北京
全球智能底盤科技創(chuàng)領者京西智行將前沿的深度神經網絡技術應用于AeroRide空氣彈簧新項目的設計研發(fā)，成功將關鍵開發(fā)環(huán)節(jié)從數周大幅壓縮至一小時，以最新突破性成果重塑了傳統(tǒng)懸架項目的工程驗證方式。
空氣懸架系統(tǒng)的研發(fā)，涉及高度耦合的復雜變量，傳統(tǒng)的“人工迭代+有限元分析”試錯模式耗時極長。京西智行應用人工智能模型對AeroRide空氣彈簧五個關鍵參數進行了優(yōu)化：活塞工作區(qū)半徑、活塞低支撐區(qū)半徑、囊皮壁厚、設計位置充氣壓力和尼龍纖維簾線角度。
近期某懸架項目利用經過驗證的有限元分析（FEA）數據訓練人工智能深度學習模型
京西智行基于180組經過實驗室大量測試驗證的高質量仿真有限元分析數據集訓練，創(chuàng)新構建了五層深度神經網絡人工智能模型。該神經網絡有效學習了關鍵設計參數與空氣彈簧性能之間的關系，模型R2值達到99%，表明預測行為與仿真行為高度相關。
研發(fā)效率躍升
京西智行仿真分析經理Miroslaw Siemieniuk表示，人工智能技術不僅已在開發(fā)中得到應用，更將關鍵環(huán)節(jié)開發(fā)時間從數周大幅縮短至約一小時。項目顯著縮減的時長意味著研發(fā)效率實現(xiàn)了超過80倍的提升。同時，該人工智能模型的預測精準度極高，誤差率嚴格控制在極小范圍內，意味著即使萬一預測出現(xiàn)偏差也會很小且可控。
人工智能工具能夠快速生成高保真度的 3D 有限元分析結果
上述項目中，人工智能模型在既定的參數空間內，甚至發(fā)掘出了以往人工迭代時忽略的非直覺解決方案。Siemieniuk表示，這一結果盡管是技術可行性驗證，還需進一步的物理驗證，但它已經清楚地展示了人工智能在發(fā)掘非直覺方案領域的價值。
人工智能工具的成功完全建立在京西智行深厚的底盤研發(fā)底蘊之上。高質量的仿真數據、精準的模型物理假設，都需要頂級工程師來把控。人工智能的加入，將工程師從繁瑣重復的計算任務中解放出來，使其能更專注地投入到系統(tǒng)級理解與前瞻創(chuàng)新中。
京西智行國產AeroRide空氣彈簧模塊實現(xiàn)量產車最高車身調節(jié)行程150毫秒
京西智行正持續(xù)擴大這一人工智能研發(fā)方法論的應用版圖。在AeroRide空氣懸架系統(tǒng)以外，該技術正逐步擴展至更多底盤架構研發(fā)中。作為全球智能底盤科技的領軍者，京西智行正以人工智能賦能為核心引擎，持續(xù)引領底盤研發(fā)體系向著更智能、更高效的未來全面進化。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
