Porsche utilise l’intelligence artificielle (IA) dans le développement de véhicules pour rendre les systèmes d’entraînement encore plus efficients et durables et pour optimiser davantage les processus de développement. L’IA donne aux ordinateurs la capacité d’analyser les problèmes et de les résoudre automatiquement, un peu comme un être humain. Ce potentiel est exploité dans le développement de groupes motopropulseurs, à la fois dans le domaine de la mobilité électrique et dans le moteur à combustion interne en tant que domaine traditionnel de l’ingénierie mécanique.
Prédire le moussage de l’huile
Dans le développement des moteurs à combustion traditionnels, par exemple, l’IA résout le problème de la prédiction de la teneur en gaz dans l’huile moteur. Étant donné qu’une teneur élevée en gaz entraîne un moussage de l’huile et donc un pouvoir lubrifiant réduit, le système d’huile doit être conçu pour une teneur en gaz la plus faible possible. Cependant, les mesures peuvent difficilement être effectuées dans le véhicule avec le moteur en marche. Un nouveau processus d’IA de Porsche fournit désormais des prévisions fiables de la teneur en gaz de l’huile moteur. « Au cours du processus, nous avons pu maintenir la capacité de calcul requise pour l’algorithme d’IA si faible que nous pouvons facilement l’intégrer dans le processus de développement du moteur. Pendant les tests au banc standard, il fonctionne en continu et nous fournit les données souhaitées dans le processus. », explique l’ingénieur en développement Hong Truc Jung, responsable des outils d’IA dans les groupes motopropulseur chez Porsche. Le premier moteur pour lequel Porsche a appliqué le nouveau processus d’IA était le moteur boxer six cylindres de la Porsche Cayman GT4.
Analyse de l’état de la batterie pour les véhicules électriques
Une application d’IA de la filiale technologique Porsche Engineering détermine le comportement de vieillissement de la batterie lithium-ion, que les conducteurs de véhicules électriques utilisent déjà pour faire des prédictions sur l’autonomie de la batterie pendant la conduite. L’algorithme IA utilise la résistance interne de la batterie pour déduire son vieillissement. Entre autres choses, il prend en compte des influences telles que la température et l’état de charge, ainsi que les résultats des tests à long terme et de la flotte. Dans le véhicule, l’IA s’adapte au profil d’utilisateur du conducteur pour que la prédiction devienne de plus en plus précise.
Porsche Engineering Reinforcement Learning (PERL)
Porsche Engineering a développé une méthodologie de développement particulièrement flexible avec un potentiel élevé pour une grande variété de cas d’utilisation basée sur l’apprentissage par renforcement en profondeur de la méthode d’IA. « Notre méthodologie PERL, abréviation de Porsche Engineering Reinforcement Learning, va au-delà de la solution spécifique de tâches individuelles, car elle comprend les relations systémiques et apprend à prendre des décisions stratégiques. », explique Matthias Bach, directeur principal de l’application moteur et de la mécanique chez Porsche Engineering. Étant donné que les réseaux neuronaux de l’algorithme d’IA peuvent faire varier plusieurs paramètres en même temps, y compris en combinaison les uns avec les autres, et prédire les effets qui en résultent, PERL est idéal pour les tâches d’application de moteur complexes et de nombreux autres domaines du développement de véhicules. « Avec PERL, nous pouvons réduire le temps de développement tout en obtenant de meilleurs résultats d’application qu’avec les méthodes conventionnelles. », ajoute Bach. La méthode fait actuellement l’objet d’essais pratiques dans le développement d’entraînements et sera également utilisée à moyen terme dans d’autres domaines tels que le véhicule complet, le châssis et l’électricité/l’électronique chez Porsche Engineering.
Photos : Porsche
