人工智能 （AI） 驅(qū)動的聊天機器人、工具和技術(shù)正在電動汽車 （EV） 設(shè)計和模擬的各個階段部署，以支持驗證和制造。人工智能可以用作助手，以提高傳統(tǒng) EDA 工具的有效性。當(dāng)與數(shù)據(jù)驅(qū)動方法結(jié)合使用時，它還可用于為高級 EDA 實現(xiàn)創(chuàng)建降階模型 （ROM）。

使用人工智能和機器學(xué)習(xí) （ML） 進行電動汽車設(shè)計和驗證可以加快流程并產(chǎn)生更高質(zhì)量的結(jié)果 （QoR）。人工智能和機器學(xué)習(xí)在電動汽車 EDA 中的使用并不是“全有或全無”的情況。相反，理想情況下，它可以被視為一個連續(xù)體。

在 0 級開始時，沒有 AI/ML 幫助;相反，設(shè)計人員手動應(yīng)用 EDA 工具。接下來，在第 1 級和第 2 級中，以各種形式添加 AI/ML 工具，以輔助和提高手動流程的效率。設(shè)計自主權(quán)從第 3 級開始，在第 5 級實現(xiàn)完全自主權(quán)。

即使在 5 級，設(shè)計也必須由經(jīng)驗豐富的設(shè)計人員進行審查、驗證和批準(zhǔn)，但整個過程可提供更高的 QoR 和更快的設(shè)計時間（圖 1）。

圖 1.將 AI/ML 工具應(yīng)用于電動汽車設(shè)計和驗證有一個連續(xù)的級別。（圖片來源：Cadence)

1 級和聊天機器人

所有級別的實施都正在使用中或處于開發(fā)的后期階段。1 級已經(jīng)投入使用，而且越來越多。人工智能驅(qū)動的聊天機器人和 1 級生成式人工智能可用于電動汽車設(shè)計和評估的各個方面。

例如，已經(jīng)開發(fā)了生成式預(yù)訓(xùn)練轉(zhuǎn)換器 （GPT） 助手，供電動汽車開發(fā)人員在驗證軟件和系統(tǒng)時使用，包括：

• Vector CANoe CAPL AI助手，具有即用型CAPL腳本、代碼片段和調(diào)試幫助，用于CANoe網(wǎng)絡(luò)仿真和ECU驗證。

• ADAS 驗證 AI 助手，可生成用于 HIL、車輛和仿真測試的 ADAS 測試用例、步驟、工具、日志記錄和自動化腳本。

• 電動汽車動力總成驗證 AI 助手，用于電池管理系統(tǒng)、逆變器、電機、車載和外部充電器的測試用例生成和自動化。

• 汽車功能安全驗證 AI 助手，用于基于 ISO 26262 的測試生成、安全分析和 ECU 安全功能腳本。

聊天機器人為在電動汽車設(shè)計和驗證中使用人工智能和機器學(xué)習(xí)提供了一個切入點。許多 EDA 供應(yīng)商正在提供新一代工具和功能，這些工具和功能正在重塑 AI/ML EDA 連續(xù)體各個級別的 EV EDA 格局，從入門級到高級 4 級和 5 級。

這些工具可以加快創(chuàng)新速度、提高效率并開發(fā)更智能、更可持續(xù)的電動汽車。在連續(xù)體的更高級別，正在部署 ROM 以最大限度地發(fā)揮其優(yōu)勢。

AI、ML 和 ROM

使用人工智能和數(shù)據(jù)驅(qū)動方法開發(fā)的 ROM 使設(shè)計人員能夠創(chuàng)建準(zhǔn)確、計算高效的模型，以捕獲電動汽車組件和系統(tǒng)的基本行為，并在子系統(tǒng)和大型數(shù)據(jù)集之間具有復(fù)雜的動態(tài)。

在開發(fā) ROM 時，可以結(jié)合長短期記憶 （LSTM） 網(wǎng)絡(luò)和動態(tài)模式分解 （DMD） 等 AI/ML 工具。

LSTM 神經(jīng)網(wǎng)絡(luò)可以根據(jù)全階模型生成的數(shù)據(jù)進行訓(xùn)練，以開發(fā)系統(tǒng)動力學(xué)的 ROM 表示。LSTM 是一種遞歸神經(jīng)網(wǎng)絡(luò) （RNN），擅長處理大量順序數(shù)據(jù)并捕獲遠程依賴關(guān)系和交互。

LSTM學(xué)習(xí)數(shù)據(jù)集中的復(fù)雜線性關(guān)系，而DMD數(shù)據(jù)驅(qū)動技術(shù)則從時間序列數(shù)據(jù)中識別動態(tài)模式，從而提供了一種分析和降低系統(tǒng)非線性特征復(fù)雜性的方法。

包含大量電動汽車設(shè)計（包括傳動系統(tǒng)、電池系統(tǒng)、空氣動力學(xué)和其他數(shù)據(jù)）的開源數(shù)據(jù)庫可用于訓(xùn)練 ROM 模型。在電動汽車仿真和設(shè)計驗證中使用 ROM 的主要優(yōu)勢包括簡化復(fù)雜模型，從而減少模型所需的存儲空間并減少仿真的 CPU 時間，同時保留系統(tǒng)的所有基本行為（圖 2）。

圖 2.在電動汽車設(shè)計和驗證中使用ROM有幾個好處。（圖片：西門子)

總結(jié)

將 AI 和 ML 工具應(yīng)用于電動汽車設(shè)計和驗證有一系列級別，從簡單的聊天機器人界面到復(fù)雜的 ROM 實現(xiàn)。所有這些都被用于加速和改進電動汽車設(shè)計。大多數(shù) EDA 供應(yīng)商正在將 AI 和 ML 集成到他們的電動汽車開發(fā)軟件產(chǎn)品中。