模擬如何協助汽車製造商掌握產業趨勢

我們對於汽車產業的見解正在快速改變。電動化和自動駕駛車輛以及支援其運作的連線功能和人工智慧 (AI) 正在顛覆整個產業。這一切創新的核心是模擬。不確定後續發展會是如何嗎？請繼續閱讀，深入瞭解我們的未來。

運用模擬邁向全面電動的未來

雖然預測內容樂觀，但不願採用電動車 (EV) 仍是一項挑戰。電動車價格和電力傳遞持續是兩大障礙，隨著消費者越來越猶豫是否要擁有電動車，業界的原始設備製造商 (OEM) 推遲電動車目標。即使消費者負擔得起購買電動車，如果沒有足夠的基礎設施來為電池充電，電動車能帶他們走多遠？

在追求更高效率的競賽中，OEM 和頂級汽車供應商正尋求數位工程和數位創新，以突破設計的限制並加快發展電動化策略。不過，電動車技術的不同之處在於變革途徑。

想要擴大燃油動力車輛的續航力，只需加大油箱即可。然而，增加電動車的續航力顯然複雜許多。添加一或兩個電池模組可能會對車輛設計造成不良影響，因為必須考量額外重量、電動馬達尺寸和更多的電子冷卻配備進行調整。

Ansys 技術客戶經理暨電動化動力系統專家 Zed Tang 博士問道：「那麼，對於在業界工作的工程師來說，最佳化代表什麼？」「我們無法製作足夠的原型或進行足夠的測試，來判斷那額外的百分之 0.1 是什麼。我們必須深入研究，而要怎麼做呢？我們會使用模擬技術，因為透過模擬可以找出前述所有資訊。在調整某些部分，並提升自動化與最佳化程度後，就能以視覺化的虛擬方式查看結果，協助我們更充分瞭解如何萃取出那額外的 0.1%。」

ZF 使用模擬提高電動機設計的效率

電動馬達在電動化中扮演重要角色，因為它們利用電磁力將電池中的電能轉換為使車輛運動的機械能。然而在此轉換期間，充電期間收集到的能量並無法充分擷取及使用。對於 OEM 而言，電動馬達的設計目標是達到最大能源效率，以確保電動馬達能使用電池的大部分電力來延長車輛的續航力。

Ansys 模擬協助全球技術公司 ZF 以實惠的成本開發電動馬達和相關產品，並且提供能完善解決 OEM 要求所需的最簡單功能。使用模擬後，ZF 可標準化產品側和模擬側的開發，以及提高馬達效能效率。

模擬可最佳化車輛自動駕駛效能

絕大多數的消費者都表示自己不信任自動駕駛技術。然而，儘管有這種疑慮，透過先進駕駛輔助系統 (ADAS) 尋求更直接支援的期望仍日益增加。

這些熱門系統包括：

• 碰撞警告和煞車：包含前車碰撞警告和自動緊急煞車。
• 自適應巡航控制：包括可以在高速公路速度行駛時調整速度的系統，以及能夠跟隨低速車流的系統。
• 車道偏離警示系統：包括車道偏離警示和車道維持輔助系統，其強度因製造商而異。
• 盲點警告：當代版本通常包含後方橫向車流警告，以及更近期的倒車自動緊急煞車。
• 駕駛注意力監控：包括可監控方向盤輸入的被動式系統，以及使用攝影機監控駕駛臉部的主動式系統。

在幕後，汽車工程師持續發展自動駕駛車輛技術，以改善既有的 ADAS 解決方案，並進一步將 AV 技術推向未來。這是非常龐大的工作，因為僅靠模擬無法驗證 AV 效能。OEM 反而必須依靠特定產業情境來展示其系統的安全性。

「基本上，可想見會對駕駛造成負面影響的所有人為因素，都可透過採用自動駕駛來降低。」Ansys 業務開發專員暨自動駕駛車輛主題專家 Gilles Gallee 表示。「因此，為了把這些風險因素拋諸腦後，我們必須在能夠自信地聲明自動駕駛比人類駕駛人更加安全之後，才能完全採用自動駕駛車輛。」

Ansys 安全分析軟體與自動駕駛模擬工具鏈搭配使用，可結合大規模模擬的效益與所需的統計數據和情境分析，以簡化安全驗證。其也能在實際情境中實現虛擬感應器模擬，以進行感知測試和感應器行為驗證，進而提升可靠性分析的效率。

EasyMile 採用 Ansys 軟體以實現更安全的 AV 操作

自動駕駛技術所需的即時數據處理重度依賴複雜系統的輸入，包括雷達、相機、物聯網感應器、GPS 和導航軟體，所有項目共同運作以提供車輛周圍 360 度的視野。在這一級別上展示安全性是困難的，需要明確定義的方法和工具來管理這些非傳統系統的複雜架構。

EasyMile 採用 Ansys 軟體，找出了單一解決方案，其中包含分析其複雜 AV 系統架構所需的所有工具。在 Ansys 的協助下，EasyMile 為安全分析建立明確的準則，以及所需的獨特範本與支援文件，以為客戶及各種政府管制機構成功展示 AV 解決方案的安全性。

透過模擬協助 AV 建立連結和學習

在達到完全自主駕駛之前，我們還有很長的路要走。自動駕駛生態系統中的 AV 和其他元素之間仍需要進行許多對話，才能我們才能安全地放開方向盤。看似簡單的事，其實是龐大的運算工作，牽涉到許多需要近乎即時回應的車內應用程式。

所有這類活動都會由 AI 和高速網路提供的強大連接能力進行協調，這些高速網路在所有層面都由模擬支援，從安全驗證到實際環境感應器和天線性能驗證等無一例外。這種資料導向的深入分析結合機器學習 (ML)，推動了自動駕駛技術。

「最終，需透過 AI/ML 驅動的決策系統與自動駕駛車輛的規則式系統密切合作，以優先考量在實際駕駛環境中安全運作的複雜性，藉此確保安全。」Ansys 研究與開發部資深總監 Jay Pathak 表示。「在汽車 AI/ML 中，其中一個關鍵挑戰是當資料未正確涵蓋整個空間時，找出這類原則會變成一項棘手的問題。」

若要取得必要資料，需要從大數據轉換至實用的資料，以及由模擬擴增的非監督式 AI 學習方法，藉此在資料集中產生具有挑戰性的動態，否則在真實情況下很難找到這類動態。藉由吸收大量駕駛模擬所產生的所有資料，AI 能更有效地透過軟體應用程式為 AV 提供資訊，瞭解如何在特定駕駛狀況下做出反應。

onsemi 仰賴模擬來支援車輛的道路感知

AV 軟體堆疊由多層元件組成，負責感應、連線、處理、分析與自動駕駛所需的決策。車輛的感知堆疊與人類駕駛大致相同，會「四處觀察」，從車輛感應器收集資料，然後加以處理，以瞭解並回應當下的駕駛環境。

onsemi 身為電力和感應技術的領導者，促進創新並開發解決複雜客戶挑戰的智慧型技術，包括車輛感知方面的挑戰。Ansys 與 onsemi 團隊攜手建立感應器模型和虛擬孿生，然後使用模擬整合各種駕駛情境。這有助於將感應器模型轉換為更廣泛的系統層級模擬，以分析、評估和開發針對客戶需求量身打造的新一代感應器應用。

當然不僅限於此

我們已簡短說明推動汽車產業發展的三大趨勢。如需更多深入資訊，請務必瞭解我們的思維領袖對於電動化、自主功能和連線能力及 AI/ML 的看法。

1 月時我們即將上路，前往拉斯維加斯參加 2024 年 CES 展。無論您是現有客戶，或是正要邁向汽車產業下個遠大概念的潛在客戶，我們都期待與您相見。請務必前來 CES 的 6500 號展位，瞭解模擬如何推動汽車創新。