建立一个混合动力电动汽车为Processor-in-the-Loop仿真原型系统
Curt希利尔,NXP半导体
随着越来越多的汽车特性成为定义的计算能力,工程师正在设计日益复杂的算法对能源管理、电池管理、动力总成控制。这导致对汽车的需求增加处理器能够运行计算密集型实时算法。
展示NXP的功能®处理器,我的团队开发了一个原型系统processor-in-the-loop(公益诉讼)先进的汽车控制算法的仿真。我们使用基于模型的设计与仿真软件®模型和评估控制算法,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)。
图1所示。的S32S GreenBox II混合动力和电动汽车开发平台。
我们开始与一个参考应用程序,包括植物模型的混合动力电动汽车(HEV)和一个优化监督控制器。这帮助我们减少NXP演示系统开发时间超过9个月。
戊肝病毒和控制器的建模
我们的工程师有相当的专业知识在半导体但直接经验建模工具和先进的能源管理控制策略。节省时间构建一个完整的系统级模型的戊肝病毒类似于模型客户使用,我们使用戊肝病毒P4参考应用动力Blockset™。P4参考应用程序包含一个完整的、预先构建的戊肝病毒模型与火花点火发动机,传动,锂离子电池和电动马达(图2)。
图2。戊肝病毒P4动力系统的模型建立与动力总成Blockset组件。
除了戊肝病毒模型,参考应用程序包含引擎,传播,和P4混合动力控制模块以及其他组件,使我们能够运行综合闭环模拟(图3)。驱动源和纵向周期驱动程序块,例如,让我们生成一个标准的纵向驱动周期和速度转换成规范化的加速和制动命令。子系统的车辆速度、发动机转速、电池电荷状态和燃油经济性(MPGe)使我们想象上的性能和能耗模拟驾驶循环。
图3。闭环P4亨德拉病毒模型包括控制器、车辆、驾驶循环,和可视化子系统。
公益诉讼运行模拟GreenBox II
公益诉讼模拟运行之前,我们跑model-in-the-loop模拟混合动力模型和熟悉的相当于消耗最小化策略(ecm)算法中包含的参考应用。这个监督能源管理算法,由西蒙娜博士Onori斯坦福,找到最佳的平衡从它的发动机和电动机驱动车辆。
GreenBox II的ecm算法运行,我们从控制模型使用生成的代码嵌入式编码器®和部署使用NXP®基于模型的设计工具箱(MBDT)硬件支持包。MBDT包括初始化例程和设备驱动程序,可以很容易地部署和运行复杂的算法在NXP处理器(图4)。
图4。代码生成公益诉讼仿真的工作流。
使用这个设置,我们跑公益诉讼从仿真软件模拟的加速和制动命令被送到控制器上运行ecm算法GreenBox II。控制器生成引擎和电动机转矩命令信号,传送到戊肝病毒工厂模型。来自植物,如发动机转速信号和电动机转速反馈给控制器。在公益诉讼的模拟,我们监控这些信号和其他关键指标在仿真软件更新(图5)。
图5。块速度,发动机和电机速度、电池电荷状态和燃油经济性作为时间的函数。
扩展和增强的设置
运行以来第一个公益诉讼的ecm算法模拟GreenBox II平台,我们已经完成了几个设计迭代。例如,转向和悬挂系统从车辆动力学Blockset™纳入原有的模式,这样我们可以代替预定义的驱动周期与现场控制加速,刹车和转向。我们添加了小轮子和电动马达驱动在加速和刹车。我们还包含一个基于虚幻引擎3 d仿真环境®与车辆动力学Blockset(图6)。
图6。作者控制公益诉讼在看3 d可视化仿真的车辆。
最近版本的设置包括集成与亚马逊®Web服务(AWS®)通过NXP®GoldBox面向服务的网关,它管理的车辆数据流AWS云数据存储进行分析和报告。此外,我们证明了一个新的工作流。”汽车为基于模型的设计与AWS DevOps, NXP和MathWorks,“在MATLAB汽车和MATLAB在2022年世博会。
未来的应用程序将利用S32Z和S32E实时处理器。的NXP®GreenBox 3实时开发平台包含了S32E,其中包含更高的执行支持更先进的数学计算能力和计算密集型应用程序。
2022年出版的
