建立混合動力車輛原型系統(tǒng)進(jìn)行處理器循環(huán)仿真

本文敘述先進(jìn)汽車控制算法的處理器循環(huán)（processor-in-the-loop；PIL）仿真開發(fā)原型系統(tǒng)；說明如何以模型為基礎(chǔ)的設(shè)計(jì)流程建立控制算法的模型，并且對其進(jìn)行評估，接著部署至混合動力車輛開發(fā)平臺。

當(dāng)轉(zhuǎn)為透過運(yùn)算能力來定義的車輛功能愈來愈多，工程師為能源管理、電池管理和動力傳動控制所設(shè)計(jì)的算法也變得更加復(fù)雜。這使得能夠?qū)崟r執(zhí)行運(yùn)算量密集算法的車用處理器的需求增加。

為了展示NXP處理器的能力，我們的團(tuán)隊(duì)為了先進(jìn)汽車控制算法的處理器循環(huán)（processor-in-the-loop；PIL）仿真開發(fā)了一個原型系統(tǒng)。我們使用Simulink，以模型為基礎(chǔ)的設(shè)計(jì)流程建立控制算法的模型，并且對其進(jìn)行評估，接著部署至NXP S32S GreenBox II混合動力車輛開發(fā)平臺（圖1）。


 
圖1 : S32S GreenBox II混合動力車輛開發(fā)平臺。

我們從內(nèi)含混合動力車輛（hybrid electric vehicle；HEV）受控體模型和經(jīng)過優(yōu)化的監(jiān)督控制器（supervisory controller）參考應(yīng)用開始。這使得NXP展示系統(tǒng)開發(fā)的時間縮短了超過九個月。

HEV與控制器建模
我們的工程師在半導(dǎo)體領(lǐng)域相當(dāng)專業(yè)，但是對于車輛建模與先進(jìn)能源管理控制策略的直接經(jīng)驗(yàn)就比較有限。為了節(jié)省建立完整、系統(tǒng)層級、又與客戶使用的模型相似的HEV模型的時間，使用了Powertrain Blockset中的HEV P4參考應(yīng)用。這個P4參考應(yīng)用包含一個完整且預(yù)先建立的HEV模型，其中有一個火星點(diǎn)燃引擎、傳動、鋰離子電池、以及電動馬達(dá)（圖2）。


 
圖2 : 透過Powertrain Blockset組件建立的HEV P4動力傳動模型。

除了HEV模型之外，參考應(yīng)用也包含了引擎、傳動與P4混合控制模塊，還有其他能夠執(zhí)行全面性封閉循環(huán)仿真的組件（圖3）。以Drive Cycle Source and Longitudinal Driver模塊為例，它會產(chǎn)生一個標(biāo)準(zhǔn)的縱向駕駛周期，并且將速度（velocities）轉(zhuǎn)換為正規(guī)化的加速度與制動指令。

從車輛速度、引擎速度、電池充電狀態(tài)和燃料經(jīng)濟(jì)性（以MPGe為單位）的子系統(tǒng)圖表，讓我們能夠?qū)④囕v層級的表現(xiàn)與隨著仿真的駕駛周期的能源使用可視化呈現(xiàn)。

 
圖3 : 封閉循環(huán)HEV P4模型，包含控制器、車輛、駕駛周期、以及可視化呈現(xiàn)的子系統(tǒng)。

于GreenBox II執(zhí)行PIL模擬
在執(zhí)行PIL仿真之前，先經(jīng)過一次模型循環(huán)（model-in-the-loop）仿真，幫助熟悉含在參考應(yīng)用內(nèi)的HEV模型與等效油耗優(yōu)化策略（Equivalent Consumption Minimization Strategy；ECMS）算法。這個由史丹佛的Dr. Simona Onori開發(fā)的監(jiān)督能源管理算法能夠找出從引擎或電動馬達(dá)的最適化平衡來提供車輛動力。

為了要在GreenBox II執(zhí)行ECMS算法，我們使用Embedded Coder從控制模型產(chǎn)生程序代碼，并且使用NXP Model-Based Design Toolbox（MBDT）硬件支持套件來部署。MBDT包含了初始化的例行程序以及裝置驅(qū)動器，讓復(fù)雜的算法可以容易地部署且執(zhí)行于NXP處理器（圖4）。


 
圖4 : PIL仿真的程序代碼生成工作流程。

使用這樣的設(shè)置來執(zhí)行PIL模擬，其中加速和制動指令會由Simulink傳送到在GreenBox II上執(zhí)行ECMS算法的控制器。這個控制器產(chǎn)生引擎與電動馬達(dá)力矩指令訊號，這些訊號會被傳送到HEV受控體模型。引擎速度和馬達(dá)速度等來自于受控體的訊號再回授給控制器。在PIL仿真過程，會在這些訊號和其他的主要衡量指標(biāo)更新于Simulink時監(jiān)測它們（圖5）。


 
圖5 : 某一段運(yùn)作時間內(nèi)的速度、引擎和馬達(dá)速度、電池充電狀態(tài)、燃料經(jīng)濟(jì)性的圖表。

設(shè)置的延伸與改善
在GreenBox II平臺執(zhí)行首次的ECMS算法PIL仿真之后，我們完成了幾項(xiàng)設(shè)計(jì)迭代。舉例來說，Vehicle Dynamics Blockset的轉(zhuǎn)向與懸吊系統(tǒng)被整并到原始模型，可以用實(shí)時的加速、制動、轉(zhuǎn)向控制來取代預(yù)先定義的駕駛周期。并且加入了會在加速和制動時啟動的微型車輪和電動馬達(dá)；同時將一個以Unreal Engine為基礎(chǔ)的3D模擬環(huán)境納入Vehicle Dynamics Blockset（圖6）。



 
圖6 : 作者正在控制一個PIL模擬，同時查看車輛的3D可視化結(jié)果。

更近期的設(shè)置版本包含透過NXP GoldBox service-oriented gateway來整合Amazon Web Services（AWS），這可以管理車輛數(shù)據(jù)到AWS cloud data stores的流程來進(jìn)行分析和報(bào)告。

未來的應(yīng)用將利用S32Z和S32E實(shí)時處理器。NXP GreenBox 3實(shí)時研發(fā)平臺融合了S32E，內(nèi)含更強(qiáng)大的數(shù)學(xué)運(yùn)算執(zhí)行能力，因此可支持更先進(jìn)、運(yùn)算更密集的應(yīng)用。

（本文由鈦思科技提供；作者Curt Hillier任職于恩智浦半導(dǎo)體）