京西智行引入人工智能深度学习加速悬架项目研发

全球智能底盘科技创领者京西智行将前沿的深度神经网络技术应用于AeroRide空气弹簧新项目的设计研发，成功将关键开发环节从数周大幅压缩至一小时，以最新突破性成果重塑了传统悬架项目的工程验证方式。

空气悬架系统的研发，涉及高度耦合的复杂变量，传统的“人工迭代+有限元分析”试错模式耗时极长。京西智行应用人工智能模型对AeroRide空气弹簧五个关键参数进行了优化:活塞工作区半径、活塞低支撑区半径、囊皮壁厚、设计位置充气压力和尼龙纤维帘线角度。

近期某悬架项目利用经过验证的有限元分析数据训练人工智能深度学习模型

京西智行基于180组经过实验室大量测试验证的高质量仿真有限元分析数据集训练，创新构建了五层深度神经网络人工智能模型。该神经网络有效学习了关键设计参数与空气弹簧性能之间的关系，模型R?值达到99%，表明预测行为与仿真行为高度相关。

研发效率跃升

京西智行仿真分析经理Miroslaw Siemieniuk表示，人工智能技术不仅已在开发中得到应用，更将关键环节开发时间从数周大幅缩短至约一小时。项目显著缩减的时长意味着研发效率实现了超过80倍的提升。同时，该人工智能模型的预测精准度极高，误差率严格控制在极小范围内，意味着即使万一预测出现偏差也会很小且可控。

人工智能工具能够快速生成高保真度的 3D 有限元分析结果

上述项目中，人工智能模型在既定的参数空间内，甚至发掘出了以往人工迭代时忽略的非直觉解决方案。Siemieniuk表示，这一结果尽管是技术可行性验证，还需进一步的物理验证，但它已经清楚地展示了人工智能在发掘非直觉方案领域的价值。

人工智能工具的成功完全建立在京西智行深厚的底盘研发底蕴之上。高质量的仿真数据、精准的模型物理假设，都需要顶级工程师来把控。人工智能的加入，将工程师从繁琐重复的计算任务中解放出来，使其能更专注地投入到系统级理解与前瞻创新中。

京西智行国产AeroRide空气弹簧模块实现量产车最高车身调节行程150毫秒

京西智行正持续扩大这一人工智能研发方法论的应用版图。在AeroRide空气悬架系统以外，该技术正逐步扩展至更多底盘架构研发中。作为全球智能底盘科技的领军者，京西智行正以人工智能赋能为核心引擎，持续引领底盘研发体系向着更智能、更高效的未来全面进化。