PRODUCT DYNAMIC
|
开始时间 |
结束时间 |
|
2023年2月21日 下午1:30 GMT+8 |
2023年2月21日 下午4:30 GMT+8 |
如今，工程团队比以前拥有更多的可用数据。来自测试、操作、生产和其他来源的数据为智能算法的发展及其应用提供了机会。随着汽车电气化、自动化、互联化的快速发展，人工智能日益普及，也在改变汽车产品和开发方式。很多企业已经将大数据和人工智能视为数字化转型的重要组成，所需要做的就是让工程团队和科学团队学习新的技术，与其他团队进行合作，在整个产品生命周期内提出和实现新的产品或服务。
通过本次研讨会，您将了解到MATLAB和Simulink支持机器学习、深度学习的新特性和示例，以及如何帮助工程师和科学家通过特定领域的专业知识来驱动以数据为中心的工作流，从而显著提高模型性能并实现人工智能应用的最佳实践。
面向时间序列数据的典型AI算法应用
人工智能算法在完整系统设计中的应用场景日益丰富，例如使用深度神经网络对高保真系统模型进行降阶以加速仿真，利用实验数据训练基于AI的虚拟传感器以降低硬件成本，通过强化学习实现复杂规划与控制策略，借助物理模型合成数据以降低AI模型的训练成本。
本演讲将从汽车行业应用实践中可能遇到的问题出发，例如，传感器信号采样频率不均匀，异常数据不足或难以标注，由于数据或概念偏移导致的AI模型准确度下降等问题，综述面向时间序列数据的典型AI算法使用方法和适用条件。
模型降阶的方法和典型应用
动态系统建模被各领域广泛应用，例如电动汽车，能源系统，航空航天。这些动态系统的行为是由多物理场复杂的交互作用决定的，系统行为和系统响应建模通常需要复杂的第一原理支撑，仿真时也需要大量的计算(例如有限元模型)。为了提升仿真效率，目前行业内有很多针对复杂系统进行模型降阶（Reduced Order Modeling）的理论。本此演讲将通过具体的示例来介绍多种模型降阶方法。
基于MATLAB的燃料电池大数据分析与控制优化
氢氧燃料电池系统具有效率高，加注燃料快，功率密度高的特点，在中重载商用车上有广泛的应用场景。目前车载燃料电池系统处于商业化早期，控制系统设计和验证方法还不完善，需要对客户端的运行状态进行大数据分析，迭代控制系统开发。基于MATLAB的解决方案可以针对后台数据库快速部署算法，对燃料电池系统的运行大数据进行数据挖掘，有效指导系统耐久性提升与控制优化。
使用智能算法应对设计优化的挑战
电气化、车联网和自动驾驶等技术趋势正在推动汽车行业发生重大变化。因此，工程团队面临着整个车辆系统日益复杂的问题，也就提出了许多必须解决的新的优化设计挑战，这些挑战包括但不限于: 优化问题的构建（formulate）, 求解效率，结果解析。本次演讲将通过几个具体的设计场景来提出相应的解决方案以便给相关工程师解决类似问题的思路。
袁航，MathWorks中国应用工程师，专注于数据科学和人工智能应用，曾任职于林德液压（德国），从事计算编程、流体仿真和系统建模。硕士毕业于北京航空航天大学机械电子工程专业。
杨兴，MathWorks中国高级应用工程师，毕业于同济大学，获机械电子工程硕士学位。2012年加入 MathWorks，主要负责虚拟车辆仿真解决方案，涉及机、电、液等领域，支持客户包括整车动力学仿真、电池系统、电机系统、空调系统、燃料电池系统仿真等项目。
刘海伟，MathWorks中国高级应用工程师，负责科学计算与人工智能方向，曾就职于斯伦贝谢（北京）BGC和金风科技，做数值优化与预测性维护方向的工作。在MATLAB数据科学、人工智能领域有多年工作经验。毕业于北京航空航天大学和法国马赛中央理工学院，获得信息与通信工程硕士和法国工程师学位。
顾欣，上海捷氢科技有限公司控制平台经理，负责捷氢燃料电池系统数据后台的建立与车载控制器开发，推动研发的数字化闭环。2016年入职上汽前瞻技术部，并于2019年1月1日由上汽业务重组进入上海捷氢科技有限公司，担任控制平台经理职务，负责燃料电池系统控制系统。在P390燃料电池动力系统开发中，负责低压控制系统，推动P390燃料电池动力总成三高实验通过，并在系统功率，系统效率等达到国际先进水平。支持捷氢多个整车项目的燃料电池系统匹配开发，顺利完成大通燃料电池轻客、海卓燃料电池商用车等整车项目的开发，推进燃料电池商业化运行。毕业于山东大学获硕士学位。
