塞切尼·伊什特万大学的学生团队这几年在技术上不断取得突破性胜利。去年夏天，他们在欧洲最负盛名的三场比赛中荣获奖杯。今年，阿拉博纳赛车队（Arrabona Racing Team）将继续前行，取得更高的成绩。今年ART_X 的目标是通过改进冷却系统，重新设计车身以及升级发动机来获得第一名。

十年来，阿拉博纳赛车队 (ART) 取得了巨大进步。上个赛季，车队在匈牙利站获得第三名，在奥地利站和德国站获得第二名。然而，重新建造一辆学生方程式赛车绝不是那么容易的。它需要以现有知识为基础、反复验证设计和施工流程，以及一支技术精湛、团结协作的队伍。

阿拉博纳赛车队 (ART) 所使用的设计技术等也越来越反映了他们的专业化，生成式设计、碳复合材料自支撑式单体车身以及用于实时测量的遥控系统处于业界前沿。阿拉博纳赛车队在塞切尼·伊什特万大学与SZEnergy团队一起创建了一个学生人才中心，专门用来为团队成员提供知识。

丹尼尔·费斯蒂（Dániel Feszty）博士是塞切尼·伊什特万大学整车工程系主任，他在团队第十辆名为“ART_X”的车辆设计最终演示会上的欢迎辞中说道：“我们总是很高兴看到新的汽车设计，因为我们总是对学生们提出的创新方案感到惊讶。很多年前，我们认为作为教师，应该积极参与到团队的知识管理中去，每周或者两周进行一次定期的咨询和询问。今天，你们似乎已经形成了一种新的内部文化，你们拥有的知识，我们甚至在大学里都没有教过，这些知识是你们自主创造出来的。目前，匈牙利奥迪汽车公司的整个汽车工程部门大约有五分之一的员工来自阿拉博纳赛车队。”

丹尼尔·费斯蒂（Dániel Feszty）博士

车辆设计最终演示会的举办，标志着学生赛车队制造车辆的设计阶段结束，届时团队成员将在施工开始前向赞助商、合作伙伴和媒体展示他们的最新动态，去年的夏季比赛已经过半。就阿拉博纳赛车队而言，在去年ART_09取得巨大成功之后，车队将采取新的有趣方案。

赛车队负责人克里斯托夫·黑格（ Kristóf Hege）说：“今年我们将再次参加奥地利斯皮尔伯格的比赛，然后前往亨格罗林，参加东部大学生方程式赛车。不同于以往的是，我们将与FS Alpe Adria一起在克罗地亚结束这个赛季。”他们的目标是使用全新打造的第十辆车“ART_X”获得冠军。

这辆车名为“ART_X”的赛车，由阿拉博纳赛车队团队负责人克里斯托夫·黑格（ Kristóf Hege）、SZEngine团队负责人马修·博罗斯（Máté Boros）和阿拉博纳赛车队施工负责人伊姆雷·托特（Imre Tóth）展示。

ART_X 的初步模型。在车的机身上，你可以看到宽大的侧箱，它们将负责发动机的空气冷却。

伊姆雷·托特（Imre Tóth）强调：“去年，我们在发动机冷却方面遇到了很多问题，所以今年我们在设计中格外注意了这一点。我们设计了一个侧箱，可以从两侧提供大量的冷却液，这样空气就可以冲洗发动机舱。与此同时，这也意味着我们必须给汽车增加额外的重量，虽然这会损害它的光滑度，但从长远来看，它会在可靠性方面得到很大的提升。但是，不要被它的外观迷惑，更宽敞的车身具有相同的空气动力学特性，这与去年一样，甚至空气动力学性能更好，下压力略有增加。” 

此外，学生们还重新设计了汽车车身，车身进行了较大改动，主要是因为引入了冷却系统，驾驶舱也必须缩小。与此同时，近年来很常见的扩音器从车头取消了，因为新的机翼设计和侧风道使它变得不那么必要。

伊姆雷·托特（Imre Tóth）继续说道：“今年我们进行了一个更大的变化，即完全重新设计了底盘，基于模拟，它可以大大改进汽车。以前，我们使用的是纵臂悬架，但有时我们无法准确调整它，所以我们换到了推杆悬架。” 

根据伊姆雷·托特（Imre Tóth）的说法，今年汽车的总重量将比去年轻一些。

塞切尼·伊什特万大学SZEngine发动机开发团队负责人马修·博罗斯（Máté Boros）谈到了作为汽车核心的SZEngine发动机。和以前一样，他们的目标是消除故障并进一步提高性能。改装后的KTM 690的工厂零件越来越少，这次的节气门适应了车队的需要，它消耗的功率更少，并且可以更动态地换档，主缸和盖子也进行了优化，这对减轻重量很重要。发动机的冷却问题也得到了SZEngine的认可，他们正试图通过改进油路来散发更多的热量。除了新的SZEngine 2023发动机外，SZEngine发动机开发团队也在开发混合动力源，已经组装了一个带有高性能电池的样机，在这方面取得了重大进展。

SZEngine发动机开发团队负责人马修·博罗斯（Máté Boros）

另外，“ART_X”的遥测系统也是一大亮点，它让车手和团队成员几乎可以即时了解汽车的性能。“ART_X”的各种传感器会测量车辆的参数，包括轮胎压力和里程，并通过4G连接将它们传输到维修站。

伊姆雷·托特（Imre Tóth）说：“我们使用了完全重新训练的神经网络进行路径识别，使用了大约三千条数据记录对其进行重新编程，这使我们的算法更加准确。我们的相机也有很大的潜力。通过使用Zed2设备，我们可以准确地确定汽车相对于环境中物体的位置。”

图为学生方程式赛车的物体识别。