思想领袖周四:机器学习在汽车行业的应用
工程设计和操作决策主要取决于工程师对应用的理解。bob电竞官方这包括以简化问题的假设以解决它们。然而,与应用程序的实际行为相比,这些假设通常会引入错误。增加对传感器或虚拟数据和计算资源的访问,与先进机器学习(ML)算法的民主化相结合,导致ML的更大使用。这将现场数据和工程知识共同允许在决策和设计性能改进方面提高整体准确性水平。
ML首先由计算机科学家亚瑟·塞缪尔为“该领域的研究使计算机能够在无需明确编程的情况下进行学习“。它与传统的规则的编程不同,因为它的性能是它从它学习的数据的函数,而不是传统编程,其中一组规则管理应用程序的逻辑。因此,来自ML的预测模型与数据不断改进,而不是传统的基于规则的编程,需要用户明确更新。
ML可以使用字段或模拟数据,它可以是两种类型;监督或无人监督。让我们看看汽车行业ML的两个应用。bob电竞官方在第一个申请中,Altair多学科设计优化导演(MDOD)使用模拟数据进行监督学习。在第二次应用中,轴承中的异常检测使用传感器数据进行无监督的学习。
多学科设计优化(MDO)越来越重要,以满足产品性能和上市时间的要求。那些在MDO应用程序上工作的人知道,建立和解决MDO问题可以bob电竞官方是劳动密集型和计算昂贵的,特别是如果它是一个大型应用程序,例如完整的汽车机身(BIW)。MDOD是一种开发的环境,用于打破这些障碍,用于利用工程应用中的MDO。bob电竞官方除了其直观的用户界面外,它还使用ML给设计团队提供快速反馈。为此,它使用子响应曲面来解耦问题并减少准确预测性能所需的数据量。使用有利于ML的高效和可扩展的采样方法收集数据。在优化步骤中也使用ML作为其全球搜索方法的一部分,以减少所需的数据大小。
随着物联网使用的增长,使用传感器的诊断和预测正在增加。轴承是汽车行业的关键组成部分。在该示例中,我们具有4个轴承的传感器数据,以20kHz的速率采样,导致每10分钟的每10分钟进行取样,持续9天。这增加了总共2000万条记录。第一种采样对应于新轴承,并用作异常检测的参考。在这个项目中,目的是一旦他们导致不可逆转的问题,例如零件失败,就会尽快识别这些异常。在ML过程中,第一个主成分分析(PCA)用于特征识别。然后将样品与健康样品相关联。最后,使用阈值来检测异常的相关液滴和值。
ML在汽车领域的应用还有很多,如非线性概念设计。bob电竞官方更多关于Altair的市场领先的多物理模拟和优化工具及其物联网分析产品的信息,请访问http://iot.altair.com/
本文最初是在2018年7月的伊纳尼斯·德尔·自动于2018年7月发表的。