将来的な複雑化に対応しつつ開発効率を向上させるため､AIを使ってコントロールユニットと入力データのキャリブレーションを行う
ポルシェエンジニアリングのバーチャルキャリブレーションソフトウェア「PERL」は、ECUデータ入力の大部分をAIに移行するという。これにより、車両のキャリブレーション段階におけるベンチテストやテストドライブの必要性が軽減される。初期の顧客プロジェクトの結果は、新しい手法が提供する大きな可能性を示している。
新しい車両機能を適用する場合、エンジニアはこれまで以上に膨大な作業を行わなければならない。なぜなら、最新の車両では機能の幅が広がり、システムの接続性が高まっているため、適合に必要なテストの回数や関連パラメーターの数も大幅に増えているからだ。
ポルシェエンジニアリングは、将来的な複雑化に対応しながら開発効率を向上させるため、人工知能(AI)を使用してコントロールユニットと入力データのキャリブレーションを行う。ポルシェ エンジニアリングのリードエンジニアであるマッテオ・スカル氏は「ポルシェ エンジニアリング強化学習(PERL)により、ドライビングファンクションのキャリブレーションをスマートな意思決定プロセスに変えます」と語る。
PERLは、自己学習型AIプロセスである深層強化学習に基づいている。その基本的な考え方は、個々のパラメーターを最適化する代わりに、AIが機能全体に対して最良のキャリブレーション結果を導き出す戦略を開発するというものだ。この手法の利点は、自己学習による高いプロセス効率と、車両開発の多くの分野への普遍的な適用性である。
「ポルシェ エンジニアリングは、制御ユニットの自動適合における深層強化学習の可能性を早い段階で認識していた。2017年以降、クルージュとルーマニアのティミショアラにあるポルシェ エンジニアリング拠点のAIエキスパートとともにPERLに取り組み、以来、継続的に手法の開発を進めてきました」と、ポルシェ エンジニアリングのHVバッテリーキャリブレーションおよび診断・診断シニアマネージャーのマティアス・バッハ博士は語る。
ポルシェエンジニアリングはPERLに関して50件以上の特許を登録
以来、PERLにおける50件以上の特許を取得しているポルシェ。この専門知識のおかげで、ポルシェエンジニアリングは、新車システムの開発プロセスにPERLを組み込んだ世界初の企業のひとつとなっている。その間、PERLはすでに2つの顧客プロジェクトで適合プロセスに使用されたという。
最初のプロジェクトでは、ポルシェエンジニアリングがカールスルーエのFZI情報技術研究センターおよびポルシェと約3年間協力してきた。このプロジェクトでは、PERLはハイブリッド車用の新しいガソリンエンジンの燃料混合形成の調整に使用される。
2つ目のプロジェクトでは、ポルシェの電気自動車のパワートレインにおける振動減衰のキャリブレーションに、PERLが使用された。
コントローラーのキャリブレーション
どちらのケースでも、AIはコントローラーのキャリブレーションに使用されるが、これは特に難しい課題である。ポルシェ・エンジニアリングとFZIの博士課程に在籍するトーマス・ルドルフ氏はこう説明する。
「高度にダイナミックなプロセスを正確に制御する必要があるため、制御機能のキャリブレーションは複雑な作業です。たとえばエンジンの混合気形成では、排気ガス後処理装置の最適動作のための制御変数であるラムダ値が目標値に一致するように、パラメータマップを使用して各速度とトルクの組み合わせに対して噴射量を正しく調整する必要があります」
この主な課題は、エンジンと排気管の端にあるセンサーシステムとの間の空間的な距離から生じるデッドタイムであり、負荷変動時などに制御システムが動作しなければならない高速性と結びついている。制御システムの反応が遅過ぎると、排出ガス制御システムの機能が損なわれ、排出ガスが増加する。
規制がアグレッシブすぎると、システムはシーソー状態になる可能性がある。そのため、両極端の間でバランスをとることが極めて重要である。
「自動車産業における複雑で多様な制御システムのカスタマイズされたパラメータ化は、依然として大きな課題である。カールスルーエ工科大学(KIT)制御システム研究所の所長であり、FZIのディレクターであるソーレン・ハーマンセン教授は、AI活用の利点について次のように語っている。
「最新の学習方法は大規模で、コストがかかりますが、時には手作業で行われるキャリブレーションを大幅に加速させ、より効率的にすることができます。PERLは、非常にダイナミックなエンジン運転のための幅広い制御パラメータを、最適な混合気を設定するように調整することができます。
このため、PERLは不可欠な開発ツールとなります。特に、将来的に厳しくなる排出ガス規制では、あらゆる運転領域でさらに精密なラムダ制御が要求されます」
現時点では、シリーズ開発にPERLを使用することで得られる効率はまだ定量化できない。しかし、PERLのようなAIがサポートするキャリブレーション手法によって、開発プロセス全体を大幅に加速できることはすでに明らかである。
「PERLのおかげで、より早い段階でキャリブレーションを実行し、より迅速に有効な結果を得ることができます。そしてこれらの結果をもとに、より集中的かつ効率的な方法で後続の開発ステップに取り組むことができます」と、アレクシーヴァ・ラウシュのチームのステファノ・チニ氏は言う。
PERLを使用した2つ目の応用例は、電気自動車のパワートレインにおける振動減衰だ。この例では、エンジニアはパワートレイン内の破壊的な振動を、特定の対策を入力することで減衰させようとしている。同じ原理は、たとえばヘッドフォンで使用され、ノイズキャンセリングとして知られている。
この校正は、主に1～15ヘルツの振動に関係するもので、車両の乗員には振動として知覚されることが多く、最悪の場合、パワートレインに損傷を与えることさえある。効果的な減衰のためには、車両の電気モーターを適切なタイミングで作動させ、正しく同期させる必要があるからだ。
さらに、カウンターパルスを発生させるのに必要なモーターのトルクが推進力に利用できないため、カウンターバイブレーションは強すぎてはならない。つまり、このコンセプトが適用されると、快適性とドライビング・ダイナミクスが互いに直接影響し合うことになる。
最適なバランスを見つける
そのため、振動減衰を設計する際には、快適性とスポーティさの最適なバランスを見つけなければならない。ポルシェの典型的な結果である可能な限り最良の結果を達成するために、電気的に駆動されるアクスルごとに3つのマップが同時に振動減衰を達成するためのデータを供給される。
非常に複雑なため、コントロールユニットへのデータの確実な初期入力は、手作業で行う場合、多大な労力を必要とする。制御ユニットがデータを受け取って初めて、アプリケーターは細かいキャリブレーション作業を開始することができる。
「PERLの主な目的のひとつは、この期間を短縮することでした」と、ポルシェのソフトウェア・エンジニア、モーリス・ハウズ氏は言う。
広範なトレーニングが終了した後、エージェントが車両固有のキャリブレーション適応を完了するのに要した時間は、ターゲット展開においてわずか数秒であった。さらに、オリジナルの車両からほかの派生車両(パワートレインが異なる車両も含む)にAI戦略を変更することなく、場合によっては車両固有の測定も必要なく移行することができた。
「ポルシェのE-Vehicle Calibration Managerであるトビアス・ルーレ氏は「PERLのおかげで、新しいバリエーションでは、事前に計算されたデータからキャリブレーションを開始することができ、合計で1～2週間のキャリブレーション時間を節約できます」と話す。
「PERLは有効なデータを事前に入力するため、パワートレインの初回試運転時に誤ったキャリブレーションデータが原因で損傷するリスクはありません。PERLは、このアプローチがあらゆるタイプのデータ入力に普遍的に適用可能であり、AIによって適合に必要な作業と時間を大幅に削減できることを証明しました」
と、ポルシェエンジニアリング、バッテリーキャリブレーション・診断シニアマネージャー、マティアス・バッハ博士は加えた。
