- janvier 16, 2024
L’augmentation exponentielle de l’utilisation de capteurs dans les véhicules, ainsi que la richesse des données qu’ils génèrent, offrent à l’industrie automobile une opportunité passionnante d’analyser ces données et d’améliorer progressivement le niveau d’autonomie de conduite grâce à des systèmes avancés d’aide à la conduite. Punch Powertrain travaille sur de nouvelles technologies qui utilisent l’IA, le big data et l’apprentissage automatique pour améliorer les caractéristiques des produits et réduire la durée du cycle de développement des produits. L’objectif de Punch Powertrain est d’intégrer progressivement l’IA dans tous les départements, pour qu’elle fasse partie de l’ADN de l’entreprise.
L’avenir de l’automobile étant les véhicules électriques, l’intégration de l’IA présente deux avantages majeurs. Premièrement, elle élève le niveau d’autonomie de conduite des VE et deuxièmement, elle réduit les délais de mise sur le marché. En outre, il existe des avantages secondaires, tels que son impact sur la rentabilité et l’optimisation de la conception des produits.
Autonomie de conduite accrue
Améliorer le niveau d’autonomie de conduite des véhicules électriques, c’est d’abord et avant tout améliorer la facilité de conduite en retirant au conducteur une part importante de son implication. En analysant les données historiques, le logiciel décide quel mode de conduite, du plus économique au plus performant, est nécessaire à chaque instant et fait en sorte que la conduite électronique se comporte de manière équilibrée et souple.
Des délais de mise sur le marché plus courts à un coût avantageux
En outre, les données jouent un rôle crucial dans l’accélération de la mise sur le marché en facilitant la conception de modèles très précis et fiables. Des échantillons virtuels, agissant comme des jumeaux numériques, sont créés pour éliminer le besoin d’échantillons physiques A et B. Ces modèles numériques sont accessibles à tous les ingénieurs tout au long du processus de développement. Lorsque ces modèles passent à la production, les données relatives à la chaîne de montage sont saisies dans une base de données pour que l’apprentissage automatique/l’intelligence artificielle puisse améliorer le processus d’assemblage, l’objectif ultime étant d’éliminer la nécessité d’un contrôle physique en fin de chaîne.
En particulier, Punch Powertrain a démontré la différence que l’apprentissage automatique et l’IA peuvent faire dans le développement et l’amélioration des caractéristiques spécifiques des produits par le biais de 2 projets : ConACon (Context Aware Control) et HAIEM (Hybrid AI Environment Model).
Des outils d'intelligence artificielle exploitent les nombreuses données recueillies dans le cadre de projets antérieurs, améliorant ainsi la fiabilité de ces modèles dans un environnement de prototypage entièrement virtuel. Cette approche permet de minimiser le temps et les coûts associés au prototypage physique dans les développements futurs.
Projet : ConACon (Context Aware Control)
Logiciel de stratégie de conduite prédictive qui ajuste automatiquement les paramètres de conduite, utilise l’apprentissage automatique pour prendre des décisions et adapte la conduite en temps réel, en fonction de l’évolution du contexte. Cela offre un avantage considérable par rapport à la programmation conditionnelle qui ne reconnaît que les commandes if/then/else. Pour ce faire, il utilise trois sources d’entrée affectées à des blocs ConACon dédiés qui interprètent et génèrent des paramètres de conduite préférentiels. 2 d’entre elles sont des entrées dites rapides qui nécessitent une action immédiate.
Le bloc 1 prend en charge les données du conducteur (accélérateur, freinage, direction) et est développé par notre équipe chargée de l’aptitude à la conduite et de la stratégie de conduite. Il utilise des données générées par des simulations plutôt que de recueillir des données réelles pendant la conduite, ce qui est coûteux et prend du temps.
Le deuxième bloc est consacré à la reconnaissance de la route et du style de conduite. Un modèle de classification aléatoire, entièrement développé par Punch Powertrain, utilise les données recueillies lors d’essais de conduite avec différents conducteurs pour créer un conducteur “générique”. L’importation de données concrètes permettrait au logiciel d’adapter la conduite à un conducteur unique et spécifique.
Le troisième bloc servirait d’interprète basé sur des règles pour inclure d’autres contraintes telles que la sécurité, les limites de vitesse et les commandes de navigation, mais il est encore en cours de développement, dans l’attente de données supplémentaires.
Projet : HAIEM (Hybrid AI pour l’estimation en mécatronique)
Il s’agit – par essence – d’une combinaison d’un modèle physique de premier principe, augmenté d’un réseau neuronal de boîte noire piloté par des données pour améliorer la précision du modèle avec un effort de modélisation limité. L’outil de modélisation développé dans HAIEM est appliqué aux deux embrayages de notre DCT hybride afin d’améliorer les performances de changement de vitesse par rapport à l’architecture de contrôle classique utilisant des tables de recherche pour compenser un comportement dynamique non linéaire complexe. Des essais approfondis et étendus ont montré que les prédictions de l’IA correspondent très étroitement aux résultats du comportement de l’embrayage physique. Ce modèle hybride élimine la nécessité d’effectuer la majorité de ces tests, ce qui permet de gagner du temps et d’économiser des ressources. Il peut également être utilisé pour la modélisation précise de l’usine dans le cadre de futurs défis en matière de contrôle de la transmission électronique.
Quelles sont les prochaines étapes ?
Punch Powertrain exploite actuellement la puissance du big data pour créer une bibliothèque de jumeaux numériques de différents systèmes et sous-systèmes. Des outils d’intelligence artificielle exploitent les nombreuses données recueillies dans le cadre de projets antérieurs, améliorant ainsi la fiabilité de ces modèles dans un environnement de prototypage entièrement virtuel. Cette approche permet de minimiser le temps et les coûts associés au prototypage physique dans les développements futurs. Tout en conservant son activité principale, Punch Powertrain se penche sur les possibilités de l’IA et de l’apprentissage automatique. L’entreprise explore également les possibilités de l’IA générative dans le développement de logiciels dédiés.
