新技术 | 本田公司车辆气动设计人工智能解决方案
在整车车型的造型开发阶段，核心任务之一是在满足造型需求的前提下，对车辆气动外形进行优化，以降低气动阻力，改善燃油经济性。目前基于优化软件集成CFD计算和响应面技术的车辆外形自动优化流程技术已经较为成熟，但该方法的一个突出矛盾是单次CFD计算耗时太长（即使在大型集群上进行大规模并行计算一般也需要几个小时以上），而即便使用响应面技术，一般至少也需要几十或上百的样本点计算数据，这样很难满足造型开发阶段快速评估多种设计方案的需求。
本田公司的专家基于人工智能机器学习的统计近似模型和在线敏感性分析等技术，开发出了一个实时气动设计系统。该系统包括近似建模、数据分类、特征值提取、敏感性分析和数据库自动更新等技术要素，可以实现车辆的气动性能和形状敏感性的实时计算，并可以通过自动学习来持续提高精度。
图1是该实时气动设计系统的概念图。图左侧的绿色框为用户屏幕的图像，右侧为系统的计算步骤。如左图绿色方框所示，用户输入车身形状，系统实时显示其空气动力学性能和形状敏感性。系统的计算步骤显示在右侧，如图所示，计算顺序如下：
（1）从车体外形中提取形状特征值；
（2）从先前计算的数据库中选择这些形状特征值对应的适当分类；
（3）使用该分类的近似模型计算气动性能。
图1 实时气动设计系统概念图
为了利用实时气动设计系统进行计算，需要预先建立数据库并生成近似模型。图2显示了创建以前计算结果的数据库的过程。为了创建数据库，首先基于基准车辆形状使用网格自由变形技术（FFD）生成变形形状。为了确保变形形状不会偏向任何特定方向，使用拉丁超立方体采样的实验设计（DOE）算法控制变形。使用CFD计算变形形状的气动性能值，并将这些值与特征值一起添加到数据库中，然后利用数据库中的数据生成近似模型。在用户输入数据时，系统将自动创建数据库。
图2 实时气动设计系统的离线学习过程
如果正在设计的车体外形与数据库中预先储存的数据之间差异太大，则生成的近似模型可能无法提供足够的预测精度。当实时气动设计系统判断预测精度较低时，则执行附加数据的自动计算，并在满足以下条件时，将数据添加到数据库中：
（1）新形状落在数据库中的设计空间之外；
（2）新形状位于数据库的稀疏区域中；
新形状的特征值数据到数据库中 特征值中心的欧氏距离用于判断车体形状是否在设计空间内，以及是在稀疏还是密集的区域。
实时气动设计系统中使用的近似模型是计算输出气动性能的函数，从车身形状中提取出特征值作为输入值。近似模型中包含多个参数，这些参数通过使用数据库中的数据进行机器学习来估计。系统采用Kriging和变分贝叶斯稀疏回归（VBSR）作为近似建模方法。
实时气动设计系统数据库中的数据根据形状相似性分为几个类别。这些类别完全根据算法自动生成，以提高近似模型的准确性和可靠性。每次添加数据时，数据库都会重建类别并重新学习生成每个类别的近似模型。
图3是对数据进行聚类和分类的示意图。聚类是通过算法将预先准备好的大量数据分为不同的类似数据组。将新数据与已分类数据进行关联称为分类。聚类方法包括自组织映射法（SOM）和K均值法，分类方法包括神经网络法（NN）、稀疏逻辑回归法（SLR）和支持向量机法（SVM）。
图3 聚类与分类
当输入新的车体形状数据时，通过SLR法确定合适的类。SLR法是用贝叶斯估计扩展逻辑回归的一种方法，它使用加权估计的方法给出新数据作为类成员的概率。
图4是类边界的图。当所有的数据被分为多个类，并且使用为每个类生成的近似模型进行预测时，类边界处的预测精度成为一个问题。
图4 类边界
图5显示了实时气动设计系统中如何进行类边界处理。在该系统中，为了提高近似模型的精度，采用一种称为概率法的方法对气动性能进行预测，其中所有近似模型的线性加权都是利用SLR法输出的类成员身份的概率来确定的。通过利用类成员的概率，该概率方法能够对每个类的边界区域进行线性插值。
图5 类边界处理
实时气动设计系统将车身表面上的位置坐标、表面角度和曲率提取为特征值，将车体外形转换为数值参数进行近似建模和分类。
为了使实时气动设计系统能够处理任意车体外形，必须能够在所需位置稳定地提取特征值，而不管车体外形是什么样。该系统以动态规划（DP）匹配技术为基础，提出了一种基于车体外形变化的鲁棒特征值提取技术。DP匹配是一种匹配两种不同时间序列模式元素的方法，在语音识别等领域得到了广泛应用。
图6显示了DP匹配过程。如图所示，通过以下四个步骤提取特征值：
（1）从三维形状数据中提取车体的二维截面线；
（2）将二维截面线转换为一维复杂特征向量；
（3）与数据库中的模板进行匹配，提取特征值；
（4）以（3）中确定的特征点为基准，以网格形式从整个车身中提取特征值。
图6 DP匹配过程
车体形状变化与空气动力学性能之间的关系对用户来说非常重要，这就是敏感性分析。有多种敏感性分析方法，这些方法大致可分为两类：全局方法，根据一系列数据来确定敏感性；局部方法，根据所关注的形状计算梯度。全局方法能够考虑大变形，而以伴随法为代表的局部方法只能考虑小变形。
为了快速计算全局的敏感性数据，实时气动设计系统采用了在线敏感性分析系统。该系统可以直接访问数据库中以前的计算数据，自动提高计算精度，从而实现快速计算。使用Spearman系数作为相关系数。
图7显示了在线敏感性处理中涉及的计算过程。图中的橙色方块表示处理，而灰色方块表示结果和数据。如图所示，车身形状和近似模型中输出的气动性能值构成了在线敏感性分析的输入，处理操作包含寻找最佳匹配类型、近似变形、通过K-Nearest法寻找最接近形状、敏感性计算四个步骤。
图7 在线敏感性分析过程
图8是敏感性分析的结果。输出结果表明气动性能值的增加或减少方向，正值表示当形状沿体表法向量方向正向变形时，气动性能输出值增大。
图8 敏感性分析结果图
最后，对该实时气动设计系统的性能进行了评估。从五个基准模型生成了1201个评估测试数据。最终该系统的预测表现为：
正确率（随机两个模型预测性能值大小关系）：91%
相关系数（预测值和实际值之间的相关系数）：0.95
均方根误差：1.1%
来源：艾迪捷
