當前，我國汽車產業正在沿著電動化、智能化軌道，邁向高質量發展階段。尤其是，借助在新能源領域實現“換道超車”，我國汽車產業正在向規模化、全球化大踏步邁進。

隨著智能化的飛速發展，我國汽車產業中存在一些技術瓶頸明顯制約了汽車業的發展。 對于電動汽車的能源核心部件—動力電池，如何實現精準且性能可解釋的壽命預測，進行安全使用與預測維護，一直是國際學術界和工業界亟需攻破的難題。車載儀表芯片計算資源有限等各種問題凸顯，使得已有車載儀表制造模式難以滿足現有要求。

重慶郵電大學自動化學院李鵬華教授深入探索、創新應用輕量級神經網絡技術，不僅破解了國際學術界和工業界一直未解的難題，還對汽車業的智能化發展具有引領性的作用。

初識李鵬華教授就給人一種青春朝氣，富有活力，談吐中展現青年英才的魅力。通過交談得知，80后的李鵬華還真是名副其實的青年人才——重慶市杰出青年基金獲得者、重慶英才—青年拔尖人才、重慶市創新青年科技人才。現如今是重慶郵電大學自動化學院測控系副主任，大數據智能計算重點實驗室副主任，中國自動化學會技術過程故障診斷與安全性專業委員會委員，重慶人工智能學會智慧交通專業委員會常務委員。曾分別擔任第27屆、第30屆中國控制與決策會議神經網絡專題分會主席、2023中國自動化大會先進制造智能計算、新能源汽車動力電池健康管理專題主席。

“我主要從事神經網絡理論及其創新應用研究的。”見我們來訪，李鵬華開門見山說。李鵬華深入探索輕量級神經網絡技術，并將創新技術成功應用于車載系統以及人車交互領域，提高系統性能、降低計算成本，優化人機交互體驗，為智能交通系統和車內智能座艙的發展提供了前沿技術支持。

科技新突破：輕量級神經網絡技術

“以循環神經網絡為代表的時序神經網絡是實現順序類信息處理與系統建模任務的首選。”談到專業話題，李鵬華娓娓道來：“通過捕獲時序數據的長短期依賴關系，時序神經網絡能高效分析事物發展的延續性，預測事物的演化趨勢，被廣泛用于工業過程建模、系統優化控制、設備健康管理等研究領域。”

“但是，國際學術界和工業界還存在著亟需攻破的難題：時序神經網絡的模型生成易受‘偽數據’干擾、動力學行為復雜、輕量化嵌入式部署難，制約其在復雜工業場景的推廣與應用。”對于技術瓶頸，李鵬華早已有了攻破的決心和思路：“我們必須探索出輕量級神經網絡技術，這樣大家所關心的車輛動力電車壽命預測和車載儀表人車交互技術就迎刃而解了。”

時不我待，李鵬華和團隊成員潛心公關，取得一系列創新成果：

建立了結構與參數輕量化的建模理論與方法，為突破時序神經網絡的嵌入式部署瓶頸提供了輕量級模型支撐。

建立了時序神經網絡的分數階動力學分析理論與方法，揭示了其動力學行為由增長和衰減機制耦合而成的本質，為輕量級時序神經網絡建模提供了穩定性判別的理論依據。

提出了時序模型引導的數據重構理論與方法，發現了模型參數與數據時滯的時頻耦合效應，揭示了模型精度對噪聲數據的低頻偏好，為時序神經網絡的可信數據選用提供了方法支撐。

“可信數據驅動的輕量級神經網絡建模理論與方法”創新成果榮獲：重慶慶市科學技術（自然科學）二等獎。“該創新技術為以后的成果轉化奠定了良好基礎，可以說是不可或缺的前沿技術。”面對取得成就，李鵬華如此自勉。

技術新應用：助力車載增強現實顯示與交互

“車載儀表智能化是我國汽車產業轉型升級的強大引擎。車載儀表走向智能化是必然趨勢。”李鵬華說。

談到瓶頸問題，李鵬華表示：車載儀表芯片計算資源有限，滿足不了多樣化、強實時、高準確的人車交互；聲光電多源信息高速高頻處理，使計算任務密集，電路復雜易受干擾；產品多品類共線生產、缺陷微小隱蔽，已有制造模式難以滿足要求。

“有了前期的輕量級神經網絡技術突破，解決這些難點就容易多了。”李鵬華坦言，輕量級神經網絡技術在車載儀表方面得到了有效應用。

針對車載ARHUD在使用深度學習模型感知交通環境、駕駛人狀態等信息時，遭遇車載芯片算力限制的難題，李鵬華團隊創建了適用于車載芯片的輕量級類八維卷積神經網絡，提出了車載視頻數據的高低頻特征分組復用機制，發明了多通道壓縮激勵的八度卷積信息篩選方法，實現了交通環境目標和分心駕駛行為的快速精準識別。

針對“云－端”在線語音識別存在的數據安全隱患，以及車載本地語言識別面臨的算力瓶頸，李鵬華團隊創建了殘差分組線性變換的鉆石型輕量級語音識別與聲紋識別網絡，實現帶有聲紋安全認證的特定駕駛人的離線語音識別；提出圖標簽感知的自然語言理解框架，通過在交互模塊中引入標簽映射模塊和全局圖交互模塊，實現自然實時的“人－車”多輪對話。

“車載儀表多模態交互顯示與智能制造關鍵技術及應用”成果榮獲：重慶市科學技術進步一等獎，“車載增強現實抬頭顯示器關鍵技術及產業化”成果獲中國儀器儀表學會科技進步二等獎。

“目前該成果已經形成了產業化。”李鵬華欣喜地告訴我們。已經建成了國內第一條HUD自動化生產線，研制了首款國產HUDEOL檢測設備，率先實現了國產HUD量產，實現了ARHUD產品的進口替代，形成了HUD檢測設備自主研制能力。引領了國內車載儀表產業的創新發展方向，形成了以“儀器儀表＋”多學科交叉發展的技術攻關、項目研發、人才培養的產學研合作新模式，經濟和社會效益顯著。

成果再轉化：車用動力電池健康管理

“輕量級神經網絡驅動的車用動力電池健康管理是又一大成功應用場景，也是有效的成果轉化之一。”李鵬華對輕量級神經網絡技術的應用前景非常看好。

“動力電池可是電動汽車的能源核心部件，起到了至關重要的作用。它的本質是復雜的電化學系統。在高低溫濕熱交變、強振動、工況隨機的車用場景中，可靠感知電池內部的物化反應信息，捕獲承載退化模式的可信狀態特征，實現精準且性能可解釋的壽命預測，對動力電池的安全使用與預測維護至關重要，這也是國際學術界和工業界當前面臨的難題。”李鵬華告訴我們車用動力電池健康管理依然存在技術壁壘。

李鵬華和團隊成員針對公關難題，將問題分解，逐個攻破。針對數據與機理融合的電池內部信息可靠感知、隨機退化特征驅動的狀態可信估計、壽命預測的可解釋建模的問題，提出數據與機理融合的電池內部信息可靠感知方法，揭示了電熱特性與不確定性環節的相互作用機制；提出隨機工況特征驅動的電池狀態可信估計方法，闡明了隨機工況電熱序列的自適應分段獲取機制；提出基于輕量化可解釋神經網絡模型的電池壽命預測理論，創建了主動追蹤電池退化訊號的長短時神經網絡及其自動機器學習框架，建立了超參數輕量化配置的概率替代求解路徑。

該成果榮獲：中國自動化學會自然科學獎二等獎。成果衍生了授權的發明專利16項，并得到成果轉化，取得了顯著的經濟效益。

突破是下一個征途的起點。“我們就是要迎戰一個又一個難題，攻堅克難，始終走在科技的前沿。”李鵬華說。（文／王超）