汽車標(biāo)定技術(shù)研究:南棲仙策編寫《汽車虛擬標(biāo)定白皮書》
(全球TMT2022年4月15日訊)南棲仙策是強化學(xué)習(xí)AI智能決策應(yīng)用的領(lǐng)軍者,在汽車標(biāo)定業(yè)務(wù)上。南棲將強化學(xué)習(xí)技術(shù)與汽車標(biāo)定場景充分融合,摸索并總結(jié)出數(shù)據(jù)驅(qū)動的虛擬標(biāo)定解決方案,旨在高效、高精度、低成本地完成標(biāo)定業(yè)務(wù)。南棲仙策汽車交付團隊基于強化學(xué)習(xí)研發(fā)的技術(shù)優(yōu)勢、服務(wù)汽車行業(yè)客戶的經(jīng)驗,結(jié)合整車轉(zhuǎn)鼓排放標(biāo)定、混動標(biāo)定兩個實際案例,編寫了《汽車虛擬標(biāo)定白皮書》,展示了強化學(xué)習(xí)應(yīng)用技術(shù)帶來的AI能力,以及幫助汽車行業(yè)客戶提升核心競爭力的潛力。
《白皮書》分為三部分進行闡述。
第一部分:概述整車標(biāo)定概念及車企面對的四大行業(yè)難題。
《白皮書》總結(jié)了汽車行業(yè)客戶常面臨的標(biāo)定難題:
1. 標(biāo)定復(fù)雜度高,標(biāo)定參數(shù)多達上千個。人工聯(lián)合調(diào)優(yōu)難,性能“將就”。
2. 強烈依賴經(jīng)驗,需要經(jīng)驗豐富的工程師。人員易流失,經(jīng)驗隨之帶走。
3. 試驗成本高昂,物理實驗開銷難降低。研發(fā)成本難降低,擠壓利潤空間。
4. 迭代周期冗長,需多次反復(fù)迭代試錯。拖延產(chǎn)品發(fā)布,耽誤市場時機。
除以上4點外,近兩年受新冠疫情的影響,標(biāo)定實測工作常常中斷,嚴(yán)重影響了業(yè)務(wù)進展。
第二部分:介紹南棲強化學(xué)習(xí)工具的不同與優(yōu)勢
南棲全球領(lǐng)先的數(shù)據(jù)驅(qū)動強化學(xué)習(xí)工具REVIVE提供的數(shù)據(jù)模擬環(huán)境和強化學(xué)習(xí)優(yōu)化可有助于解決車企面臨的標(biāo)定難題。REVIVE是面向行業(yè)專家的強化學(xué)習(xí)工具,通過數(shù)據(jù)驅(qū)動環(huán)境虛擬技術(shù),進行大量虛擬推演與試錯,尋找最優(yōu)方案。
REVIVE基于汽車標(biāo)定數(shù)據(jù)模擬環(huán)境的強化學(xué)習(xí)解決方案過程:
REVIVE方案主要分為四步:首先在人工標(biāo)定參數(shù)的實車驗證實驗中收集對應(yīng)的性能狀態(tài)秒采數(shù)據(jù)并進行簡單的數(shù)據(jù)整理;然后根據(jù)汽車控制基礎(chǔ)邏輯構(gòu)建業(yè)務(wù)模型,導(dǎo)入數(shù)據(jù),使用REVIVE系統(tǒng)中的環(huán)境模型訓(xùn)練功能,訓(xùn)練控制邏輯圖中所有的神經(jīng)網(wǎng)絡(luò)模塊,得到可運行的“數(shù)據(jù)仿真車”,并使用可視化評估指標(biāo)驗證虛擬環(huán)境與真實環(huán)境的一致性;再使用REVIVE系統(tǒng)中的策略模型訓(xùn)練功能,得到優(yōu)化后的標(biāo)定參數(shù);最后將優(yōu)化后的標(biāo)定參數(shù)在虛擬環(huán)境中驗證,評估有效則上載到汽車進行實車驗證。
第三部分:結(jié)合發(fā)動機整車排放標(biāo)定、混動標(biāo)定兩個案例,介紹REVIVE成功應(yīng)用方案。
《白皮書》實例證明,南棲獨特的AI虛擬標(biāo)定技術(shù)可顯著降低汽車尾氣排放值。與人類工程師相比,THC降低了51%,CO降低了29%,NOx降低了18%,優(yōu)于國六排放標(biāo)準(zhǔn),并為后續(xù)車輛設(shè)計環(huán)節(jié)提供了充足的排放余量。
在串并聯(lián)混動系統(tǒng)標(biāo)定任務(wù)上同樣成功。在起點—終點電量相同的約束下,能優(yōu)化得到更合理的利用電池電量容量、更高效的利用發(fā)動機最優(yōu)工況特性的混動策略,使得整車在WLTC實驗中取得更低的油耗。