首页

资讯详情

有哪些发动机的黑科技让我们念念不忘？

weINcar 2019-02-26 17:04:00

尽管汽车发明至今已经走过了130多年的历史，汽车也早已融入了我们的生活。但作为核心之一的发动机，可以说无论在哪个时代，都是这个时代当之无愧的“黑科技”。它是民用科技领域的集大成者，也因其复杂的结构而成为极少数国家和企业能够开发的一种技术。

在下面的文章里，曾任北汽品牌动力总成项目经理的阿迪，会从人工智能和发动机的发展历程、技术的复杂程度两个方面展开对比，看看在AI面前发动机是否不堪一击。

汽车和发动机就像柴米油盐一样，不可缺少也稀松平常，看似没有什么黑科技的感觉。不过黑科技这个词用得多，可真正“黑”的科技又应该是什么样的呢？

AI技术应该是比较被认可的够“黑”的科技了，本文将从人工智能和发动机的发展历程、技术的复杂程度两个方面展开对比，看看在AI面前发动机是否不堪一击。

下面故事开讲，这是一个漫长的故事：

AI和发动机的发展历程

AI的发展历程:

1950年下面这位被称为“人工智能之父”的帅哥艾伦·图灵提出了人工智能的概念。

随后人工智能行业几经沉浮，经历了3次高潮和2次低谷。第一次高潮在20世纪50-70年代。

在这期间，斯坦福国际研究所研制的了机器人Shakey，装配电视摄像机等传感器，并通过无线通讯系统由二台计算机控制，能够自主进行感知、环境建模、行为规划并执行任务。

从外观上，Shakey也建立了现代人类对机器人形象的认知，不管是实际使用的巡检机器人还是电影作品里的瓦力，都能看到Shakey的影子。下图分别是Shakey、京东巡检机器人和《机器人瓦力》的主角Wall-E。

但是由于硬件条件制约，Shakey的运行速度相当缓慢，经常需要数小时时间进行环境感知并进行路径规划。因此20世纪70年代人工智能行业陷入了第1次低谷。

从20世纪80年代到90年代初，随着计算机技术的发展人工智能又迎来了一波春天但很快又进入了AI之冬，来得快去得更快。

直到1993年后特别是2015年以后，随着计算机技术和数字技术的进一步发展，人工智能才迎来了第3次高潮，接下来的一些事情比如AlphaGo大战李世石就不赘述了。

发动机的发展历程:

时间倒回到19世纪中叶，在轰轰烈烈的第二次工业革命大潮中点燃式发动机和压燃式发动机被发明。但当时的发动机还很稚嫩，1886年奔驰1号的发动机功率只有0.89匹马力，只能将车子推动16km/h的最高速度。随后70年间，发动机性能不断提升，下表列出了几款车型发动机的主要参数。

1967年德国Bosch发明了世界上第一款汽油机电控系统，将发动机带入到了电控年代。自此之后特别是进入21世纪后各种各样的发动机电控技术纷纷出现，发动机的配气、正时、点火、冷却、启动系统全面进入了电控时代。目前市场上大多数自然吸气发动机升功率都达到了80hp/L，而增压发动机更达到100~120hp/L，相比130年前提高了100倍。

综上所述人工智能的发展用了接近50年才从Shakey的接近植物的移动速度到现在满屋跑的扫地机器人，像深度学习领域广泛使用的神经网络算法其实在几十年前就已经有了。

发动机的发展也是如此，从奔驰1号到现在发动机的升功率提升了100倍，同时由于环保法规的升级，发动机的排放污染物也大幅减少。

下图是国I到国IV阶段污染物降低幅度，2015年国V法规全面实施后又增加了对NMHC(非甲烷碳氢)和PN(发动机颗粒物)的限制值，现在汽车的污染物水平仅仅是20年前的10%不到。

人工智能和发动机的技术复杂程度

人工智能技术:

人工智能作为计算机科学的一个分支，再深层次其实就是数学啦，你看工程师的发际线就知道这行有多烧脑了。

人工智能是通过数学模型对事件进行描述并进行决策和执行的，举个栗子：

小马要过河，却不知道河有多深，老牛说河水很浅，松鼠说河水很深，小马不知道如何是好。但如果有人工智能加持，小马就可以先找老牛、松鼠、狗熊、兔子、青蛙以及其他动物询问他们的看法然后根据他们的说法以及小马和这些动物体型上的差异判断出水不会没过自己，然后小马就可以勇敢地过河了。

人工智能实质上是通过不同的数学模型事先对事物进行归纳并总结成规律，在实际操作中将感知到的信息整理归纳并和之前的模型进行对比通过评价模型进行判断，然后再根据决策模型进行决策控制并输出控制指令给执行机构。

这样人工智能在训练准确的情况下就可以搞定小马过河这种有成功经验(即深度学习)或者成功标准(即强化学习) 但是自己没有做过的问题了。

下面的图中是机器学习常用的算法：

人工智能的难度在于以下几点

1.经验知识库很难覆盖所有情况，就像故事中小马并没有能问到另一匹小马是如何过河的;

2.感知到的信息未必都是真值，总有一些噪音(错误的信息)需要滤除掉，这就相当于故事中各种小动物跟小马说的话都夹杂了自己对河水深浅的理解而并非是真是的情况；

3.多种感知信息的融合和评价标准，这个小马过河的故事里不存在，但是大家生活中就会经常遇到比如走在路上时大脑会根据后面汽车的灯光和声音综合判断后面的车离自己有多远，需要闪到什么地方才能躲开车或者回头看一下再确定车到底在哪。

发动机技术:

发动机的先进技术主要是有效组织发动机更好地工作，而发动机工作的核心则是燃烧系统，其余系统都是围绕让发动机更好燃烧而设计。

以汽油机为例，发动机的燃烧涉及到新鲜空气进气量控制、气流的组织、点火时刻的控制以及排气的控制。因此发动机性能开发分别涉及到了热物理、流体力学、传热学、燃烧学等。下图说明了发动机的工作过程：

发动机的工作过程比较好了解，但是如何提升发动机的燃烧效率就的的确确是件挺有难度的事情了。在实际研究过程中普遍使用仿真和试验结合的方法。

发动机模拟的复杂程度其实是很难想象的。由于发动机缸体内存在不稳定的湍流，因此导致需要通过各种湍流模型来近似描述气流的运动。

我能想到的最简单地说明湍流模拟复杂的例子就是对算力的要求了，通常会使用刀片服务器做计算，而没有服务器的话只能靠时间的力量了。

一个6缸发动机60ms内油轨内部燃油脉动的仿真我曾经算了1天1夜也就是2,073,600s，单缸的燃烧分析则需要更久的时间。相比之下即使现在对算力要求比较高的自动驾驶领域，计算的时间也都在亚秒级，相比之下差了大概1亿倍的时间。

相比之下发动机的实验研究也不怎么让人省心，定容燃烧弹和光学发动机都身价不菲，主机厂的发动机开发和测试台架更是动辄几十上百个。烧不起研发费用也是为什么之前没人敢轻易涉足发动机行业的原因之一了。

定容燃烧弹

光学发动机

但即使经过了实验室的理论研究过程，发动机的在工程阶段的开发也仍然有很多难点。

正如湍流的不稳定，发动机的工作循环也存在随机的变化称为循环变动，而同一型号的发动机之间也存在或多或少的个体差异。但受限于排放、动力、经济性以及振动噪音的制约，发动机每个循环的工作一致性必须保证在一定的范围内。用固定的模型控制随机的变化，Are you kidding me？

不要紧，伟大的汽车工程师们发明了不少方法来解决这些问题，大概5000页的function说明书就可以让一台发动机乖乖听话了，比如充气模型、排温模型、喷油map、点火map、踏板特性、低水温修正、高水温修正、冷启动补偿、空调补偿、发电机补偿……经过系统标定后发动机控制模型的准确度通常高达98%-99%。

另一方面，由于发动机每秒钟的转速可以达到6000rpm/min以上，因此发动机的控制速度要求极高。

比如一款直喷发动机为了达到很好的效果需要在一个点火周期内进行多达5次喷油操作，而总共的持续时间也只有1ms左右，同时还要控制燃油按照不同的喷射量。发动机的喷油嘴应该也算是全世界最快的嘴了吧。

可以发现，AI和发动机都离不开各种复杂的数学模型，发动机研发涉及到的学科范围甚至更广，花费的资源也更多，如果以高深莫测作为黑科技的判断指标之一的话，发动机显然是符合这个标准的，当然AI也一样符合。

其实发动机虽已是一个多世纪之前的产物，但是经过不断的发展，现在的发动机也早已经不是之前的样子了，变化一直发生在看得见和看不见的地方。

其实发动机本身就是黑科技了，而且还在不停进化。

只有大约1个胖子的体重，喝相当于5瓶大可乐的汽油，就可以推着1吨多重的汽车以超过100km/h的速度狂飙100km，而且还能保持稳定，超过100,000km都几乎不需要维修。

列举几个厉害的发动机技术

汽油机可控预混压燃技术(SPCCI)：马自达家的独创科技，19年的二代创驰蓝天发动机上就要搭载了，结合了汽油机和柴油机的工作方式，利用火花塞控制气缸内的压力从而实现类似柴油机一样的燃烧方式，在某些工况下热效率高达50%，要知道以高效著称的丰田也只能做到41%，而普通发动机只有38%左右。50%的热效率可以说是诺贝尔奖级别的进步了。这也是汽油机压燃技术经过多年的发展首次应用到产业中。

混合喷射技术：在直喷发动机特别是直喷增压发动机越来越多的今天，低速、低负荷情况下由于新鲜空气滚流强度较差会导致汽油和空气的混合较差，非常容易出现积碳，这里就要点名下本田的地球梦了，虽然性能出色但是积碳问题却是老大难。为了解决这个问题丰田在发动机上采用了双喷射系统，即部分工况下使用进气道喷射部分工况下使用缸内直喷，这样就很大程度上避免了积碳的问题。