4月22日，第十一期Automotive Innovation Workshop在线下成功举办，会议围绕“New energy (EVs, hydrogen, hybrid) vehicles”展开。

会议由中国汽车工程学会主办，《Automotive Innovation》、《汽车工程》、吉林大学汽车工程学院承办。本次国际沙龙为纯英文演讲，邀请皇家墨尔本理工大学（RMIT University）教授，Automotive Innovation编委Firoz Alam为会议主席，吉林大学汽车工程学院教授、副院长胡兴军；吉林大学汽车工程学院教授，吉林大学“唐敖庆学者”英才教授金英爱；吉林大学汽车底盘集成与仿生全国重点实验室助理研究员齐春阳为演讲嘉宾。通过汽车学会、AutomotiveInnovation视频号以及多直播平台全球直播，观看量累计超3.8万人次。

王军年教授作欢迎致辞

吉林大学教授、汽车工程系主任、汽车研究所所长王军年作开场致辞，他代表学院欢迎全球学者参与学术交流。他介绍，吉林大学汽车工程学院依托国家级实验室及产学研基地，聚焦整车设计、新能源、智能网联等领域，持续推动技术创新。王军年教授强调，本次研讨会通过《Automotive Innovation》期刊搭建国际平台，旨在促进前沿技术研讨，加速产学研融合。他对演讲嘉宾及主办方致谢，并期待学界携手应对产业变革挑战，共探低碳智能出行未来。

Firoz Alam发表演讲

皇家墨尔本理工大学Firoz Alam教授发表了题为"New Energy Automobiles: Opportunities and Prospects” 的演讲。他指出全球电动汽车（EV）市场持续扩张，2024年销量达1730万辆，占全球汽车总销量的五分之一。市场呈现显著区域集中特征：中国以65%的份额占据主导地位，欧洲和美国分别占18%和10%。电动卡车领域亦呈现快速增长态势，成为全球低碳转型的重要方向。Firoz Alam教授强调，在绿色替代方案匮乏的当下，EV仍是实现低碳交通的核心载体。然而，行业发展仍面临三重挑战：其一，急需升级充电基础设施，尤其是超快速充电网络的普及；其二，高压动力电池的回收技术亟待突破，以缓解稀土资源短缺压力；其三，EV购置成本高昂，严重制约新兴经济体和发展中国家的市场普及。展望未来，Alam教授呼吁通过技术创新与政策协同，推动充电网络智能化、电池回收规模化及成本优化，以释放EV产业的长期增长潜力，加速全球交通系统的低碳化转型。

胡兴军教授 发表演讲

吉林大学汽车工程学院副院长胡兴军教授发表了题为“ Active Flow Control for Vehicle External Flow Fields Using Dielectric Barrier Discharge Plasma”的演讲。该演讲系统阐述了汽车空气动力学领域的双重技术路径。在主动控制层面，其团队聚焦等离子体减阻、射流调控、智能网格系统机制及自适应表面技术研发，并探索其在未来车型中的适应性应用；在被动控制方向，通过局部气动优化、仿生非光滑表面设计、车身低阻造型、编队行驶协同等技术，实现特定车型及前瞻概念车的降阻目标。胡兴军教授强调，其创新核心在于融合主动控制与被动优化：利用流动可视化技术解析边界层转捩特性，结合智能驾驶与环境感知系统，构建全工况动态减阻策略。该方案有望突破传统减阻技术局限，在复合工况下实现最大幅度风阻降低与能效提升，为新一代低碳交通装备研发提供理论支撑与应用范式。

金英爱教授 发表演讲

吉林大学汽车工程学院教授，吉林大学“唐敖庆学者”英才教授金英爱发表了题为“ Thermal Intelligence in EVs: Innovations from Cell to System Level ”的演讲，全面介绍了下一代电动汽车热管理技术及其发展趋势。她指出电动汽车热管理系统不仅要保障电池在极端温度下的安全与寿命，还要兼顾整车能效与乘员舒适。同时，金英爱教授介绍了从电池模组层面的精准温控，到热泵系统与电机“热网络”的协同调度，再到功率器件的高效散热，展示了从“单点冷却”向“全车集成式热治理”演进的创新路径。金教授强调，未来需依托智能控制与云端协同，实现热管理系统的动态优化与能耗最小化，为绿色出行提供坚实支撑。

齐春阳助理研究员 发表演讲

吉林大学汽车底盘集成与仿生全国重点实验室助理研究员齐春阳发表了题为“ Action Advising and Energy Management Strategy Optimization of Hybrid Electric Vehicle Agent Based on Uncertainty Analysis ”的演讲。针对可持续交通领域的关键技术瓶颈，他提出了融合不确定性分析的智能决策框架。其研究核心贡献包括：动态工况适应性策略：构建复杂驾驶循环下的不确定性能量管理模型，通过实时工况识别优化功率分配；强化学习增强机制：在决策算法中嵌入不确定性量化模块，利用探索-利用平衡机制提升策略鲁棒性；分布式决策融合：创新提出分布式不确定性函数，将多源动作评估指标动态加权，生成全局最优控制指令。该研究通过理论建模与仿真验证，为混合动力系统在高度动态环境中的能效优化提供了普适性解决方案，有望突破传统能量管理策略的静态决策局限，推动智能低碳交通技术发展。

“Automotive Innovation Workshop”的成功举办，为汽车行业的学者提供了良好的国际学术交流平台，欢迎科技从业者积极加入，共同创造最新汽车领域学术成果分享与讨论的平台。

责任编辑：戈文雅

责任校对：汪秀明

最终审核：李 冬

《Automotive Innovation》介绍

中国汽车行业第一本顶级国际英文学术期刊

• 全球发行，反映国际汽车工程高学术水平技术进展的学术期刊

• 汽车工程领域高质量科技期刊分级目录T1级别期刊

• 2023年度JCR “机械工程” “电力电子工程” “交通科学”三个领域Q1区

• Ei、ESCI、Scopus等多家国际数据库收录，IF2023=4.8， CiteScore=8.5

www.springer.com/42154

www.springer.com/42154

在线投稿

1、来稿应为原创论文，未曾公开发表，拒绝一稿多投；

2、论文语言要求为英文，5000字左右；

3、可登录期刊官网免费阅读及投稿：

https://www.springer.com/42154