本页面使用了机器翻译。
请花 1 分钟时间完成一个翻译质量的调查。
Sanden 使用 MATLAB 提高汽车空调建模效率
新模型提高了准确性和计算速度
该项目的背景是是否可以在减少电机模型仿真中的采样时间的同时使用研究神经网络来确保准确性......MathWorks 提议使用一种名为 LSTM 的深度学习方法。此提议为加速未来的工作打下了坚实的基础。
关键成果
- 创建汽车空调系统的高精度替代模型
- 模型计算速度提高了 100 倍
- 成功的建模为未来纳入包括热量在内的现实世界参数奠定了基础
Sanden 工程师利用人工智能实现了部分组件建模过程的自动化。
Sanden 在欧洲和中国均是顶级的汽车空调系统制造商。该公司长期以来一直致力于改进其技术以适应汽车行业不断变化的趋势，例如开发热泵，使无法使用发动机废热的电动汽车能够高效加热。然而，随着汽车行业发生重大变化，导致开发新系统所需工时增加，基于模型的开发对零部件制造商来说变得越来越重要。
在创建空调电动压缩机模型时，Sanden 必须平衡客户对更快模型计算时间和提高准确性的要求。为了实现这些相互矛盾的目标，Sanden 使用了 MATLAB® 和 Simulink® 工具将深度学习神经网络纳入其模型。
该团队使用 Deep Learning Toolbox™ 训练了一个长短期记忆神经网络，并使用 Simscape Electrical™ 将其集成到电机系统模型中。该网络被用作空调电机和控制器的替代模型，以帮助简化信号处理并删除不必要的数据。这些工具可以产生高度精确的模型并提高计算速度。
