MathWorks
2020年汽车工程会议

10:00 - 10:30

从“石油和天然气”到“能源”的转变正在使行业走出舒适区，但数字化提供了一种管理转型风险的方法。实际的项目。组织已经确定了高水平的数字化转型目标，现在正指望他们的工程师和科学家来实现这些目标。这将涉及学习新技术，与不熟悉的团队合作，并提出新的产品和服务。下载188bet金宝搏为了应对这一挑战，能源公司必须掌握如何系统地使用数据和模型，不仅在研究和开发阶段，而且在整个产品生命周期中跨团队使用。有效的数字化转型计划需要考虑人员技能、流程和技术方面的变化。

12:30 - 1:00

非常规能源，尤其是页岩资源，在我们国家能源储备中占了很大的比例，而且比例还在不断增加，因此需要仔细规划和优化，以实现高效生产。为此，他们正在获取有关油田和每口井生命周期中各个阶段的大量数据，包括地质、钻井、完井和生产。然而，利用这些数据来优化井的设计和性能是一个巨大的挑战，因为所获得的大部分数据都在地面，因此只能以汇总/平均的方式对深(~2英里)和长(2-3英里)水平井进行10秒(20-50)级的噪声和间接估计。在每一段的基础上优化决策，这是井的完井方式，需要在每一段的基础上估计井的产量，这既不能对大多数井进行测量，也很难从所获得的数据中推断出来。

在这项工作中，我们展示了使用聚类和优化方法来构建分段生产预测模型，使用来自地质信息、钻井和压裂作业期间的地面测量以及单井生产数据的分段属性集合。我们的分析揭示了分段压裂的有效性，因此根据生产前获得的分段特征数据，可以更好地对未来的井进行决策。该模型包含了在保持准确性的同时减少/管理过拟合影响的方法，还为实验设计和规划和操作决策的数据驱动优化提供了建议。我们展示了应用于合成/仿真数据的模型的数值结果。MATLAB在大型数据集的高效分析和可视化方面的能力在演示我们的概念方面非常有价值。

人工智能在工程上的成功应用需要完整的设计流程，而不是数据和算法。本演讲将讨论MathWorks如何为人工智能开发一个完整的企业工程平台。你将看到高德纳将MathWorks评为2020年数据科学和机器学习平台魔法象限“领导者”的原因。

随着行业对新汽车技术的要求越来越高，福特已经采用MBD和MBSE来帮助实现这些技术。有了MBD作为基础，对于福特来说，拥有定义良好的MBD过程和工具就变得至关重要。福特汽车公司MBD核心团队的成立正是为了做到这一点。通过敏捷流程和生命周期规划，团队为福特全球所有用户开发和部署通用MBD流程和工具。我们相信，有了一个集中的MBD支持团队，我们不仅可以为MBD开发通用流程、最佳实践和金宝app经验教训，而且还可以为有效地执行虚拟车辆级测试奠定基础。

随着自动驾驶、汽车电气化和互联互通的发展趋势，汽车行业正在发生巨大的变化。在这次演讲中，Ramamurthy Mani分享了MathWorks如何解决复杂性、规模和协作工作流，以适应汽车软件架构不断变化的需求。

面向服务的体系结构(SOA)是一种基于以下概念的软件体系结构:系统由一组服务组成，其中一个服务可以使用另一个服务，应用程序根据需要使用一个或多个服务。SOA提倡使用中间件进行面向服务的通信的松散耦合的基于组件的方法。SOA概念用于多个行业标准，包括:AUTOSAR、ROS和DDS。

在这次演讲中，MathWorks展示了如何使用Simulink金宝app^®用于对基于SOA的应用软件进行建模和仿真。演讲重点:

• 软件组件之间基于消息的通信建模
• 自适应AUTOSAR软件组件建模
• c++生产代码生成与自适应中间件接口(ara::com)，和AUTOSAR XML导出

A123将其用于AUTOSAR开发的基于模型的设计工具集与Jenkins集成以实现持续集成。这样做是为了支持扩展的团队和模型的金宝app使用。由此产生的环境自动化了通用软件开发过程中90%的步骤，还促进了基于丰富数据和度量的设计评审。

MathWorks已经帮助许多团队迁移他们的软件开发过程，以满足ISO 26262的要求。在这个过程中，我们还帮助这些团队优化基于模型的设计方法和工具的使用。在执行迁移时，我们确定了一些常见缺陷的区域，例如正式的过程映射、工件生成、软件架构设计和审查，以及工具确认。我们想通过这次演讲分享我们的经验和建议的解决方案。金宝搏官方网站

navigstar开发了一个新的数据字典工具(DD)，增强了Simulink的数据字典，以简化控制模型设计，同时支持生产代金宝app码生成和部署。金宝appDD提供了进一步的数据对象抽象，简化了各种用户组的流程，并简化了开发过程中的协作。例如，功能开发人员使用DD来指定数据对象的功能需求，如名称、物理单元和信号值范围;而嵌入式软件工程师同时指定生产代码的特定方面。这种方法让功能开发人员专注于功能需求，而嵌入式软件工程师专注于产品代码实现和集成。DD还包括一个轻量级的基于组件的框架，支持使用自底向上的方法为AUTOSAR和非AUTOSAR应用程序集成数百个软件组件。金宝app

许多行业都在拥抱大数据——大量信息的收集和积累。汽车、航空航天和大型设备制造商正在寻求了解客户的使用情况和配置设备舰队数据。这些数据将有助于设计、工程和生产客户认为有吸引力的解决方案。金宝搏官方网站解决方案将是关于如何利用Spark计算环境以及MathWorks正在开发的接口大规模地使用如此大的数据。

在过去，工程师们会下载tb大小的ADAS数据集来寻找边缘情况。这种方式会消耗大量的网络带宽和本地存储空间。我们创建了一种新的更有效的方法，利用MATLAB访问Apache Spark资源来解码、分析数据，并在Hadoop文件系统上搜索边缘情况。它极大地提高了吞吐量，并减少了下载到工程师工作站的数据量。

该方法已成功用于分析福特大数据驱动车队CAN流量中的ADAS功能使用情况。它将部署在未来所有大数据驱动车辆分析中。

您是否有策略来分析来自连接测试车队的数据?你能够多快地对大量数据进行开发和应用分析，以找到所需的事件或发现以前未知的趋势?您是否能够处理所有数据而不是一个子集?

在这次演讲中，Will Wilson将演示如何用MATLAB实现工作流^®这就解决了这些问题。主题包括:

• 探索您可以对舰队数据提出的问题类型
• 为高效分析准备数据
• 开发“单位”或“所有”基础上执行的分析
• 部署分析以跟上测试数据的持续吸收

大数据生成、数据科学和机器学习的快速发展为几乎所有行业的持续改进、优化和自动化带来了巨大的机会。本文的重点是机器学习工具在钢铁行业中的应用，使用MathWorks演示其功能、速度和准确性^®深度学习工具箱。介绍了两个特定钢的案例研究:自动化非金属夹杂物分类和钢生产过程中的粗尺寸测量。采用迁移学习技术来减少计算开销，并发现一个适当的地面真相训练数据集与智能图像预处理产生了比人类精度更高的结果。以标准化的动态链接库格式实现的成品模型提供了与其他通用编程语言的无缝集成，这导致了一个直接的、容易扩展的、生产的推出。在特定任务的工时和评价一致性方面，优势立即显现出来。每个案例研究都描述了基本架构、预处理步骤、训练参数和模型性能。

机器学习是汽车行业的热门话题。将机器学习算法部署到电子控制单元(ecu)通常是一个瓶颈，因为需要内存、CPU吞吐量以及支持机器学习算法所需的软件开发和集成技术。金宝app

在这次演讲中，Gokhan Atinc提供了嵌入式处理器的机器学习技术和部署工作流程的概述。他还将讨论汽车和相关行业感兴趣的先进功能，包括现场改装支持，Simulink金宝app金宝app^®金宝app支持，并定点转换。

MATLAB^®已扩展到支持集群和基于云的数据和计金宝app算框架。与此同时，数据和计算框架技术继续快速发展。在本演示中，Arvind提供了一个企业客户如何将MATLAB与现有框架集成的示例。该集成使工程师能够使用Apache Spark™对非常大的数据集进行切片和切分，并提取取证切片以开发分析，然后可以向下推到集群上大规模执行。与MATLAB的集成还支持符合企业级安全、治理和访问控制需求的工作金宝app流，同时使用户能够在整个组织范围内轻松访问其分析结果。

随着机器学习技术的进步，通过V2X连接访问数据，以及更可靠的工厂模型仿真，强化学习最近被认为是汽车系统反馈控制的控制设计选项。在这次演讲中，简要讨论了应用经典控制方法的挑战，重点是PID结构，并提出了部署强化学习来解决其中一些挑战的观点。

在本演示中，您将学习如何使用RoadRunner轻松创建用于自动驾驶模拟的3D场景和道路网络。您还将了解如何从高清晰度(HD)地图自动创建道路网络。在您完成创建和编辑场景后，您可以将它们导出到行业标准文件格式(如OpenDRIVE)和自动驾驶模拟器(如CARLA、NVIDIA DriveSIM和Simulink)。金宝app