7月1日—2日，由盖世汽车主办的“2021第四届全球自动驾驶论坛” 于上海隆重召开。本次论坛主要聚焦自动驾驶关键技术，如自动驾驶感知、智能驾驶域控制器、芯片、计算平台、无人驾驶不同的落地场景等话题展开讨论，以促进自动驾驶相关技术进一步发展、完善。下面是莎益博工程系统开发（上海）有限公司测试与测量事业部部长康友树 博士在本次大会上的发言。
莎益博工程系统开发（上海）有限公司测试与测量事业部部长康友树
感谢大会的邀请。前面各位专家介绍偏宏观一些。我们公司在自动驾驶方面做了比较基础和细节的研究，所以我下面介绍的内容是关于一些关键的技术。首先介绍一下公司，我们是一家在日本东京证交所主板上市的公司，1985年成立，公司有600多名员工，2020年全球总销售额是2.1亿美元。我们在自动驾驶方面提供咨询服务及分析技术，在全球有19个分公司和办事处。
这是我们集团下面三个开发型子公司，MapleSoft，它的产品是Maple，MapleSim；第二个是Sigmetrix专门在汽车行业做汽车公差质量分析的公司，可以把单个零件精度要求往下降，但是装配以后整体质量又不降低。第三家是noesis公司，它指导客户最优化设计参数，使汽车更具轻量化，燃油性能高，安全性能好。
我们公司的主要业务在CAE解决方案方面，主要围绕汽车开发中的机械力学、热力学、流场、电磁场等为设计提供决策。AR/VR技术，大数据解决方案，IoT数据映射和AI服务，包括为大型企业提供IT解决方案，我们亲自下场跟客户一起做工程方面的服务。
现在汽车电动化是很大的趋势，我们在这方面做了比较细节的研究。比如说在车辆轻量化、散热器轻量化方面，我们通过复合材料化导热部件以减轻重量，将热传导性较高的碳纤维混合在树脂中，实现相当于金属的热传导率。从成本角度来看尽可能少用碳纤维，节约成本。
在电池系统上面，随着汽车行业不断推进电动化，电池冷却系统的设计也变得十分重要。我们要优化设计电池的冷却系统，同时还要优化设计电池的充放电效率，我们通过构建电池一维电模型，将其与1D化热模型相结合，这样就可以快速解析以达到一种合理的热平衡。
在电池电化学特性方面，从微观的角度来分析配比最合适的材料，构成电极和分离器材料有多种材料组成，内部结构也非常复杂，所以我们模拟内部微观结构在仿真中检查其电特性和电器特性，大大缩短时间，此外由于实现了可视化，可以对电池内部进行窥视，这样可以获得比较好的高性能解决方案。
关于改进电池的管理。传统的电池管理主要是靠连接在电池上的传感器进行管理，现在我们做了一种一维电池数学模型和一维热模型，把它当作电池数字孪生体放在控制器中并实时进行运算，然后用真实传感器传回的信息实时修正数字孪生体，这样控制器就可以从数字孪生体超前运行中预测真实电池即将可能发生的故障事故，提前采取控制侧略，这项技术是我们目前在日本用的非常好的一项技术，也希望引入到中国来。
这是电动汽车里面噪声可视化可听性研究，马达和机械声音分析目的之一是使它满足国家标准，希望能够把噪声降到国家规定的范围以内。在设计阶段噪声可听化为设计提供了直观的手段，该解决方案通过构建一系列电机驱动的噪声辐射、声学解析、声场解析，并采取相应的措施。如果某家厂家车辆发出的声音是一种比较规律或者比较悦耳的声音，客户会对这个声音认可，久而久之就会增加对该车辆品牌度的认可度。
我们也要正确的预测电子器件的寿命，特别是ECU，车载电子设备的可靠性不仅要求高，而且还需要在产品开发的早期进行评估。AnsysSherlock技术根据可靠性物理原理，快速且高精度地预测引起基板热以及振动的原因，对ECU的使用寿命实施可靠性评估。对于电路板布线模型和元器件的建模来说，它可以根据PCB CAD数据进行自动构建。它可以快速进行建模，适用于机械设计师和电气设计师使用。
关于电信号噪声，现在电动汽车自动驾驶大量使用了传感器、ECU等等，这些信号相互干扰，所以我们要对电磁兼容性进行分析。我们在模拟传感器噪声的时候能够捕捉电流电压开关所引起的信号跳变，此外，我们采用了三维电磁场的分析方法对噪声传播路径进行分析。
下面讲一下我们在自动驾驶方面的测试研究。这是一个把大数据应用在自动驾驶控制系统测试的示例。我们用大量的场景来进行自动驾驶系统的错误分析，这种场景如果说用穷举的方法分析控制器性能的话，其实非常耗时，并且也不准确。我们使用聚类技术进行自动分析，可以使大量验证场景实现可视化，消除人为因素引起的波动，最终实现用定性定量评估。此外，本技术还使用了贝叶斯网络，用概率描述因果关系，以图形模型分析事故发生的原因和敏感度。
这是一项评测车载摄像头热变形的示例。车载摄像头的光学系统中，塑料、玻璃都不耐热，并且可能会因光源或者太阳光照射而发生变形。一旦镜头变形，光的发射方向就会发生变化，无法保持原始性能，进而导致检测失误。在设计时，公司的高级光线跟踪技术以三维形式收集镜头内的光热吸收量，然后用高级结构力学方法分析这些镜头变形，预测镜头性能下降对当前收集数据错误信息影响有多大。
这是一项对雷达传感器的检测手段。我们可以构建雷达的测试环境，用一种暗箱构建雷达测试环境，被检测的雷达和模拟雷达封闭于暗箱中。被测雷达会发射一个发射波，相当于在车上发一个发射波，模拟雷达接收到以后，通过数学计算，计算出被照射到虚拟场景中某个物体的反射波，我们把反射波再通过模拟雷达发射到被测雷达上面，被测雷达收到信号以后进行反算，会得到一个影像，如果影像符合前面给他的虚拟影像，说明这个测试就过了。我们在虚拟场景中可以有非常多的物体，大量测试以后我就可以知道这个雷达是不是满足要求，是不是可以装在车上。
另外，我们还构建了自动驾驶控制系统测试的场景。自动驾驶控制系统测试主要由车载ECU对输入传感器的信息进行判断和决策，模拟复杂道路环境。我们的测试验证技术可以将控制逻辑，车辆模型，外界仿真程序，交通模拟程序进行整合，可以高效分析ADAS控制器，AD控制器是不是可靠。
我们说多领域仿真，实际上车辆是有很多种物理现象同时发生的，比如说刚度强度的、电磁场、温度场、流场。对它进行耦合分析的时候，我们用ANSYS Twin Builder把三维模型缩减到一维，并且降维化以后，与电子电路模型、Simulink的控制模型相结合，来耦合求解。
这是为EPS开发的测试环境，在传统的开发风格中，一般在开发后期即实际车辆验证期间实施EPS系统评估。我们在开发早期就做了这么一个装置，它包括外部环境、车辆模型、实时模拟器、模拟路面反力的马达、系统间通信以及监控，只要把EPS系统放在我们系统上面就可以检测出EPS系统是不是符合设计要求。
我们在设计中还遇到一种情况，就是不知道你所面对的物体的性能参数，比如说轮胎。我们就开发了一个标定轮胎参数的示例。本案例将实际车辆测试的结果与CAE结果进行比对，CAE相当于进行模拟测试。当实际测试结果与模拟测试结果相差比较少的时候，这组轮胎参数就是你要的物理参数。用我们的Optimus优化搜索技术，来自动调整轮胎的模型参数，然后进行模拟测试。当实际结果和仿真测试结果之间的比对误差最小时，这组轮胎参数就是接近真实的轮胎参数。
这是一项构建MBD集成支持环境的示例。即使引进了使用自动代码生成的模型库开发方法，由于在各开发阶段过程中，局部导入工具或者每个开发流程都设置有不同的部门，因此流程之间存在模型、代码不统一。本案例提供了一个MBD综合支持环境，对各个流程提供标准化、无缝化的开发环境。MBD综合支持环境包含：辅助自动代码生成、参数管理、SILS/PILS差异分析，以及模型自动检验等功能。
我们为汽车选择适当的材料。汽车由车身、动力总成、行驶系统和内部设备等诸多零件构成。零件是由材料构成的。我们公司把材料各个方面性能收集起来形成一种材料库，让客户选择适合它的材料，使其整车成本降低。
车辆腐蚀问题在各个国家都会遇到，这是一项用大数据分析方法对环境数据进行示例。大数据包括从实际安装于全国各地的汽车上的传感器获得的数据，以及气象条件下的环境数据。我们对包含多种参数的大数据使用"聚类"技术，提取导致汽车各部位产生腐蚀现象的主要原因。我们在汽车上搭载各种传感器，其中的关键传感器是测量腐蚀电流的大气腐蚀检测仪（ACM）。将其安装于车身和底盘等多个位置之后，取得并分析行驶速度、停车状态、天气条件等大量数据。我们可以定量分析各数据组与实际产生腐蚀现象的部位和原因，并分别采取有效的防腐蚀措施
这是嵌入式解决方案，现在的汽车大量使用软件，但业内常说1000行代码有8行错误，所以标准组织出台了ISO 26262标准。但工程师需要花费大量时间才能编写出能够满足这些要求的高品质代码。我们用ANSYS SCADE技术可以加快嵌入式软件开发，使之可以满足ISO26262要求，它提供重要的条件管理、模型库设计、验证、校准/认证、代码生成及其与其他开发工具和平台之间的交互等功能。
这是虚拟现实中的设计评审系统。我们采用VR设计评审以缩短工期，它可以在VR空间使用三维CAD数据和CAE数据。VR空间中的评审功能包括零部件移动操作和相互影响检查功能、尺寸测量功能等检查所需的功能。它允许你远程参与，设计部门不在一个会议室，都可以用网络形式参与评审。
为了检验汽车零部件的性能，需要使用振动台进行测试。但是在实物测试之前，我们需要对设计的性能进行充分的研究。此外，在选取合适的振动测试规范时，往往依赖于技术人员个人认知，因此各自按其选择的规范审查得到的结果就可能会存在差异。 本技术通过CAE重现加振测试仪，通过最优化设置来自动高效地按规范进行查验，并在测试之前考虑选取最佳规范，这样可以显著缩短测试时间，并抑制人为因素造成的偏差。
关于雷达天线的分析。在应用频段为毫米波的5G和ADAS天线设计中，相控阵天线的辐射特性评估十分重要。相控阵天线由多个天线元单元组成，天线尺寸、配置和单元数目为重要参数。此外，考虑到旋转圆顶等天线盖的存在，以及考虑天线处于复杂车身形状环境中，在毫米波段等高频波段下工作，解析时的计算成本增加。将大型阵列天线的仿真模型实施单元化并重复使用，从而提高设计效率，并实现了对大型阵列天线的快速、高精度解析。
现在我们开车的时候远光灯不轻易打开，怕照到对面驾驶员。所以我们有一个矩阵光束前照灯系统，我们使用高级光学分析技术来进行前照灯矩阵光束设计，可以控制部分前大灯光线，来避开不能照射的区域，这样就允许驾驶员一直把远光灯打开。
这是一项使用CAE预测设备寿命的示例。这张照片为某一复杂管路的例子，这是一组严重受热的管路，人又很难进入其中检查。管道中产生了与受热历史相关的各种应力，导致内部磨损不断积累，但在每个管道上都安装传感器以监测内部磨损却并不现实。我们可以使用CAE模型，为管道模型输入受热历史，就可以准确确定出管道任意位置产生的各种应力。并且我们引进ROM降维技术可以显著加快仿真速度，同时保持较高精度。这样，我们可以对设备实时监测。还可以在仿真器上进行加速测试，使用故障注入技术进行虚拟应力测试。
我们要进行汽车动力学分析，这个数据量非常大，每次计算需耗费72小时，而随着条件改变需要计算20次，你等待结果的时间非常长。作为从根本上解决这个问题的方法之一，是使用AI代理模型来加速仿真。将现有仿真数据和现有测量数据作为训练数据，用人工智能的方法构建代理模型，再分配以边界条件。这将大大提高计算速度。例如，在空气动力计算时，将计算时间从72小时缩短到10秒。
我们在生产技术上也投入了一些力量。这是轴承压装，为生产车间开发了数字分析系统，让工人们在压装之前就知道压装以后合格率是多少，他再反馈给设计人员，让设计人员修改它的设计。
关于复合材料的设计案例。为了减轻重量，汽车里面大量使用复合材料，我们就是用高强度的碳纤维加上树脂复合材料减轻产品重量，并且刚度到要求。复合材料在成型过程中会有很多问题，我们通过仿真树脂复合材料的成型过程以及成型后的翘曲形变，可以推导出最佳的成型条件和模具形状，从而减少试错所需的成本和时间。
AR增强现实技术，就是设计人员为车间设计工艺的时候，他首先需要自己去体验一下，这种设计工艺在实际工厂里面是不是可行？AR技术从客户已有的设计数据中快速创建AR目录，使之在生产培训现场也可以使用。例如，在AR目录中准备操作教材，即使在生产线运行期间也能根据作业指导书进行培训。当然，这些目录还可以应用于预检和定期维护。另外将生产车间的装配信息反馈到设计中，从而进一步简化设计与生产之间的协作程序。
在量产方面，我们提供IOT数据收集系统。IoT系统与正在运行的工厂环境共存，支持成本统计、物料配送记录、各种于运行可靠性相关的数据都合理考虑在系统架构中。它由网络连接现场生产设备，此外为了测量的需要，还在设备中新增安装了某些特别传感器。根据需要，我们还可以研讨未来的云部署网络配置，并提出具有良好扩展性的数据收集架构。
在产品维护方面，我们使用一项使用AR增强现实进行工作支持的解决方案。在汽车维修、零部件组装和拆卸以及制造设备的维护和检查作业中，操作人员需要一边查看手册一边开展作业。仅通过二维手册，可能很难理解三维位置，可能因操作失误而发生事故。AR增强技术解决方案，它集智能手机、平板电脑和智能相机于一身，镜头聚焦在实物上，操作指示就叠加显示于实物上。这样就不会有一手拿着手册，一手操作设备的窘境。
我们还提供IT解决方案，比如提供数据存储技术。在设计中使用CAD/CAE以及在生产中使用各种数据，会造成数据大量积累，因此产生了数据容量和存储空间等问题。现在虽然云存储数据的大环境已经铺就，但公司内部通常有很多需要进行特殊管理的敏感数据。为了满足这些需求，我们积极开展长期、低成本数据存储服务。这是富士胶片公司的数据存档解决方案，是将高速HDD和磁带存档相结合而成的混合系统。其标准容量为150TB，可以扩展至1.59 PB。由于长期存储的可靠性高，其大大降低了客户企业数据保留的总保有成本。
以上就是我要给大家共享的一些关键技术，各位对我们技术有兴趣的话可以联系我，谢谢。
