建立混合動(dòng)力車(chē)輛原型系統進(jìn)行處理器循環(huán)仿真

本文敘述先進(jìn)汽車(chē)控制算法的處理器循環(huán)（processor-in-the-loop；PIL）仿真開(kāi)發(fā)原型系統；說(shuō)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(jìn)行評估，接著(zhù)部署至混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺。

當轉為透過(guò)運算能力來(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)控制所設計的算法也變得更加復雜。這使得能夠實(shí)時(shí)執行運算量密集算法的車(chē)用處理器的需求增加。

為了展示NXP處理器的能力，我們的團隊為了先進(jìn)汽車(chē)控制算法的處理器循環(huán)（processor-in-the-loop；PIL）仿真開(kāi)發(fā)了一個(gè)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(jìn)行評估，接著(zhù)部署至NXP S32S GreenBox II混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺（圖1）。


 
圖1 : S32S GreenBox II混合動(dòng)力車(chē)輛開(kāi)發(fā)平臺。

我們從內含混合動(dòng)力車(chē)輛（hybrid electric vehicle；HEV）受控體模型和經(jīng)過(guò)優(yōu)化的監督控制器（supervisory controller）參考應用開(kāi)始。這使得NXP展示系統開(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體領(lǐng)域相當專(zhuān)業(yè)，但是對于車(chē)輛建模與先進(jìn)能源管理控制策略的直接經(jīng)驗就比較有限。為了節省建立完整、系統層級、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 P4參考應用。這個(gè)P4參考應用包含一個(gè)完整且預先建立的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（圖2）。


 
圖2 : 透過(guò)Powertrain Blockset組件建立的HEV P4動(dòng)力傳動(dòng)模型。

除了HEV模型之外，參考應用也包含了引擎、傳動(dòng)與P4混合控制模塊，還有其他能夠執行全面性封閉循環(huán)仿真的組件（圖3）。以Drive Cycle Source and Longitudinal Driver模塊為例，它會(huì )產(chǎn)生一個(gè)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(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)濟性（以MPGe為單位）的子系統圖表，讓我們能夠將車(chē)輛層級的表現與隨著(zhù)仿真的駕駛周期的能源使用可視化呈現。

 
圖3 : 封閉循環(huán)HEV P4模型，包含控制器、車(chē)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(jīng)過(guò)一次模型循環(huán)（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(yōu)化策略（Equivalent Consumption Minimization Strategy；ECMS）算法。這個(gè)由史丹佛的Dr. Simona Onori開(kāi)發(fā)的監督能源管理算法能夠找出從引擎或電動(dòng)馬達的最適化平衡來(lái)提供車(chē)輛動(dòng)力。

為了要在GreenBox II執行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(lái)部署。MBDT包含了初始化的例行程序以及裝置驅動(dòng)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(lái)執行PIL模擬，其中加速和制動(dòng)指令會(huì )由Simulink傳送到在GreenBox II上執行ECMS算法的控制器。這個(gè)控制器產(chǎn)生引擎與電動(dòng)馬達力矩指令訊號，這些訊號會(huì )被傳送到HEV受控體模型。引擎速度和馬達速度等來(lái)自于受控體的訊號再回授給控制器。在PIL仿真過(guò)程，會(huì )在這些訊號和其他的主要衡量指標更新于Simulink時(shí)監測它們（圖5）。


 
圖5 : 某一段運作時(shí)間內的速度、引擎和馬達速度、電池充電狀態(tài)、燃料經(jīng)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(lái)說(shuō)，Vehicle Dynamics Blockset的轉向與懸吊系統被整并到原始模型，可以用實(shí)時(shí)的加速、制動(dòng)、轉向控制來(lái)取代預先定義的駕駛周期。并且加入了會(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；同時(shí)將一個(gè)以Unreal Engine為基礎的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可視化結果。

更近期的設置版本包含透過(guò)NXP GoldBox service-oriented gateway來(lái)整合Amazon Web Services（AWS），這可以管理車(chē)輛數據到AWS cloud data stores的流程來(lái)進(jìn)行分析和報告。

未來(lái)的應用將利用S32Z和S32E實(shí)時(shí)處理器。NXP GreenBox 3實(shí)時(shí)研發(fā)平臺融合了S32E，內含更強大的數學(xué)運算執行能力，因此可支持更先進(jìn)、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）