基于Matlab/Simulink的MIL仿真验证解决方案

文章目录

需求追溯

虚拟环境

模型检查

仿真验证

测试报告

参考文献

---

        针对模型开发阶段的ECU算法，可以很直接地将其与虚拟车辆模型连接起来，通过MIL对其进行验证和确认。可以在开发过程的早期检测到设计错误和不正确的需求，也有助于安全地研究边缘情形，从而节省宝贵的开发时间并提高产品质量。示例如下：

需求追溯

        从需求到整个设计过程，以及最终应用的追溯，可以使用Requirements Toolbox来完成。包括了模型、测试、需求文档之间的双向链接，生成和使用测试用例，生成所需的报告等。Requirements Toolbox也可集成到自己已有的需求管理系统，建立最小化人工干预的架构，并确保可维护性。示例如下：

虚拟环境

        对于整车控制算法，可以搭建虚拟车辆模型和道路模型。对于BMS算法，可以搭建虚拟的电池模型。对于自动驾驶应用，可以创建各种详细的传感器模型，例如相机、激光雷达、雷达和超声波传感器。示例如下：

模型检查

        通过模型在环 (MIL)对ECU算法模型进行等效性测试验证，可以用Simulink Check、 Simulink Coverage、Simulink Design Verifier三个工具来完成。使用Simulink Check可以验证特定行业应用的建模标准或安全标准的合规性，实现自定义建模检查和分析。使用 Simulink Design Verifier 生成测试框架，检测死逻辑、整数溢出、除以零等错误，可以进一步增强自己对设计的信心。在模型级别应用 Simulink Coverage 覆盖率分析，可以评估现有测试用例的质量。示例如下：

仿真验证

        使用虚拟的参数化场景，对ECU算法模型进行仿真验证，是MIL过程中至关重要的一部分。借助 MATLAB、Simulink 和多种附加产品，可以交互式创建复杂的三维路网和标记，或者通过导入高清地图数据生成路网区域，然后添加交通参与者和轨迹。为了对相机、雷达和激光雷达传感器进行仿真，可以利用在 Unreal® 环境中运行的传感器模型与 Simulink 协同仿真。示例如下：

        对于电气化动力总成系统开发或其他传统车辆应用，可使用一套预定义的驾驶操作或标准的行驶工况数据来快速评估ECU算法模型。当然上述标准驾驶操作或行驶工况，可以支持对其自定义修改。另外也可以根据实车中记录的测试数据，合成自定义行驶工况。

测试报告

        使用 Simulink Test 灵活地执行测试，并报告测试结果，可以根据您所在组织的标准自动生成仿真测试报告。测试的模式包括功能测试、单元测试、回归测试、背靠背测试等。另外也可以实现大规模自动化测试，并且也支持将其与第三方工具连接起来。示例如下：

参考文献

        《使用基于模型的设计进行早期验证和确认》

---

        版权声明，原创文章，转载和引用请注明出处和链接，侵权必究！

        文中部分图片来源自网络，若有侵权，联系立删。