Digital Twin-Driven Neuromorphic Optimization for Cognitive Self-Optimizing Energy-Efficient Vehicle Design
Cet article présente un cadre de jumeau numérique basé sur un LSTM temporel qui optimise la conception des véhicules électriques pour l'efficacité énergétique, la stabilité, le confort et la manufacturabilité à travers divers scénarios de conduite, atteignant une réduction d'énergie moyenne de 14,41 % par rapport aux méthodes traditionnelles.