隨著全球對低碳社會的需求日益增加 ，電動汽車 (EV) 和 混合動力汽車 (HEV) 的數量正在快速增長。 這些車輛被認為是未來交通工具的核心 ，因為它們能夠減少對化石燃料的依賴 ，從而降低二氧化碳排放量 。 在這些新能源車中，電池 、 逆變器和電機是最關鍵的組件。  其中，電機的市場規模預計將在未來幾年持續擴大，因為它們是這些車輛的核心驅動部分 。 隨著人們對提高電動汽車性能的需求日益增強， 電機設計工程師面臨著越來越高的要求 ，需要開發出更加高效和可靠的設計 。

除了電動汽車市場外，協作機器人市場也預計會有顯著增長。 協作機器人主要應用於需要體力勞動的工作場合 ，如搬運重物和進行精密工作 。 這些機器人可以與人類協同工作 ，減少人力勞動強度 ，同時提高工作效率 。 由於協作機器人由多個執行器和電機組成， 電機在這個領域的應用也變得越來越廣泛 。  因此 ，協作機器人的電機市場也將因此而擴大。

(左：電動汽車、右：協作機器人)

CAE軟體 電機設計

在電機設計過程中，為了在實際生產之前確保設計的高效性和可靠性，模擬分析預期性能是非常必要的。 這包括對電機的形狀進行優化以及在不同工作條件下確保驅動的有效性。 形狀優化的目的是提高電機的效率和性能，而在廣泛的工作範圍內確保驅動的有效性則是為了適應不同的操作環境和需求。

(左：電機形狀優化、右：電機在不同工作條件下的性能)

這些設計過程需要工程師進行大量的磁場模擬分析，尤其是在不同工作條件下。 這些分析需要大量的計算時間，因而如何減少模擬時間並提高工作效率成為一個重要的課題。

為了解決這個問題，海克斯康的 ODYSSEE軟體 提供了一種有效的解決方案。 ODYSSEE 能夠利用少量的設計實驗點(DOE)來建立高精度的降階模型(ROM)，這樣可以顯著加速電機設計的優化過程。

CAE軟體 電機設計

電機形狀設計優化

在不同的形狀參數下，電機的平均扭矩和扭矩波動會有所不同。 電機的設計優化過程就是平衡電機的平均扭矩和扭矩波動，得到帕雷托最優前沿(Pareto front)。

(左：電機磁場分析模型、右：不同設計參數下電機的平均扭矩和扭矩波動)

針對電機設計優化問題，通常採用典型的基因演算法來進行參數最佳化。 在這個過程中，基因演算法根據設計參數的取值進行優化，直到性能改進達到穩定。 這一過程通常需要進行大量的有限元法(FEM)計算。舉例來說，如果需要進行1200次FEM計算，每次計算大約需要30秒，那麼總計算時間將達到10小時。 在這樣的情況下，FEM計算是最耗時的部分，因此，減少FEM計算時間就成為提高工作效率的關鍵。

為了解決這一問題，本研究利用少量的FEM模擬結果，並採用ODYSSEE建立的降階模型來取代FEM，以便快速預測和減少FEM計算時間。 這樣不僅能夠加快優化過程，還能減少計算資源的消耗。

具體的工作流程如下：首先使用FEM模擬生成訓練數據，然後利用基因演算法確定設計參數，並搜索最佳設計形狀。 這一過程會重複進行，直到降階模型的結果與FEM的結果精度達到滿足要求的程度。 此時，降階模型可以取代FEM進行預測。

(左：基因演算法+機器學習工作流程、右：降階模型和FEM結果對比)

研究結果顯示，使用400個FEM模擬結果進行模型訓練即可得到收斂的降階模型，能夠準確替代FEM模擬。 相較於僅使用基因演算法的優化流程，引入ODYSSEE的機器學習工具後，FEM模擬次數從1200次減少到400次，大大降低了計算成本。

然而，我們也發現，在某些情況下，由於材料的非線性特性，降階模型對扭矩波動的預測精度較低。 這種情況主要是由於材料的非線性行為造成的。在這種情況下，可以通過改進優化流程來解決這個問題，即在帕雷托最優前沿位置使用FEM結果，其他位置則使用降階模型進行預測。

不同工作條件下電機性能快速預測

電動汽車的電機有著廣泛的工作範圍，為了在不同逆變器輸入電流條件下實現更有效的驅動，需要進行大量的磁場模擬分析。

(左：電動汽車工作範圍、右：電機效率隨電流和電機狀態而改變)

為了選擇適當的電流條件，需要進行1848個FEM模擬結果的優化，因此我們引入ODYSSEE的機器學習方法來減少模擬分析次數。 建模工具使用 MSC Apex ，機器學習軟體為 ODYSSEE 。 我們使用240組FEM模擬結果進行機器學習模型的訓練，並構建高精度的降階模型來替代FEM模擬分析。 結果顯示，降階模型的預測結果與FEM結果幾乎完全一致。

(上：FEM分析結果、下：降階模型預測結果)

總 結

在電機形狀設計優化問題中，使用 ODYSSEE 的機器學習方法，可以將FEM次數減少約68.9%（從1236次減少到378次）。 然而，由於電機材料的特性，降階模型對某些扭矩波動的預測結果可能與FEM結果存在一定的偏差。 這可以通過在帕雷托最優前沿選擇使用FEM結果來彌補。

針對不同工作條件下的電機設計優化問題， ODYSSEE 的機器學習方法能將FEM次數減少約87.0%（從1848次減少到240次），並且仍能保持較高的預測精度。 這樣的技術進步不僅顯著提高了電機設計的效率，也為未來的技術發展提供了新的可能性。 在全球追求低碳經濟和可持續發展的大背景下，這些技術的應用將變得越來越重要，並有望為相關行業帶來深遠的影響。

想 更 清 楚 的 了 解  ODYSSEE CAE 機器學習成為電機一大助力 ODYSSEE 的 細 節 ，歡 迎 來 電 (02)2712-8448 或 是 來 信。

If you want to know more details from ODYSSEE and Romax ,please contact Simhex.

ODYSSEE CAE

ODYSSEE CAE 藉由即時回答複雜的工程問題來擴增你的知識，若沒有 ODYSSEE CAE 可能需要數百小時來做模擬和分析。 只要一些先前做過的CAE模擬， ODYSSEE 可以即時預測、最佳化和穩健的產出準確的結果。 ODYSSEE CAE 生產完整時程的歷史輸出，包含完整的CAE分析，有詳細的後處理結果。

ODYSSEE CAE is an innovative platform for engineers that integrates machine learning, artificial intelligence, reduced order modelling, and design optimisation into workflows. It enables cost-efficient digital twin creation through real-time predictive modelling and optimisation by leveraging CAE simulation and physical test data. With minimal prior simulations, ODYSSEE CAE can quickly generate accurate results (with deformation, stresses, …) and full-time history outputs.

ODYSSEE A-Eye

使用以影像為基礎的機器學習，為任何產業提供即時預測和優化。

ODYSSEE-A-Eye 使用影像為基礎的預測或基於 CAD 幾何 (STEP) 為生產/非工程師建立專用的客製化。

ODYSSEE A-Eye is a machine learning solution for accelerating product design and development through image and CAD-based learning. Using images, CAD and sensor data as inputs, ODYSSEE A-Eye creates customised AI applications that predict output responses and field data. This enables designers and production technicians to explore the design space thoroughly and design next-generation products efficiently without excessive computing time and cost.

ODYSSEE 為 工 程 、 製 造 和 質 量 提 供 實 時 解 決 方 案，包 括 以 下 功 能：

• 機器學習 AI
• 統計 、 數據挖掘 、 數據融合
• 優化 和 魯棒性
• 圖像識別 和 壓縮

機器學習、人工智慧AI的最佳幫手 ODYSSEE 應用領域如下：

• 計算流體力學
• 結構仿真
• 材料
• 聲學設計
• 系統動力學
• 自動駕駛
• 製造工藝

補充說明：

AI 人工智慧 (Artificial Intelligence) 是指通過電腦系統模擬人類智能的技術。AI 包括能夠進行推理、學習、理解自然語言、解決問題、感知環境並做出決策的系統。

ML 機器學習 (Machine Learning) 是 AI 的一個子領域，專注於通過數據進行學習，無需特定編程來完成特定任務。ML 的系統會通過大量數據進行訓練，識別其中的模式，並基於學到的模式進行預測或決策。

AI 和 ML 的區別：

• AI 是一個廣泛的領域，涵蓋了模仿人類智能的各種技術和方法。
• ML 是實現 AI 的方法之一，利用數據訓練模型，通過學習改進系統的表現。

ODYSSEE 應用:

• 延 伸 閱 讀 

• ODYSSEE幫助臨床醫學最佳化3D列印矯正鞋墊
• 變速箱性能最佳化：透過ODYSSEE建立AI ML的Romax變速箱設計
• 機器學習、人工智慧AI的最佳幫手 ODYSSEE
• ODYSSEE 以CAE為中心的AI/ML創新平台

這篇文章 ODYSSEE CAE 機器學習成為電機一大助力 最早出現於 星恆科技有限公司。

主動行人警報系統（Active Pedestrian Alert System, APAS）是一種先進的駕駛輔助系統，在於減少車輛與行人之間的碰撞事故。APAS利用車輛上的感應器、雷達、攝像頭等技術，實時監測車輛周圍的行人動態，當偵測到潛在的碰撞風險時，系統會主動向駕駛員發出警報，甚至在某些情況下自動制動車輛以避免碰撞。

APAS 的工作原理：

1. 感應技術：APAS 依賴多種感應技術，包括攝像頭、雷達、激光雷達 (LiDAR) 或超聲波傳感器，這些設備會實時掃描車輛周圍的環境。
2. 行人檢測：當系統偵測到行人進入車輛的行進路徑時，會自動分析行人的移動方向和速度，預測其與車輛可能發生的碰撞。
3. 警報提示：如果系統判斷存在潛在的危險，它會立即向駕駛員發出視覺或聲音警報，以提醒駕駛員注意行人。
4. 自動緊急制動：在某些高級系統中，如果駕駛員未能及時作出反應，APAS 會自動啟動制動系統，減少車速或完全停車，以避免事故發生。

Actran幫助現代汽車設計行人警示揚聲器

APAS 的優點：

1. 提高行人安全：APAS 可以大幅降低車輛與行人碰撞的風險，特別是在駕駛員視線不良或注意力不集中的情況下。
2. 快速反應：APAS 的反應速度比人類駕駛員快，能夠在行人突然出現時迅速作出應對。
3. 全天候運作：先進的感應器使 APAS 能夠在白天和夜間、以及不同的天氣條件下運作，有助於提高行人的安全性。

Actran幫助現代汽車設計行人警示揚聲器

APAS 與其他行人安全系統的區別：

• 與 AVAS 的區別：AVAS（車輛聲學警報系統）通過發出聲音提醒行人，而 APAS 則專注於幫助駕駛員檢測並主動避免與行人發生碰撞。
• 與碰撞預防系統的區別：APAS 專門針對行人設計，而其他碰撞預防系統（如 AEB, 自動緊急制動系統）則可以檢測其他車輛、障礙物等。

總之，APAS 是一種先進的安全系統，通過主動檢測行人並在必要時自動干預，有效減少與行人相關的交通事故，並提升城市交通環境中的行人保護。

行 業 挑 戰

電動汽車 在 中 速 或 高 速 行 駛 時 ，聽 到 的 外部雜訊 僅 由 風阻 或 胎噪 產 生。因 此，電動汽車 對 於 行 人 和 自 行 車 而 言 存 在 安 全 威 脅 ，特 別 是 視 覺 或 聽 覺 有 損 傷 的 人 或 者 在 聽 耳 機 的 人 。美 國 和 歐 盟 已 經 提 出 了 相 關 的 法 規 要 求 新 出 廠 的 電動汽車 在 低 速 行 駛 時 必 須 發 出 可 被 聽 到 的 聲 音 。 這 些 法 規 對 於 警 報 聲 音 的 大 小 和 頻 率 範 圍 有 不 同 的 要 求。

近 些 年， 現代汽車 已 經 開 發 出 主動行人警報系統（APAS）。此 系 統 利 用 聲音聚焦技術 可 僅 對 處 於 危 險 中 的 行 人 定向發聲 。 現 在 的 APAS系統 使 用 駕駛輔助系統（ADAS） 攝 像 頭 和 定向發聲 設 備， 同 時 降 低 城 市 雜訊污染 問 題。 在 設 計 APAS 時， 現 代 汽 車 工 程 師 必 須 考 慮 既 滿 足 法 規 要 求 ，又 能 對 行 人 提 供 足 夠 的 警示音 效 果 ，同 時 還 要 避 免發 出 多 餘 的 聲 音 引 起 車 內 人 員 的 不 適 感。

Actran幫助現代汽車設計行人警示揚聲器

在 過 去 ，設 計 中 考 慮 聲音問題 時 ，現 代 工 程 師 依 賴 於 實 驗 測 試 來 評 估 各 種 設 計 方 法。 這 必 須 製 造 每 一 種 設 計 方 案 的 物 理 樣 機 ，耗 費 一 到 兩 個 月 的 時 間 。 物理實驗 能 夠 提 供 的 資 料 也 是 有 限 的 。“採用物理實驗，我們僅僅能夠測量各個位置的聲音大小，我們不得不猜測聲音產生和傳播的機理”，Jinmo Lee說道，“這對於改進設計方案來說很困難”。

Actran幫助現代汽車設計行人警示揚聲器

解 決 方 案

1) APAS模擬

現代工程師利用 Actran 軟體類比喇叭，使用喇叭製造商提供的規格單中的Thiele/Small(T/S)參數進行建模，並將其與模擬喇叭內部腔體和外部的聲輻射空間的有限單元模型進行耦合。

Actran 計算6000Hz以下車輛區域的聲壓和聲阻抗。

Actran幫助現代汽車設計行人警示揚聲器

2）使用模擬結果優化喇叭設計

現代通過 Actran 進行一系列參數研究，尋找各主要設計變數對聲場的影響。歐盟和美國法規要求，在1600Hz以下和800Hz以下至少分別發出一個頻率的警報聲音。APAS 喇叭的驅動單元很小，因此滿足低頻聲音要求比較困難。同時實驗分析顯示，在400Hz以下的一個頻率可以較明顯的傳遞到乘客艙，這影響了乘客的舒適感。接下來工程師在喇叭上加入背腔設計，並做了數值模擬，通過掃頻分析發現此時聲阻抗頻率從400Hz改變到490Hz，這一改變既可以滿足法規要求，同時也保證了成員的舒適性。

聲波導管可以保護喇叭不受環境中水汽的影響，而且在聲音調校方面起到重要作用。工程師使用Actran管道聲場模擬技術進行導管的設計以加強中頻1500Hz聲音傳播。同時喇叭內部覆蓋件和驅動單元之間的空間得到優化，以加強4400Hz附近的聲壓級。

工程師在模擬中對保險杠上喇叭安裝的垂直位置進行研究，考慮車的前部形狀和地面的影響。模擬結果顯示，最低的安裝位置呈現最好的警示聲場效果，既提供了更高的聲壓級，又提供相對平緩的頻譜表現。模擬也顯示出最低位置可以將地面帶來的聲波相消干涉降到最小。Actran幫助現代汽車設計行人警示揚聲器

模擬結果及測試對標

工程師對模擬結果進行驗證，使用1V的正弦掃頻信號進行喇叭實驗和模擬。如上圖所示，模擬得到的喇叭1米遠處聲場頻譜與物理實驗完美匹配。

現代工程師使用 Actran 優化揚聲器腔體和管道的中的聲學共鳴，可以使喇叭設計中的低、中、高頻聲場特性均滿足美國和歐盟的法規要求，同時降低了喇叭的尺寸和能量的消耗。

“Actran的模擬結果提供了比實驗測試更全面的資訊，這些資訊可以説明現代工程師快速的反覆運算優化方案，相比利用傳統的製造樣機進行測試的方法節省一半的時間” ———– Lee說道。

Actran幫助現代汽車設計行人警示揚聲器

  結 論  

Actran幫助現代汽車設計行人警示揚聲器 ，使用 Actran 模擬優化設計之後，製造了一個完整的 APAS 測試樣機。物理測試結果顯示，設計滿足了所有的設計要求和法規要求，使用一個小的喇叭即實現了聲音輻射的最大化，並提供了卓越的聲聚焦表現。

關於現代汽車 

現代汽車集團 Hyundai Motor Group 是由一系列附屬公司以複雜的控股方式組成的的集團公司，集團的代表是現代汽車及起亞汽車。集團現任會長兼CEO為鄭義宣。現代汽車與其持股32.8%的起亞汽車 KIA 以及全資控股子公司捷恩斯汽車是全球第三大汽車製造商。

現代汽車在蔚山的汽車組裝廠年產量160萬量。公司雇員超過11萬人，去年現代汽車集團賣出685萬輛車，目前其成為美國第三大電動車商，2023 Q1產出1.4萬輛電動車，目標在2030年前擁有18款電動車型，並達到200萬輛電動車年銷量並以特斯拉為競爭目標。

2023年年初，北京現代公司發布新聞，現代集團的現代和起亞品牌合計銷量首次排名世界第三，僅次於豐田（Toyota）的1050萬輛、大眾（Volkswagen）的826萬輛。

2023/06/07現代汽車與三星電子在車載資訊娛樂領域展開合作，將其合作範圍由顯示屏、視頭模塊及音響系統擴大至晶片，並由 2025 年起為現代汽車提供其高級車載資訊娛樂處理器。

Actran 用 在 各 種 形 式 的 聲 學 模 型

常 見 應 用 的 產 業

• 航太: 經過駕駛艙和機身、發動機短艙內襯、機身和駕駛艙絕緣、ECS（環境控制系統）、APU 和 ECS 入口和出口消音器、後緣、聲納、直升機渦輪噪聲、起飛時火箭有效載荷的隨機動態響應的聲音傳輸，聲納。

• 車輛: 動力總成、裝飾設計、風噪聲、發動機部件、壓縮機、進氣歧管、空氣濾清器、閥蓋、擋板、電動機、揚聲器、消聲器、輪胎噪聲、消音器、高壓分配管道、馬達、齒輪箱。

• 消費品: 電話、免提電話通訊、耳機、揚聲器、助聽器、樂器、洗衣機、冰箱、吸塵器。

• 電子產品: 光碟硬碟等轉動裝置、手機、相機、液晶投影設備的風扇。

• 機械裝置: 渦輪機械、暖通空調、割草機和農業機械、排氣系統、馬達。

想 更 清 楚 的 了 解  Actran幫助現代汽車設計行人警示揚聲器 Actran 的 細 節 ，歡 迎 來 電 (02)2712-8448 或 是 來 信。

If you want to know more details from Actran ,please contact Simhex.

延 伸 閱 讀

• Actran SEA解決太空發射器飛行的結構聲學疲勞
• Actran 聲學解決方案研討會
• Actran聲場分析 2023第二季培訓課程 
• Avio使用MSC Nastran和Actran確保太空發射器的結構可靠度
• 第二屆 2023 Actran聲學應用大賽
• CAE軟體 – Actran 進行噪音分析
• Actran SNGR 解決複雜的流場 聲學 問題
• 馬達噪音優化 – 解析如何利用Actran進行噪音優化
• Actran 2021 新功能發布要點！
• NVH分析 – 利用Actran輔助車身地板阻尼優化
• 電動車噪音 – 通用汽車向中高頻前進！

這篇文章 Actran幫助現代汽車設計行人警示揚聲器 最早出現於 星恆科技有限公司。