上海
全球智能底盤科技創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，成功將關鍵開發環節從數周大幅壓縮至一小時，以最新突破性成果重塑了傳統懸架項目的工程驗證方式。
空氣懸架系統的研發，涉及高度耦合的復雜變量，傳統的“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化：活塞工作區半徑、活塞低支撐區半徑、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中得到應用，更將關鍵環節開發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效率實現了超過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級理解與前瞻創新中。
京西智行國產AeroRide空氣彈簧模塊實現量產車最高車身調節行程150毫秒
京西智行正持續擴大這一人工智能研發方法論的應用版圖。在AeroRide空氣懸架系統以外，該技術正逐步擴展至更多底盤架構研發中。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，持續引領底盤研發體系向著更智能、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.
