基于“無依賴(system-agnostic)”概念打造的采埃這一系統(tǒng)可以整合來自其他供應商的組件和系統(tǒng)。
未來底盤會是系統(tǒng)什么樣的?這是采埃孚在最近于其英國研發(fā)中心舉辦的活動上提出的問題。該中心專注于控制技術(shù)、開拓材料、未底機電一體化、盤設軟件、采埃系統(tǒng)集成、系統(tǒng)嵌入式電子和電力電子系統(tǒng)的開拓研發(fā)。
和其他汽車領域一樣，未底底盤也將不可避免地適應新興趨勢，盤設如電氣化、采埃軟件定義汽車、系統(tǒng)自動駕駛和新型電氣架構(gòu)。開拓不過，未底未來的盤設底盤動力學仍然需要處理車輛的側(cè)傾、偏轉(zhuǎn)和俯仰等問題。為了整合需求，如L5級自動駕駛以及包括駕駛員參與的所有階段，采埃孚設想了一個同時適用于內(nèi)燃機和電驅(qū)系統(tǒng)的系統(tǒng)，該系統(tǒng)基于一個底盤控制器打造，比如在2022年末在Lotus Eletre上首次亮相的cubiX系統(tǒng)。cubiX的設計采用了“system agnostic”概念，因此可以整合來自其他供應商的組件和系統(tǒng)。
cubiX系統(tǒng)并沒有對轉(zhuǎn)向、制動、側(cè)傾控制或扭矩矢量等方面進行單獨優(yōu)化，而是將所有功能集成至一個中央系統(tǒng)，以實現(xiàn)各車載系統(tǒng)的交互，并使其能夠利用來自云端的外部輸入信號，從而實現(xiàn)提高乘客舒適度和底盤性能、以及優(yōu)化運行狀況、減少維修成本等多種效益。不僅如此，它還可以用來控制主動阻尼系統(tǒng)、主動穩(wěn)定桿和后輪轉(zhuǎn)向等多個系統(tǒng)。
采埃孚在一條較短的操控測試路線上，利用改裝版大眾ID.3演示了線控轉(zhuǎn)向系統(tǒng)的功能。在這次演示中，ID.3的前軸上不再配備方向盤、轉(zhuǎn)向柱和轉(zhuǎn)向機，而是只在前橋上配備了一個方向盤(或手輪)。采埃孚線控轉(zhuǎn)向產(chǎn)品組合總監(jiān) Jake Morris表示，“線控轉(zhuǎn)向系統(tǒng)可通過小幅度轉(zhuǎn)動方向盤，實現(xiàn)車輪的較大幅度轉(zhuǎn)動。憑借該系統(tǒng)，在更高級別的自動駕駛汽車中，你可以改裝方向盤或移動其位置;在L4級及以上的自動駕駛汽車中，甚至可能移除方向盤。不過，在大型車輛中，可能需要將該系統(tǒng)與兩個不同的動力裝置與后輪轉(zhuǎn)向配合使用。”ID.3演示車保留了方向盤，而且采埃孚為其設置了三種轉(zhuǎn)向模式：模擬標準機械轉(zhuǎn)向模式、自動適應車速的轉(zhuǎn)向比模式，以及提供180度左右轉(zhuǎn)向角的“軛式轉(zhuǎn)向(steering yoke)”模式。在自動適應車速的轉(zhuǎn)向比模式下，方向盤的轉(zhuǎn)動幅度變小，因此小幅轉(zhuǎn)動方向盤就能實現(xiàn)前輪的較大幅度轉(zhuǎn)向，從而使泊車和倒車變得更加簡單;在汽車高速行駛時，轉(zhuǎn)向比則更接近于傳統(tǒng)機械系統(tǒng)。而Yoke轉(zhuǎn)向模式是對這種模式的自然延伸，低速時便于操控，高速時更接近傳統(tǒng)轉(zhuǎn)向模式。采埃孚表示，根據(jù)迄今為止的測試結(jié)果，所有模式都很容易上手。
AI在設計中的應用
Harvey Smith是采埃孚電磁設計團隊負責人，負責磁性材料和組件(如電機、傳感器和電磁閥執(zhí)行器等)的設計管理工作。他表示，我們多年來一直使用仿真模擬進行設計，而人工智能可以帶來更多的可能性。“作為電磁設計工程師，我們密切關(guān)注仿真結(jié)果，因為它為我們提供了寶貴的信息。隨著仿真工具的不斷進步，我們可以將其與更多新技術(shù)(如AI)結(jié)合使用。Smith提到，“傳統(tǒng)方案需要預先選擇一個傳統(tǒng)的拓撲結(jié)構(gòu)，然后再將所有尺寸參數(shù)化，利用AI算法確定最佳參數(shù)組合，以找到最符合預期的拓撲結(jié)構(gòu)。而我們的新設想是，能否利用AI技術(shù)自動分配磁鋼和銅的區(qū)域分布，然后通過嘗試無數(shù)的組合方案來進行調(diào)整，最終得出我們想要的拓撲結(jié)構(gòu)?”
他指出，“我個人認為， AI機器人或許可以很好地完成90%的工作，從而找到滿足性能要求的拓撲結(jié)構(gòu)。AI機器人能通過經(jīng)驗和模式匹配，分析其數(shù)據(jù)庫中大量不同的電機拓撲結(jié)構(gòu)和尺寸數(shù)據(jù)，然后據(jù)此推薦有關(guān)電機極數(shù)、槽數(shù)和繞組線圈類型的信息，這些信息可幫助你以80%的準確度選擇符合要求的電機。當超出AI力所能及的范圍時，最后的微調(diào)工作或許會采用更傳統(tǒng)的技術(shù)。”
