构建用于处理器在环仿真的混合动力电动汽车原型系统

随着越来越多的汽车功能被计算能力定义，工程师们正在为能源管理、电池管理和动力系统控制设计越来越复杂的算法。这导致对能够实时运行计算密集型算法的汽车处理器的需求增加。

展示NXP的能力^®处理器，我的团队已经开发了一个原型系统的处理器在环(PIL)模拟先进的汽车控制算法。我们使用基于模型的设计与Simulink^®建模和评估控制算法，然后部署到一个NXP^®S32S GreenBox II混合动力和电动汽车开发平台(图1)。

我们从一个参考应用程序开始，其中包括混合动力电动汽车(HEV)的工厂模型和优化的监控控制器。这帮助我们将NXP演示系统的开发时间缩短了9个多月。

混合动力汽车和控制器建模

我们的工程师在半导体方面有相当多的专业知识，但在车辆建模和先进的能源管理控制策略方面几乎没有直接经验。为了节省构建与客户使用的车型类似的完整的HEV系统级模型的时间，我们在Powertrain Blockset™中使用了HEV P4参考应用程序。P4参考应用包括一个完整的预建HEV模型，其中包括火花点火发动机、变速器、锂离子电池和电动机(图2)。

除HEV模型外，参考应用程序还包括发动机、变速器和P4混合动力控制模块以及其他组件，这些组件使我们能够运行全面的闭环模拟(图3)。例如，驱动循环源和纵向驱动块，让我们生成一个标准的纵向驱动循环，并将速度转换为标准化的加速和制动命令。车辆速度、发动机速度、电池充电状态和燃油经济性(MPGe)的子系统图使我们能够可视化模拟驾驶周期内的车辆性能和能源使用情况。

在GreenBox II上运行PIL模拟

在运行PIL仿真之前，我们运行了循环模型仿真，以熟悉HEV模型和等效消耗最小化策略(ECMS)算法包含在参考应用程序中。斯坦福大学的Simona Onori博士开发的这种监督能量管理算法，可以找到发动机和电动机为车辆提供动力的最佳平衡。

为了在GreenBox II上运行ECMS算法，我们从使用的控制模型生成代码嵌入式编码器^®并使用NXP^®基于模型的设计工具箱硬件支持包。MBDT包括初始化例程和设备驱动程序，使其易于在NXP处理器上部署和运行复杂算法(图4)。

使用这个设置，我们运行PIL模拟，其中来自Simulink的加速和制动命令被发送到运行在GreenBox II上的ECMS算法的控制器。控制器生成发动机和电动机转矩命令信号，这些信号被传递到混合动力汽车装置模型。来自工厂的信号，如发动机转速和电机转速被反馈给控制器。在PIL模拟期间，我们监测这些信号和其他关键指标，因为它们在Simulink中更新(图5)。

扩展和增强设置

自从在GreenBox II平台上运行我们的第一个ECMS算法的PIL模拟以来，我们已经完成了几个设计迭代。例如，Vehicle Dynamics Blockset™的转向和悬挂系统被合并到原始模型中，这样我们就可以用加速、制动和转向的实时控制来取代预定义的驾驶循环。我们增加了微型车轮和电动马达，在加速和制动时进行驱动。我们还结合了一个基于虚幻引擎的三维仿真环境^®Vehicle Dynamics Blockset(图6)。

该设置的最新版本包括与Amazon的集成^®Web服务^®)透过NXP^®GoldBox面向服务的网关，用于管理车辆数据流向AWS云数据存储进行分析和报告。此外，我们还演示了一个新的工作流程。”与AWS、NXP和MathWorks合作的基于模型设计的汽车开发运维在2022年的MATLAB汽车和MATLAB博览会上。

未来的应用程序将使用S32Z和S32E实时处理器。的NXP^®GreenBox 3实时开发平台集成了S32E，包含更高性能的数学计算能力，支持更高级和计算密集型的应用程序。