資料ダウンロード
自律走行車の LiDAR に対する信頼性解析

2021年1月
Google、Tesla、Lyft、Uber などのパイオニア企業が自律走行技術の改良に向けて注力している中で、完全自律走行車の完成はすぐそこにまで近づいています。2017 年の Forbes の記事では、2020 年までに 1000 万台の自動運転車の路面走行が実現すると予測されています。しかし実際には、完全自律走行を実現させる技術の完成に向けた各企業の取り組みを受けても、完全自律走行車の路面走行までの道のりは長いと見られています。ここで 2 つの疑問が生じます。完全な自動運転車の性能を測るユースケースなしに、開発者が LiDAR、レーダー、カメラセンサーなどの技術に確信を持ち、またそれらの技術の動作環境と連携させる方法はあるのでしょうか。具体的には、企業はどのように保証率、信頼性の指標と目標、耐用年数などに関するビジネス上の意思決定を行うことができるのでしょうか。シミュレーションはこれらの疑問を解決します。
自律走行車のLiDARに対する信頼性解析の資料サンプル
Sherlock を使用したシミュレーションプロセスと結果

Sherlockを使用して、標準的な業界知識に基づき LiDARアセンブリの完全にメッシングされた 3D CAE モデルを作成しました。Sherlock によって生成された STEP ファイルを CFD ソフトウェアにインポートし、LiDAR アセンブリの 3 層すべての基板について、走行中および停止中のオン状態における温度勾配マップを作成しました。
伝熱解析の実行

次に、半導体 LiDAR モデルの基板ファイルが CFD ソフトウェアに再度インポートされ、伝熱解析が実行されました。CFD は各パーツに供給電力を適用し、平均走行速度を基準とした空気流れを適用しました。自動車が置かれるさまざまな環境状態を考慮するため、LiDAR のランプ時間の固有/強制対流モード間での変化が仮定されました。
故障確率予測

Sherlock は、これらの損傷メカニズムおよび複合的な磨耗をもとに、時間経過に伴う故障確率 (POF) を予測しました。 ECAD 単独で生成した温度マップでは製品の耐用年数の予測に有効ではありませんが、ECAD ソフトウェアと Sherlock を組み合わせることで有効活用できます。Sherlock は温度マップを解釈して、各磨耗メカニズムをもとに時間経過による POF を効率的に予測することで、最も故障要因となりやすいメカニズムの全体像を示します。この結果に応じて、開発者は設計またはビジネス目標を調整することができます。
関連情報
関連する解析事例
MORE関連する資料ダウンロード
MORE-
熱流体解析ソリューション ~設計段階からの熱課題をシミュレーションで解決する~
~ツールの導入から熱設計、解析業務の効率化まで支援~
-
多拠点で同時進行デザインレビューを実現する
~Ansys Discoveryで設計検証が効率化~
-
リアルタイム解析で変わる商談提案の革新
~Ansys Discoveryで商談中に即座に検証結果を表示~
-
バイオ医薬のスケールアップに貢献する
~Ansys Fluentによる攪拌槽解析~
-
剥離・接合強度評価ソリューション ~Ansys Workbench Mechanicalで実施できる剥離解析~
-
レーザー集光の高温レンズ歪みを克服するAnsys連携ソリューション
-
周波数応答解析×自動抽出で干渉チェックを高速化
-
直観的な操作で無線/デジタルフィルタの設計・最適化を支援する〜Ansys Nuhertz FilterSolutions〜