使用AI增强型EDA工具重新构想电动汽车设计

人工智能 （AI） 驱动的聊天机器人、工具和技术正在电动汽车 （EV） 设计和模拟的各个阶段部署，以支持验证和制造。人工智能可以用作助手，以提高传统 EDA 工具的有效性。当与数据驱动方法结合使用时，它还可用于为高级 EDA 实现创建降阶模型 （ROM）。

使用人工智能和机器学习 （ML） 进行电动汽车设计和验证可以加快流程并产生更高质量的结果 （QoR）。人工智能和机器学习在电动汽车 EDA 中的使用并不是“全有或全无”的情况。相反，理想情况下，它可以被视为一个连续体。

在 0 级开始时，没有 AI/ML 帮助;相反，设计人员手动应用 EDA 工具。接下来，在第 1 级和第 2 级中，以各种形式添加 AI/ML 工具，以辅助和提高手动流程的效率。设计自主权从第 3 级开始，在第 5 级实现完全自主权。

即使在 5 级，设计也必须由经验丰富的设计人员进行审查、验证和批准，但整个过程可提供更高的 QoR 和更快的设计时间（图 1）。

图 1.将 AI/ML 工具应用于电动汽车设计和验证有一个连续的级别。（图片来源：Cadence)

1 级和聊天机器人

所有级别的实施都正在使用中或处于开发的后期阶段。1 级已经投入使用，而且越来越多。人工智能驱动的聊天机器人和 1 级生成式人工智能可用于电动汽车设计和评估的各个方面。

例如，已经开发了生成式预训练转换器 （GPT） 助手，供电动汽车开发人员在验证软件和系统时使用，包括：

• Vector CANoe CAPL AI助手，具有即用型CAPL脚本、代码片段和调试帮助，用于CANoe网络仿真和ECU验证。

• ADAS 验证 AI 助手，可生成用于 HIL、车辆和仿真测试的 ADAS 测试用例、步骤、工具、日志记录和自动化脚本。

• 电动汽车动力总成验证 AI 助手，用于电池管理系统、逆变器、电机、车载和外部充电器的测试用例生成和自动化。

• 汽车功能安全验证 AI 助手，用于基于 ISO 26262 的测试生成、安全分析和 ECU 安全功能脚本。

聊天机器人为在电动汽车设计和验证中使用人工智能和机器学习提供了一个切入点。许多 EDA 供应商正在提供新一代工具和功能，这些工具和功能正在重塑 AI/ML EDA 连续体各个级别的 EV EDA 格局，从入门级到高级 4 级和 5 级。

这些工具可以加快创新速度、提高效率并开发更智能、更可持续的电动汽车。在连续体的更高级别，正在部署 ROM 以最大限度地发挥其优势。

AI、ML 和 ROM

使用人工智能和数据驱动方法开发的 ROM 使设计人员能够创建准确、计算高效的模型，以捕获电动汽车组件和系统的基本行为，并在子系统和大型数据集之间具有复杂的动态。

在开发 ROM 时，可以结合长短期记忆 （LSTM） 网络和动态模式分解 （DMD） 等 AI/ML 工具。

LSTM 神经网络可以根据全阶模型生成的数据进行训练，以开发系统动力学的 ROM 表示。LSTM 是一种递归神经网络 （RNN），擅长处理大量顺序数据并捕获远程依赖关系和交互。

LSTM学习数据集中的复杂线性关系，而DMD数据驱动技术则从时间序列数据中识别动态模式，从而提供了一种分析和降低系统非线性特征复杂性的方法。

包含大量电动汽车设计（包括传动系统、电池系统、空气动力学和其他数据）的开源数据库可用于训练 ROM 模型。在电动汽车仿真和设计验证中使用 ROM 的主要优势包括简化复杂模型，从而减少模型所需的存储空间并减少仿真的 CPU 时间，同时保留系统的所有基本行为（图 2）。

图 2.在电动汽车设计和验证中使用ROM有几个好处。（图片：西门子)

总结

将 AI 和 ML 工具应用于电动汽车设计和验证有一系列级别，从简单的聊天机器人界面到复杂的 ROM 实现。所有这些都被用于加速和改进电动汽车设计。大多数 EDA 供应商正在将 AI 和 ML 集成到他们的电动汽车开发软件产品中。