畅想一下AI技术会给汽车异响带来哪些改变……

“AI可能给企业带来的利润是相当可观的。DeepMind是谷歌公司的分部，以AlphaGo成名，但鲜为人知的是，其出色的算法将母公司数据中心的能源利用率提高40%。但是，与其他技术研发和规模化应用相比，AI的投资回报规模，更加取决于企业是否做好了组织准备。”——《FT中文网》

刚结束的在瑞士达沃斯（Davos）举行的第48届世界经济论坛年会，会议召集了来自全球政商、国际机构、公民社会、学术、媒体等各界超过2500多位领袖人士。人工智能（AI）是科技工作者们最为关注的话题。

AI技术的核心在于数据，由聪明的科学家来改进算法，但在应用时，就只是数据的问题：谁先拥有，谁就会拥有更多。若你拥有更多的数据，那么你将拥有一个与人工智能关联性更强的产品。这样会使你拥有更多的用户，赚到更多的钱，进而获得更多的资源。

“如果说2017年是人工智能在中国引起骚动的一年，那么2018年将成为中国在人工智能领域竞争地位越来越明显的一年”——欧亚集团（EurasiaGroup）

那么好了，现在该回来我们的主题了。汽车异响（Squeak &Rattle）是否也可利用人工智能的技术来进行预测？我们可以大胆的想象未来的技术会给传统行业带来的革新。就在进入新世纪的10年前谁能想到AI对中国传统行业的颠覆，特别是传媒和零售业。传统公司（尤其是国企）对AI的接受相对被动。那么，对汽车异响这种需要尽早地在设计前期最好能预料会发现问题，从而使工程师及时采取有效的措施来优化设计，避免给生产后期带来的成本压力和开发周期的紧迫。

目前对汽车内饰的异响进行预防的主要办法有以下两种：

基于振动、尺寸公差的概率计算

撞击异响计算—建立局部坐标系，输入时域信号，输入尺寸公差，计算产生撞击异响的概率。

摩擦异响计算—建立局部坐标系，输入时域信号，输入尺寸公差，输入Stick Slip数据库，计算产生Stick Slip的概率。

但是，这种算法的前提是要在CAS面出来后就需要定义与Squeak& Rattle相关区域的内饰DTS。其次，需要输入异响的Metrics，也就是我们定义超过多大的间隙平均值会认为是risks，以及什么样penetration会产生squeak，多大的gap会导致rattle风险。

这就需要我们尽量多的物理试验车后期调校的问题统计数值来支撑。第三，需要有大量的材料摩擦试验数据来输入，因为squeak计算的就是stick-slip脉冲次数。利用这三个方面综合分析来预测可能出现的异响风险，如下contour图所示：

在近3-5年的时间内，才引进该种用计算来方法。其实，在该预测方法应用之前（该方法目前也没有得到成熟的应用，由于异响受温度的影响很大，所以无法把温湿度这种variations的影响纳入其中）。我们目前还主要利用Squeak & Rattle工程师丰富的经验来进行设计数据CAD的风险检查，从而对部分问题进行预防。如下表所示：

通过控制传递到摩擦副以及撞击副的低频振动进行预防

通过控制传到摩擦副以及撞击副的低频振动以避免由于摩擦以及撞击时能量过大造成的异响

通过控制传到摩擦副以及撞击副的低频振动以避免由于局部衰退过快（卡扣、螺钉松动等）造成的异响

IP FastenerAccelerations

例如，仪表板异响设计前期预防措施：

策略就是减小异响敏感区域的振动量级（e.g.,连接两个部件的卡扣位置）。其中，异响的敏感度分析就需要注意三个方面的事情，1.模型的建立：汽车低频的NVH CAE模型；2.激励源：使用什么样的激励信号，位移还是力。在哪些位置作为激励点也是关系到对部位位置的异响激励更接近实际情况；3.性能准则：针对高里程异响性能的robustness进行防御（也就是anti-loosening机理）。

AI的算法一定会应用在目前的这种风险预测中来。例如，Facebook基于广告的推送就是目前AI算法带来的优势，它能准确把握潜在目标客户群体。谷歌从2000年的广告算法就开始使用AI，很早就意识到AI科研的重要性。 同样，在汽车异响（Squeak & Rattle）的预测中也会带来我们可以预料到的未来。