人工智能强化学习汽车标定方案
汽车标定领域尤其是柴油车的排放标定,需要花费大量的测试时间和人力,测试成本比较高,非常拖延新车型的上市时间。
随着国六标准的实施,RDE测试也在不断提高要求。通过强化学习算法,构建机器学习模型,设定更严格的参数寻找更优的目标,在虚拟环境中推演RDE测试下的排放情况,提升标定效果,可以大幅度压缩实验室标定周期,降低标定成本。
核心技术——智能决策系统框架
接入环境交互数据(如:转鼓测试秒采数据)、业务指标、业务约束(目标和硬性要求),通过在不同参数下测试数据的学习,学得与汽车标定测试场景相近的虚拟环境,在虚拟环境中寻找最优业务指标(如排放最低)的决策策略,无成本试错推演。