无论是发动机、动力传动系统、制动系统,还是信息娱乐系统,汽车设计都在不断变得复杂,并越来越多地利用仿真来检查各种设计场景和权衡取舍。在此过程中,仿真变得更加数据密集和耗时。
在过去几年中,建模和仿真软件一直在结合人工智能和机器学习算法,以帮助减少创建汽车仿真系统所需的复杂计算。 提供编程和仿真工具供应商 MathWorks 一直在利用其 MATLAB 计算平台来分析数据、开发算法和创建模型,以帮助工程师设计汽车仿真系统。
“仿真模型变得越来越复杂。”MathWorks 数据分析产品营销经理 Seth DeLand 在最近接受 采访时说。
根据 DeLand 的说法,使用基于物理的模型并通过它运行数据点来训练 AI 模型会产生一个降阶模型,该模型允许更快的数据评估以帮助优化系统参数,这被认为对复杂的汽车仿真系统非常有用。
MathWorks 将 MATLAB 与 Simulink 组合在一起,Simulink 是一种框图环境,用于设计具有多域模型的系统,并允许在转移到硬件之前进行仿真,并且无需编写代码即可进行部署。 虚拟模型允许用户尽早并经常地模拟和测试系统,然后使用物理模型、硬件在环测试和快速原型来验证设计。
DeLand 引用了一个应用程序,其中仿真和建模工具使用 AI 算法来帮助估计充电状态并测量电池温度和健康状况,构建一个虚拟模型,可以在构建物理电池原型之前对其进行调整和优化。
在另一个应用程序中,MathWorks 正在使用 AI 为 Stellantis 的客户建模车辆传感器。 Stellantis 开发了一款 GT-Suite 车辆,并与该公司的 Simulink 相结合,以生成对有毒气体传感器系统建模所需的设计数据。
NOx 传感器建模的机器学习技术可以在汽车行业中有广泛的应用。 “目前,该模型用于验证传感器读数,”DeLand 说。 “但在未来,该模型可能会消除对车辆中某些传感器的需求。”