建立混合動力車輛原型系統進行處理器循環仿真
本文敘述先進汽車控制算法的處理器循環(processor-in-the-loop;PIL)仿真開發原型系統;說明如何以模型為基礎的設計流程建立控制算法的模型,并且對其進行評估,接著部署至混合動力車輛開發平臺。
當轉為透過運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計的算法也變得更加復雜。這使得能夠實時執行運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,我們的團隊為了先進汽車控制算法的處理器循環(processor-in-the-loop;PIL)仿真開發了一個原型系統。我們使用Simulink,以模型為基礎的設計流程建立控制算法的模型,并且對其進行評估,接著部署至NXP S32S GreenBox II混合動力車輛開發平臺(圖1)。
圖1 : S32S GreenBox II混合動力車輛開發平臺。
我們從內含混合動力車輛(hybrid electric vehicle;HEV)受控體模型和經過優化的監督控制器(supervisory controller)參考應用開始。這使得NXP展示系統開發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體領域相當專業,但是對于車輛建模與先進能源管理控制策略的直接經驗就比較有限。為了節省建立完整、系統層級、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 P4參考應用。這個P4參考應用包含一個完整且預先建立的HEV模型,其中有一個火星點燃引擎、傳動、鋰離子電池、以及電動馬達(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,參考應用也包含了引擎、傳動與P4混合控制模塊,還有其他能夠執行全面性封閉循環仿真的組件(圖3)。以Drive Cycle Source and Longitudinal Driver模塊為例,它會產生一個標準的縱向駕駛周期,并且將速度(velocities)轉換為正規化的加速度與制動指令。
從車輛速度、引擎速度、電池充電狀態和燃料經濟性(以MPGe為單位)的子系統圖表,讓我們能夠將車輛層級的表現與隨著仿真的駕駛周期的能源使用可視化呈現。
圖3 : 封閉循環HEV P4模型,包含控制器、車輛、駕駛周期、以及可視化呈現的子系統。
于GreenBox II執行PIL模擬
在執行PIL仿真之前,先經過一次模型循環(model-in-the-loop)仿真,幫助熟悉含在參考應用內的HEV模型與等效油耗優化策略(Equivalent Consumption Minimization Strategy;ECMS)算法。這個由史丹佛的Dr. Simona Onori開發的監督能源管理算法能夠找出從引擎或電動馬達的最適化平衡來提供車輛動力。
為了要在GreenBox II執行ECMS算法,我們使用Embedded Coder從控制模型產生程序代碼,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動器,讓復雜的算法可以容易地部署且執行于NXP處理器(圖4)。
圖4 : PIL仿真的程序代碼生成工作流程。
使用這樣的設置來執行PIL模擬,其中加速和制動指令會由Simulink傳送到在GreenBox II上執行ECMS算法的控制器。這個控制器產生引擎與電動馬達力矩指令訊號,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更新于Simulink時監測它們(圖5)。
圖5 : 某一段運作時間內的速度、引擎和馬達速度、電池充電狀態、燃料經濟性的圖表。
設置的延伸與改善
在GreenBox II平臺執行首次的ECMS算法PIL仿真之后,我們完成了幾項設計迭代。舉例來說,Vehicle Dynamics Blockset的轉向與懸吊系統被整并到原始模型,可以用實時的加速、制動、轉向控制來取代預先定義的駕駛周期。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;同時將一個以Unreal Engine為基礎的3D模擬環境納入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可視化結果。
更近期的設置版本包含透過NXP GoldBox service-oriented gateway來整合Amazon Web Services(AWS),這可以管理車輛數據到AWS cloud data stores的流程來進行分析和報告。
未來的應用將利用S32Z和S32E實時處理器。NXP GreenBox 3實時研發平臺融合了S32E,內含更強大的數學運算執行能力,因此可支持更先進、運算更密集的應用。
(本文由鈦思科技提供;作者Curt Hillier任職于恩智浦半導體)
評論