论智能化工程系统开发 - 品设计之道，筑信心于AI新境

09:20–09:40

人工智能技术在汽车软件平台的融合正加速进行，我们对这些AI驱动系统的健壮性和准确性是否更有信心变得尤为关键。本次演讲将探讨我们在MATLAB^®与Simulink^®上的投入是如何通过专注于高质量数据以及利用前沿AI模型来强化这种信心的。您将了解到构建并部署AI模型至电子控制单元（ECU）的过程，以及如何有效地解释、验证和实施AI治理的方法。

智能化驱动的汽车线控制动系统发展与EMB电子电气架构

09:40–10:00

随着自动驾驶汽车、中央集中EEA架构、大数据和5.5G的发展，智能底盘进一步拓展了底盘的边界，并且正快速变革底盘的研发方法和验证流程；底盘具备了更精确的融合状态感知、高精度和快速响应的纵横垂动力学控制。线控制动是智能底盘的重要组成部分，在满足电动汽车能量回收和高阶自动驾驶中对制动系统快速响应和冗余备份能力的要求的基础下，汽车底盘制动系统快速更新与演进。

近年来具有冗余备份功能的集成制动系统（1Box+Backup）和电子机械制动系统（EMB）逐渐成为整车企业和零部件供应商的量产和研发重点，是2025年至2030年线控制动发展的重要趋势。吉林大学汽车电控与智能化研究室VCI长期从事制动系统的研究，在制动法规分析、制动系统新构型、制动控制算法和软件架构、EMB电子电气架构EEA积累了丰富研发经验。

AI数据驱动工程 - 如何在大模型时代保障高阶辅助驾驶感知系统的安全性

10:00–10:20

L2+++的高阶辅助驾驶系统如火如荼纷纷上场，端到端的感知，深度的AI模型驱动，加上原本就复杂的驾驶场景使ADAS的工程开发和验证变得尤为棘手，这里将介绍 “数据驱动工程” 如何来保障AI模型的开发安全和数据场景的充分覆盖，并使用MATLAB^®和RoadRunner重现ODD场景来有效地降低测试验证成本。

联电SOA软件平台 - 基于MATLAB和Simulink加速汽车SOA软件落地实现

10:50–11:10

在软件定义汽车的行业趋势下，面向服务的软件架构(SOA)已经成为智能汽车的主流软件解决方案。为助力开发者模式在汽车行业的实现，提升研发效率，并不断丰富汽车软件生态，联电推出SOA软件平台USP(UAES SOA software platform)。USP由标准语义的服务接口、SOA软件开发套件和在线仿真平台等部分组成。基于MATLAB^®和Simulink^®的第二开发能力，USP将标准服务接口封装为Simulink组件库，让开发者能够便利的实现服务接口调用，并基于USP提供的Simulink模板实现个性化应用的快速开发。为帮助开发者快速验证应用功能，USP还提供具有加速能力的在线仿真环境，和真实的台架测试环境，用于完成SIL和HIL测试。当前，USP已经通过开发者门户网站发布了2.0版本的工具和服务接口，并将不断迭代，以期通过丰富的服务接口和便利的开发套件，吸引越来越多的开发者参与汽车软件生态建设。

高质量的MBD汽车软件端到端开发平台

11:10–11:30

“软件定义汽车”时代的到来以及能源形式和智能驾驶引领的汽车市场多元竞争态势，使得汽车软件开发和量产后的迭代需求都不断增加。软件的平台化、敏捷化、高质量越来越依赖标准的开发流程、统一的开发工具和规范的交付管理。基于MBD的汽车嵌入式实时控制软件开发覆盖需求、详设、集成、测试、标定、验证的完整V型路径，路径中端到端的需求连贯性、开发与测试环境统一性、标定虚拟化、交付持续化都与MBD工具平台紧密相关。通过一站式MBD Platform建设，增强端到端各环节内部开发标准化、提升端到端协同效率并实现持续交付，从而构建了可操作性强、支持快速量产、高质量的端到端控制软件开发方案。

圆桌会议:人工智能趋势如何影响汽车的发展

11:30–12:15

电动化、自动驾驶和车联网等技术趋势正在推动汽车行业发生重大变化，随着人工智能日益成为主流热点，新的趋势正在涌现并影响着工程设计和开发。人工智能能够带来显著的生产力提升，但错误的实施可能会导致多种负面影响。本次圆桌讨论，我们邀请了MathWorks开发总监、深蓝汽车、康明斯中国、博世中国、吉林大学的行业领军人物来共同分享他们对人工智能在汽车行业的应用趋势，以及如何通过设计、流程和方法正确实施人工智能来改善您的汽车工程和控制系统。

基于模型开发的面向服务的车载应用软件的设计与测试

13:30–14:00

本次演讲将带您了解如何使用Simulink^®进行SOA的软件开发以及如何将自定义的C++代码封装成Simulink模块。同时还将向您展示如何对SOA模型进行MIL测试以及如何对生成的代码进行SIL测试。最后本次演讲还会涉及如何使用MATLAB^®进行基于以太网的XCP标定与观测。

MATLAB在车载软件DevOps中的实践

14:00–14:30

在当今汽车行业，软件定义汽车已成为共识。随着整车研发周期的不断缩短，提高软件开发效率迫在眉睫。大陆集团中国软件与系统研发中心专注于车载软件产品的研发，并持续努力提升研发效能。目前，基于模型的开发主要依赖MathWorks提供的UI界面，完全由人工操作，存在许多繁琐的手动环节。在快速变化的需求下，及时反馈尤为重要。我们团队具有丰富的自动化构建经验，并致力于打造一个透明、高效且与车载底层软件高度集成的自动化DevOps平台。在此背景下，我们使用MATLAB^®开发了基于模型的持续集成与持续测试的相关理念与成果，实现了模型提交后的全自动化运行检测，包括模型检查、需求测试、代码转换、代码审查、版本管理、云端存储和前端界面展示，特别是在持续集成、测试和刷写方面。

利用基于模型的方法和云原生开发实现软件定义汽车

14:30–15:00

随着电动汽车的普及，以及分布式电子电气架构向集中化方向演进，以软件能力为基石的智能化成为各汽车品牌打造自身差异化的重要角力点，软件和硬件解耦，开发左移成为行业共识和努力方向！这种演进方向为利用云原生能力实现汽车软件开发，以及确保可重用性、可靠性和高质量的基于模型的方法带来了挑战和机遇。本次演讲探讨了AWS及其合作伙伴为软件定义汽车提供的专用解决方案，如何为汽车OEM厂商及其生态系统增值。我们将讨论如何将基于模型的开发和设计与云原生开发和部署相结合,为软件定义汽车的开发和扩展创建强大的对等环境和虚拟工作台。我们还将探讨采用云原生和基于模型方法的好处,包括提高效率、性能、敏捷性和创新能力，分享不同OEM的落地案例。

DevOps赋能软件开发质量提升

15:30–16:00

在造车周期缩短，但软件复杂度呈指数级增加的情况下，了解如何在快速交付软件的同时确保软件质量至关重要。DevOps既是一套系统性的端到端软件研发最佳实践，也是软件的标准化研发能力体系，旨在通过流程、规范、工具系统性的改革、体系化的缩短反馈环，持续加速价值流动，以便用更低的成本保障软件持续高质量、快速、稳定、可控地交付。通过DevOps方法的落地实践，车企能够固化ASPICE流程、行业规则和企业标准要求到自动化生产，实现从敏捷开发到持续集成、持续发布、持续运营等后续阶段的完整拉通。本次演讲将讲述我们如何利用MATLAB^®和Simulink^®将DevOps应用到实际软件开发过程中。

Simulink加速自适应和经典AUTOSAR平台的SOA软件开发

16:00–16:30

在汽车行业内卷的时代，产品推陈出新的速度超过了过往任何一个时期，如何快速开发符合行业标准的SOA软件是每个从业者都在思考的问题。特别是在异构核芯片在汽车行业广泛应用的背景下，无论是基于POSIX系统的MPU还是基于RTOS系统的ECU，都迫切需要进行SOA软件的开发。本报告将讨论在Classic Platform和Adaptive Platform下 采用Simulink^®进行SOA软件开发的实践和思考。

基于模型的系统工程使用仿真和形式化方法确认需求

16:30–17:00

在基于模型的系统工程实施过程中，如何获取单一可靠的事实来源、创建贯穿设计过程的数字化主线以及实现从系统工程到详细设计的无缝对接是行业面临的挑战。本演讲将介绍如何通过使用模型来维护需求作为贯穿整个产品设计过程的可靠事实来源，并利用仿真和形式化方法进行确认，包括对需求的分析和追溯、基于RFLP框架的复杂度管理和从系统架构到软件架构的接口控制以及基于架构模型的故障注入仿真和安全分析等。

基于V2X通信和RoadRunner场景的交叉路口碰撞预警SIL/HIL测试

13:30–14:00

对于自动驾驶汽车来说，安全驾驶通过交叉路口是相当具有挑战性的。在交叉路口，复杂的道路几何形状和迎面而来的车辆的高度变化可能会导致潜在的高碰撞风险。摄像头、雷达和激光雷达等车载传感器对路口迎面而来的车辆的可见性有限。车联万物（V2X）通信可以克服车载传感器的限制。本演讲介绍了如何利用V2X通信实现交叉口防撞系统。我们使用RoadRunner Scenario工具创建了一个由带有红绿灯的十字路口组成的复杂城市场景。然后，我们将高清地图转换为符合国标规范的V2X地图消息。我们使用Simulink^® 和Stateflow^®实现了红绿灯控制器，以生成V2X信号相位和定时（SPaT）消息。交叉口防撞系统使用V2X通信接收道路地图数据和其他车辆的基本安全信息（BSM）。该系统预测车辆的路径，并估计直线、转弯等机动类型。该系统通过检测自我和目标车辆预测路径之间的交叉点来分析碰撞概率。同时我们创建了Simulink测试台模型，与RoadRunner场景共同模拟，以验证ICW算法的性能。该试验台模型用于SIL和HIL系统，以验证V2X车端软件系统性能。

MATLAB/RoadRunner的三种自动驾驶场景建模方法及应用案例

14:00–14:30

仿真工作在自动驾驶系统的开发过程种发挥了重要的作用，可以有效降低开发成本，提高开发效率和安全性。在仿真工作中，如何构建合适的仿真场景对于自动驾驶的功能和性能开发极为关键，“合适的仿真场景”是指场景的复杂度、丰富度、真实度等因素满足系统的仿真要求。在自动驾驶开发的不同开发阶段，对于仿真场景的要求也不同：

1. 在算法开发的早期阶段，主要目标是验证算法的有效性，重点是针对单一的特定场景进行算法开发和优化，提升系统的特定功能和性能，所以自定义的离散场景即可满足要求。
2. 在算法开发的中期阶段，主要目标是验证算法的通用性，重点是在连续的多交通场景中提升系统的整体性能，此时可以利用真实交通环境的场景数据进行离线仿真。
3. 在算法开发的后期阶段，主要目标是验证算法的实用性，重点是在实时的、真实的交通场景中进行在线仿真，确保系统上车后，在实时的交通环境中能够具有足够好的功能和性能，此时需要利用时空在线的数字孪生场景数据，以满足仿真的实时性。

针对上述三个阶段对于仿真场景的需求，本报告描述苏州金龙是如何利用MATLAB^®和RoadRunner软件，在不同的阶段进行场景建模的方法，以及相应的应用案例，主要内容包括：

1. 基于标准和法规进行场景建模的方法及案例。该方法通过自定义离散的交通场景，对自动驾驶系统进行基础的功能验证，以满足相关标准、法规的功能要求。该场景的数据主要来源于现有的标准、评价规程等，如ISO、NHTSA、E-NCAP、C-NCAP等多项标准。参考上述标准的要求，我们在MATLAB 和 RoadRunner 软件中搭建了用于验证 AEB、ACC、LKA等智能驾驶功能的离散场景库，从而可重复验证和优化相关的算法。
2. 基于实车数据进行场景建模的方法及案例。该方法基于车载传感器所获得的交通环境感知结果，在MATLAB 和 RoadRunner 软件中读取感知结果，建立交通参与者属性正正确、可视化效果良好，且接近真实交通环境的连续场景模型，可离线模拟高度真实的交通环境，更全方面地测试和优化自动驾驶系统。该方法中，利用MATLAB开发了针对感知数据进行格式转换、读取、滤波、筛选等处理操作的自动化程序，实现了基于感知数据进行场景建模的一键自动化实现。
3. 基于数字孪生数据进行实时场景建模的方法与案例。该方法利用车路云协同技术，基于云控平台中的实时数字孪生数据，在MATLAB 和 RoadRunner软件中搭建与物理世界时空同步的仿真场景，所获得的仿真场景元素与真实世界的元素在时间和空间上同步，场景元素与真实的物理世界一致，可以最全面地模拟自动驾驶系统在真实物理世界中的表现，充分验证功能和性能。
4. 基于MATLAB和RoadRunner，苏州金龙进行了针对自动驾驶巴士和无人环卫作业车的场景建模。结合Simulink^®、Automated Driving Toolbox™、Navigation Toolbox™、Optimization Toolbox™、Embedded Coder^®等模块和工具箱，将场景建模应用于规划控制算法的开发、仿真和优化，有效提高了自动驾驶的技术水平，加快了算法应用，提高了开发效率，降低了开发成本，打造了功能完善、性能优良的自动驾驶产品。

MATLAB、RoadRunner和SUMO的联合仿真在动力总成预测性能量管理软件测试中的应用

14:30–15:00

随着智能网联技术的快速发展，预测性能量管理将显著提升车辆能效、减少排放和优化驾驶体验。根据大量的开发实例验证，动力总成预测性能量管理的关键因素在于对前方一段距离内速度曲线的预测，而速度曲线预测的准确度主要依赖于车辆行驶路径上的前方相关交通流情况和坡度曲率等物理参数。本次演讲将介绍运用MATLAB^®, RoadRunner和SUMO搭建一个用于动力总成预测性能量管理软件的测试环境，并进行联合仿真的方法. 其中MATLAB主要用于集成被测试软件和相关仿真联仿脚本，RoadRunner主要用于搭建道路模型和配置道路物理参数，SUMO主要用于配置交通流模型，为软件提供前方一段距离内所需的综合场景信息，并在测试过程中对相关参数进行泛化，用于增加测试场景的覆盖度. 因此仿真测试环境的搭建相较于传统道路实验中基于地图数据的实车软件测试能够有效缩短测试周期和成本，在软件开发过程中达到降本增效的效果.

使用RoadRunner加速场景的创建

15:30–16:00

场景设计广泛用于汽车行业的开发和验证，完善的场景设计对整车的仿真和测试起到重要作用，可以大大的降低测试时间，降低测试成本。场景设计包含场景创建、场景自动化提取和场景自动化泛化等工作。在实际的应用过程中，如何能够快速的创建场景并对场景进行泛化存在很多难点。本次演讲将让你了解RoadRunner加速场景设计和泛化过程，并通过MATLAB^®/Simulink^® API加速测试的自动化。

Simulink助力智驾软件开发效率的提升

16:00–16:30

一种应用于汽车智驾软件开发，能够从速度与质量上都能取得巨大提升的开发思路与方法： 将“V”软件开发流程的软件开发、软件测试验证、集成验证等环节定制化提效，快速闭环软件开发的需求、要求、规范落实，速度与质量都有抓手，鱼和熊掌可兼得。

使用RoadRunner Scenario模拟城市环境中的自动驾驶

16:30–17:00

通过本次演讲，您将了解如何使用RoadRunner模拟城市环境中的自动驾驶。

• 创建一个复杂的城市场景，包括有交通信号灯的十字路口。
• 从RoadRunner高清地图生成V2X地图，从RoadRunner交通信号生成V2X SPaT(信号相位和时序)。
• 执行任务规划器，使用A-star规划器搜索给定起点和目的地位置的最短路径。
• 使用V2X Map和SPaT设计一个行为规划器，遵循城市十字路口的交通灯。

基于Simulink和DIL技术的智能底盘虚拟标定

13:30–14:00

随着整车开发周期的不断缩短 ，个别项目甚至短于24个月。面对压缩的开发周期，底盘的标定成为了关键难点。智能汽车时代，电控系统越来越多，动力、制动、悬架、转向等等都需要通过联标来确保整车性能表现，是否有一种技术能够将开发前移，确保技术验证的充分性成为行业内的热点和难题。MATLAB^®和Simulink^®工具包提供的集成仿真环境能解决模型化问题。通过与其他实时仿真系统的交互，可以实现虚拟标定和验证工作的前移，结合HIL和DIL技术，加上高精度车辆和轮胎模型，在虚拟环境下实现了电控系统的标定。

整车级BEV热管理模型开发及应用

14:00–14:30

如今电动车技术不断发展和普及，热管理技术已经成为电动车设计中至关重要的一环。整车级热管理模型的搭建和仿真可以有效降低热管理系统的开发成本，并大幅提高开发效率。通过该模型，设计团队可以实现前期的架构设计预演、快速的方案迭代优化以及能耗与性能的平衡等设计目标。本演讲将深入探讨整车级电动车热管理系统的建模过程、关键技术点和项目实例。

整车大规模仿真最佳实践

14:30–15:00

通过整车大规模仿真技术，工程师能够在开发早期预测和验证汽车的性能，从而指导车辆设计、优化和故障排除。MATLAB^®和Simulink^®平台，提供了强大的工具和库，支持从单一组件到整车系统层面的模拟和分析，并支持联合仿真及仿真部署等。但是搭建大规模仿真平台往往是一个复杂的过程。随着组件和系统的复杂性增加，以及它们与其他系统和基础设施的交互，模型的大小在增加，实施的挑战也在增长。如何进行跨物理域的建模，如何提高仿真速度，如何集成控制器软件，如何进行模型加密等。我们针对这些难点问题总结了一些最佳实践。

如何在MATLAB中实现纯电动车整车能量及驾驶性的精准高效管理

15:30–16:00

在“双碳”战略指引下，新能源智能电动汽车正在加速发展，市占率也在逐渐升高。整车性能的好坏直接决定了用户对品牌的认可度，也直接影响到他们的购买决策。因此，面对当前百花齐放的激烈市场竞争，开发具有卓越性能的汽车产品（包括整车性能）显得尤为重要。在众多性能指标中，驾驶性与能耗是最为关键且直观的两项评价标准。本报告着重讨论如何应用MATLAB^®来高效、精准的实现纯电动汽车（BEV）的能耗和驾驶性能管理，旨在为整车厂（OEM）的工程与技术人员在项目开发与研究过程中提供参考。

虚拟车辆仿真的平台化应用策略

16:00–16:30

在快速发展的汽车行业中，虚拟车辆仿真和测试已成为前期车辆开发、分析和需求验证（尤其是新产品应用）的关键方法。尽管先进的建模技术能支持虚拟测试的工作流程，但往往需要专业的工具知识和领域知识来开发有效的模型。遗憾的是，许多公司在寻找具备这些技能的人才方面面临巨大挑战。而且在投入巨大资源完成虚拟车辆模型的搭建后，如何充分释放虚拟仿真和测试在大规模应用中的潜力并以此获得收益，就必须规划和采取战略性的灵活的开发流程和组织形式，让更多的开发活动从中获益。

本次演讲将从虚拟车辆模型/虚拟测试环境使用者的角度，深入探讨如何“平台化”应用的内涵，以及如何规划，建立和广泛扩展虚拟车辆仿真在开发工作中的应用，并提供实现这一目标的实用策略。我们的目标是通过解决现有挑战并提出可行的解决方案，为用户提供必要的工具和知识，使其更有效地利用虚拟车辆，推动创新、提升效率并增强市场竞争力。

快速充电探索：从电芯到电池组的仿真与优化

16:30–17:00

在电动汽车（EV）的设计中，电池快速充电时间是一个关键的性能指标，也是EV客户关心的一个重要问题。掌握快速充电技术需要深入了解电池行为，不当的充电策略会加速电池老化，我们可以通过正确的温度和电流控制来减缓。为了在这一多学科领域取得成功，通过仿真模型来帮助分析与测试变得至关重要。本次汇报将 Simscape Battery™ 提供的新电芯模型，并讨论如何把Simscape Battery中的单粒子电化学模型应用到本场景。另外，该电芯模型允许用户轻松修改和扩展，并将集成到 Battery Builder app。

从系统辨识到AI建模 从最优控制到强化学习

13:30–14:00

典型的控制系统设计包含系统建模，控制器设计和系统分析。对于系统建模,通常可以采用第一原理的建模方式，或者采用数据驱动的方式。经典的系统辨识的手段包括线性系统辨识(传函，状态空间)，非线性系统辨识（narx, HW），当然现在基于AI的方法，例如LSTM, neural state-space，也越来越被重视，甚至可以用于控制器设计。例如训练的系统神经网络状态空间模型可以作为对象模型，给到模型预测控制器，从而在第一原理不存在的情况下，也可以进行预测控制。AI和最优控制的结合也体现在强化学习，它可以在我们对环境一无所知的情况下，通过与动态环境的反复试错交互来学习最佳控制行为。这种最优控制方法可以用于决策问题。

大数据场景下MATLAB云端部署仿真的方法探索

14:00–14:30

随着车联网联技术的发展，目前康明斯中国在市场上具备网联的发动机已超过100万台，大量的网联数据可以真实地反应发动机的运行工况和工作环境，为发动机的设计和验证提供数据支持。与之而来的变化是工程模型的仿真输入由传统的少量台架和路试发动机的采集数据变为大量甚至全量发动机的网联数据，因此对仿真的运算能力和运算速度提出了前所未有的要求。传统的工作站仿真的模式已经不能满足大数据场景下的仿真需求。

本次演讲将分享我们将MATLAB^®部署到云端，工程师通过远程技术处理数据和工程模型，利用云端算力资源和网联数据进行全量车辆仿真的探索过程。包括云端部署的优势、当前部署流程、run-time模式探索。

基于MATLAB/Simulink的汽车智能网联仿真测试平台--以预测性热管理为例

14:30–15:00

在汽车行业中，预测性热管理是提高能效和乘坐舒适性的关键技术之一。随着“降本增效”成为行业发展的主要目标，开发高效且成本低廉的热管理解决方案变得尤为重要。为此，我们采用了机器学习技术来开发预测性热管理算法。通过收集和分析大量的车辆运行数据，利用机器学习模型能够准确预测车辆在不同环境和运行条件下的热状态，从而优化热管理系统的控制策略，提高能效，同时保证乘客的舒适度。这一过程不仅提高了热管理系统的智能化水平，也为降低研发成本和提高研发效率提供了新的思路。

当“降本增效”成为汽车行业的主旋律时，汽车智能网联应用的研发过程也会面临这样的挑战。当我们仔细观察智能网联的研发过程，发现大部分的研发时间和资源投入都出现在前期概念验证和后期实车测试阶段。前期概念验证需要相对准确的仿真/设计模型，后期实车验证需要耗费大量实车/HIL测试资源。在本次演讲中，我们会以预测性热管理的应用进行案例分析，客观展示前述现象在研发过程中造成的研发成本增加问题。

为了解决上述问题，我们利用MATLAB^®/Simulink^®打造一个仿真测试平台，可以低成本高效的完成上述两大任务，达到“降本增效”的最终目的。参会者将会学习到如何利用Simulink/Simscape™去搭建不同系统层级的仿真模型；也可以看到针对物理原理不清晰或者整车/零部件参数无法完全提供时，我们如何利用机器学习或者深度学习技术去还原被控对象的物理特性，这些技术也被用到了预测性热管理的预测算法之中；最后，这些用于仿真的被控对象模型还可以方便的生成代码，应用于后期的HIL测试中。

联合汽车电子已经在客户项目中逐步去试点应用这套仿真测试平台来提高汽车智能网联服务研发的总体效率；在未来，我们有理由相信有了基于MATLAB/Simulink的测试仿真平台，可以让我们的服务推广更具有商业优势。

基于MATLAB实现的嵌入式AI用于底盘域控制

15:30–16:00

传统底盘域控制使用PID控制器，在自动驾驶或辅助驾驶领域，为优化控制效果，减小车辆能耗，增进车辆驾乘舒适性，本次演讲将介绍如何使用MATLAB^®和Simulink^®及相关插件，实现由神经网络计算PID参数作为控制量，以及算法自动代码生成，生成的代码可直接部署到嵌入式系统实现控制。

面向 ASPICE 4.0 的 AI V&V 工作流程

16:00–16:30

随着ASPICE的演进，机器学习工程（Machine Learning Engineering）已经成为过程参考模型中的关键部分。我们将会介绍AI的W流程，并对W流程的每个阶段展开讨论，包括数据的管理、模型的训练、模型的验证以及模型的集成。通过本次演讲，你将会掌握如何在MathWorks工具链中从头研发AI模型并部署到嵌入式系统之中。

从嵌入式到云 – MATLAB 和 Simulink实现AI模型的多场景部署

16:30–17:00

AI 的兴起催生了各种技术，能够服务于工程工作流程的各个阶段。对于汽车工程师来说， AI 技术并不陌生，机器学习模型可以用于车队历史数据挖掘，为设计阶段的关键决策提供信息；这些模型还可以部署到车辆上，成为高级驾驶辅助系统 (ADAS) 的一部分。模型部署是AI应用的最后一个、也是重要的阶段。

MATLAB^®支持在多个场景下部署AI模型，从嵌入式环境，到边缘系统，再到云端，都是可以实现AI模型的部署。本主题将介绍MATLAB与Simulink^®联合实现这些多个场景下的AI模型部署。

上机实践 A：确保汽车软件高完整性——模型测试验证上机实践

09:00–12:00

模型的测试验证是确保汽车电子产品软件的重中之重。模型的测试验证是确保汽车电子产品软件的重中之重。也是为了应对汽车软件日益高增的代码量，以及出口海外所面对的严格法规要求的必经之路。通过本次上机实践，用户将具备对模型进行静态、动态测试验证的理念和基础能力。并且还可以掌握在Simulink^®中进行软件开发如何实现双向追溯性。以及还将对代码的安全性证明这一强大功能进行展示。

上机实践 B：数据驱动的模型降阶方法上机实践

09:00–12:00

模型降阶旨在在保持模型预期精度和可接受误差范围内，减少模型的计算复杂性或存储需求。数据驱动的模型降阶是使用来自原始高保真基于第一性原理模型的输入输出数据来构建一个降阶模型。它保留了原始模型的关键特性和动态行为，降低了对计算资源的要求，提高了仿真速度。MATLAB^®提供了多种动态系统建模的方法。从系统辨识到深度学习，本次上级实践将带领大家训练多种降阶模型，主要内容有： 

1. 设计和训练基于机器学习的降阶模型组件 
2. 设计和训练基于深度学习的降阶模型组件 
3. 设计和训练基于系统辨识的降阶模型组件 
4. 将机器学习和深度学习模型集成到Simulink^®中进行系统级仿真 

上机实践 C：基于 Simscape 的车辆冷却系统搭建

09:00–12:00

在汽车行业中，高效的热管理系统对于提高车辆性能、降低能耗、保障乘员舒适度和安全具有极其重要的作用。随着新能源汽车和智能汽车技术的快速发展，对车辆热管理系统的设计与优化提出了更高的要求。本次入门培训Workshop旨在为初学者提供车辆热管理系统建模的基础知识和技能，通过 Simscape™实践操作加深理解，为后续的深入学习和研究打下坚实的基础。本次实践搭建的回路模型包括：

• 水冷循环
• 制冷循环

上机实践 A：使用Simulink轻松上手AUTOSAR应用开发

13:00–16:00

AUTOSAR^® Classic 是经过广泛应用之后已被证明的标准，适用于动力总成、底盘、车身和内部电子设备等应用。 在 Simulink^® 平台中，SWC 的实现由 AUTOSAR Blockset 工具箱支持， System Composer™ 自 R2019b 以来对 AUTOSAR Composition 建模支持越来越完善。通过上机实践，用户将掌握 AUTOSAR Classic 软件开发过程中的 ARXML 导入与导出工作流；以及如何正向开发一个 AUTOSAR 软件架构；同时也会覆盖标定参数以及观测量的数据管理和 A2L 文件生成。

上机实践 B：使用MATLAB和RoadRunner交互式设计3D仿真场景

13:00–16:00

随着复杂智驾功能的快速验证与迭代，对复杂静态场景和动态场景的设计和构造提出了更多的需求。本次演讲将会向您展示基于MATLAB^®和RoadRunner的场景设计解决方案，包括了交互式静态场景构造、动态场景设计、场景自动泛化，以及从真实感知数据生成场景等。

上机实践 C：车辆建模仿真上机实践

13:00–16:00

无论是传统燃油车、纯电动汽车还是混合动力汽车，高效的动力系统和先进的底盘技术都是提升汽车性能、安全性和舒适性的关键。 本次上机实践将搭建一个桥梁，连接理论与实践，以模型案例帮助用户快速构建和应用车辆模型以及开发高效车辆控制策略。 本讲座包含以下几点：

• 基于Simulink^®快速搭建一个整车模型。
• 自定义车辆的传动系统。
• 将车辆模型应用于车辆能量管理策略开发。
• 应用于整车层级的轮胎、悬架模型搭建和参数获取
• 对于不同颗粒度的物理模型，其输入输出要与相应的控制器输入输出相匹配。
• 车辆控制器设计及系统仿真验证。