной плотностью. Цель — максимальное снижение собственного веса конструкции при сохранении требуемой несущей способности. Ключевая задача этого этапа — «точность расчёта»: трёхэтапный CAE-процесс (топологическая оптимизация → оптимизация формы → оптимизация размеров) позволил снизить массу основных элементов конструкции на 12–18% с подтверждением всех проектных решений по результатам статического испытания с номинальной нагрузкой 1,25 и проверки с коэффициентом динамической нагрузки 1,1 согласно стандарту ISO 4301 / FEM 1.001. Внедрение усталостной испытательной машины MTS обеспечило замкнутый цикл верификации результатов моделирования на реальных образцах. В период с 2010 по 2014 год отдел металлоконструкций выполнил более 200 проектов по оптимизации и сформировал комплексную базу данных имитационного анализа элементов конструкции, охватывающую главные балки, концевые балки, рамы тележек и крюковые подвески.

2015 год: этап модернизации электрических систем и автоматизации. После достижения зрелости в области прочностных расчётов компания приступила к развитию направления систем управления. Была сформирована группа разработчиков электротехнического направления, внедрена промышленная сеть реального времени EtherCAT и создана электрическая система управления первого поколения KRUID-ECS. Ключевым результатом этого этапа стало формирование стандартной электрической архитектуры «преобразователь частоты + ПЛК + сенсорный экран», а также внедрение платформы быстрого прототипирования dSPACE, позволившей сократить цикл проверки алгоритмов управления на реальном оборудовании с нескольких месяцев до нескольких недель. Параллельно началось использование 3D-лазерного сканера FARO для обратного инжиниринга ключевых узлов крана и анализа отклонений при сборке. В 2017 году отдел электрических систем завершил опытно-промышленную проверку первой полностью самостоятельно разработанной электрической системы управления на мостовом кране грузоподъёмностью 50 т, что подтвердило наличие у компании собственной компетенции в области электрического управления.

2020 год: этап цифровой трансформации. Начиная с 2020 года технологический фокус сместился в сторону цифровизации и интеллектуализации. Был создан программно-аппаратный комплекс KRUID-IoT для мониторинга кранового оборудования, обеспечивающий сбор данных в реальном времени, их передачу и хранение в облаке. На основе накопленных эксплуатационных данных исследовательская группа приступила к обучению моделей прогнозирования, управляемых данными: от простых пороговых алгоритмов сигнализации — к прогнозированию на основе статистических характеристик и, в конечном итоге, к системе оценки индекса состояния (HI) на базе нейронных сетей LSTM. Одновременно был запущен проект «Цифровой Двойник»: на движке Unity 3D создана виртуальная модель, воспроизводящая динамику крана в целом, что заложило основу для безлюдной эксплуатации и интеллектуального планирования. К концу 2022 года к платформе IoT было подключено более 800 кранов, находящихся в эксплуатации, а общий объём накопленных данных превысил 50 ТБ.

2025 год: этап прорыва в области собственных алгоритмов ИИ. К 2025 году компания сформировала полный цикл разработки алгоритмов искусственного интеллекта. В области управления антираскачиванием на основе фреймворка оптимизации проксимальной политики (PPO) был разработан контроллер антираскачивания с обучением с подкреплением. После 5 миллионов шагов обучения в среде цифрового двойника контроллер был развёрнут на реальном оборудовании, обеспечив точность управления углом раскачивания не более 0,3°. В области визуального распознавания модель позиционирования спредера и обнаружения препятствий на базе архитектуры YOLOv8 демонстрирует точность распознавания свыше 95% даже в условиях недостаточного освещения, дождя и тумана. Система предиктивного технического обслуживания прошла путь от контроля отдельных компонентов до комплексного мониторинга всей машины, охватывая четыре основных компонента: редуктор, тормоз, двигатель и стальной канат. Во втором полугодии 2025 года первые краны со встроенными функциями ИИ были переданы заказчикам и продемонстрировали значительное повышение эффективности и снижение частоты отказов на металлургических предприятиях и в портовых терминалах. Таким образом, компания совершила четвёртый технологический переход — от модели «конструкция–электрика–цифровизация» к модели «изначально ИИ-ориентированной» архитектуры.

Четыре подразделения НИОКР: синергия отделов конструкций, электрики, ПО и алгоритмов

Реализация технологических решений опирается на организационную структуру. Система НИОКР Келуде состоит из четырёх ключевых подразделений, образующих полную цепочку разработки — от физического уровня до уровня алгоритмов. Взаимодействие между подразделениями обеспечивается через стандартизированные интерфейсные протоколы.

Отдел металлоконструкций — базовый уровень системы НИОКР и старейшее подразделение компании. Команда специализируется на исследовании механического поведения металлоконструкций. Ключевые компетенции: имитационный анализ в ANSYS, усталостные испытания на оборудовании MTS, обратный инжиниринг с помощью 3D-сканирования и моделирование технологии сварки. Отдел выполняет проектирование и оптимизацию главных балок, концевых балок, рам тележек и других ключевых несущих элементов. Все проектные решения проходят обязательный четырёхэтапный цикл: «моделирование → образец → испытание → корректировка». Установленная в отделе электрогидравлическая сервогидравлическая машина для испытаний на усталость MTS 322 обеспечивает динамическую нагрузку до 100 кН и позволяет выполнять все проверки на усталость, предусмотренные стандартом ISO 4301 / FEM 1.001. В отделе работают 8 ведущих инженеров и 12 инженеров средней квалификации, каждый из которых имеет более чем десятилетний опыт проектирования крановых металлоконструкций.

Отдел электрических систем отвечает за проектирование аппаратной архитектуры систем управления и системную интеграцию электрических компонентов, выступая связующим звеном между физическим миром и цифровой средой. На базе шины EtherCAT создана стандартизированная аппаратная платформа управления, охватывающая все компоненты электрического уровня: преобразователи частоты, ПЛК контроллеры, реле безопасности и интерфейсы датчиков. Отдел также эксплуатирует испытательный комплекс dSPACE SCALEXIO для аппаратно-программного моделирования (HIL). Платформа оснащена высокоточной динамической моделью крана (включая гибкие балки, угол раскачивания стального каната, контакт колесо–рельс), что позволяет в лабораторных условиях полностью воспроизводить различные режимы работы оборудования. Применение HIL-платформы позволило сократить цикл интеграционной проверки логики управления с традиционных 8 недель до 2 недель, при этом для каждой итерации программного обеспечения выполняется более 500 автоматизированных тестовых сценариев. Отдел также проводит испытания на электромагнитную совместимость всех контроллеров и обеспечивает Сертификацию CE.

Отдел программного обеспечения фокусируется на прикладном ПО и платформах данных, являясь ключевым драйвером цифровой трансформации компании. Специалистами отдела самостоятельно разработан программный комплекс KRUID-IoT, обеспечивающий унифицированный доступ и преобразование данных по трём промышленным протоколам: Modbus TCP, OPC UA и MQTT. Отдел также отвечает за разработку платформы «Цифровой Двойник»: на базе движка Unity 3D создана трёхмерная визуализация крана в сборе с возможностью синхронизации эксплуатационных данных в реальном времени. Данная платформа используется не только для удаленного мониторинга, но и в качестве среды моделирования для обучения и тестирования алгоритмов антираскачивания на основе обучения с подкреплением. Отдел работает по гибкой методологии (Agile) с двухнедельным циклом выпуска итераций, что обеспечивает оперативное реагирование на запросы заказчиков и быстрый ввод новых функций в эксплуатацию.

Группа алгоритмов — «вычислительное ядро» системы НИОКР Келуде. Созданная в 2023 году как самостоятельное подразделение, группа объединяет исследователей в области машинного обучения, компьютерного зрения и теории автоматического управления; доля сотрудников с учёной степенью превышает 40%. Рабочий процесс группы охватывает полную цепочку: сбор и очистка данных, обучение и валидация моделей, развёртывание на краевых устройствах и непрерывная итерация. Между группой алгоритмов и отделами конструкций, электрики и ПО установлен регламентированный механизм взаимодействия «потребность–результат»: отдел электрики предоставляет спецификации интерфейсов контроллеров, отдел ПО — каналы передачи данных IoT, отдел конструкций — граничные условия для механических расчётов, а группа алгоритмов возвращает верифицированные модели логического вывода. Такая архитектура взаимодействия четырёх подразделений обеспечивает замкнутый технологический контур — от понимания физических процессов до реализации интеллектуальных функций на верхнем уровне, и любое достижение в одном из звеньев быстро транслируется во всю систему НИОКР.

Парк испытательного оборудования: 3D-сканирование, усталостные испытания и HIL-тестирование

Уровень оснащения исследовательской базы напрямую определяет глубину и широту верификации технических решений. Совокупный объём инвестиций Келуде в инфраструктуру НИОКР превысил 30 млн юаней (≈ 370 млн руб.), что позволило сформировать парк оборудования, охватывающий три ключевых направления: контроль геометрических параметров,верификация механических свойств и тестирование логики управления.

Система 3D-лазерного сканирования. Установленный 3D-лазерный сканер FARO Focus S350 обеспечивает точность измерения ±1 мм на дистанции 10 м и скорость сканирования до 976 000 точек в секунду. Система применяется для обратного инжиниринга конструкций и контроля отклонений при сборке. На этапе разработки новой продукции отдел металлоконструкций использует данные сканирования для создания высокоточных CAE-моделей, обеспечивая соответствие граничных условий моделирования реальной геометрии. На этапе контроля качества серийного производства выполняется регулярное сканирование сварных конструкций с последующим сравнением с CAD-моделью; контроль отклонений сварных швов обеспечивается с точностью ±2 мм. Технология 3D-сканирования также применяется в проектах модернизации кранов, находящихся в эксплуатации: точное измерение фактических геометрических параметров существующих конструкций служит основой для разработки решений по модернизации.

Электрогидравлическая система усталостных испытаний MTS. Испытание на усталость — ключевой этап подтверждения надёжности крановых металлоконструкций. В распоряжении отдела металлоконструкций имеется электрогидравлическая сервогидравлическая машина для испытаний на усталость MTS 322 с двухколонной рамой, оснащённая датчиком нагрузки на 100 кН и гидравлической системой зажимных приспособлений. Машина позволяет реализовывать различные формы нагружения: синусоидальную, треугольную и случайный спектр. Система обеспечивает проведение непрерывных испытаний на усталость до 100 000 циклов с автоматической регистрацией кривых «нагрузка–деформация» и данных о снижении жёсткости. Каждая новая партия главных балок перед постановкой на производство проходит как минимум один полный жизненный цикл усталостного нагружения; при этом остаточная деформация после испытаний не должна превышать 1/1000 пролёта. Например, для главной балки мостового крана типа QD грузоподъёмностью 50 т после 85 000 циклов нагружения максимальная остаточная деформация составила лишь 1/1500 пролёта, что значительно лучше проектных требований. Сопоставительный анализ данных испытаний на усталость с результатами CAE-моделирования используется для непрерывной калибровки и повышения точности имитационных моделей.

Аппаратно-программный комплекс тестирования HIL на базе dSPACE SCALEXIO. Платформа HIL является ключевым оборудованием для разработки электрических систем «Келуде» и критически важной инфраструктурой перехода компании от «традиционной электрики» к «интеллектуальному управлению». Система SCALEXIO отличается модульной конструкцией, оснащена процессорной платой DS1007 и платой ввода-вывода DS2202 и позволяет в реальном времени выполнять полномасштабную модель крана, включающую конечно-элементную модель гибкой балки, нелинейную модель маятниковых колебаний стального каната и модель контакта колесо-рельс. Система поддерживает автоматическую генерацию и развертывание кода из моделей Simulink, обеспечивая сквозной процесс от разработки алгоритмов в Matlab/Simulink до HIL-верификации. При разработке контроллера KRUID-ECS 2.0 на платформе HIL было выполнено более 3000 автоматизированных тестовых сценариев, охватывающих все функции проверки, предусмотренные стандартом GB/T 33240-2016 «Краны. Системы управления. Требования к характеристикам», а также поддерживается имитация 19 типов отказов, включая обрыв линии датчика, потерю связи и заклинивание исполнительного механизма. Команда HIL-тестирования также разработала специализированную «библиотеку экстремальных сценариев», включающую более 30 видов рисковых ситуаций — от внезапного отключения питания и экстренной остановки при полной нагрузке до работы на открытом воздухе при сильном ветре, что гарантирует надежную работу системы управления в самых суровых условиях.

Замкнутая система верификации: от виртуального прототипа до натурных испытаний

В своей исследовательской практике команда «Келуде» руководствуется принципом: «полностью доверять моделированию нельзя, а испытания пропускать невозможно». Компания выстроила замкнутую систему верификации, охватывающую три уровня — «виртуальный прототип — полунатурное моделирование — натурная проверка», где для каждого уровня определены четкие входные/выходные критерии и критерии приемки.

Уровень 1: моделирование виртуального прототипа. Отдел конструкций выполняет конечно-элементный анализ крана или его компонентов в среде ANSYS Workbench, включая статический анализ, модальный анализ и нелинейный контактный анализ. Отдел электрики разрабатывает модели системы управления в Matlab/Simulink, включая векторное управление двигателем, алгоритмы антираскачивания и логику безопасности. Отдел программного обеспечения, в свою очередь, строит полный цифровой двойник крана в среде Unity 3D для предварительной проверки логики человеко-машинного взаимодействия и моделирования сценариев обучения операторов. Все три команды используют единую платформу управления параметрами, что обеспечивает согласованность свойств материалов, случаев нагружения и граничных условий в моделях и исключает расхождения, вызванные разрозненностью данных.

Уровень 2: полунатурное моделирование (HIL). Это уникальный этап в системе разработки «Келуде» и ключевой мост от «виртуального» к «реальному». Платформа HIL подключает реальный контроллер к имитационному контуру и воспроизводит полный рабочий цикл крана в лабораторных условиях. В отличие от чисто программного моделирования, HIL-тестирование выявляет такие инженерные проблемы, которые невозможно обнаружить при программной симуляции: рассогласование уровней сигналов на аппаратных интерфейсах контроллера, задержки планирования задач в операционной системе реального времени и узкие места пропускной способности коммуникационной шины. По статистике, HIL-тестирование каждой новой версии контроллера выявляет в среднем 8–12 дефектов на стыке аппаратного и программного обеспечения, из которых около 30% относятся к критическим логическим ошибкам. Если бы эти дефекты были обнаружены только на этапе пусконаладки, стоимость устранения каждого из них была бы в 5–10 раз выше, чем на этапе HIL.

Уровень 3: натурная проверка и типовые испытания. Все проектные решения, прошедшие полунатурное моделирование, в конечном итоге проходят натурную проверку на реальном кране. Элементы конструкции подлежат типовым испытаниям в соответствии с FEM 1.001 «Мостовые краны общего назначения», включая статическое испытание с 1,25-кратной номинальной нагрузкой, динамические испытания с 1,1-кратной нагрузкой и измерение прогиба при номинальной нагрузке. Усовершенствования системы управления проверяются в ходе натурных испытаний крана с регистрацией таких ключевых показателей, как кривая затухания колебаний, точность позиционирования и время отклика. Данные верификации всех трех уровней сохраняются в базе данных разработок «Келуде» и служат основой для оптимизации конструкций следующего поколения. В настоящее время база данных разработок содержит более 1200 протоколов испытаний и 30 000 записей тестов, образуя постоянно растущую корпоративную базу знаний.

Техническая дорожная карта: от оптимизации отдельного крана к системной платформенной стратегии

На ближайшие три года «Келуде Тяжёлая Промышленность» определила трехэтапную дорожную карту: «интеллектуализация отдельного крана — создание системной платформы — открытая экосистема». Эта дорожная карта отражает как отраслевые тенденции интеллектуализации, так и стратегическое намерение компании трансформироваться из производителя оборудования в технологическую платформенную компанию.

Ближайшая перспектива (2026–2027): завершение интеллектуализации отдельного крана. Цель — на базе существующих алгоритмов ИИ обеспечить базовые интеллектуальные функции в стандартной комплектации всех новых выпускаемых кранов. В частности: контроллер антираскачивания на основе обучения с подкреплением переводится из опциональной комплектации в стандартную, система технического зрения C-Vision охватывает более 95% рабочих сценариев, предиктивное техническое обслуживание распространяется на все компоненты трансмиссии. Техническая верификация на этом этапе будет проводиться на существующей платформе HIL и испытательном полигоне, а ключевые технические показатели ориентированы на уровень ведущих международных брендов. 30% бюджета на НИОКР будет направлено на непрерывную итерацию и оптимизацию алгоритмов ИИ с приоритетом в двух ключевых направлениях: совместное антираскачивание нескольких кранов и устойчивость системы технического зрения в сложных условиях.

Среднесрочная перспектива (2027–2028): внедрение системной платформы. После завершения интеллектуализации отдельных кранов «Келуде» представит единую операционную платформу KRUID-OS — программную архитектуру, охватывающую весь жизненный цикл крана и интегрирующую IoT-мониторинг, цифрового двойника, предиктивное обслуживание и функции дистанционного управления в единую микросервисную структуру. Ключевая цель платформенной стратегии — обеспечить «адаптацию одного программного обеспечения ко всей линейке продукции», что значительно снизит предельные затраты на разработку для разных моделей. Параллельно компания на базе существующих трех институтов и одной группы сформирует отдел системной архитектуры, отвечающий за проектирование кросс-платформенной технической архитектуры и работу по стандартизации. KRUID-OS будет использовать контейнерное развертывание, поддерживающее гибкую установку от краевых устройств до облака, что позволит удовлетворить требования к ИТ-инфраструктуре различных заказчиков.

Долгосрочная перспектива (2029–2030): открытая экосистема. «Келуде» планирует открыть часть API-интерфейсов KRUID-OS к 2029 году, позволяя сторонним разработчикам создавать отраслевые приложения на базе аппаратной платформы «Келуде». Например, логика автоматической загрузки для металлургической промышленности, алгоритмы совместного диспетчирования для портовых терминалов, приложения дистанционного управления для взрывозащищенных сред — все это может быть интегрировано в краны «Келуде» через стандартные API. Успешная реализация этой стратегии позволит компании трансформироваться из производителя оборудования в платформенную технологическую компанию и принципиально изменить конкурентные преимущества. Кроме того, компания планирует создать сообщество разработчиков и систему технической сертификации для долгосрочного обеспечения здорового развития экосистемы.

Сотрудничество промышленности, науки и исследований и участие в разработке технических стандартов

Система НИОКР «Келуде» не является закрытой. Компания постоянно получает передовые технологические знания через углубленное сотрудничество с университетами, научно-исследовательскими институтами и организациями по стандартизации, одновременно передавая отрасли собственный инженерный опыт.

В рамках сотрудничества промышленности, университетов и научных организаций «Келуде» создала совместные лаборатории с несколькими ведущими университетами в области машиностроения и компьютерных наук. Направления сотрудничества включают: прогнозирование усталостного ресурса стальной конструкции крана на основе графовых нейронных сетей, применение многоагентного обучения с подкреплением в групповом диспетчировании, а также совместное моделирование оборудования разных заказчиков на основе федеративного обучения. По этим передовым темам университетские команды отвечают за фундаментальные теоретические исследования и разработку алгоритмических прототипов, а «Келуде» предоставляет фактические эксплуатационные данные, инженерные сценарии и условия для проверки приложений, формируя модель сотрудничества, при которой «университеты ведут теоретические исследования, а предприятие осуществляет техническую трансформацию». В настоящее время совместные лаборатории опубликовали 5 статей в изданиях, индексируемых в SCI, и получили 3 патента на изобретения; модель прогнозирования усталостного ресурса уже прошла предварительную проверку во внутренних испытаниях.

В области стандартизации «Келуде» активно участвует в разработке и пересмотре национальных и отраслевых стандартов в сфере краностроения. Технические специалисты компании принимали участие в обсуждении и верификации ряда стандартов, включая ISO 4301 / FEM 1.001 «Норма проектирования кранов», FEM 1.001 «Мостовые краны общего назначения», GB/T 33240-2016 «Краны. Системы управления. Требования к характеристикам» и GB/T 33519-2017 «Краны. Тормоза. Методы испытаний». Такое углубленное участие в стандартизации позволяет «Келуде» всегда находиться в курсе технических направлений отрасли, а также обеспечивает авторитетную нормативную основу для самостоятельно разработанных алгоритмов ИИ и решений в области управления. В рамках предстоящего нового раунда пересмотра национальных стандартов «Келуде» уже представила технические предложения по функциональной безопасности интеллектуальных кранов и верификации алгоритмов ИИ, стремясь закрепить накопленный в ходе практической интеллектуализации опыт в качестве отраслевых норм.

Часто задаваемые вопросы (FAQ)

В: Какое ключевое испытательное оборудование и экспериментальные платформы используются в процессе разработки?