本文敘述先進(jìn)汽車(chē)控制演算法的處理器迴圈（processor-in-the-loop；PIL）模擬開(kāi)發(fā)原型系統(tǒng)；說(shuō)明如何以模型為基礎(chǔ)的設(shè)計(jì)流程建立控制演算法的模型，並且對(duì)其進(jìn)行評(píng)估，接著部署至混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺(tái)。
當(dāng)轉(zhuǎn)為透過(guò)運(yùn)算能力來(lái)定義的車(chē)輛功能愈來(lái)愈多，工程師為能源管理、電池管理和動(dòng)力傳動(dòng)控制所設(shè)計(jì)的演算法也變得更加複雜。這使得能夠即時(shí)執(zhí)行運(yùn)算量密集演算法的車(chē)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(chē)控制演算法的處理器迴圈（processor-in-the-loop；PIL）模擬開(kāi)發(fā)了一個(gè)原型系統(tǒng)。我們使用Simulink，以模型為基礎(chǔ)的設(shè)計(jì)流程建立控制演算法的模型，並且對(duì)其進(jìn)行評(píng)估，接著部署至NXP S32S GreenBox II混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺(tái)（圖1）。
| 圖1 : S32S GreenBox II混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺(tái)。 |
|
我們從內(nèi)含混合動(dòng)力車(chē)輛（hybrid electric vehicle；HEV）受控體模型和經(jīng)過(guò)優(yōu)化的監(jiān)督控制器（supervisory controller）參考應(yīng)用開(kāi)始。這使得NXP展示系統(tǒng)開(kāi)發(fā)的時(shí)間縮短了超過(guò)九個(gè)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(zhuān)業(yè)，但是對(duì)於車(chē)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(jí)、又與客戶(hù)使用的模型相似的HEV模型的時(shí)間，使用了Powertrain Blockset中的HEV P4參考應(yīng)用。這個(gè)P4參考應(yīng)用包含一個(gè)完整且預(yù)先建立的HEV模型，其中有一個(gè)火星點(diǎn)燃引擎、傳動(dòng)、鋰離子電池、以及電動(dòng)馬達(dá)（圖2）。
| 圖2 : 透過(guò)Powertrain Blockset元件建立的HEV P4動(dòng)力傳動(dòng)模型。 |
|
除了HEV模型之外，參考應(yīng)用也包含了引擎、傳動(dòng)與P4混合控制模組，還有其他能夠執(zhí)行全面性封閉迴圈模擬的元件（圖3）。以Drive Cycle Source and Longitudinal Driver模組為例，它會(huì)產(chǎn)生一個(gè)標(biāo)準(zhǔn)的縱向駕駛週期，並且將速度（velocities）轉(zhuǎn)換為正規(guī)化的加速度與制動(dòng)指令。
從車(chē)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?chē)輛層級(jí)的表現(xiàn)與隨著模擬的駕駛週期的能源使用視覺(jué)化呈現(xiàn)。
| 圖3 : 封閉迴圈HEV P4模型，包含控制器、車(chē)輛、駕駛週期、以及視覺(jué)化呈現(xiàn)的子系統(tǒng)。 |
|
於GreenBox II執(zhí)行PIL模擬
在執(zhí)行PIL模擬之前，先經(jīng)過(guò)一次模型迴圈（model-in-the-loop）模擬，幫助熟悉含在參考應(yīng)用內(nèi)的HEV模型與等效油耗最佳化策略（Equivalent Consumption Minimization Strategy；ECMS）演算法。這個(gè)由史丹佛的Dr. Simona Onori開(kāi)發(fā)的監(jiān)督能源管理演算法能夠找出從引擎或電動(dòng)馬達(dá)的最適化平衡來(lái)提供車(chē)輛動(dòng)力。
為了要在GreenBox II執(zhí)行ECMS演算法，我們使用Embedded Coder從控制模型產(chǎn)生程式碼，並且使用NXP Model-Based Design Toolbox（MBDT）硬體支援套件來(lái)部署。MBDT包含了初始化的例行程序以及裝置驅(qū)動(dòng)器，讓複雜的演算法可以容易地部署且執(zhí)行於NXP處理器（圖4）。
使用這樣的設(shè)置來(lái)執(zhí)行PIL模擬，其中加速和制動(dòng)指令會(huì)由Simulink傳送到在GreenBox II上執(zhí)行ECMS演算法的控制器。這個(gè)控制器產(chǎn)生引擎與電動(dòng)馬達(dá)力矩指令訊號(hào)，這些訊號(hào)會(huì)被傳送到HEV受控體模型。引擎速度和馬達(dá)速度等來(lái)自於受控體的訊號(hào)再回授給控制器。在PIL模擬過(guò)程，會(huì)在這些訊號(hào)和其他的主要衡量指標(biāo)更新於Simulink時(shí)監(jiān)測(cè)它們（圖5）。
| 圖5 : 某一段運(yùn)作時(shí)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(tái)執(zhí)行首次的ECMS演算法PIL模擬之後，我們完成了幾項(xiàng)設(shè)計(jì)迭代。舉例來(lái)說(shuō)，Vehicle Dynamics Blockset的轉(zhuǎn)向與懸吊系統(tǒng)被整併到原始模型，可以用即時(shí)的加速、制動(dòng)、轉(zhuǎn)向控制來(lái)取代預(yù)先定義的駕駛週期。並且加入了會(huì)在加速和制動(dòng)時(shí)啟動(dòng)的微型車(chē)輪和電動(dòng)馬達(dá)；同時(shí)將一個(gè)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(gè)PIL模擬，同時(shí)查看車(chē)輛的3D視覺(jué)化結(jié)果。 |
|
更近期的設(shè)置版本包含透過(guò)NXP GoldBox service-oriented gateway來(lái)整合Amazon Web Services（AWS），這可以管理車(chē)輛資料到AWS cloud data stores的流程來(lái)進(jìn)行分析和報(bào)告。
未來(lái)的應(yīng)用將利用S32Z和S32E即時(shí)處理器。NXP GreenBox 3即時(shí)研發(fā)平臺(tái)融合了S32E，內(nèi)含更強(qiáng)大的數(shù)學(xué)運(yùn)算執(zhí)行能力，因此可支援更先進(jìn)、運(yùn)算更密集的應(yīng)用。
（本文由鈦思科技提供；作者Curt Hillier任職於恩智浦半導(dǎo)體）
