针对车载ARHUD在使用深度学习模型感知交通环境、驾驶人状态等信息时，遭遇车载芯片算力限制的难题，李鹏华团队创建了适用于车载芯片的轻量级类八维卷积神经网络，提出了车载视频数据的高低频特征分组复用机制，发明了多通道压缩激励的八度卷积信息筛选方法，实现了交通环境目标和分心驾驶行为的快速精准识别。
针对“云－端”在线语音识别存在的数据安全隐患，以及车载本地语言识别面临的算力瓶颈，李鹏华团队创建了残差分组线性变换的钻石型轻量级语音识别与声纹识别网络，实现带有声纹安全认证的特定驾驶人的离线语音识别；提出图标签感知的自然语言理解框架，通过在交互模块中引入标签映射模块和全局图交互模块，实现自然实时的“人－车”多轮对话。
“车载仪表多模态交互显示与智能制造关键技术及应用”成果荣获：重庆市科学技术进步一等奖，“车载增强现实抬头显示器关键技术及产业化”成果获中国仪器仪表学会科技进步二等奖。
“目前该成果已经形成了产业化。”李鹏华欣喜地告诉我们。已经建成了国内第一条HUD自动化生产线，研制了首款国产HUDEOL检测设备，率先实现了国产HUD量产，实现了ARHUD产品的进口替代，形成了HUD检测设备自主研制能力。引领了国内车载仪表产业的创新发展方向，形成了以“仪器仪表＋”多学科交叉发展的技术攻关、项目研发、人才培养的产学研合作新模式，经济和社会效益显著。
成果再转化：车用动力电池健康管理
“轻量级神经网络驱动的车用动力电池健康管理是又一大成功应用场景，也是有效的成果转化之一。”李鹏华对轻量级神经网络技术的应用前景非常看好。
“动力电池可是电动汽车的能源核心部件，起到了至关重要的作用。它的本质是复杂的电化学系统。在高低温湿热交变、强振动、工况随机的车用场景中，可靠感知电池内部的物化反应信息，捕获承载退化模式的可信状态特征，实现精准且性能可解释的寿命预测，对动力电池的安全使用与预测维护至关重要，这也是国际学术界和工业界当前面临的难题。”李鹏华告诉我们车用动力电池健康管理依然存在技术壁垒。
李鹏华和团队成员针对公关难题，将问题分解，逐个攻破。针对数据与机理融合的电池内部信息可靠感知、随机退化特征驱动的状态可信估计、寿命预测的可解释建模的问题，提出数据与机理融合的电池内部信息可靠感知方法，揭示了电热特性与不确定性环节的相互作用机制；提出随机工况特征驱动的电池状态可信估计方法，阐明了随机工况电热序列的自适应分段获取机制；提出基于轻量化可解释神经网络模型的电池寿命预测理论，创建了主动追踪电池退化讯号的长短时神经网络及其自动机器学习框架，建立了超参数轻量化配置的概率替代求解路径。
该成果荣获：中国自动化学会自然科学奖二等奖。成果衍生了授权的发明专利16项，并得到成果转化，取得了显著的经济效益。
突破是下一个征途的起点。“我们就是要迎战一个又一个难题，攻坚克难，始终走在科技的前沿。”李鹏华说。（文／王超）
