老汤哥 2024-12-30 20:37 四川
正文来自理想第一产品线负责人汤靖。之前分享了几期理想汽车智能工业在整车制造基地的智能应用案例，包括比如在线扭矩监控，还有生产线的预测性维护，大家看样子都还是挺感兴趣的，好像显得还是有点技术的样子。
其实我们到现在为止，已经将这种技术能力逐步扩展到我们的零部件层面。但似乎零部件层面好像一直没有分享过案例，要不，今天就分享下在电驱动工厂的NVH智能检测应用吧。
为什么要做电驱动的NVH智能应用检测呢？
其实当时我们在理想ONE上有过惨痛的教训，理想ONE我们当时采用的是都是外购电机，大家知道，电机高速旋转的时候会产生声音，如果声音的大小和频率超过一定范围，就会成为被用户感知的噪音了。
但是当时最大的痛苦是电机的噪音在EOL检测台架上和整车上的噪音表现并不能完整的对应。
为啥呢，也就是会发生整车上高频的电机噪音并不能在供应商的下线检测中识别。
如果我没记错的话，当时下线EOL检测的是振动，振动总之和整车高频噪音没有办法完整对应，因为涉及到整车的模态以及加速Map。
但如果电机装上了整车，再发现不可接受的噪音，更换起来非常的麻烦，根本没法批量生产。
相信关注我微博的也有当时理想ONE时候的工厂同事，当时更换电机大家的故事相信大家还历历在目。
所以说，电驱动系统出厂时NVH检测显得尤为重要，因为如果装在整车上，更换的成本和节拍都无法支持大批量交付。换电驱，特别是前电驱，前舱要更换的部件实在太多了。
那么，怎么做电驱动NHV的检测工作呢？
大家可能没有注意，这几年电机的噪音要求越来越高，5年前6年前的车，急加速的时候，很多时候都能听到高频电机啸叫，但是最新的车型，基本都听不到了。
大家可以去听听理想汽车L系列，还有MEGA的加速，基本就听不到电机噪音了。
因为噪音要求越来越高，所以下线检测的非常非常的关键了，不合格品下线如果安装到整车上再发现不合格，需要更换的话那就惨了。
所以目前，为了越来越严格的噪音要求，许多供应商在零部件的NVH异响检测过程中，就不能再用之前那种振动检测方法了。
现在更多的要直接进行噪音检测了，但主要依赖人工听音判别或通过设定单一的阈值进行判断了。
这种传统检测方式虽然能够实现基本的故障检测，但在故障件判别的一致性和故障件归因的时效性方面存在一定的局限性，而且NVH和整车工作模式也非常相关。
同样一个电驱，在不同的整车或者整车不同的加速MAP下，噪音表现可能完全不同。
这个对零部件厂来说，就很麻烦，如果要造一个完全没有噪音的零件，难度非常高。
但是如果针对一个适合某车，或者某个加速MAP下没有异响的电驱，难度就小不少，但这样，下线的噪音检测就非常的麻烦了。
举个例子，人工判别如同老中医把脉，靠经验和感觉，容易受到个人经验和主观因素的影响，不同操作人员之间可能存在差异，导致判别结果不一致。
同时，单一阈值的判断方式就像是用一把尺子量所有的衣服，不管大小胖瘦，一律按这个标准来...这往往不能覆盖复杂的异常情况，难以在早期阶段及时识别潜在故障，影响质量控制的前瞻性。
供应商的检测能力直接关系到零部件质量、性能问题的质量控制水平。若想提升零部件质量水平，就必须考虑在检测能力上下功夫。
这个时候，AI技术就显示出巨大的力量了。
我们智能工业的算法工程师们通过对大量零部件产线历史数据进行处理，训练模型，后期将完成训练的模型，通过自研的AI-Box（理想智能场站），远程部署在电驱供应商的产线边缘端。
这样一来，随着电驱动部件正常生产下线，电驱动运行测试NVH数据实时给到的模型进行判异，像是装了“顺风耳”和“千里眼”的模型便会快速判断出零部件是否合格。
它带来的好处是直观可见的：
第一，准确靠谱：AI模型在迭代判断能力方面弥补了参数、阈值、人工判断的不足，并及时对判断为不合格零件进行自动原因归类，像是学生时代的错题本，夯实基础归类分析，进而迭代产生新的思考。
第二，高效缩时：解放人工听音，缩短整个NVH检测环节时长，提高生产效率。
第三，降本提质：降低供应商问题件流出风险，减少零件装车验证-发现问题-退换零件所产生的成本，而且，有机会识别适合这个整车的零部件，而不是无穷的增加各种不合理的要求。
总之，智能工业的NVH智能检测，就像是给电驱动系统装上了一颗聪明的“大脑”，让它在出厂前就能自我检查，确保每一个部件都能以最佳状态上路。这样的技术，不仅提升了产品质量，也让我们的驾驶体验更加舒适和安全。
顺便说一下，除了智能工业的同事在电机生产线上的“智能听音”，我们其实在整车上也有另外一个部门，整车控制部门的同事通过车上的麦克风实现“无人听音”， 能够在整车下线质量路测时候，自动听取是否有异响….以前理想ONE的时候，车上还专门有个技师做为“金耳朵”来辨别各种噪音，现在就不需要了，而且准确度会更高。
下一次再讲讲他们是如何做的。
加微信，进群深度交流理想长期基本面。不是车友群。
