23.10.2025 Munich. Avec la nouvelle unité de vannes VIPR, HAWE Hydraulik démontre comment la puissance hydraulique peut être combinée à l'apprentissage automatique pour améliorer considérablement la productivité et l'efficacité des systèmes hydrauliques. Combiner l'hydraulique et un logiciel intelligent ouvre d'énormes possibilités.
Grâce à des modèles adaptatifs, on constate que :
- les pertes de puissance peuvent être réduites,
- la qualité de contrôle et la vitesse de réaction peuvent être augmentées,
- et l'usure et la consommation d'énergie peuvent être minimisées.
Les applications ne se limitent pas aux machines agricoles, mais s'étendent également à la technologie forestière, aux grues de chargement montées sur camion, aux véhicules municipaux et aux plates-formes de travail.
VIPR est une unité de vannes intelligente qui combine quatre vannes à siège proportionnelles disposées dans une configuration dite « de dosage indépendant ». Des capteurs de pression intégrés et un puissant système de commande électronique permettent de surveiller, d'évaluer et de contrôler individuellement tous les canaux menant à une fonction de travail. Cette technologie de vannes à siège élimine le besoin de vannes de maintien de charge ou de vannes d'arrêt supplémentaires qui nuisent à l'efficacité énergétique du système hydraulique sans compromettre la sécurité. La particularité de cette unité de vannes réside dans sa grande flexibilité logicielle qui offre plusieurs avantages :
- Qu'il s'agisse du contrôle de la pression ou du débit, la décision relève uniquement du système de commande et ne nécessite aucune modification du matériel.
- Les modes de fonctionnement tels que la position flottante ou la régénération peuvent être mis en œuvre via le logiciel, sans vannes ni blocs de commande supplémentaires.
- En transférant la complexité du matériel vers le logiciel, on crée un principe universel « une vanne pour tout ».
Grâce à la technologie de capteurs embarqués et aux algorithmes d'auto-apprentissage, VIPR apprend à partir des données générées pendant l'utilisation. Cela raccourcit considérablement le processus de mise en service. Après quelques essais, le système s'adapte de manière optimale aux exigences spécifiques. La combinaison de réseaux neuronaux et d'approches de contrôle classiques garantit un système de contrôle robuste et fiable qui s'adapte de manière flexible aux conditions de travail respectives.