汽车原始设备制造商正在竞相抢占快速发展的自动驾驶汽车（AV）市场的份额，预计到2050年这个市场将占据7万亿美元的经济机会。但随着这场竞争越来越多，参与者越来越多，技术越来越丰富，行业还在进行雄心勃勃的营销宣传和发布时间表，以确保他们在大规模部署之前开发的系统的安全性。

这些原始设备制造商需要快速设计和彻底测试自动驾驶汽车中的许多嵌套系统，从集成电路到ECU，从电子电气网络到整体车辆设计，这最终需要桥接电气和机械领域中国机械网okmao.com。

通过传统方法验证这些系统需要在可以想象的每种环境条件下进行多年的测试。根据兰德公司发布的一份报告的调查结果，AV原型必须在几十年的时间内驱动数亿英里，在某些情况下需要数千亿英里才能证明其在死亡率方面的可靠性和伤害 - 作者认为与自动驾驶汽车的近期商业可行性不一致的结果。为了解决这些挑战，研究人员指出了创新的测试方法，如先进的模拟技术。

我们需要的是一个虚拟解决方案。更具体地说，是每个关键系统的“数字双胞胎”，在构建和测试物理世界之前，对每个关键系统进行单独的模拟测试，并作为一个整体。实际上，汽车工程师和系统设计人员越来越多地转向数字仿真技术，包括基于物理的数字双模型，以实现比传统验证和验证（V＆V）方法更大的时间，成本和可靠性优势。

让我们研究一下系统级方法的基本要素，以验证和验证包括由自动驾驶（AD）技术驱动的第一代乘用车的关键电子系统，重点是先进的模拟技术。

传感器建模面临的挑战

自动驾驶汽车将需要广泛的传感器作为他们的眼睛和耳朵。今天，普通车辆（非自主驾驶，可能只有少数驾驶员辅助功能）有60到100个车载传感器，而这个数字只会随着汽车变得“更智能”而增加。也许这就是为什么BCC Research预测到2021年，全球汽车传感器市场将达到433亿美元，高于2016年的263亿美元。

在这些传感器中，有三种类型作为自动驾驶激光雷达（光探测和测距），雷达和图像相机的必备品（图1）。

图1：视觉相机，雷达和激光雷达系统将成为AV的关键组件。

没有一种类型的传感器可以满足所有天气和光照条件下的所有功能要求。因此，大多数公司都在追求这些传感器的组合，以创建车辆周围的360度视图。激光雷达使用脉冲激光形式的光来测量范围，具有极高的精度。雷达用于检测和跟踪物体 - 例如，了解汽车的速度和方向，以及物体的角度范围。虽然雷达不能提供激光雷达的粒度，但它在恶劣的天气条件下运行良好。

图2：安装在车辆上的旋转激光雷达的热模拟。车辆以10米/秒的速度移动，环境温度为25°C。

开发汽车激光雷达系统，雷达和摄像机的设计目标主要集中在减小尺寸和成本，而不会牺牲支持各种车辆自治水平所需的分辨率和范围要求。此外，在集成时，这些传感器必须在汽车环境中可靠地运行，其中包括在所有天气条件下的可靠性能。使用集成相机的视觉传感器，热量累积会导致像素变暗，从而导致图像质量不佳。同样，多功能电子设备的增加的信号处理要求会增加工作温度并进一步降低功耗。这些设计目标可能导致热量形式的能源浪费，这会对传感器性能和可靠性产生不利影响。

在制造传感器之前估计传感器的热行为，可以帮助硬件工程师实现所需的尺寸（从而降低成本）。对传感器电子设备及其外壳进行热敏设计，同时考虑到其车辆集成位置，实现了所需的外形尺寸和成本降低，而不会因不希望的热点而损害传感器寿命。

图2显示了AV激光雷达传感设计的可靠热模拟的优势，从设计/原型设计的早期阶段就考虑了其车辆集成位置。

由于AV传感器操作的重要性，传感器电子设计人员还必须解决信号完整性问题。因此，电磁干扰也是雷达设计的重大挑战。

自动驾驶时代的高效电动汽车设计

虽然一些工程师的任务是设计特定的传感器模型，但其他人则被赋予了从“系统系统”角度设计第一代自动驾驶汽车的更广泛任务。由于绝大多数自动驾驶汽车都具有电动动力系统，因此这些工程师必须在整个车辆中设计出最佳的热效率，以同时满足各种相互依赖的要求。自动驾驶功能必须安全执行，包括传感器融合盒和各种传感器。这些传感器和其他AD系统的精确和正确的散热设计对于确保安全的自动驱动功能至关重要。然而，车辆高性能AD系统的热负荷和动力负荷可将电动驱动范围降低多达35％。同样的，

管理这些相互依赖的要求需要优化所有板载AD电子设备的热设计 - 从IC和车辆集成到电动动力总成和机舱设计。为了应对这一挑战，出现了一个新类别，旨在帮助减少与物理原型设计和广泛测试相关的成本和时间损失。这些基于软件的平台具有包括所有车载热和电气组件的协同仿真功能，并提供对动力总成热性能的深入了解。它们还使用可能的HVAC设计方法的热数字双模型实现内部/乘客设计空间探索。此类解决方案具有与电子设计自动化工具和CAD设计平台的无缝连接，

使用这些工具，主流汽车工程师可以生成高度精确的热数字双模拟动力系统，处理器，传感器和其他关键的支持技术，为自动EV设计提供动力。通过这种系统范围的视图，工程师可以专注于分析与自动驾驶汽车相关的许多设计权衡和工程考虑因素。

如前所述，需要所有这些传感器技术来实现自动驾驶。但是，在部署它们的实际驾驶场景的背景下，测试传感器及其所提供的更广泛的设计，提出了另一类V＆V挑战。

模拟驾驶技术加速V＆V

如前所述，仅依靠物理测试来验证和验证自动驾驶汽车的安全性，以便在各种驾驶情况和“边缘情况”中进行导航，这将需要驱动数十亿的测试里程。即使在那时，道德规范也会妨碍对许多最危险的驾驶场景进行物理测试。但AD工程师越来越多地转向模拟驾驶/交通技术，这使得工程师能够在短短几个小时内快速安全地模拟各种驾驶场景。

与现实世界的情况相反，这种模拟环境中的条件总是可以完美地量化和完全控制。只需修改系统参数并再次运行模拟，即可以快速且经济高效的方式执行设计迭代。模拟器使AD设计人员能够大大减少成功将AD系统投放市场所需的工作量。它们有助于在概念阶段提供改进的初始设计，在开发阶段实现更快的优化，并在确认阶段更快地启动。

如今，最先进的驾驶/交通仿真平台可提供准确的可视化和灵活的场景定义。他们还可以根据模拟场景生成激光雷达，雷达和相机传感器数据。然后可以将这些传感器数据输入汽车的中央AD引擎，在那里可以实时融合，以创建车辆环境和驾驶条件的高分辨率模型，AD引擎的驱动/决策策略算法可以用于此模型。经过测试和改进。

仿真技术也是设计和评估车辆到车辆（V2V）和车辆到基础设施（V2I）通信应用以及自动驾驶应用的理想选择。此外，它们可用于基于模型的控制器设计（MIL），以及使用软件在环（SIL）和硬件在环（HIL）系统的实时测试。

图3：PreScan对驾驶场景的真实建模示例; 这里用于雷达模拟，比较模型输出与地面实况。

将它们捆绑在一起并进行测试

所有板载AD传感器系统必须相互通信，并且必须与汽车电气系统的其余部分连接。连接它们的系统和电线组成线束，这增加了车辆的重量（影响性能和燃料效率）。

线束中包括专用车辆总线，用作特定子系统的通信网络，例如动力系统，传感器网络和信息娱乐系统。通用通信网络包括控制器区域网络（CAN），本地互连网络（LIN）和汽车以太网。必须在开发过程的早期评估E / E系统设计权衡，以帮助处理复杂性并优化整体设计。车辆功能越来越互联，这增加了已经高度分布的网络的复杂性。必须考虑网络负载平衡，因为容错问题变得越来越重要。

毋庸置疑，必须构建整个线束，并进行广泛测试，以实现完美的通信和电气连接。对于这些任务，汽车工程师通常依赖架构，通信和连接工具来帮助加快设计过程，降低产品成本并提高产品质量。

图4：使用工具对车辆的E / E架构进行早期模拟和分析是设计有效和高效配电系统的关键。

这些工具可以定义系统架构，然后使用内置指标和设计规则检查，比较和对比多个潜在架构，以确保平台设计符合原始意图。然后，该工具可以自动将电气系统集成到该车辆的代表性拓扑布局中。设备和系统设备自动放置和互连，整个布线系统使用公司嵌入软件的规则和约束自动生成。

结果是，以前需要几个月的设计任务现在可以在数小时或数天内完成，而且关键的是，设计可以在创建时进行验证。数据可以在车辆程序和制造和服务的下游过程中重复使用。

数字双工技术和其他先进仿真继续跟上快速变化的自动驾驶空间，支持系统方法系统，以测试先进的组件，系统 - 甚至整个车辆 - 然后在基于软件的基础上测试这些组件和系统在转向生产之前进行模拟。简而言之，这使AD工程师能够更智能，更高效地开发AV，并最终安全地转向竞争领先的4/5级车辆的大规模部署。