預測機油起泡
例如:在傳統內燃引擎的開發中,人工智能解決了預測機油中氣體含量的問題。由於高氣體含量會導致機油起泡,從而降低潤滑性,因此必須將油路系統設計得盡可能低的氣體含量。然而,在實際引擎運轉的車輛中是很難進行測量的,所以Porsche新AI流程現在可以可靠地預測引擎機油中的氣體含量,並且已經首先用於Porsche Cayman GT4引擎的開發了。
Porsche負責動力系統中AI工具的開發工程師Hong Truc Jung表示,「在此過程中,我們能夠將AI演算法所需的計算能力保持在低的層級,以便我們可以輕鬆地將其集成到引擎開發過程中,在標準的台架測試中,它會持續運行,並在此過程中為我們提供所需的數據。而Porsche所應用的新AI流程的第一台引擎正是Porsche Cayman GT4的六缸水平對臥引擎。
電動車電池狀態分析
另外,Porsche技術子公司Porsche Engineering的一項人工智能應用程序正在確定鋰離子電池的老化過程,因此電動車的駕駛目前已可使用它來預測駕駛時的電池續航時間。
AI演算法檢測電池的內阻來推斷其老化。除此之外,它還考慮了溫度和充電狀態…等影響,以及長期和車隊測試的結果。在車輛中,人工智能會根據不同駕駛的用戶資料進行調整,從而使預測能夠針對所有人的駕駛習慣而變得越來越精確。
保時捷工程強化學習(PERL)
Porsche Engineering還開發了一種特別靈活的開發方法,在基於人工智能方法深度強化學習的各種用例中具有很高的潛力。Porsche工程引擎應用和機械高級經理Matthias Bach解釋道,「我們的PERL方法是Porsche Engineering Reinforcement Learning的縮寫,它超越了單個任務的具體解決方案,因為它了解系統關係並學會做出戰略決策。使用PERL,我們可以減少開發時間,同時獲得比傳統方法更好的應用結果」
由於AI演算法的神經網絡可以同時改變多個參數,包括相互組合,並預測產生的影響,因此PERL非常適合複雜的引擎應用任務和許多其他車輛開發領域。該方法目前正在驅動開發中進行實際測試,中期還將用於其他領域,例如:Porsche Engineering的整車、底盤和電氣/電子設備的開發。