Blog

AI與模擬的融合:開創汽車工程新紀元

Blog Image
AI與模擬的融合:開創汽車工程新紀元

November 27, 2023

重點摘要:
  1. AI在車輛系統中的整合需要無縫融合到相鄰系統,並在模擬框架內集成AI算法,以理解其影響和功能。
  2. 模擬在AI整合中扮演關鍵角色,提供成本效益高的物理實驗替代方案,能模擬難以複製的情境,並有助於AI模型的調試。
  3. AI技術,如神經常微分方程,與物理基礎原則結合,提供了在汽車工程中開發和驗證模型的新方法,使工程師能夠節省開發時間並提高模型可靠性。



新聞內文:
AI在車輛系統和工作流程中的整合帶來了一系列艱鉅的挑戰。AI不再是一個獨立的實體,而是必須無縫融合到相鄰系統中的重要組件。這需要在模擬框架內集成AI算法,這是理解它們的影響和功能的關鍵步驟。

在基本層面上,AI和模擬之間存在三個關鍵交集點。首先,存在數據不足的困境,這促使使用模擬來合成可能難以獲得或成本高昂的數據。其次,AI模型作為複雜、計算要求高的高保真模擬的替代品。最後,在嵌入式系統的控制算法中利用AI模型。在接下來的討論中,我們將深入探討模擬和AI的協同作用如何為開發時間、模型可靠性和數據品質等挑戰提供創新解決方案。

收集現實世界的數據並將其整理成高品質、組織良好的數據集是一個費時費力的過程。此外,持續的挑戰在於保持訓練數據與最新的現場數據同步。值得注意的是,增強訓練數據可以顯著提高AI模型的準確性。在這方面,模擬成為一個有價值的盟友,提供了一系列優勢:
  1. 計算模擬是物理實驗的更具成本效益的替代方案。
  2. 能夠模擬在現實世界中難以複製的情境,或具有危險性。
  3. 提供內部狀態的使用,有助於調試AI模型。

AI工具擅長生成模擬現實情境的數據。這種方法不僅更經濟,而且使工程師能夠在架構AI模型的同一環境中進行數據模擬,促進自動化和無縫集成。

挑戰:用AI近似複雜系統
在設計與物理系統互動的算法領域,通常稱為「植物模型」的基於模擬的系統模型在加速迭代設計過程方面發揮著關鍵作用。儘管這些模型通過從第一原理構建具有高保真度,但它們需要大量時間投入,無論是在架構還是模擬方面。這可能會使評估替代設計變成一個費時的工作。

這時AI登場,透過用簡化的AI模型近似物理系統的高保真模型來解決這個困境。這些基於AI的模型在計算上要求較低,減少了對軟體依賴性的依賴,並減輕了與其他工程工具共同模擬時面臨的挑戰。

最近AI的進步,例如神經常微分方程(neural Ordinary Differential Equations),將AI培訓技術與注入物理基礎原則的模型巧妙結合。這些混合模型在工程師希望在透過數據為主的方法近似其餘元素的同時,保留物理系統特定方面時,非常有價值。

挑戰:用AI進行算法開發
汽車工程領域越來越多地利用模擬來開發算法,包括創造虛擬感測器以及使用線性模型和「卡爾曼濾波器」。然而,這些方法固有地存在捕捉非線性行為的局限性。這就是AI介入的地方,它提供了建模複雜和非線性動態所需的靈活性。

這些AI模型部署在性能和內存受限的電子控制單元(ECUs)上,需要評估多個模型以取得適當的折衷。開創性的研究更進一步,採用強化學習,不僅用於學習估計器,還用於理解和學習整個控制策略。除了虛擬感測器和強化學習外,AI算法還應用於嵌入式視覺、語音處理和訊號分析。

AI和模擬在汽車工程中的未來
AI和模擬在汽車工程中的未來至關重要。這些強大的工具不僅有利,而且絕對不可或缺。隨著汽車行業朝著越來越複雜的模型邁進,AI和模擬的融合將成為其成功的關鍵因素。合成數據生成、降階建模和嵌入式AI算法等技術的集成已經使工程師能夠簡化其工作流程,節省開發時間。擁有在引入硬體之前精確而經濟地開發和驗證模型的能力,這些方法將無疑主宰這一領域,為汽車工程設定了新的標準。

新聞原址: https://www.financialexpress.com/business/express-mobility-the-convergence-of-ai-and-simulation-in-automotive-engineering-3318090/?ref=futurepedia