【ZiDongHua 之自动化学院派收录关键词：机器学习  动力电池   电动汽车   智能制造 】
　　
　　创新科技助力汽车驶入“智慧路”——记重庆邮电大学自动化学院测控系副主任李鹏华教授
　　
　　当前，我国汽车产业正在沿着电动化、智能化轨道，迈向高质量发展阶段。尤其是，借助在新能源领域实现“换道超车”，我国汽车产业正在向规模化、全球化大踏步迈进。
　　
　　随着智能化的飞速发展，我国汽车产业中存在一些技术瓶颈明显制约了汽车业的发展。 对于电动汽车的能源核心部件—动力电池，如何实现精准且性能可解释的寿命预测，进行安全使用与预测维护，一直是国际学术界和工业界亟需攻破的难题。车载仪表芯片计算资源有限等各种问题凸显，使得已有车载仪表制造模式难以满足现有要求。
 
　　
　　重庆邮电大学自动化学院李鹏华教授深入探索、创新应用轻量级神经网络技术，不仅破解了国际学术界和工业界一直未解的难题，还对汽车业的智能化发展具有引领性的作用。
　　
　　初识李鹏华教授就给人一种青春朝气，富有活力，谈吐中展现青年英才的魅力。通过交谈得知，80后的李鹏华还真是名副其实的青年人才——重庆市杰出青年基金获得者、重庆英才—青年拔尖人才、重庆市创新青年科技人才。现如今是重庆邮电大学自动化学院测控系副主任，大数据智能计算重点实验室副主任，中国自动化学会技术过程故障诊断与安全性专业委员会委员，重庆人工智能学会智慧交通专业委员会常务委员。曾分别担任第27届、第30届中国控制与决策会议神经网络专题分会主席、2023中国自动化大会先进制造智能计算、新能源汽车动力电池健康管理专题主席。
　　
　　“我主要从事神经网络理论及其创新应用研究的。”见我们来访，李鹏华开门见山说。李鹏华深入探索轻量级神经网络技术，并将创新技术成功应用于车载系统以及人车交互领域，提高系统性能、降低计算成本，优化人机交互体验，为智能交通系统和车内智能座舱的发展提供了前沿技术支持。
　　
　　科技新突破：轻量级神经网络技术
　　
　　“以循环神经网络为代表的时序神经网络是实现顺序类信息处理与系统建模任务的首选。”谈到专业话题，李鹏华娓娓道来：“通过捕获时序数据的长短期依赖关系，时序神经网络能高效分析事物发展的延续性，预测事物的演化趋势，被广泛用于工业过程建模、系统优化控制、设备健康管理等研究领域。”
　　
　　“但是，国际学术界和工业界还存在着亟需攻破的难题：时序神经网络的模型生成易受‘伪数据’干扰、动力学行为复杂、轻量化嵌入式部署难，制约其在复杂工业场景的推广与应用。”对于技术瓶颈，李鹏华早已有了攻破的决心和思路：“我们必须探索出轻量级神经网络技术，这样大家所关心的车辆动力电车寿命预测和车载仪表人车交互技术就迎刃而解了。”
　　
　　时不我待，李鹏华和团队成员潜心公关，取得一系列创新成果：
　　
　　建立了结构与参数轻量化的建模理论与方法，为突破时序神经网络的嵌入式部署瓶颈提供了轻量级模型支撑。
　　
　　建立了时序神经网络的分数阶动力学分析理论与方法，揭示了其动力学行为由增长和衰减机制耦合而成的本质，为轻量级时序神经网络建模提供了稳定性判别的理论依据。
　　
　　提出了时序模型引导的数据重构理论与方法，发现了模型参数与数据时滞的时频耦合效应，揭示了模型精度对噪声数据的低频偏好，为时序神经网络的可信数据选用提供了方法支撑。
　　
　　“可信数据驱动的轻量级神经网络建模理论与方法”创新成果荣获：重庆庆市科学技术（自然科学）二等奖。“该创新技术为以后的成果转化奠定了良好基础，可以说是不可或缺的前沿技术。”面对取得成就，李鹏华如此自勉。
 
　　
　　技术新应用：助力车载增强现实显示与交互
　　
　　“车载仪表智能化是我国汽车产业转型升级的强大引擎。车载仪表走向智能化是必然趋势。”李鹏华说。
　　
　　谈到瓶颈问题，李鹏华表示：车载仪表芯片计算资源有限，满足不了多样化、强实时、高准确的人车交互；声光电多源信息高速高频处理，使计算任务密集，电路复杂易受干扰；产品多品类共线生产、缺陷微小隐蔽，已有制造模式难以满足要求。
　　
　　“有了前期的轻量级神经网络技术突破，解决这些难点就容易多了。”李鹏华坦言，轻量级神经网络技术在车载仪表方面得到了有效应用。
　　
　　针对车载ARHUD在使用深度学习模型感知交通环境、驾驶人状态等信息时，遭遇车载芯片算力限制的难题，李鹏华团队创建了适用于车载芯片的轻量级类八维卷积神经网络，提出了车载视频数据的高低频特征分组复用机制，发明了多通道压缩激励的八度卷积信息筛选方法，实现了交通环境目标和分心驾驶行为的快速精准识别。
　　
　　针对“云－端”在线语音识别存在的数据安全隐患，以及车载本地语言识别面临的算力瓶颈，李鹏华团队创建了残差分组线性变换的钻石型轻量级语音识别与声纹识别网络，实现带有声纹安全认证的特定驾驶人的离线语音识别；提出图标签感知的自然语言理解框架，通过在交互模块中引入标签映射模块和全局图交互模块，实现自然实时的“人－车”多轮对话。
　　
　　“车载仪表多模态交互显示与智能制造关键技术及应用”成果荣获：重庆市科学技术进步一等奖，“车载增强现实抬头显示器关键技术及产业化”成果获中国仪器仪表学会科技进步二等奖。
　　
　　“目前该成果已经形成了产业化。”李鹏华欣喜地告诉我们。已经建成了国内第一条HUD自动化生产线，研制了首款国产HUDEOL检测设备，率先实现了国产HUD量产，实现了ARHUD产品的进口替代，形成了HUD检测设备自主研制能力。引领了国内车载仪表产业的创新发展方向，形成了以“仪器仪表＋”多学科交叉发展的技术攻关、项目研发、人才培养的产学研合作新模式，经济和社会效益显著。
　　
　　成果再转化：车用动力电池健康管理
　　
　　“轻量级神经网络驱动的车用动力电池健康管理是又一大成功应用场景，也是有效的成果转化之一。”李鹏华对轻量级神经网络技术的应用前景非常看好。
　　
　　“动力电池可是电动汽车的能源核心部件，起到了至关重要的作用。它的本质是复杂的电化学系统。在高低温湿热交变、强振动、工况随机的车用场景中，可靠感知电池内部的物化反应信息，捕获承载退化模式的可信状态特征，实现精准且性能可解释的寿命预测，对动力电池的安全使用与预测维护至关重要，这也是国际学术界和工业界当前面临的难题。”李鹏华告诉我们车用动力电池健康管理依然存在技术壁垒。
　　
　　李鹏华和团队成员针对公关难题，将问题分解，逐个攻破。针对数据与机理融合的电池内部信息可靠感知、随机退化特征驱动的状态可信估计、寿命预测的可解释建模的问题，提出数据与机理融合的电池内部信息可靠感知方法，揭示了电热特性与不确定性环节的相互作用机制；提出随机工况特征驱动的电池状态可信估计方法，阐明了随机工况电热序列的自适应分段获取机制；提出基于轻量化可解释神经网络模型的电池寿命预测理论，创建了主动追踪电池退化讯号的长短时神经网络及其自动机器学习框架，建立了超参数轻量化配置的概率替代求解路径。
　　
　　该成果荣获：中国自动化学会自然科学奖二等奖。成果衍生了授权的发明专利16项，并得到成果转化，取得了显著的经济效益。
 
　　
　　突破是下一个征途的起点。“我们就是要迎战一个又一个难题，攻坚克难，始终走在科技的前沿。”李鹏华说。（文／王超）