曹鹏被对方灼热的目光看得有些不适，但谈到专业，语气便自然沉稳下来，“我现在的方向更偏重基于统计学习的模型优化和特征提取。比如，用多层神经网络做稀疏编码，来学习高维传感器信号中的特征模式，理论上可以用于更精准的电池状态估计和健康状态预测。传统的基于等效电路模型的方法，在动态工况和电池老化后误差会变大。”
“神经网络？黑箱模型。不可解释性在安全关键系统里是致命伤。”马圣立刻反驳，但并非否定，而是挑战，“你怎么确保它的输出在极端边界条件下仍然可靠？怎么防止过拟合？实时性如何？”
“所以需要混合架构。”曹鹏语速加快，显然被问题激发了表达欲，“不是纯黑箱。可以用物理模型提供基础框架和约束，用神经网络作为补偿器或特征提取器，学习模型偏差和非线性部分。解释性可以通过注意力机制、对中间层激活的可视化来部分解决。实时性靠模型剪枝、量化和专用硬件加速。”
马圣手指无意识地在桌面上敲击，“数据呢？高质量的训练数据从哪里来？尤其是故障数据、极端工况数据，你们实验室有吗？”
“这正是难点。”曹鹏承认，“仿真数据可以部分弥补，但和真实数据总有差距。我们实验室也在搭建更精细的电池测试平台，尝试用强化学习在仿真环境里探索边界，但最终还需要实车数据闭环。”
“我们可以提供数据。”马圣立刻说，仿佛这是个再自然不过的交易，“真实的、残酷的、包括各种失败工况的数据。你的算法，可以在我们的平台上验证、迭代。这是双赢。”
曹鹏沉吟了一下，摇摇头，“算法思路可以讨论，但直接应用……你们的系统架构我不了解，软硬件耦合太深。而且，”他顿了顿，看了李乐一眼，还是决定说实话，“神经网络模型即使再优化，在现有车载控制器算力下，做复杂实时估计，挑战很大。更实际的是先优化现有的基于模型的估计算法，比如扩展卡尔曼滤波或无迹卡尔曼滤波，引入更准确的电池模型参数在线辨识。”
接下来近半个小时，两人就着油腻的桌面和在吃剩的薯条包装纸上的写写画画，进入了深度的技术攻防。
从卡尔曼滤波的改进变种，谈到粒子滤波的计算复杂度；从电池模型的阶次选择，吵到传感器噪声的在线估计；从控制器的采样频率，争到通讯总线的延迟影响。
马圣对技术细节的掌握令人惊讶，虽不似曹鹏专精于算法理论，但对工程实现的瓶颈和痛点一清二楚。曹鹏则展现出扎实的理论功底和清晰的系统思维，既能拆解问题，也能指出马圣某些设想中不切实际的浪漫成分。
争论激烈时，马圣会不自觉地提高音量，手指敲得桌子噔噔响；曹鹏则习惯性地语速加快，用更严密的逻辑链试图说服对方。
其间也有灵光乍现的共鸣，比如谈到用联邦学习框架在保护数据隐私的前提下进行多车数据协同学习时，两人几乎同时停下，对视一眼，都看到了对方眼中的兴奋。
李乐和其其格在旁边听着，像在听一场加密通话。其其格还能听个八九不离十，而小李厨子则完全是在欣赏两人的状态，曹鹏平时有点闷，聊到技术，尤其是碰到能接得住、甚至能激发他思路的对手时，整个人都像是在发光，语速快，眼神专注。
而马圣，则更像一头嗅到血腥味的鲨鱼，紧紧咬住曹鹏话里的每一个观点，时而激烈反驳，时而陷入短暂沉思，时而追问细节，整个人燃烧着一种近乎贪婪的求知欲和挑战欲。
但李乐脸皮多厚，偶尔插一句嘴，总是些诸如“所以就是让车自己学会感觉电池哪块不对劲了？像老中医号脉？”或者“你们这算法迭代，听起来跟养蛊似的，最后活下来的那个最毒？”之类的话，精准地戳破一些技术叙事的华丽泡沫，引得马圣皱眉，曹鹏苦笑。
一场即兴讨论持续了半个多小时，桌上的汉堡和薯条渐渐凉了，可乐杯壁上的水珠凝结、滑落。
“某些电芯在某个瞬间，实际承受的压力远超设计值，局部过热，引发连锁反应。今天烧的是测试包，算运气好。要是装在车里，高速行驶时来这么一下……”
“那你的思路？”
“主动均衡是必须的，但不能只靠硬件搬砖.....核心是算法，是状态估计，得建立更精细的电化学、热、电耦合模型，不是把电池当成黑箱......这需要引入更先进的滤波算法.....要考虑噪声的非高斯特性，考虑电化学迟滞效应……”
“可，模型复杂，计算量巨大。车载控制器算力有限，成本敏感。”
“所以需要分层，在电芯模组级别用分布式控制器做初步的、高频度的均衡和监测，上报关键数据......用模糊逻辑处理某些不确定参数，用神经网络学习不同电芯的老化特性……当然，这需要海量的实测数据训练。”
这章没有结束，请点击下一页继续阅读！
喜欢回档：换个姿势再来一次请大家收藏：(www.qbxsw.com)回档：换个姿势再来一次全本小说网更新速度全网最快。