自主车辆的故事经常表现在科技新闻周期,通常包括预测自动驾驶汽车的最终崛起。的波士顿咨询集团,例如说,到2035年,25%的汽车将会部分或全部自主权,全球总销量从2015年的接近于零的水平增长到420亿年的2025美元,到2035年~ 770亿美元。短几年以来谷歌汽车,汽车制造商新老都宣布了他们计划早在2021年开始商业化自主车辆。这是破坏!
那么怎样才能实现这个未来吗?毫无疑问,人工智能与健壮的机器算法理解道路和交通状况,做出适当的决定是最关键的。然而,需要更多的比人工智能构建商业上可行的自主车辆。首先,多个空间受限的传感器(传感器融合盒)需要集成在汽车电气架构和功能必须可靠的汽车环境。但自主车辆工程车辆添加多个传感器。
这里有五个关键领域,我认为需要注意:
- 汽车传感器集成:激光雷达,雷达和摄像头——三个最常见的传感器自动车辆——正在迅速发展,重点在降低规模和成本。这些传感器需要功能可靠地在所有的天气条件。确保可靠性的重要组成部分在严酷的环境下实现thermal-conscious设计传感器的信号处理电子产品。
- 零缺点传感器融合:就像人类的大脑,自主车辆的执行引擎需要健壮的、实时感知数据的融合。解释这些数据可以一个生死问题,所以传感器融合很可能是车辆自治的最重要的方面。从本质上讲,可以顺利融合系统是必要的。在许多问题的时候画一个错误的图片周围车辆的环境:它是更好的分布式处理或完全集中式传感器数据处理?有功耗的目标融合框和最好的热管理策略是什么?设计和实现决策取决于这些问题。
- ECU的整合:车辆自治可能会增加更多的娱乐需求,进而将推动更多的电子/ ECU整合。ECU整合可能并不总是工程意义虽然所需。例如,电子冷却等综合电子需求可能会迫使大规模增加的组件和系统。这些问题需要考虑从早期设计阶段。
- 电气架构和线束设计:线束是车辆的最重的部分之一。电子内容和集成需求增加导致巨大的设计复杂性。可以有20亿多个可能的组合连接在车辆,这一数字只会增加。因此,最关键的工程挑战之一是如何优化线束设计时,将传感器连接到传感器融合框,然后将传感器网络与车辆的整体电气架构。
- 动力系统电气化:线控系统的崛起和添加车载电子的扩散需要动力系统电气化。建立一个自治系统,电动动力系统不是一个简单的添加剂工程任务,而是将带来新的挑战和依赖关系。电力驱动范围会如何影响一个自治系统的选择吗?有新的机会(和权衡)电池、电机、逆变器分级,特别是90年的行为th百分位司机不需要考虑自主车辆(要求等级4或5)?有很多这样的自主车辆动力系统工程问题。
对这五个重要的挑战是显而易见的垂直整合和汽车制造商之间的合作,传感器厂商和芯片制造商。但这是否就足够了?尤其是汽车制造商想要推出自主车辆在未来4年和传感器/传感器融合技术仍在不断发展之中?
我认为不是!
整个发展的供应链,从汽车oem技术供应商,将受益于可靠地评估自主车辆的设计和操作的影响从最早的设计阶段。在科技投入最需要前期投资模拟和描述工具,可以很容易地使用汽车工程师和设计师,而不仅仅是专家用户。这样的工具对冰的好处/混合动力/电动汽车动力系统设计证明了。现在,推断这些好处自主车辆工程暗示显著减少设计和开发时间和成本。
额外的资源:
ADAS系统工程挑战
工程优势
医学院毕业Sinha
(所有的帖子)
医学院毕业Sinha汽车机械分析部门经理的导师,西门子业务。
留下一个回复