當(dāng)深度學(xué)習(xí)遇見汽車，一場靜默的技術(shù)革命正在發(fā)生。從Poclain Hydraulics利用神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)監(jiān)測電機(jī)溫度，到梅賽德斯-奔馳用虛擬傳感器替代硬件，再到康明斯通過 AI 模型加速發(fā)動機(jī)仿真——這些行業(yè)領(lǐng)軍者正借助 MATLAB 與 Simulink，將復(fù)雜算法轉(zhuǎn)化為高效落地的解決方案。

01Poclain Hydraulics 開發(fā)軟傳感器以使用深度學(xué)習(xí)和卡爾曼濾波器實(shí)時(shí)測量電機(jī)溫度

“我們確定了兩個(gè)已在 MATLAB 中實(shí)現(xiàn)的神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)幫助我們將代碼嵌入到了硬件中以實(shí)時(shí)預(yù)測溫度?！?/p>

—— Bruno Dandine，Poclain Hydraulics

關(guān)鍵成果

利用 MATLAB 中提供的預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)加快了測試速度

可通過 Simulink 測試簡化的擴(kuò)展卡爾曼濾波器

MATLAB 支持多種語言的代碼生成，包括 C 和 C++

Poclain Hydraulics 是靜液壓傳動設(shè)備和電機(jī)開發(fā)領(lǐng)域的全球領(lǐng)導(dǎo)者，致力于為建筑、農(nóng)業(yè)和采礦等行業(yè)的機(jī)械裝置提供動力。這些電機(jī)通過將液壓能轉(zhuǎn)換為機(jī)械能來發(fā)電，這可能會使電機(jī)溫度升高，甚至導(dǎo)致故障。

Poclain Hydraulics 使用 MATLAB 和 Simulink 打造了一款軟傳感器，該傳感器利用深度學(xué)習(xí)或卡爾曼濾波器方法來實(shí)時(shí)監(jiān)控電機(jī)溫度。為了取得成功，深度學(xué)習(xí)或擴(kuò)展卡爾曼濾波器模型必須考慮電機(jī)以往的負(fù)載情況和環(huán)境因素，如外部溫度。與卡爾曼濾波器相比，神經(jīng)網(wǎng)絡(luò)方法的主要缺點(diǎn)在于缺乏可解釋性。但在本例中，這不算什么問題。

該團(tuán)隊(duì)實(shí)施了完整的 AI 工業(yè)化流程，該流程從數(shù)據(jù)提取和隨機(jī)化開始，然后進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練、測試和驗(yàn)證，最后是部署到他們的硬件上。MATLAB 和 Simulink 支持 C 或 C++ 代碼生成、部署前測試和大型數(shù)據(jù)集管理，有助于推進(jìn)該工業(yè)化流程。該團(tuán)隊(duì)還利用了 MATLAB 中提供的預(yù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)來加速此流程。

作為該工業(yè)化流程的一部分，Poclain Hydraulics 通過在 MATLAB 和 Simulink 中構(gòu)建和仿真基于物理的電機(jī)模型來生成數(shù)據(jù)。他們還能設(shè)計(jì)數(shù)據(jù)生成試驗(yàn)，測試各種電機(jī)參數(shù)，如壓力、速度、時(shí)間和風(fēng)險(xiǎn)因素，以及管理試驗(yàn)結(jié)果。

02梅賽德斯-奔馳汽車公司用深度神經(jīng)網(wǎng)絡(luò)仿真硬件傳感器

“這是我們第一次在動力總成系統(tǒng) ECU 上使用神經(jīng)網(wǎng)絡(luò)仿真?zhèn)鞲衅?。如果沒有 MATLAB 和 Simulink，我們將不得不使用手動編碼過程，而這個(gè)過程會非常繁瑣、緩慢且容易出錯(cuò)?！?/p>

—— Katja Deuschl，梅賽德斯-奔馳汽車公司的 AI 開發(fā)人員

關(guān)鍵成果

滿足了 CPU、內(nèi)存和性能要求

建立了靈活的流程

開發(fā)速度提升了 600%

許多汽車制造商為其開發(fā)車輛配備許多額外的硬件傳感器，以采集數(shù)據(jù)來診斷問題和細(xì)化設(shè)計(jì)。一旦汽車投產(chǎn)，這些傳感器就會被移除以降低成本。然而，在某些情況下，硬件傳感器可以用虛擬傳感器代替。虛擬傳感器是成本更低的軟件替代項(xiàng)，可進(jìn)一步提高安全性、效率和駕駛員舒適度。

梅賽德斯-奔馳汽車公司最近使用 MATLAB 和 Simulink 建立了部署虛擬傳感器的新工作流，例如仿真活塞壓力傳感器功能的工作流。這些傳感器基于在資源有限的 ECU 微控制器上運(yùn)行而設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)。這種自動化工作流取代了速度較慢且依賴試錯(cuò)法的手動工作流。

“MathWorks 團(tuán)隊(duì)幫助我們開發(fā)了易于使用的管道，用于創(chuàng)建神經(jīng)網(wǎng)絡(luò)并將其集成到我們的車輛控制器單元中。”梅賽德斯-奔馳汽車公司的 AI 開發(fā)人員 Katja Deuschl 說。“憑借這一管道，我們現(xiàn)在能夠?yàn)樘摂M傳感器和各種其他應(yīng)用創(chuàng)建和部署不同類型的神經(jīng)網(wǎng)絡(luò)?！?/p>

挑戰(zhàn)

大多數(shù)深度神經(jīng)網(wǎng)絡(luò)是為在比汽車 ECU 具有更強(qiáng)的處理能力和內(nèi)存空間的計(jì)算機(jī)上運(yùn)行而設(shè)計(jì)的。此外，ECU 不支持常用的深度學(xué)習(xí)框架（如 TensorFlow 和 PyTorch）或它們所需的浮點(diǎn)運(yùn)算。

為了在 ECU 上運(yùn)行基于這些框架的模型， 開發(fā)人員必須首先將 Python 代碼轉(zhuǎn)換為 C 語言代碼，并將模型參數(shù)和計(jì)算變換為定點(diǎn)運(yùn)算。這個(gè)過程需要梅賽德斯-奔馳汽車公司花費(fèi)數(shù)周的時(shí)間才能完成，產(chǎn)生的結(jié)果也不可靠，并且新團(tuán)隊(duì)成員也很難掌握。

梅賽德斯-奔馳的團(tuán)隊(duì)在完成從 Python 轉(zhuǎn)換模型所需的許多手動步驟時(shí)，必須確保用 C 語言實(shí)現(xiàn)的模型能夠放入 ECU 的有限內(nèi)存空間，并且運(yùn)行速度足夠快，以便為時(shí)間敏感操作（如傳感活塞壓力）提供實(shí)時(shí)推斷。因此，該團(tuán)隊(duì)希望建立更可靠、自動化程度更高的流程。

解決方案

梅賽德斯-奔馳汽車公司團(tuán)隊(duì)與 MathWorks 工程師合作實(shí)現(xiàn)了優(yōu)化的工作流，將 Python 深度學(xué)習(xí)模型轉(zhuǎn)換為可以遷移到其 ECU 集成管道的代碼和參數(shù)。

在此工作流中，梅賽德斯-奔馳汽車公司團(tuán)隊(duì)使用 QKeras 庫在 Python 中訓(xùn)練了量化的長短期記憶 (LSTM) 神經(jīng)網(wǎng)絡(luò)。

他們使用 Deep Learning Toolbox 將經(jīng)過訓(xùn)練的網(wǎng)絡(luò)導(dǎo)入 MATLAB 中。然后，他們運(yùn)行自定義的 MATLAB 腳本將導(dǎo)入的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為 Simulink 模型。

接下來，該團(tuán)隊(duì)使用 Fixed-Point Designer 將模型中的所有參數(shù)從浮點(diǎn)數(shù)據(jù)類型轉(zhuǎn)換為定點(diǎn)數(shù)據(jù)類型，從而為部署到汽車 ECU 做準(zhǔn)備。

在 Simulink 中使用仿真驗(yàn)證定點(diǎn)模型后，團(tuán)隊(duì)將模型交給第三方軟件集成商，該集成商在 ECU 上將該模型和其他軟件組件一起實(shí)現(xiàn)。

在使用此工作流成功實(shí)現(xiàn)第一個(gè)用例（活塞壓力虛擬傳感器）后，梅賽德斯-奔馳汽車公司團(tuán)隊(duì)目前正在將該工作流應(yīng)用于 ECU 目標(biāo)的更多傳感器和其他深度學(xué)習(xí)應(yīng)用。

結(jié)果

滿足了 CPU、內(nèi)存和性能要求。“借助 MATLAB 和 Simulink，我們實(shí)現(xiàn)了能夠放入 ECU 的虛擬傳感器神經(jīng)網(wǎng)絡(luò)，滿足了我們的基準(zhǔn)要求，”Deuschl 說?！叭绻脗鹘y(tǒng)的軟件開發(fā)方法，我們無法生產(chǎn)類似的虛擬傳感器?！?/p>

建立了靈活的流程。Deuschl 說：“我們已將使用 MATLAB 和 Simulink 創(chuàng)建的自動化工作流用于其他用例。我們做了一些輕微調(diào)整以支持在兩個(gè)不同動力總成系統(tǒng)控制器上的部署。該工作流也適用于其他類型的深度學(xué)習(xí)模型，如門控循環(huán)單元和全連接神經(jīng)網(wǎng)絡(luò)?！?/p>

開發(fā)速度提升了 600%。“與我們以前的手動開發(fā)流程相比，Deep Learning Toolbox 和 Fixed-Point Designer 使我們的開發(fā)速度提升了大約 6 倍，”Deuschl 說?！半S著手動開發(fā)工作量的減少，我們在創(chuàng)建模型和代碼時(shí)出錯(cuò)的數(shù)量也大幅降低。”

03康明斯利用基于人工智能的降階模型預(yù)測發(fā)動機(jī)性能和排放

該方法提高了發(fā)動機(jī)性能模型的速度和精度

“使用 MATLAB 有很多好處，例如幾乎不需要任何編碼經(jīng)驗(yàn)，因此初學(xué)者也可以開發(fā)這些模型……我們可以從該平臺中獲得更多收益，而無需花費(fèi)大量時(shí)間在代碼開發(fā)工作上。”

—— Shakti Saurabh,，康明斯印度分公司

關(guān)鍵成果

借助 MATLAB ，康明斯將發(fā)動機(jī)循環(huán)仿真運(yùn)行時(shí)間縮短至實(shí)際時(shí)間的八分之一

低代碼工具使技術(shù)專家能夠?qū)Ｗ⒂诜治龆皇蔷幋a

加速端到端 AI 模型開發(fā)工作流程，減少成本、工作量和內(nèi)存占用

為了準(zhǔn)確預(yù)測發(fā)動機(jī)效率和排放水平，建立模擬發(fā)動機(jī)循環(huán)的模型至關(guān)重要。然而，開發(fā)這些模型涉及各種三維到一維的仿真（通常使用第三方工具），與實(shí)時(shí)相比，這可能需要 20 倍以上的時(shí)間才能完成。

為了提高這些模型的速度和準(zhǔn)確性，發(fā)動機(jī)開發(fā)領(lǐng)域的全球領(lǐng)導(dǎo)者康明斯使用了 MATLAB 構(gòu)建基于 LSTM 的神經(jīng)網(wǎng)絡(luò)。該團(tuán)隊(duì)使用 Deep Learning Toolbox 和 Statistics and Machine Learning Toolbox 仿真了 26 種不同的發(fā)動機(jī)響應(yīng)，包括壓力、溫度和發(fā)動機(jī)制動扭矩。

使用 MATLAB 幾乎不需要康明斯團(tuán)隊(duì)具有編碼經(jīng)驗(yàn)，并且有助于將模型速度提高到實(shí)時(shí)速度的八倍。未來，該團(tuán)隊(duì)計(jì)劃將他們的模型與真實(shí)的硬件和控制組件相結(jié)合。