7種常見的電動車模擬案例

為電動車的設(shè)計選擇適合架構(gòu)時，工程師需要考慮許多選項以及對應(yīng)的權(quán)衡而具有一定的挑戰(zhàn)性，亦顯示出針對開發(fā)架構(gòu)及流程進行系統(tǒng)仿真的重要性。本文展示MATLAB、Simulink和Simscape如何支持七種常見的電動車模擬案例。

設(shè)計電動車的時候，工程師需要選擇出適當(dāng)?shù)哪茉磧Υ婕夹g(shù)與最小化動力系統(tǒng)（powertrain）的耗損來取得性能表現(xiàn)與能源效率之間的平衡。這和其他的重要任務(wù)都會需要可以貫穿從動力總成架構(gòu)的選擇到嵌入式軟件測試這整段開發(fā)流程的物理系統(tǒng)仿真。

本文將展示MATLAB、Simulink和Simscape如何支持七種常見的電動車模擬案例：

一、探索電動的動力系統(tǒng)架構(gòu)

二、調(diào)整再生式制動算法（regenerative braking algorithms）

三、變更懸吊設(shè)計

四、優(yōu)化車輛性能

五、開發(fā)主動式底盤控制（active chassis controls）

六、檢驗ADAS算法

七、進行硬件循環(huán)（hardware-in-the-loop；HIL）測試

探索電動的動力系統(tǒng)架構(gòu)
為電動車的設(shè)計選擇適合架構(gòu)時，因為需要考慮許多選項以及對應(yīng)的權(quán)衡，而具有一定的挑戰(zhàn)性。其架構(gòu)可能包含了一兩個或者更多個電動馬達；一個燃燒發(fā)動機（combustion engine）；各種動力的來源。每一架構(gòu)需要透過多種準(zhǔn)則來評估，像是范圍、加速、性能與價錢。模擬可以幫助測試在山丘與賽道、以及走走停停等交通情境，來完成各個候選架構(gòu)的評估。

在Simscape，子系統(tǒng)之間的接合為代表機械軸承（mechanical shafts）、電線，或管線內(nèi)的液體的物理連接。物理系統(tǒng)的模型以圖表可視化地傳達系統(tǒng)是如何相連。因此可以嘗試各種配置?例如將帶有三個馬達與一個電池的動力系統(tǒng)替換為一個以電池驅(qū)動的馬達和一個燃料電池?并且比較每一種配置在車輛層級的性能表現(xiàn)產(chǎn)生的效應(yīng)（圖1）。

 
圖1 : Simulink虛擬車輛模型的動力系統(tǒng)配置選項。

以不同的駕駛循環(huán)和駕駛風(fēng)格進行測試可以在此自動地執(zhí)行，范圍和電池最高溫度等特性也可以被計算與比較。這樣的系統(tǒng)層級分析可以幫助在設(shè)計流程的早期作出重要的決策，包含馬達與電池要采用什么樣的尺寸。

這個帶三組馬達的動力系統(tǒng)仿真結(jié)果呈現(xiàn)了電池在加速時需要的電流，以及在再生制動時電池充電所需的電流（圖2）。


 
圖2 : 帶三組馬達的動力系統(tǒng)仿真結(jié)果。

調(diào)整再生式制動算法
重復(fù)擷取動能（kinetic energy）并儲存在電池的能力是電動車的一大優(yōu)勢。為了使這項過程的效率最大化，動力傳動系統(tǒng)（driveline）、功率轉(zhuǎn)換器、與電池的設(shè)計必須與電池管理算法協(xié)同合作。在一連串的再生式制動下，再生制動器與傳統(tǒng)制動器得在同一時間啟動，并且需要由控制算法來確保平穩(wěn)的減速。

控制算法的Simulink模型可以連接到線控制動系統(tǒng)（brake-by-wire systems）的Simscape模型，其中包含了負責(zé)在制動（煞車）時產(chǎn)生扭力的液壓系統(tǒng)與電動馬達。透過調(diào)整這兩種系統(tǒng)，可以取得乘客安全和舒適的需求以及最大化車輛范圍需求兩者之間的平衡。
圖3為配置再生式制動的車輛模型。執(zhí)行在Simulink的算法，決定電動馬達可提供多大的制動扭力，并且命令傳統(tǒng)的制動器提供所剩的必要制動扭力。

 
圖3 : 與電動動力系統(tǒng)整合的再生式制動算法。

仿真的結(jié)果顯示算法需要混合由各系統(tǒng)提所供的扭力，讓車輛平穩(wěn)地停止（圖4）。



 
圖4 : 一次制動事件下的扭力混合圖表。

變更懸吊設(shè)計
懸吊設(shè)計牽涉到乘客舒適度與車輛操縱之間的取舍。懸吊的行為仰賴為數(shù)眾多的參數(shù)，包含硬點位置（hardpoint locations）、襯套（bushing）的剛性（stiffness）、彈簧應(yīng)變率（spring rates）等，模擬可以幫助進行新設(shè)計的調(diào)整，并且測試與現(xiàn)有懸吊的組件整合。
在Simscape模型，可以MATLAB變量來定義這所有的參數(shù)，并且使用MATLAB計算性能表現(xiàn)的度量，如輪胎的前束角和車輛的滾動中心。這些參數(shù)可以自動地被調(diào)整，直到設(shè)計符合要求。
圖5為帶有一個多體懸吊的車輛的Simscape模型。紅色球體代表硬點。這通常是由機械設(shè)計師透過CAD組合取得，但這也可以從真實車輛量測而來。


 
圖5 : 帶有從CAD系統(tǒng)取得的硬點的懸吊的多體模型。

調(diào)整那些硬點的位置會影響到如圖6所示的前束角（toe）和外傾角（camber）曲線，而這些曲線會影響車輛的操控。

 
圖6 : 車輛懸吊的前束角和外傾角曲線。

優(yōu)化車輛層級的性能
電動車系統(tǒng)通常是由好幾個不同的團隊共同開發(fā)。舉例來說，機械傳動和電動馬達會由各自團隊的工程師來選擇，并且由不同的制造商進行生產(chǎn)。制動系統(tǒng)算法由控制工程師開發(fā)，而主缸（master cylinder）、閥門（valves）、泵浦（pumps）則由液壓工程師來選擇。若要讓車輛性能達到最適化，必須要在這些獨立開發(fā)的系統(tǒng)之間保有一致性。
模擬可讓驗證煞車鉗（brake caliper）壓力、電池容量、以及馬達功率的需求，在足以允許平穩(wěn)加速和減速的范圍之內(nèi)。舉例來說，可以使用MATLAB的優(yōu)化算法來調(diào)整這些組件的數(shù)值，并且在圈速（lap time）與車輛范圍之間取得平衡。
圖7呈現(xiàn)了圈速優(yōu)化的結(jié)果。環(huán)繞跑道路徑的顏色顯示車輛在直線路段行駛速度較快，在彎道路段的速度較慢時，可以降低行駛一圈需要的時間。


 
圖7 : 圈速優(yōu)化結(jié)果。

圖8呈現(xiàn)了將電池充電狀態(tài)和溫度做為成本函數(shù)一部分的優(yōu)化。


 
圖8 : 優(yōu)化問題的個別迭代結(jié)果。

開發(fā)主動式底盤控制
如防死鎖煞車、扭力向量控制和電動穩(wěn)定控制等底盤控制算法都是關(guān)鍵的安全功能。這些算法要在行駛于結(jié)冰路面或拖車裝載不佳等最具挑戰(zhàn)性的物理條件下運作，也最難以進行測試。
模擬則可以在不造成對人或設(shè)備的風(fēng)險的前提下，來測試這些極端的案例，也可以將有缺陷的組件納入模型，確保采用的算法具備錯誤的容忍度。
圖9展示的機器狀態(tài)包含了一個防死鎖煞車控制系統(tǒng)的邏輯模型，這個邏輯控制了液壓圖表中閥門的啟用與解除。


 
圖9 : 帶有防死鎖煞車算法和液壓致動的車輛模型。

圖10展示了壓力如何隨著系統(tǒng)啟動煞車和維持車輪轉(zhuǎn)動的各個階段而增加與減低。


 
圖10 : ABS事件中的煞車壓力與車輪速度圖。

檢驗ADAS算法
ADAS算法必須隨時符合安全性要求，但是從市場的角度來看，形成差異的要素卻可能是乘客體驗的質(zhì)量。舉例來說，當(dāng)車輛在超車的時候，算法可能會采取粗糙的方向盤和煞車操控，而可能導(dǎo)致乘客失去平衡。乘客舒適度等主觀的質(zhì)量難以被衡量，而仿真模型可以產(chǎn)生量測值，幫助你評斷乘客不舒適的程度。

因此，可以將乘客設(shè)置為帶有關(guān)節(jié)的擬人3D機械模型，并且裝上加速器來捕捉乘客隨著由ADAS算法操縱的車輛移動而感受到的加速與顛簸。接下來，可以在MATLAB進行加速器數(shù)據(jù)的后處理來推導(dǎo)出不舒適的指標(biāo)。

圖11描繪一個包含乘客3D機械模型的車輛模型。在這個模擬之中，我們跟隨一條通過測試場所的路徑，藉此測試一組ADAS算法。


 
圖11 : 帶有乘客多體模型的車輛模型。

圖12為模擬的結(jié)果。我們可以看到，有其中一段操縱過程，由于算法決定采取煞車造成車輛急遽向前傾斜。


 
圖12 : ADAS算法測試過程中的乘客動作圖。

進行硬件循環(huán)測試
嵌入式控制軟件無論是在遇到經(jīng)驗豐富或新手駕駛、結(jié)冰街道、或者新車或舊車的意外操縱策略，都必須采取適當(dāng)?shù)姆磻?yīng)。使用真實的車輛來測試每一種要素的組合非常不切實際。透過模擬，則可以在虛擬車輛測試嵌入式控制軟件。
你可以將Simscape模型轉(zhuǎn)換為C程序代碼，并且在硬件循環(huán)（hardware-in-the-loop；HIL）測試使用這些模型。HIL可以透過實時模擬，協(xié)助以各種車輛的類型或條件來測試嵌入式控制單元的軟件和硬件，包含電池過熱和電力網(wǎng)絡(luò)短路等最糟的情境。
圖13展示了HIL測試當(dāng)中每個時間步長（time step）的運行時間。這個模型透過Simulink Real-Time在Speedgoat硬件上執(zhí)行，但也可以執(zhí)行在其他的實時仿真硬件上。


 
圖13 : 車輛模型的兩種配置在HIL測試的運行時間。

懸吊模型的精確程度可以被調(diào)整，給予每個時間步長更多的運行時間進行其他計算任務(wù)。

總結(jié)
隨著電動車使用技術(shù)的飛速進展，評估在設(shè)計中加入這些新技術(shù)所帶來的影響變得更為重要。具備彈性、可配置的仿真模型，能夠幫助在開發(fā)流程的每一個階段快速、無風(fēng)險地探索這些技術(shù)和各種條件權(quán)衡。

（本文由鈦思科技提供；作者Steve Miller任職于MathWorks公司）