本文摘要(由AI生成):
文章主要介绍了仿真技术在解决电动汽车大规模生产面临的挑战方面的应用。仿真技术可以帮助汽车制造商减少车辆重量、提高能源效率、优化电动机设计,从而提高电动汽车的续航里程。此外,仿真技术还可以用于改进充电设施和降低电动汽车成本。
来源:Altair Blog
原标题:How Simulation Addresses GM’s Biggest Hurdles in Electric Car Adoption
本文作者:Altair CTO James Dagg
最近,通用汽车的总裁为CNN商业版写了一篇关于汽车行业的前瞻性文章,描述了汽车行业在大规模生产电动汽车方面面临的严峻挑战。
全球汽车制造商已经在传动系统电气化方面进行了大量的投资,但如果想要完全颠覆现状,让大众选择电动汽车而不是内燃机,还需要更多的性能改进。
仿真驱动的设计过程和数据科学技术是解决这些复杂问题的关键。
接下来,让我们逐一分析他列出的三个挑战。
仿真应用范围
为了提高充电后的最大里程数,制造商正在使用仿真技术来减少车辆重量、提高能源效率并优化下一代电动机。
汽车越轻用于加速和保持车速所需要的电量就越少,同样充一次电,可以让乘客走得更远。工程师能够通过创成式设计从整体结构或单个组件中节省材料,同时保持车辆安全和乘坐舒适性所需要的强度和刚度。
除了减少汽车质量,汽车制造商也可以减小电池组(电动汽车中重量最大的部分之一)的尺寸和质量。
能源效率也是提高汽车行驶里程的关键因素。由于空气动力学特性会影响车辆外表面的形状和造型,因此在设计过程的初期就会用到CFD。
此外,CFD也可用于优化电气和机电系统的热管理,避免过热引起性能问题。
最后,还可以改进的是电动机本身。考虑到动力系统设计的复杂性,保时捷等公司采用了多物理场优化设计,包括电磁和散热、NVH、应力以及耐久性。仿真结果能够优化电机设计,达到最佳性能。
充电设施
Statista的一项研究指出,截止到2016年,美国有超过10万个加油站。相比之下,美国只有2万个电动汽车充电站。
这对那些想要在正常通勤范围之外驾驶电动汽车的司机来说是一个重大的潜在问题。
这个问题需要私营公司与政府机构大力合作,建立足够的电动汽车充电基础设施。
此外,大数据、人工智能和机器学习算法可以利用现有的充电基础设施,为司机绘制最优的出行路线。
大数据还能让制造商、电力公司以及政府通过数据驱动作出城市规划决策,根据实时交通和车辆里程数据优先建设新的充电基础设施。
最后,仿真技术也被运用于汽车充电新方法的开发,使驾驶员能更方便给电池充电。
法国的一家新公司 Gulplug 提出了一种自插式磁力充电解决方案,在无需任何人工干预的情况下,既能帮助司机完成充电任务,又能实现汽车的自动停车和自动充电。
自主连接和非接触式充电解决方案甚至可能减少对专用充电基础设施的需求,让加油站成为历史。
费用
对大多数消费者来说,电动汽车进入市场最直接的障碍可能是的价格。电动汽车轻量化,除了提高电池续航能力,还能通过减少材料来降低成本。同时,电动机效率的提高也有助于制造商缩小电池尺寸,以进一步降低成本。
梅赛德斯- AMG和其他整车厂在其设计过程的各个阶段利用典型的系统模型,帮助其加速设计交付,并评估效率和性能。对复杂机械电子系统的深入了解有助于制造商更快地将新产品推向市场,减少昂贵的物理原型试制。
对于一些消费者来说,可能很难想象自己驾驶一辆电动汽车的场景,通用汽车的总裁所写的CNN文章中所概述的问题也证实了这些挑战,但随着现代仿真和数据科学技术的发展, 电动汽车未来可期。