- januari 16, 2024
De exponentiële toename van het gebruik van sensoren in voertuigen, samen met de schat aan gegevens die ze genereren, biedt een opwindende kans voor de auto-industrie om deze gegevens te analyseren en geleidelijk het niveau van autonomie te verhogen door middel van Advanced Driver Assistance Systems. Punch Powertrain werkt aan nieuwe technologieën die gebruik maken van AI, big data en machine learning om producteigenschappen te verbeteren en de doorlooptijd van productontwikkeling te verkorten. Het doel van Punch Powertrain is om AI geleidelijk in te bedden in alle afdelingen, zodat het onderdeel wordt van het DNA van het bedrijf.
Aangezien EV de toekomst van de auto is, levert de integratie van AI twee belangrijke voordelen op. Ten eerste verhoogt het de mate van autonomie in EV’s en ten tweede verkort het de ‘time-to-market’. Daarnaast zijn er secundaire voordelen, zoals de impact op kosteneffectiviteit en optimalisatie van productontwerpen.
Verhoogde rijautonomie
Het verbeteren van de autonomie van EV’s betekent in de eerste plaats het verbeteren van de rijeigenschappen door de bestuurder een groot deel van het denkwerk uit handen te nemen. Door de historische gegevens te analyseren, beslist de software welke rijmodus, van de zuinigste tot de meest prestatiegerichte, op elk moment nodig is en zorgt ervoor dat de e-drive zich evenwichtig en soepel gedraagt.
Kortere doorlooptijd tegen gunstige kostprijs
Bovendien spelen gegevens een cruciale rol in het versnellen van de time-to-market door het ontwerp van zeer nauwkeurige en betrouwbare modellen te vergemakkelijken. Virtuele samples, die fungeren als digital twin, worden gecreëerd om de noodzaak voor fysieke A- (en B-) samples weg te nemen. Deze digitale modellen zijn toegankelijk voor alle ingenieurs tijdens het ontwikkelingsproces. Als deze modellen in productie gaan, worden de gegevens van de assemblagelijn ingevoerd in een database voor machine learning/ AI om het assemblageproces te verbeteren, met als uiteindelijk doel het elimineren van de noodzaak voor een fysieke eindcontrole.
Punch Powertrain heeft het verschil dat machine learning en AI kunnen maken in de ontwikkeling en verbetering van productspecifieke kenmerken aangetoond via 2 projecten: ConACon (Context Aware Control) en HAIEM (Hybrid AI Environment Model).
AI-tools maken gebruik van de uitgebreide gegevens die zijn verzameld uit eerdere projecten en vergroten de betrouwbaarheid van deze modellen voor een volledig virtuele prototype-omgeving. Deze aanpak minimaliseert de tijd en kosten die gepaard gaan met fysieke prototypes in toekomstige ontwikkelingen.
Project: ConACon (Context Bewuste Besturing)
Voorspellende rijstrategiesoftware die automatisch rij-instellingen aanpast, maakt gebruik van Machine Learning om beslissingen te nemen en past het rijgedrag ter plekke aan op basis van de veranderende context. Dit biedt een groot voordeel ten opzichte van conditionele programmering die alleen if/then/else-commando’s herkent. Dit gebeurt met behulp van 3 invoerbronnen die zijn toegewezen aan speciale ConACon-blokken die de gewenste rij-instellingen interpreteren en genereren. 2 daarvan zijn zogenaamde snelle inputs die onmiddellijke actie vereisen.
Blok 1 zorgt voor de input van de bestuurder (gas geven, remmen, sturen) en is ontwikkeld door ons Driveability en Driving Strategy team. Het gebruikt gegevens die zijn gegenereerd via simulaties in plaats van het verzamelen van echte gegevens tijdens het rijden, wat duur en tijdrovend is.
Het tweede blok is gewijd aan de weg- en rijstijlherkenning. Een random forest classificatiemodel dat volledig is ontwikkeld bij Punch Powertrain gebruikt gegevens die zijn verzameld tijdens testritten met verschillende bestuurders om een ‘generieke’ bestuurder te creëren. Door concrete gegevens te importeren kan de software de rijeigenschappen aanpassen aan een unieke, specifieke bestuurder.
Het derde blok zou fungeren als een regelgebaseerde tolk om ook andere beperkingen op te nemen, zoals veiligheid, snelheidslimieten en navigatieopdrachten. Deze ismomenteel in ontwikkeling, in afwachting van meer gegevens.
Project: HAIEM (Hybride AI voor schatting in Mechatronica)
De modelleringstool ontwikkeld in HAIEM wordt toegepast op de 2 koppelingen van onze hybride DCT om de schakelprestaties te verbeteren in vergelijking met de klassieke besturingsarchitectuur die gebruikmaakt van opzoektabellen om het complexe niet-lineaire dynamische gedrag te compenseren. Uitgebreide tests hebben aangetoond dat de AI-voorspellingen zeer goed overeenkomen met de resultaten van het gedrag van de fysieke koppeling. Dit hybride model maakt het merendeel van deze tests overbodig, waardoor zowel tijd als middelen worden bespaard, en kan ook worden gebruikt voor nauwkeurige fabrieksmodellering van toekomstige uitdagingen op het gebied van e-aandrijvingsbesturing.
Wat is de volgende stap?
Punch Powertrain gebruikt momenteel de kracht van big data om een bibliotheek van digital twins van verschillende systemen en subsystemen op te bouwen. AI-tools maken gebruik van de uitgebreide gegevens die zijn verzameld uit eerdere projecten en vergroten de betrouwbaarheid van deze modellen voor een volledig virtuele prototype-omgeving. Deze aanpak minimaliseert de tijd en kosten die gepaard gaan met fysieke prototypes in toekomstige ontwikkelingen. Terwijl Punch Powertrain zijn kernactiviteiten behoudt, verdiept het bedrijf zich in mogelijkheden voor AI en machine learning. Het bedrijf verkent ook mogelijke wegen voor generatieve AI in de ontwikkeling van specialistische software.
