|面向处理器循环仿真的混合车辆原型系统构建

本文介绍了先进汽车控制算法的处理器环路。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _。菲尔)仿真开发原型系统;介绍了如何通过基于模型的设计过程对控制算法进行建模和评价,然后将其部署到混合动力车辆开发平台上。

随着通过计算能力定义的车辆功能的增加,工程师为能源管理、电池管理和动力传递控制而设计的算法也变得更加复杂。这增加了汽车处理器对实时运行计算密集型算法的需求。

为了展示NXP处理器的能力,我们团队为先进汽车控制算法的处理器环路(processor-in-the-loop)开发了Phil(菲尔)模拟原型系统。利用Simulink,通过基于模型的设计过程对控制算法进行建模和评估,然后部署到NXP S32S GreenBox II混合动力车辆开发平台上(图1)。

图片.png

图1: S32S绿色箱II混合动力车辆开发平台

我们有混合电动自行车;)。HEV)管理大象模型和优化的监控控制器参考应用程序将启动。这使NXP显示系统开发时间缩短了9个月以上。

HEV与控制器建模

我们的工程师在半导体领域相当专业,但在车辆建模和高级能源管理控制战略方面的直接经验有限。Powertrain Blockset的HEVp4参考应用程序用于节省创建与客户使用的模型类似的完整系统级HEV模型的时间。该P4参考应用程序包括一个完整的、预配置的HEV型号,其中包括火星点火发动机、电动、锂离子电池和电动马达(图2)。

图片.png

图2:通过Powertrain Blockset部件创建的HEV P4功率传输模型。

除HEV模型外,参考应用程序还包括发动机、滚动和P4混合控制模块以及其他能够执行全面闭环模拟的组件(图3)。例如,drive cycle source and longitudinal driver模块可生成标准垂直驾驶周期,并将“速度”(velocities)转换为规范化加速和制动命令。

在车辆速度、发动机速度、电池充电状态和燃料经济性(MPGe)的子系统图表中,可以直观显示模拟驾驶周期的能量使用情况和车辆水平的性能。

图片.png

图3:包含控制器、车辆、驾驶周期和可视化子系统的闭环HEV P4模型

在绿框ii上执行PIL模拟

在执行PIL模拟之前,可以通过模型周期(model-in-the-loop)模拟熟悉参考应用中包含的HEV模型和等效燃料消耗优化策略(EQUIVALENT Consumption Minimization Strategy)。斯坦福的Dr. Simona Onori公司开发的这种监督能源管理算法可以从发动机或电动马达的最佳平衡中找到提供车辆动力的方法。

为了在green box ii上运行ECMS算法,使用嵌入式编码器从控制模型生成程序代码,并使用nxp基于模型的设计工具箱(mbdt)硬件支持工具包进行部署。MBDT包括初始化例程和设备驱动器,以便于构建复杂的算法,并在NXP处理器上运行(图4)。

图片.png

图4: PIL模拟的程序代码生成工作流

使用这些设置可以执行PIL模拟,其中加速度和阻尼命令从Simulink传递到在GreenBox II中运行ECMS算法的控制器。该控制器生成传输到HEV控制主体模型的发动机和电动马达力矩命令信号。来自控制器的信号,如发动机速度、电机速度等,将传递回控制器。在PIL模拟过程中,当Simulink更新这些信号和其他主要测量指标时,将对其进行监控(图5)。

图片.png

图5:一段时间内的速度、发动机和马达速度、电池充电状态、燃料经济性图表

扩展和改进设置

在GreenBox II平台上进行了第一次ECMS算法PIL模拟后,完成了一些设计迭代。例如,Vehicle Dynamics Blockset的转向和悬挂系统可以集成到原始模型中,用实时加速、制动和转向控制替代预定义的驾驶周期。添加了在加速和制动时启动的微轮和电动马达。此外,基于Unreal Engine的三维模拟环境包含在Vehicle Dynamics Blockset中(图6)。

图片.png

图6:作者在控制PIL模拟的同时,正在查看车辆的三维可视化结果。

最新的安装版本包括通过nxp金牌盒服务定向网关集成Amazon web服务(AWS),AWS cloud data stores管理车辆数据以进行分析和报告。

未来的应用程序将利用S32Z和S32E实时处理器。NXP GreenBox 3实时R & ampd平台集成了S32E和更强大的数学计算执行能力,支持更先进、计算密集型应用程序。

(本文由钛技术提供。作者Curt Hillier在恩智浦半导体工作)

|面向处理器循环仿真的混合车辆原型系统构建

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注