无论是发动机、动力传动系统、制动系统，还是信息娱乐系统，汽车设计都在不断变得复杂，并越来越多地利用仿真来检查各种设计场景和权衡取舍。在此过程中，仿真变得更加数据密集和耗时。

在过去几年中，建模和仿真软件一直在结合人工智能和机器学习算法，以帮助减少创建汽车仿真系统所需的复杂计算。提供编程和仿真工具供应商MathWorks一直在利用其MATLAB计算平台来分析数据、开发算法和创建模型，以帮助工程师设计汽车仿真系统。

“仿真模型变得越来越复杂。”MathWorks数据分析产品营销经理SethDeLand在最近接受采访时说。

根据DeLand的说法，使用基于物理的模型并通过它运行数据点来训练AI模型会产生一个降阶模型，该模型允许更快的数据评估以帮助优化系统参数，这被认为对复杂的汽车仿真系统非常有用。

MathWorks将MATLAB与Simulink组合在一起，Simulink是一种框图环境，用于设计具有多域模型的系统，并允许在转移到硬件之前进行仿真，并且无需编写代码即可进行部署。虚拟模型允许用户尽早并经常地模拟和测试系统，然后使用物理模型、硬件在环测试和快速原型来验证设计。

DeLand引用了一个应用程序，其中仿真和建模工具使用AI算法来帮助估计充电状态并测量电池温度和健康状况，构建一个虚拟模型，可以在构建物理电池原型之前对其进行调整和优化。

在另一个应用程序中，MathWorks正在使用AI为Stellantis的客户建模车辆传感器。Stellantis开发了一款GT-Suite车辆，并与该公司的Simulink相结合，以生成对有毒气体传感器系统建模所需的设计数据。

NOx传感器建模的机器学习技术可以在汽车行业中有广泛的应用。“目前，该模型用于验证传感器读数，”DeLand说。“但在未来，该模型可能会消除对车辆中某些传感器的需求。”