前言

       汽车合规指产品满足销售地政府部门在汽车产品认证中已采用或将采用的市场准入相关标准和相关技术要求，旨在确保汽车的安全性、环保性能以及符合特定的技术要求。根据全国汽车标准化技术委员会发布的《汽车标准法规目录(2024)》，这些强制性标准分类和数量如图1所示。
 
       汽车合规体系是确保车辆安全、环保和公共利益的综合性框架，其分类覆盖了车辆全生命周期的技术要求与合规性标准，这些强制性标准涵盖主动安全、被动安全，一般安全和环保与节能四个方面。

       除了对汽车产品材料、性能、工艺等提出要求，很多法规对汽车数字化建模、系统布局、结构形状及尺寸公差控制等提出了明确的技术标准和规范。如果产品数模设计不符合法规要求，将会影响产品的生产或销售。

       如果采用传统方法，由于法规条目繁琐、零件众多、零件形状复杂，导致人工识别难度大，耗时长，容易出现错漏或者操作失败。同时，手动操作严重依赖工程师经验，缺乏统一标准，千人千面，且知识复用率低，难以形成有效的知识积累与传递。

       企业依托人工智能AI技术，深度融合大数据与UG NX二次开发技术，精准识别法规符合性检查项、智能提取设计/校验参数、将设计/校验过程转化为操作便利的工程开发软件工具，实现合规导向的数模智能化设计，全方位提升汽车产品研发质量与效率。

1.法规智能化解读

       汽车法规解析的难点主要体现在法规体系的复杂性、技术标准的动态性及准确适配相应的产品设计指标等方面。采用传统方法需要人工逐条阅读法规中的关键条款、限制条件、测试标准等，合规成本高。特别是随着新技术发展，法规频繁修订，合规团队面临更大的挑战。本研究利用AI技术实现法规条款的智能化解读，同时实现数模检查项的智能化提取。

       1.1 数据源整合

       为了实现法规条款智能化解读，首先需要对企业法规库、数模平台、工具库进行整合，为合规导向的数模设计提供一体化协同资源平台，将碎片化的法规要求、数模设计检查项及参数规则进行系统化集成，从而支持整车及零部件在设计之初能实时获取各项法规参数要求。

       法规库：依托企业标准法规信息网，及时发布各类法规标准信息，并进行结构化解析和存储，支持法规动态跟踪与合规任务管理。

       数模平台：在UG NX系统中对汽车零部件进行数据化，即形成三维CAD BOM结构，以及附加更多的几何信息(如零件在空间中的位置、表面特性)、管理信息(如零件号、结构清单、版本、变体和选项等)及功能特性(如材料信息、强度、颜色等)，进行设计过程管理。

       工具库：自主开发数模智能化设计和校验智能化工具，集成人工智能AI算法，使用知识库+推理机的原理，提供三维模型自动化设计、自动化检查、自动化发布的最优工程解决方案。

       该法规-数模一体化资源协同平台以数据层为桥梁，基于Teamcenter和UG NX软件二次开发，在功能层集成了模型识别、模糊检索等大量自主智能算法，实现了自动化设计、检查、发布和可视化管理四大功能，如图2所示。
 
       1.2 数模检查项智能化提取

       作为人工智能AI的核心技术之一，知识图谱通过结构化的方式描述知识之间相互关系，从而提升计算机理解和处理复杂信息的能力。通过将法规条款、行业标准、历史案例与数模设计检查项及关键参数等关联为图谱，直观展示法规与数模设计检查项间的依赖关系，如图3所示。
 
       采用知识图谱的优势在于：

       (1)设计合规性追溯：快速定位法规条款对应的设计参数，避免遗漏；

       (2)参数优化迭代：通过图谱回溯仿真数据，优化关键参数；

       (3)多法规协同：识别不同法规冲突点(如轻量化与碰撞安全的平衡)。

       利用知识图谱、自然语言处理(NLP)、大数据分析等技术自动提取法规中的关键条款，并自动识别法规中的关键实体，生成结构化数据，同时对其中关键术语进行解析。然后自动提取法规要求核心指标，将法规要求映射到数模设计检查项，并生成参数规则列表，从而将法规指标转化为具体的数模设计过程输入数据。

       法规解读是一项集项目经验、法规知识和抽象逻辑判断于一体的活动，再加上法规文本的模糊性，可能导致规则模型的误判，故初始的法规-数模知识库与实际生产环境通常在知识完整性、一致性、准确性等方面存在一定偏差，需结合专家例证，不断调试、修正与扩充，从而不断优化该模型，这个过程称为知识求精。

       本研究将神经网络技术用于知识求精。如图4所示。其核心过程由三部分构成：

       (1)将初始的法规-数模知识库转化为初始神经网络；

       (2)利用训练样本对初始神经网络进行知识求精；

       (3)从经过求精的神经网络中提取规则，获得优化后的法规-数模知识库。
 
2.数模智能化设计

       以汽车合规为导向，综合运用AI技术，本研究在多个数模设计相关领域成功运用，如：创建类(A面创建、断面创建、数模创建)、检查类(符合性检查、性能分析)、文件发布类等。特别是涉及特征识别、包络创建及断面设计等领域，本研究展示了其优势。

       2.1 特征识别

       特征识别是计算机辅助设计与制造(CAD/CAM)领域的核心技术之一，其核心目标是从三维实体模型中提取具有工程意义的形状特征(如孔、槽、凸台等)，以满足BP、法规要求，如零件性能要求：刚度、模态、耐久性；零件装配要求：开孔位置、公差；零件可制造性要求：如冲压角度、翻边位置、大小等，并支持自动化加工、检测或分析。

       (1)法规识别难点

       特征识别在数模设计过程中通常存在以下难点：

       法规条款内容多：法规中对数模尺寸要求条目多，要求严格，并且校验方式复杂，多涉及投影、相切、轨迹切线等复杂校验方式。

       零部件特征复杂：涉及的零部件特征种类多、类型多、数量多，导致人工识别难度大，如图5。
 
       (2)智能化解决方案

       常见的特征识别有如下几个技术分类：

       基于规则：利用不同的规则对特征边界模式进行定义和描述，搭建专家系统结合特征规则进行匹配，识别特征。具有简单高效的优点，但相交特征亦存在边界，识别规则多样导致使用困难，大量匹配导致识别效率下降，干涉的特征无法识别出来。

       基于图：采用FAG(Face Adjacency Graph)或AAG(Attributed Adjacency Graph)图来表示特征边界，采用子图匹配搜索策略搜索特征。优点是易于特征设计结合，可增加新特征而无需改程序，可支持设计、加工、分析。但搜索量大，比较耗时。

       基于痕迹：利用零件模型特征留存的信息如几何拓扑信息、公差和设计特征信息等特征痕迹进行识别。可以识别相交特征，但依赖于具体特征类型产生的痕迹，难以支持特征类型添加。

       基于神经网络：采用神经网络对特征进行训练，自动识别特征。优点有具有自学习、模糊识别以及推理计算功能，允许用户在特征识别时方便的添加新的特征类型，识别不完整和相交的特征，且效率十分高效。但如何把模型的边界转化为神经网络系统便于识别和推理的输入量是个难点。

       整车零件数量庞大，结构复杂，在实际数模设计过程中，综合考虑识别速度、识别精度，通过对以上四种方式的组合利用，实现智能化特征识别。

       (3)智能化应用

       以外部凸出物检查为例，法规GB 11566-2024《乘用车外部凸出物》中明确规定了车辆外部凸出物的一般要求和特殊要求，因此在整车A面设计过程中需要对车辆上所有底线以上外凸圆角的合规性进行检查，包括蒙皮、格栅、牌照区、边界区等区域。
 
       通过智能化方案，将车身外表面划分为普通区域、格栅区域、牌照区域、蒙皮区域及边界区域五大类型，如图6所示。针对不同区域设置差异化的检查参数。例如，在普通区域中需对车门、翼子板等非特殊结构进行常规圆角半径校验，要求棱边曲率半径不小于2.5mm；而在格栅区域(如前格栅或散热器开孔结构)中，需单独设置格栅间隙阈值(如40mm)，系统将自动判断是否触发豁免条款(即间隙小于40mm时允许放宽圆角要求)。牌照区域的检查则聚焦于车牌固定件的凸出高度与边缘曲率，需确保其符合法规对行人碰撞风险的控制标准。蒙皮区域主要针对车身覆盖件的接缝与过渡棱边，而边界区域需通过动态算法模拟零件边缘与相邻部件的接触轨迹，以精确划定检查范围。

       同时该方案在钣金件孔特征、修边线、圆角面、翻边凹凸区、加强筋、涂胶面及焊接面等特征识别中都有比较好的应用。该合规性验证技术的扩展性源于其模块化架构与参数化规则引擎的设计，能够通过调整区域定义、检查参数及算法逻辑，快速适配不同法规与场景需求。

       2.2 包络创建

       包络在汽车零部件设计中，指为零部件或系统定义的三维空间边界，用于表征零件运动路径空间、零件可用设计空间，校核零件运动间隙、安全空间、辐射空间、散热空间，验证零件前期布置、可制造性等，涵盖其静态几何尺寸和动态运动范围，覆盖整车多个领域的上万个零件，如图7。
 
       (1)法规识别难点

       包络创建在数模设计过程中通常存在以下难点：

       零件空间包络的创建几乎覆盖到整车的各个领域，其功能和属性既有相通又互有差异。传统包络创建基本都依靠人工经验采用手动创建，由于零件众多、形状复杂，如图8，人工创建容易错漏，且还存在创建方法各不相同、缺乏统一标准，甚至是无法创建的问题。同时由于版本频繁迭代,从前期零件布置到后期零件发布，零件每更新一版，相应的空间包络就需要重新创建，耗时耗力、效率低，影响零部件及整车开发进度。
 
       (2)智能化解决方案

       通过对整车的空间包络相关业务场景整合分析，将包络创建解决方案与业务场景进行解耦，提取需求核心，将空间包络按照其自身属性分成五大类：点包络、线包络、面包络、小平面体包络和实体包络，如图9所示。针对每种类型包络的不同特点，采用多种自主算法，如：数值逼近法、最大轮廓线扫掠法、离散实体化包络法及Motion运动仿真法等，制定并封装了多种标准化的解决方案，形成了标准化、系统化的解决方案库。针对不同领域、不同业务场景的差异化需求，以标准化的解决方案库为基础，结合特定业务场景的特异化需求，可快速满足特定业务场景包络创建需求。
 
       (3)智能化应用

       以外饰灯布置为例，法规GB 4785-2019《汽车及挂车外部照明和光信号装置的安装规定》中规定了，DRL需在车辆启动后自动开启，且前照灯或前雾灯开启时自动关闭，安装位置需满足离地高度250mm至1500mm、横向间距不小于600mm等限制。

       通过智能化方案，对外饰灯布置限制面进行包络分析。选择预设的标准类型和基准面(如底线或外轮廓面)，确定需要创建的面类型(如平面或曲面)；随后系统读取车体模型的最大边界尺寸、底面数据或根据底线生成底面，并获取外轮廓的Y轴坐标值；接着依据所选标准及面类型，匹配配置表中的参数生成对应数据。完成信息处理后，清除已有的临时对象，按照配置创建新的几何面并添加标注信息。整个过程聚焦于智能化生成符合标准的车体结构面，强调从模型数据读取到参数化建模的连贯性，可实现自动计算车体最大边界，如图10。
 
       目前企业已经完成69个空间包络创建子模块的开发，构建了整车空间包络智能创建平台，覆盖了悬架、滑移门、尾门、前盖、座椅、发动机、线束等主要整车零件领域，实现了点包络、线包络、面包络、小平面体包络及实体包络的标准化、自动化、智能化创建。

       2.3 断面设计

       断面设计被广泛应用于从整车立项到设计冻结的各关键过程中，可用于支持总布置图制作、验证空间尺寸、比例模型制作、指导验证造型面设计的可行性、指导子零件设计等。断面设计通常与相关法规要求相结合，通过尺寸、公差、距离等因素来体现。它不仅直接影响到车辆的安全性能，还关系到车辆的舒适性、经济性和环保性能。

       (1)法规识别难点

       断面设计包含很多难点：1)应用区域多，信息较多且非常复杂；2)人工进行断面建模工作耗时较长；3)横跨较长的项目开发周期并需要定期快速更新；4)断面种类较多，数量更多，涉及的相关尺寸繁多；5)不同区域难以进行协同设计。如下图所示，该断面同时包含多个不同的断面类型，以及大量的尺寸要求，如图11。
 
       (2)智能化解决方案

       通过迭代算法实现多目标智能优化：

       创建典型断面：自动导入所需数模，在指定位置按照指定方向切出初始断面，根据选择对象及输入参数自动创建各断面线特征，智能优化，并自动标注。

       创建DES断面：自动导入A面，在指定位置按照指定方向切出初始断面，自动优化A面断面线，根据选择对象及输入参数自动创建各断面线特征，并自动标注。

       创建架构断面总装配结构：根据输入的整车项目信息，自动识别的假人、断面线信息，自动创建整车架构断面总装配结构，并可以实现各架构断面之间的数据通信，实现全局参数自动保持同步。

       创建架构断面：在架构断面总装配结构的基础上，创建各架构断面。从总装配结构中可自动继承全局变量，根据全局变量以及架构断面布置要求，自动实现对典型断面的布置，并进行多目标优化，完成架构断面的创建。

       (3)智能化应用

       以车轮设计为例，法规GB/T 3487-2024《乘用车轮辋规格系列》针对轮辋设计有上百条参数要求，需要保证车轮轮辋符合各区域的法规要求。

       通过智能化方案，找到轮辋的断面，以车轮轴心与气孔位置确定初始截面方向，利用车轮实体Bounding Box计算中点并构建正交基准面(Y0/Z0面)，结合UG NX的截面切割功能获取断面轮廓线组，通过几何求交算法排除轮内侧非检查区域。通过空间索引优化几何计算效率，结合抗噪算法提升曲率分析鲁棒性，支持复杂车轮模型的快速准确校验，随后对断面线进行等弧长离散化采样，基于曲率分析(如差分法计算局部曲率半径)识别圆角与直线的断点，采用滑动窗口阈值判定(如曲率半径<200mm为圆角边界)并处理端点效应，确保断点定位准确性。对断点间曲率半径极值、欧氏距离及连线角度进行多维度校验，如最小圆角半径合规性、轮辋宽度公差及角度偏差阈值；最终通过UG NX制图模块动态标注结果，以颜色区分合规(绿色)、警告(黄色)与违规(红色)，并生成尺寸标注与注释，如图12。
 
       目前该方案覆盖整车所有典型断面以及DES断面(共计近200个)，断面的应用涉及造型设计、整车集成、车身设计、内饰设计等多个领域。多区域根据断面要求进行协同开发工作，包括整车总布置图制作、验证空间尺寸、支持比例模型制作、指导验证造型面设计可行性和指导子零件设计等等，实现典型断面及DES断面标准化、模块化、智能化创建及标注。

结论

       随着国内汽车市场加速内卷，汽车合规管理面临更加激烈的挑战。AI技术的兴起与运用为法规导向的“正向设计-实时校验-风险预警”数模开发业务带来了全新的发展机遇。

       依托UG NX二次开发，创新融合AI技术，针对汽车强制性标准，企业在主动安全、被动安全、一般安全与环保方面，均有相应的智能化解决方案，如下图2所示。比如，在主动安全的照明方面可以实现根据牌照灯与牌照板数模，自动生成牌照灯入射角射线，分析最小入射角是否满足法规要求，并输出检测报告。在一般安全中的结构与防盗部分，可以实现辅助牌照板定位并分析是否满足法规要求。在环保的噪声控制方面，可以实现自动分析声学件厚度并输出统计报表。在被动安全的车辆防护方面，可以实现自动生成前后防撞杆的Band Box，布置摆锤，完成低速碰撞法规检查。
 
       本成果在企业的实施，实现了先进技术、先进理论与法规符合性校验的融合，协助研发团队在短时间内快速评估和验证创新方案，促进企业技术创新能力的提升，实现了从“人工后置抽查”到“系统前置全检”的范式变革，成为保证产品设计目标、性能和安全性的关键环节。