整车控制器硬件在环测试流程及测试用例库设计

运用硬件在环(Hardware-In-Loop,HIL)测试对整车控制器的控制策略进行验证,能降低实车测试的风险。基于新能源车型整车控制器(Vehicle Control Unit,VCU)HIL测试系统平台,运用dSPACE相关软件,对硬件在环测试流程和测试用例库的建立进行了研究。完成了对整车控制器的功能验证并归纳了硬件在环测试功能点分类、组成,确保测试用例库覆盖控制器在环测试的所有需求,同时丰富了用例库,实现了一个用例库适用于多个不同项目测试的要求。     

基于硬件在环的空调控制策略测试

为了验证基于HIL的空调测试系统可靠性,并验证空调控制策略的准确性,首先根据HIL仿真原理及系统结构,设计出空调的HIL测试台架;再根据空调控制策略,设计出基于HIL的空调测试方案,进一步针对空调控制策略进行HIL验证。结果表明:基于HIL的空调测试方案可以很好地替代实车进行空调测试验证,为空调控制策略验证提供新的测试方法。     

基于系统级的电动助力转向控制测试评价研究

对电动助力转向(EPS)硬件在环(HIL)测试的3种方案进行了对比分析,基于HIL仿真系统和转向试验台,构建了EPS机械系统级的虚拟整车测试平台。研究分析EPS功能和故障诊断测试内容,通过车辆动态转向工况的仿真以及各类故障的注入,对EPS系统控制功能和故障模式下诊断安全策略进行了测试和评价。EPS系统级HIL测试可以在整车试装前使测试更加接近实车,又能覆盖实车难以实现的边界极限及故障工况。     

基于硬件在环的EPB功能逻辑测试

EPB (electrical parking brake)电子驻车系统是车辆重要的安全部件,为验证EPB功能逻辑的合理性与可靠性,以及硬件在环测试系统替代实车功能验证的可行性。根据EPB系统工作原理,搭建HIL测试仿真环境,并根据EPB功能逻辑设定测试方案,进行功能验证。结果表明:基于HIL的EPB测试可以实现功能逻辑的验证,可有效替代实车试验。     

基于Prescan的自然驾驶场景构建与研究

文章主要描述基于Prescan软件对实车的自然驾驶场景片段转换成虚拟场景,用于ADAS或自动驾驶模拟测试。通过配备毫米波雷达、相机、Mobileye摄像头等传感器采集道路驾驶数据,提取场景片段,转化成虚拟软件中相应的实车场景,用于HIL或MIL测试,可实现重复性测试,降低测试成本,模拟恶劣天气等状况,复现实车测试状态等测试优点。     

基于硬件在环的EPS系统故障诊断及自动化测试

为了验证基于HIL(Hardware-In-the-Loop,硬件在环)的EPS(Electric Power Steering,电动助力转向)系统功能故障和电气故障测试的准确性,以及自动化测试的可靠性,首先根据EPS动力学模型及HIL测试系统结构,建立EPS系统仿真模型及搭建HIL测试台架,再以EPS系统高电压功能故障和扭矩传感器短地故障为例,进行故障诊断及自动化测试.结果 表明:基于硬件在环的EPS系统故障诊断测试,可以替代实车进行测试验证,使用自动化测试可提高复测性及工作效率,为EPS系统诊断测试方法提供参考.     

HF3625BCM之转向灯驱动电路故障分析与改进

以受车身控制器控制的转向灯在实车测试中出现倍频快闪问题为着入点,在不同电压条件下进行模拟测试,用理论分析计算来推测可能产生问题的原因,并将故障件进行一系列测试验证,找出转向灯倍频快闪是由于MOSFET管GND引脚电压被拉高,超过正常工作电压范围所导致的,提出相关改进方案,并在最优改进方案下成功解决该问题。本文着重介绍此次分析的过程及处理方法。     

基于LABCAR的插电式混合动力轿车硬件在环测试系统设计与应用

以LABCAR为平台搭建了插电式混合动力轿车硬件在环测试系统,该系统可实现对混合动力控制器的功能验证测试和性能测试,以及模拟实车故障验证诊断策略等,针对实车较难测试的电驱变速器的液压油路系统和离合器等故障进行模拟,体现出硬件在环测试在难以实现的特殊或危险驾驶工况中,减少实车路试的次数,降低测试危险方面的优势,在混合动力控制器开发中起到关键作用.     

基于硬件在环仿真的汽车制动控制器测试系统

基于dSPACE实时仿真系统和CarsimRT车辆动力学软件,建立了基于硬件在环的汽车制动控制器仿真测试系统。该系统可快速、准确地进行电子制动控制器的功能测试和性能评估,以及故障在线模拟和诊断。有助于在产品开发过程中及时发现设计缺陷和潜在问题,并指导实车测试,进一步提高产品的安全性和可靠性,缩短开发周期。     

一种面向视觉ADAS的场景库构建方法

针对基于视觉的ADAS产品或功能开发,提出一种完整的场景库建设方法,并配套开发相应的HIL台架环境;以某商用车车载前视摄像头为例,将场景通过HIL台架回注到视觉控制器内部进行重处理,取得很好效果,验证了场景库能很好地支持软件的迭代开发和系统功能测试。     

RKE无法可靠唤醒BCM问题分析与改进

针对某车RKE会出现无法可靠唤醒BCM的问题,在模拟实车安装环境的条件下对故障件进行了大量测试,从理论分析与实际测试两方面总结出产生无法可靠唤醒的主要原因,并提出了解决此问题的软件方案和硬件方案。最后经过大量实车测试验证发现,优化同步码的软件方案能够解决该问题。本文阐述了从故障排查到解决问题的全过程。     

纯电动汽车集成控制器低压采样干扰问题改善

为改善搭载集成式电驱动系统的某纯电动汽车开发过程中出现的动力丢失问题,通过故障FTA分析、实车静态和动态的验证,发现高转速工况下整车EMC对集成控制器的低压采样存在干扰.通过对集成控制器的硬件和控制策略进行优化分析,并进行了台架测试、板级测试和整车试验验证,得出了软硬件协调优化能有效抗干扰的结论.降低了今后新项目的开发...     

某车型ESP故障灯偶发性点亮问题的处理

文章介绍了某车型出现ESP故障灯偶发性点亮问题,通过对故障码的解读和排查,未能找到问题原因。而是通过确认软件上故障发生的机理,对照实车模拟故障发生场景,确认了根本原因,继而根据原因制定合适可行的对策,并通过实车测试验证来确认对策的有效性,最终消除了ESP故障灯点亮问题。     

基于故障树分析的车身控制器故障诊断研究

针对某车企××款车型的车身控制器出现的自身故障,采用故障树分析法对其进行研究。首先建立了该车型车身控制器出现的自身故障的故障码树状图,结合另外建立的车身控制器结构框架图,最终得到了车身控制器自身故障的故障树模型,依据此模型可以快速查找分析故障原因,提高效率,并为其余模块的故障诊断提供参考依据。     

面向HIL应用的大功率柴油机半物理建模方法

为实现控制器硬件在环(Hardware-in-the-loop,HIL)测试,根据半物理建模方法,基于Matlab/Simulink建立了大功率高压共轨柴油机实时仿真模型。介绍了柴油机关键部件的建模原理,并进行了起动、怠速工况和测功机工况下的仿真试验,通过对比分析发现,仿真结果与试验数据误差小于6%,表明所建柴油机模型能够完成控制器控制功能的验证,可以应用于发动机控制策略的前期开发和控制器的HIL测试,模型具有较高的可靠性和通用性。     

基于正弦曲线的纯电动汽车两挡AMT升降扭控制

为减小换挡过程的冲击感,针对纯电动汽车两挡机械式自动变速器(AMT)换挡升降扭过程提出一种基于正弦波曲线的升降扭控制策略,根据设计需求进行变速器控制单元(TCU)软件系统开发,分别采用模型在环(MIL)、软件在环(SIL)、硬件在环(HIL)和台架测试验证所提出策略的有效性,并进行实车测试,在相同油门踏板开度下对比加速...     

一种对AVM偶发不休眠问题的分析及解决方法

针对全景式监控影像系统(Around View Monitor,AVM)控制器在整车中偶发的不休眠问题,文章通过详细分析AVM控制器的休眠和唤醒策略、测量AVM控制器接收到的CAN电平信号值、分析AVM控制器待机电路和MCU检测电路等措施,初步判断AVM不休眠问题为控制器的硬件电路的部分器件所致。通过更换MCU电路中的元器件并优化软件休眠策略后,在实验室台架和实车上多次测试验证,AVM不休眠问题不再复现。     

混联式混合动力控制系统硬件在环仿真平台设计与应用

基于dSPACE系统设计了混联式混合动力控制系统硬件在环仿真平台,其可在不进行实车试验的情况下对综合控制器进行全面、快速、充分的在线测试.平台主要由实时仿真系统、系统数字模型、部分部件实物与操控界面等组成.在该平台上完成了混合动力综合控制器ECU的在线测试,综合控制器较好地完成了控制功能.结果表明,设计的混合动力硬件在...     

车载摄像头在ADAS HiL中的仿真方法

随着自动驾驶技术的发展,车载摄像头在自动驾驶系统环境感知中的作用越来越重要,为行车安全提供强大支持。对于自动驾驶控制器测试,摄像头仿真的准确度直接影响测试结果。文章将从ADAS HIL仿真开发角度出发,探讨视频暗箱和视频注入两种车载摄像头仿真方法。     

视觉失效条件下车道保持辅助控制策略研究

为保证车道保持辅助系统在视觉失效情况下能够顺利移交车辆控制权,利用目标车方位信息间接估算道路曲率,在纯追踪(Pure Pursuit)算法的基础上,参考车速和道路曲率,利用模糊控制器进行转向修正,并提出了车道保持指数用以评价车道保持性能。构建了硬件在环(HIL)仿真测试平台,利用快速控制原型和某视觉感知系统分别对3种控制策略进行了4种测试场景下的硬件在环测试。测试结果表明,使用改进型Pure Pursuit策略的自车能够有效避免驶出车道,4种测试场景下平均车道保持指数为65.1%,较Pure Pursuit策略和转向盘保持策略分别提高73.9%和135.2%。