生成式AI驱动的工程开发数字孪生与预测功能 FEV GENAI HUB 支持的生成式AI工程开发

FCVFCV致生成式生成式AI驱动的工程开发数字孪生与预测功能数字孪生与预测功能FCV数据驱动与预测性功能2©byFEV–allrightsreserved.Confidential–nopassingontothirdparties人工智能并不是FEV研发的新领域，我们使用该技术已有20多年Fev人工智能定义与FEV案例•深度学习是机器学习的一个分支，采用多层神经网络作为建模方法•FEV案例：ADAS、传感器融合、语音助手、用物理信息神经网络(PINN)等方法对燃料•人工智能是机器模仿人类逻辑思维、学习、规划和创造等能力的能力•人工智能是机器模仿人类逻辑思维、学习、规划和创造等能力的能力超过20年超过20年的开发经验具备深厚领域专业知识•机器学习是构建•机器学习是构建AI应用的主流方法，通过统计/数值方法从经验数据中学习•FEV案例：预测性维护、控制单元中复杂系统建模、测试与仿真数据分析••生成式AI是人工智能的一个分支，可生成文本或代码等新内容•FEV案例：支持系统工程、需求工程、软件开发的智能体网络，文档与报告FEV致力于开发生成式AI解决方案以优化工程服务3来源：欧盟AI法案，IBM3©byFEV–allrightsreserved.Confidential–nopassingontothirdparties从传统工程服务转型为智能体AI驱动服务，以提升服务与产品质量Fev•手工工作流•重复性工程任务（优化循环）••手工工作流•重复性工程任务（优化循环）•系统工程方法可能带来额外工作量•工程师聚焦价值创造与问题解决•带人工监督的自动化工作流•系统工程实现可追溯性更高质量的最终产品更好的产品匹配度优化覆盖更多设计变体更短时间交付结果4©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesFEVAI来源：FEV必须以整体视角考虑AI，才能充分发挥其潜力FevDeveDeveopmentVEHCLESYSTEM&生成、优化和分析vehiceReeasevehicentegration&TestsystemTestsystemRequirementssystemDeveopmentMechαnicsEEReq.Req.COMPONENTmpe_mentationmpementationmpementationsystemntegration&caibrationMechαnicscomp.Testcomp.TestSwcomp.TestSwReq.Requirementsvehicevehice覆盖完整产品开发流程55©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesGenAIHub部署在FEV云中，满足最高安全要求，同时服务不同用户群体与客户FevGenAHub•GenAHub•FEV开发的软件套件，旨在将人工智能嵌入•聚焦工程任务功能开发需求工程项目工具核心架构…核心架构…•中央网络安全•数据管理•用户与访问管理•成本管理•用户交互、信息、可视化•客户端逻辑大语言模型Web搜索引擎向量数据库搜索引擎仿真软件API文档智能OCR/图像识别群组群组测试与验证方法与流程工具测试与验证方法与流程工具6©byFEV–allrightsreserved.Confidential–nopassingontothirdparties需求评审只是可使用基于大模型的AI智能体自动化的多个步AIAI需求评审AI多层级影响分析AI需求集评审AI实体识别/术语表创建AI自动修正技术支持：从法规和标准生成需求从已有系统生成需求AI可追溯性检查与相关人需求进行AI对话与需求进行AI对话AI需求对比AI驱动系统模型创建AI视角支持变更管理及其对需求工程的影响。评审并自动修正需求库。分析需求库并提取信息从不同来源生成需求。FCVAI支持的AI支持的•工作步骤颗粒化：•信息输入77©byFEV–allrightsreserved.Confidential–nopassingontothirdparties简化示意流程法规文档章节段落表格描述图示描述简化示意流程法规文档章节段落表格描述图示描述段落段落上下文需求集合FCV8©byFEV–allrightsreserved.Confidential–nopassingontothirdparties我们规划并利用人工智能的应用，实现企业整体战略Fev系统工程系统工程中人工智能应用摘要系统工程系统工程中人工智能应用摘要需求评审测试用例生成•第3个V模型右侧用例•节省时间与成本约80%（概念验证对比•摘要：基于规范化需求可自动生成测试用例规格！•需求评审测试用例生成•第3个V模型右侧用例•节省时间与成本约80%（概念验证对比•摘要：基于规范化需求可自动生成测试用例规格！•价值在于释放工程时间，以寻找测试协同并降低整体•投资回报：约30个工作日完成实现；约850份测试规格后达到盈亏•第1个V模型左侧用例•节省时间约77%•摘要：可自动检查遗留需求的一致性，并提出改进建议，显著提•价值在于进一步提升下游流程质•投资回报：约30个工作日完成实现；首个约10万条需求规格即可©byFEV–allrightsreserved.Confidential–nopassingontothirdparties生成式AI新的基于AI的软件服务/产品基于AI的产品/服务增强价值流AI赋能业务流程与应用AI赋能FCVAI数字孪生与FEVGENAISYS数据驱动与预测性功能©byFEV–allrightsreserved.Confidential–nopassingontothirdparties物理系统虚拟系统单个部件的数字副本扩展为完整资产的全尺度表示建模完整运营或制造流程整合多个资产与流程，形成整个运营生态视图FEV正通过AI驱动的数字孪生，加速广泛能源与出行系统的创新Fev物理系统虚拟系统单个部件的数字副本扩展为完整资产的全尺度表示建模完整运营或制造流程整合多个资产与流程，形成整个运营生态视图数字孪生能力•整体系统建模总成、发动机、燃料电池、电池和电机•智能且准确的仿真我们的方法融合两类优势。我们擅长开发详•可扩展的云端托管解决方案数字孪生是动态资产。我们提供稳健的,云©byFEV–allrightsreserved.Confidential–nopassingontothirdparties一个创新的人工智能集成平台，支持工程开发中的GenGenSysAI驱动的硬件和控制同步优化。©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesFCVFCV整车集成系统充电系统等整车集成系统充电系统等©byFEV–allrightsreserved.Confidential–nopassingontothirdparties用例与优化目标定义数字孪生识别系统与部件尺寸设计和参数化嵌套协同优化结果分析系统设计生成式AI架构建议用例与优化目标定义数字孪生识别系统与部件尺寸设计和参数化嵌套协同优化结果分析系统设计生成式AI架构建议控制架构与功能参数化控制集成©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesFCV多智能体核心©byFEV–allrightsreserved.Confidential–nopassingontothirdparties创新：嵌套协同优化FCV以嵌套协同优化方式，覆盖设计空间与控制空间的世界领先AI优基于高斯过程的贝叶斯优化测试场景设计参数候选嵌套协同优化闭环系统目标值基于神经网络的非线性MPC非线性MPCSimulink与Simscape深度学习工具箱Simulink与Simscape统计与机器学习工具箱并行计算工具箱优化控制动作闭环系统行为优化设置外循环系统硬件设计[1]ChristophWellmannetal.,Electricmachineco-optimizationforEVdrivetechnologydevelopment:IntegratingBayesianoptimizationandnonlinearmodelpredictivecontrol,eTransportation,2025,/10.1016/j.etran.2024.100392[2]ChristophWellmannetal,Machine-learningintegratedmulti-domainco-optimizationforelectrifiedheavydutyfleets,eTransportation，/10.1016/j.etran.2025.100511©byFEV–allrightsreserved.Confidential–nopassingontothirdparties一个多目标的人工智能集成虚拟概念开发平台FCV可扩展生成式AI与贝叶斯优化，用于全面解决多目标设计与控制挑战可扩展生成式AI与贝叶斯优化，用于全面解决多目标设计与控制挑战优势收益：在早期设计与控制参数化中利用前置能力和降低成•GenAI支持从干系人需求及定义的用例和优化目标中推导用例和架构©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesFEVGenAISys整合了适用于复杂汽车设计和控制流程的最合适方法论Fev实验设计序列二次规划遗传算法贝叶斯优化穷举测试所有因素-水平组合处理非线性约束的基于梯度求解器基于种群的进化搜索替代模型（例如高斯过程）+获取函数组合面向汽车定制的AI系统优化实验设计序列二次规划遗传算法贝叶斯优化穷举测试所有因素-水平组合处理非线性约束的基于梯度求解器基于种群的进化搜索替代模型（例如高斯过程）+获取函数组合面向汽车定制的AI系统优化方法，并与无缝数字孪生集成modeFRONTIER高效的算法编排高效的系统知识集成为客户提供量身定制的目标处理为客户量身定制的用户界面，易于使用FEV基于AI的优化器作为先进的通用系统开发框架，结合前沿算法©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesAI支持的虚拟系统开发与优化客户：亚洲一级供应商背景：客户正在构建结合生成式AI、数字孪生和多目标优化的AI工具链，以加速硬件拓扑和控制策略设计。•用例与KPI定义•使用FEV基准数据进行车辆模型适配与数字孪生标定•利用FEV知识库实现生成式AI架构建议，并自动生成用于设计和控制优化的仿真•配置通用贝叶斯多目标优化器，用于硬件设计和选定控制参数•定制友好用户界面以支持：架构建议参数定义优化设置与执行工程成本最高降低25%概念阶段周期缩短40%概念阶段周期缩短40%基于AI的系统设计与控制同步优化基于GenAI的系统架构与模型生成©byFEV–allrightsreserved.Confidential–nopassingontothirdparties机器学习驱动的电驱桥平台开发客户：欧洲OEM背景：长途重型纯电商用车（12.5–40吨）面临相互冲突的需求：起步扭矩、持续爬坡能力和高速效率。在项目中，机器学习驱动的电驱桥平台开发客户：欧洲OEM背景：长途重型纯电商用车（12.5–40吨）面临相互冲突的需求：起步扭矩、持续爬坡能力和高速效率。在项目中，FEV开发并验证了双电机两挡电驱桥概念，以解决任务工况中的这些权衡。•用例与目标:区域及长途重型车辆最高40吨，并设定轮端KPI目标（如55kNm峰值•可扩展多挡解决方案:双电机+两挡电驱桥，8种驱动/回收状态（+滑行并配有•KPI匹配:56,150Nm峰值轮端扭矩（+2%）及381kW持续功率（+0.2%）；峰值•任务结果:约109.7kWh/100km/-9%（40吨）。•控制增益:预测巡航控制：进一步降低约2.6–3.4%（40吨）。•材料/NVH收益:磁体质量6.2→4.98kg；EM2转矩波动17.54→8.26Nm。），最高提升9%©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesBAFCV数据驱动与预测性功能©byFEV–allrightsreserved.Confidential–nopassingontothirdparties从网联车辆到智能运营—大数据如何重塑出行Fev在故障发生前预测部件失效。在云端和车辆端部署、监控并更新模型。在故障发生前预测部件失效。在云端和车辆端部署、监控并更新模型。在云端和车辆端部署、监控并更新模型。检测部件异常行为和热风险。传感器融合数据用于训练和验证自动驾驶模型。预测未来负载谱并支持长期预测驾驶。预测性维护机器学习运维与OTA异常检测ADAS与自动驾驶续航与负载谱预测0%0%约2020年（当前）2030年（预测）95%+45pp75%50%25%50%到2030年到2030年潜在空间来源：麦肯锡公司—《Unlockingthefulllife-cyclevaluefromconnected-cardata》，2021©byFEV–allrightsreserved.Confidential–nopassingontothirdpartiesFEV将客户云端数据转化为电池使用分类与预测，以支持电池采购预测Fev分类和预测电池使用日历•范围：使用统一云数据交付车辆使用分类与预测，并集成到客户云环境中；通•客户收益：预测规划与运营：预测电池更换情况，并根据实际使用情况优化充循环1循环2循环3循环4分类和预测电池使用日历•范围：使用统一云数据交付车辆使用分类与预测，并集成到客户云