为处理器在环仿真构建混合动力汽车原型开发系统

随着计算力成为越来越多汽车功能的决定因素，工程师们为能源管理、电池管理和动力总成控制设计的算法也越来越复杂。这导致对能够实时运行计算密集型算法的汽车处理器的需求也随之增加。

为了展示 NXP^®  处理器的能力，我们的团队开发了一种原型系统，用于高级汽车控制算法的处理器在环 (PIL) 仿真。我们通过使用 Simulink^® 进行了基于模型的设计，以对控制算法进行建模和评估，然后将其部署到了 NXP^® S32S GreenBox II 混合动力和电动汽车开发平台（图 1）。

我们先从参考应用入手，该应用包括混合动力汽车 (HEV) 的被控对象模型以及优化的监督控制器。这帮助我们将 NXP 演示系统的开发时间缩短了九个多月。

HEV 和控制器建模

我们的工程师在半导体领域有着丰富的专业知识，但在汽车建模和高级能源管理控制策略方面几乎没有直接经验。为了节省时间，我们在 Powertrain Blockset™ 中使用 HEV P4 参考应用构建了完整的系统级 HEV 模型，该模型与我们客户使用的模型相似。P4 参考应用包括完整的预置 HEV 模型，其中包含火花点火发动机、变速器、锂离子电池和电机（图 2）。

除了 HEV 模型之外，该参考应用还包括发动机、变速器和 P4 混合动力控制模块及其他组件，使我们能够运行全面的闭环仿真（图 3）。例如，使用 Drive Cycle Source 和 Longitudinal Driver 模块，我们可以生成标准的纵向行驶工况，并将速度转换为归一化的加速和制动命令。通过车速、发动机转速、电池充电状态和燃油经济性（以 MPGe 为单位）的子系统图，我们能够在仿真的行驶工况中可视化车辆级性能和能源使用情况。

在 GreenBox II 上运行 PIL 仿真

在运行 PIL 仿真之前，我们先运行了模型在环仿真，以熟悉 HEV 模型及该参考应用附带的等效燃油消耗最小化策略 (ECMS) 算法。此监督能源管理算法由斯坦福大学的 Simona Onori 博士开发，用于找到发动机和电机为车辆提供动力的最佳平衡。

为了在 GreenBox II 上运行 ECMS 算法，我们使用 Embedded Coder^® 从控制模型中生成了代码，并使用 NXP^® Model-Based Design Toolbox (MBDT) 硬件支持包对其进行了部署。MBDT 包括初始化例程和设备驱动程序，可以简化在 NXP 处理器上部署和运行复杂算法（图 4）。

我们在这种设置下运行了 PIL 仿真。在该仿真中，来自 Simulink 的加速和制动命令发送到在 GreenBox II 上运行 ECMS 算法的控制器。控制器生成发动机和电机扭矩命令信号，这些信号再传递到 HEV 被控对象模型。来自被控对象的信号（如发动机转速和电机转速）反馈到控制器。在 PIL 仿真期间，我们随时监控在 Simulink 中不断更新的这些信号和其他关键指标（图 5）。

扩展和增强设置

自从在 GreenBox II 平台上运行我们 ECMS 算法的第一批 PIL 仿真以来，我们已完成了多次设计迭代。例如，Vehicle Dynamics Blockset™ 的转向系统和悬架系统已集成到原始模型中，以便于我们能够用加速、制动和转向的实时控制来代替预定义的行驶工况。我们增加了在加速和制动时会做出相应动作的微型车轮和电机。我们还将基于 Unreal Engine^® 的三维仿真环境与 Vehicle Dynamics Blockset 结合使用（图 6）。

该设置的最新版本包括通过 NXP^® GoldBox 服务型网关与 Amazon^® Web Services (AWS^®) 的集成。该网关用于管理流向 AWS 云数据存储的车辆数据，以供分析和报告。此外，我们在 2022 年的 MATLAB Automotive 和 MATLAB EXPO 上展示了新工作流，即"AWS、NXP 和 MathWorks 联袂打造支持基于模型的设计的汽车开发运营一体化解决方案"。

未来的应用将利用 S32Z 和 S32E 实时处理器。NXP^® GreenBox 3 实时开发平台集成了 S32E 处理器，该处理器具有更强大的数学计算能力，支持更高级的计算密集型应用。