La electrificación está impulsando el uso de baterías en diversas aplicaciones, como vehículos eléctricos (automóviles y autobuses), barcos, aeronaves eléctricas de despegue y aterrizaje vertical (eVTOL) y sistemas de almacenamiento de energía en baterías (BESS). Cada una de estas aplicaciones tiene sus propios requisitos de diseño de sistemas de baterías en cuanto a selección de celdas, diseño del sistema de baterías, densidad de potencia/energía, volumen, peso y vida útil, y desarrollo de sistemas de gestión de baterías (BMS).
Simular el diseño de un sistema de baterías antes de probarlo proporciona información sobre el comportamiento dinámico del sistema de baterías. Además, permite explorar y comparar algoritmos de BMS, ampliar los casos de prueba en funcionamiento y acortar el ciclo de desarrollo tecnológico desde la celda hasta el sistema de baterías.
El flujo de trabajo de desarrollo de sistemas de baterías comienza con el modelado de baterías, seguido de:
Con Simulink® y Simscape Battery™, el flujo de trabajo de desarrollo de sistemas de baterías comienza con el modelado de baterías y continúa con el diseño del sistema de baterías, seguido del desarrollo de algoritmos de BMS. Después, puede realizar una simulación en escritorio de lazo cerrado para validar el diseño del sistema de baterías y el BMS. El siguiente paso es la simulación de modelos en tiempo real con prototipado rápido y pruebas de hardware-in-the-loop. Las etapas finales del desarrollo comprenden implementación, despliegue y pruebas en hardware.
Simulación en nivel de sistema para desarrollo de sistemas de baterías.
Existen tres tipos de modelos de baterías: modelos de circuito equivalente (ECM), modelos electroquímicos y modelos basados en datos. Puede crear estos modelos y ejecutar simulaciones con Simscape Battery y Simulink. Además, todos estos modelos se pueden integrar en Simulink y admiten generación de código.
Modelos de circuito equivalente
Los modelos de circuito equivalente (ECM) representan el comportamiento dinámico de una celda de batería mediante componentes eléctricos como resistencias, condensadores y fuentes de tensión. Debido a su simplicidad y eficiencia computacional, los ECM se emplean para diseño de sistemas de gestión de baterías (BMS) y en simulación en nivel de sistema. Simscape Battery proporciona un bloque ECM predefinido, denominado bloque Battery Equivalent Circuit, que modela la dinámica electrotérmica de una batería y presta soporte para histéresis de la tensión en circuito abierto (OCV), degradación de baterías tanto por degradación por ciclos o degradación por calendario, y simulación de fallos, incluyendo embalamiento térmico.
Modelos electroquímicos de baterías
Los modelos electroquímicos de baterías son modelos matemáticos que describen los procesos físicos y químicos internos que se producen en una batería durante los procesos de carga y descarga. En comparación con los ECM, los modelos electroquímicos de baterías ofrecen una visión más detallada de los procesos internos de una batería, que los convierte en una herramienta valiosa para diseño de celdas, estudios de degradación, optimización de corriente de carga rápida y predicción más exacta del rendimiento en condiciones de funcionamiento extremas.
Simscape Battery proporciona:
- Bloque Battery Single Particle, que representa una batería empleando un modelo de partícula única con dinámica del electrolito (SPMe), incluyendo deposición de litio y crecimiento de la interfaz de electrolito sólido (SEI).
- Modelo de batería Doyle-Fuller-Newman (DFN), también denominado modelo de batería seudobidimensional (P2D), para simular con gran detalle los procesos electroquímicos físicos que se producen dentro de una batería, entre ellos difusión de litio, reacciones electroquímicas, conservación de carga y dinámica de generación de calor.
Modelos de baterías basados en datos
Los modelos de baterías basados en datos utilizan datos empíricos con métodos de identificación de sistemas, Machine Learning y Deep Learning para simular y predecir el comportamiento de baterías. Pueden integrarse en Simulink para simulación en nivel de sistema y admiten generación de código. Los modelos de baterías basados en datos son ideales cuando resulta difícil capturar las dinámicas internas de manera analítica, como ocurre con los mecanismos de degradación de baterías en modelado de degradación de baterías. Asimismo, son adecuados para gestión de flotas de vehículos eléctricos, mantenimiento predictivo, diagnósticos avanzados y otras aplicaciones en las que se dispone de grandes volúmenes de datos y se requiere mejorar la predicción de la vida útil de una batería.
Puede utilizar Deep Learning para crear un modelo no lineal de espacio de estados de orden reducido. Los datos de entrenamiento de este tipo de modelo pueden ser experimentales o de simulación procedentes de modelos de muy alta fidelidad, como modelos de baterías basados en FEA,
Aspectos clave
- Utilice el bloque predefinido de modelo de circuito equivalente (ECM) que incorpora degradación de baterías por degradación por ciclos y degradación por calendario, así como simulación de fallos y embalamiento térmico.
- Simule procesos electroquímicos con modelos de baterías SPMe y DFN.
- Cree modelos de baterías basados en datos que se integran en Simulink y admiten generación de código.
Recursos
Puede diseñar un sistema de baterías utilizando la app Battery Builder o la interfaz de programación de aplicaciones (API) de Simscape Battery en MATLAB®. Los elementos fundamentales de este proceso de diseño incluyen diseño de la celda, ensamblaje en paralelo, módulo, ensamblaje de módulos y diseño del sistema de batería.
Diseño de sistema de batería, desde la celda hasta el sistema completo.
Con la app Battery Builder o la API, puede:
- Crear y visualizar modelos de baterías con diferentes geometrías y topologías, desde la celda hasta el módulo y desde el módulo hasta el sistema de baterías.
- Modelar placas refrigerantes con rutas de fluido y conexiones térmicas al sistema de baterías personalizado.
- Crear un modelo de batería a partir de un componente de celda personalizado.
- Modelar el intercambio de calor entre celdas.
- Analizar la variación de temperatura entre celdas y medir la eficiencia del sistema de refrigeración.
- Generar un modelo de librería de Simulink personalizado para el diseño de un sistema de batería.
- Establecer un nivel de resolución del modelo adecuado para lograr un equilibrio entre la fidelidad del modelo y la velocidad de simulación.
Aspectos clave
- Desarrolle un sistema de batería personalizado con diferentes niveles de resolución del modelo.
- Incorpore efectos térmicos al modelo de batería.
- Genere modelos de sistemas de baterías para su simulación.
Recursos
Los equipos de ingeniería pueden utilizar MATLAB y Simulink para diseñar un sistema de gestión térmica de baterías que regule la temperatura del sistema según las especificaciones y garantice un rendimiento óptimo en diversas condiciones de funcionamiento.
Comparación del análisis térmico de una batería de iones de litio nueva y una degradada con Simscape Battery.
Análisis del comportamiento térmico de baterías
Con Simscape Battery, los equipos de ingeniería pueden modelar el comportamiento térmico de baterías con múltiples niveles de fidelidad, desde la celda hasta el sistema de baterías, para capturar la falta de uniformidad de la temperatura y su impacto en rendimiento, seguridad y degradación.
En el nivel de celda, puede discretizar el modelo térmico a lo largo de la altura de la celda para aumentar la fidelidad del modelado térmico y modelar el gradiente térmico en el interior de la celda.
En los niveles de módulo y sistema, las trayectorias térmicas entre celdas configurables permiten representar efectos de conducción, convección y radiación, lo que facilita el análisis de la variación de temperatura entre celdas y la propagación térmica.
Para equilibrar precisión y velocidad de simulación, Simscape Battery también admite modelos térmicos de orden reducido derivados de análisis de elementos finitos o volúmenes finitos de alta fidelidad, que preservan las dinámicas térmicas dominantes y permiten realizar simulación en nivel de sistema, ejecución en tiempo real y pruebas de hardware-in-the-loop.
Estos modelos térmicos se pueden acoplar directamente a representaciones de sistemas de refrigeración detalladas, como placas refrigeradas por líquido con trayectorias de flujo configurables, que permiten evaluar la distribución de temperatura y la eficacia de la refrigeración en condiciones de funcionamiento realistas. Simscape Battery proporciona bloques de placas refrigerantes predefinidas que admiten distintas configuraciones de flujo, como canales paralelos, canales rectangulares en forma de U y refrigeración por bordes.
Bloque de canales paralelos en Simscape Battery.
Bloque de canales en forma de U en Simscape Battery.
Bloque de refrigeración por bordes en Simscape Battery.
Diseño de sistemas de control para gestión térmica de baterías
Con Simulink, puede diseñar controles de lazo cerrado que combinan técnicas de prealimentación y control PID para sistemas de circulación, como control de corriente de alimentación mediante válvulas, control del caudal másico mediante bombas y control de selección de la trayectoria de intercambio de calor. Con Simscape Battery, puede utilizar los bloques predefinidos Battery Coolant Control y Battery Heater Control, para crear algoritmos de control de gestión térmica de baterías. Con Stateflow, también puede diseñar lógica de control de supervisión para alternar entre distintos modos de funcionamiento, como calefacción y refrigeración, en función de la temperatura ambiental y la temperatura de la batería.
Aspectos clave
- Cree un módulo de batería con intercambio de calor entre celdas.
- Utilice bloques predefinidos de placas refrigerantes.
- Modele una celda con discretización térmica y refrigeración por inmersión.
- Modele la temperatura de batería con modelos térmicos de orden reducido
Recursos
"En Mahindra Electric hemos utilizado simulación unidimensional para optimizar el BTMS. En este modelo de sistema, la batería, el circuito refrigerante y el circuito de refrigeración se implementaron de manera efectiva con Simscape. El vehículo, el conductor y el modelo de circuito equivalente se implementaron en la plataforma de Simulink".
Un sistema de gestión de baterías influye directamente en la seguridad, eficiencia y vida útil de la batería y, por extensión, en el rendimiento y fiabilidad del sistema en su conjunto. Las funciones principales de un sistema de gestión de baterías incluyen la monitorización, estimación de estado, equilibrado de celdas, gestión de potencia, gestión térmica, protección y comunicaciones.
Funciones principales de un sistema de gestión de baterías.
Simulink y Simscape permiten comprender el comportamiento dinámico del sistema de batería, explorar arquitecturas de software, probar casos operativos y realizar pruebas en hardware desde etapas tempranas de desarrollo, lo que reduce los errores de diseño. Los equipos de ingeniería pueden utilizar bloques de control de BMS integrados en Simscape Battery para evaluar el rendimiento del sistema de baterías diseñado, desarrollar los algoritmos de BMS y ejecutar simulaciones en nivel de sistema.
Estimación del estado de carga
Los métodos para estimar el estado de carga (SOC) pueden ser simples, como integración de corriente (conteo de Coulomb) y monitorización de la tensión, o sofisticados, basados en modelos y datos, como filtros de Kalman y redes neuronales.
Es indispensable contar con modelos de baterías precisos para desarrollar algoritmos de estimación del SOC basada en modelos en un sistema de gestión de baterías. Los enfoques tradicionales para estimar el SOC en un sistema de gestión de baterías, como consulta de tensión en circuito abierto (OCV) e integración de corriente (conteo de Coulomb), son fáciles de implementar y razonablemente precisos en algunos casos. No obstante, el enfoque basado en OCV requiere la medición de OCV, que debe ir precedida de un periodo de reposo prolongado. El conteo de Coulomb adolece de problemas de inicialización deficiente y acumulación de ruido de medición de corriente. Se ha comprobado que los enfoques de EKF (filtro de Kalman extendido) y UKF (filtro de Kalman unscented) ofrecen resultados precisos con carga computacional moderada en implementaciones de BMS del mundo real.
Simscape Battery proporciona varios bloques predefinidos SOC Estimator con opción de capacidad variable y admite generación de código: conteo de Coulomb, filtro de Kalman y filtro de Kalman adaptativo.
A diferencia de un filtro de Kalman, utilizar una red neuronal para desarrollar un estimador de SOC no requiere mucha información sobre la batería o su comportamiento no lineal. La red se entrena con datos de corriente, tensión y temperatura, y SOC como respuesta. Puede comprimir una red neuronal utilizando proyección, que permite ejecuciones más rápidas cuando se ejecuta en la CPU o se despliega en hardware integrado de BMS empleando generación de código C o C++ sin librerías.
Aspectos clave
- Simscape Battery incluye tres estimadores de SOC: conteo de Coulomb, filtro de Kalman y filtro de Kalman adaptativo.
- Se puede desarrollar un estimador de SOC utilizando una red neuronal sin tener demasiada información sobre la batería.
Recursos
Estimación del estado de salud
Todas las baterías, incluso aquellas que cumplen con las especificaciones de rendimiento en el momento de su fabricación, se degradan con el paso del tiempo debido a la degradación por calendario y por ciclos; por lo tanto, sufren una pérdida gradual de capacidad de reserva y un aumento de resistencia interna. Aunque es relativamente sencillo estimar el aumento de resistencia interna empleando breves mediciones temporales, calcular con precisión la pérdida gradual de capacidad requiere una carga o descarga completa, lo que no siempre es práctico.
Este desafío ha propiciado un creciente interés en la estimación del estado de salud (SOH), así como el desarrollo de formulaciones ampliadas de filtros de Kalman adaptativos para incluir otros parámetros de batería además de los estados. La estimación precisa de la resistencia interna instantánea es muy útil para que el BMS pueda establecer limitaciones de potencia.
Simscape Battery proporciona estimadores de SOH integrados para estimar la capacidad de la batería mediante estimadores basados en filtro de Kalman, mínimos cuadrados con y sin ponderación variable, resistencia y capacidad.
La estimación del SOH es más subjetiva que la del SOC, debido a que no existe un consenso general sobre cómo definir el SOH. Cada organización tiene su propio método para cuantificar el SOH, lo que imposibilita recurrir a soluciones comerciales de uso general. Con Simulink y Simscape, puede desarrollar y simular algoritmos de estimación adaptados a la definición particular de SOH de su empresa.
Aspectos clave
- Simscape Battery proporciona bloques predefinidos para estimar la capacidad mediante filtros de Kalman o algoritmos de mínimos cuadrados.
Recursos
Equilibrado de celdas, carga y supervisión de baterías
Simscape Battery proporciona bloques de librería predefinidos para equilibrado de celdas, carga y protección de baterías.
Las funciones de equilibrado de celdas mantienen un SOC similar en todas las celdas mediante la disipación del exceso de carga a través de una resistencia de derivación. El equilibrado es necesario para prolongar la vida útil de las celdas que puedan dañarse por sobrecarga o descarga excesiva. La capacidad de múltiples celdas mejora cuando están equilibradas.
Equilibrado de celdas en Simscape Battery como función de SOC y tiempo.
La carga de la batería se controla con un algoritmo de corriente constante/tensión constante (CC-CV). Se trata de un enfoque común que preserva la vida útil de la batería, ya que evita sobrecorriente y sobretensión durante la carga. La corriente de carga se mantiene limitada hasta alcanzar un valor de tensión previamente establecido.
Proceso de carga de una batería en función del tiempo mediante un algoritmo CC CV en Simscape Battery.
Para proteger la batería es necesario supervisar corriente, tensión y temperatura. Simscape Battery proporciona bloques que se pueden incorporar en los algoritmos de BMS.
Bloques de supervisión de batería implementados en un modelo de BMS.
Aspectos clave
- Simscape Battery proporciona bloques para equilibrado de celdas, control de corriente y tensión, así como supervisión de tensión, corriente y temperatura.
La simulación en escritorio con Simulink permite verificar aspectos funcionales del diseño del sistema de baterías. En equipos de escritorio, se simulan el sistema de baterías, el entorno y los algoritmos, empleando modelos de comportamiento. Por ejemplo, puede explorar configuraciones y algoritmos de equilibrado de celdas activo y pasivo con el fin de evaluar cada enfoque de equilibrado y determinar su idoneidad para una aplicación determinada. Puede utilizar la simulación en escritorio para explorar nuevas ideas de diseño y probar múltiples arquitecturas de sistema antes de crear un prototipo de hardware. También puede realizar pruebas de requisitos con simulaciones en escritorio; por ejemplo, puede verificar que los contactores no puedan abrirse ni cerrarse cuando se detecta un fallo de aislamiento.
Cuando el sistema de baterías en desarrollo debe cumplir con requisitos de seguridad, puede integrar pruebas basadas en métodos formales en el proceso de desarrollo de software conformes con estándares IEC 61508, IEC 61851 e ISO® 26262.
"Durante el desarrollo del modelo de controlador en Simulink, solemos comprobar la conformidad con pautas de estilo y estándares de modelado utilizando Model Advisor. También verificamos la presencia de lógica inalcanzable, errores de división por cero y otros errores de diseño en nuestros modelos con Simulink Design Verifier™".
Una vez validados a través de simulación en escritorio, puede utilizar los modelos de Simulink para generar código C y HDL y realizar prototipado rápido (RP) o pruebas de hardware-in-the-loop (HIL), con el fin de validar aún más los algoritmos de BMS en tiempo real. Con RP, en lugar de desarrollar manualmente código de software de control para pruebas en tiempo real, se genera código a partir del modelo del controlador y se despliega en un equipo en tiempo real que realiza las funciones del microcontrolador de producción. Con la generación automática de código, los cambios en algoritmos realizados en el modelo se pueden probar en hardware en tiempo real en cuestión de horas, en vez de días. Además, puede interactuar con hardware de control en tiempo real desde Simulink para cambiar parámetros de algoritmos y registrar datos de prueba.
Al igual que ocurre con el prototipado rápido, las pruebas de HIL implican generar código desde un modelo de Simulink y desplegarlo en un equipo en tiempo real. En el caso de las pruebas de HIL, el código se genera a partir de los modelos del sistema de baterías, en lugar de los modelos de algoritmos de control, lo que proporciona un entorno virtual en tiempo real que representa sistemas de baterías, elementos de circuito activos y pasivos, cargas, cargador y otros componentes del sistema. Este entorno virtual permite validar la funcionalidad del controlador de BMS en tiempo real antes de desarrollar un prototipo de hardware y en un entorno en el que el hardware no se dañará.
Las pruebas desarrolladas durante la simulación en escritorio se pueden transferir a las pruebas de HIL para garantizar que se cumplan los requisitos a medida que avance el diseño del BMS. Aunque las pruebas de HIL se emplean principalmente para probar código que se ejecuta en FPGA o un microcontrolador, puede utilizar un sistema de prototipado rápido, como Simulink Real-Time™ junto con hardware objetivo Speedgoat® y vincularlo a la configuración de HIL antes de seleccionar el hardware del controlador de producción.
"Con el diseño basado en modelos, tenemos un proceso integrado para desarrollo, desde la idea hasta la generación de código de producción. Las herramientas de MathWorks nos permitieron desarrollar tecnología clave de gestión de baterías utilizando nuestra propia experiencia, en un entorno que facilita la verificación en etapas iniciales de diseño y de manera continua".
Validación del software de BMS
La simulación en tiempo real, que abarca tanto prototipado rápido como pruebas de HIL, proporciona información adicional sobre cómo rendirá un diseño de BMS en hardware. Tanto en RP como en HIL, el objetivo es emular en hardware un aspecto del diseño general: el controlador de BMS en RP y el equilibrio del sistema de baterías en HIL. La simulación en tiempo real ofrece varias ventajas significativas en el diseño de BMS, que permiten:
- Realizar RP para comenzar a validar algoritmos antes de seleccionar el hardware del controlador final.
- Aprovechar la flexibilidad de un sistema de pruebas en tiempo real para realizar iteraciones y pruebas de diseño rápidas.
- Realizar pruebas de HIL antes de que el hardware prototipo del sistema de baterías se encuentre disponible.
- Combinar RP y pruebas de HIL para evaluar algoritmos de BMS en casos de prueba que sean difíciles, costosos o destructivos si se utiliza el hardware real.
Pruebas de hardware-in-the-loop (HIL) de software de un sistema de gestión de baterías. El código de BMS se genera a partir de algoritmos de BMS modelados en Simulink y se despliega en un microcontrolador C2000 de Texas Instruments®. El modelo de planta, que incluye sistema de batería, contactor, inversor, cargador, se modela en Simulink. El código se genera y despliega para ejecutarse en un equipo Speedgoat en tiempo real con emulador de batería.
Reutilizar modelos de simulación en escritorio en Simulink con el fin de generar código para simulación en tiempo real permite acortar el plazo de desarrollo total. Puede generar código C/C++ y HDL que se ejecute en equipos optimizados para rendimiento en tiempo real. El código generado a partir de modelos de Simulink para simulaciones en tiempo real incorpora interfaces que permiten ajustar parámetros de control mientras se ejecuta la simulación en tiempo real.
Prototipado rápido
Durante las pruebas en hardware, realizar cambios en el código del controlador puede provocar retrasos y riesgos adicionales. Modificar el código manualmente, recompilarlo y desplegarlo en FPGA o el microcontrolador lleva tiempo, especialmente si desarrolla algoritmos de control y depende de un equipo de ingeniería de software o hardware para realizar los cambios. Dependiendo del alcance de los cambios requeridos, también corre el riesgo de introducir nuevos problemas en el código implementado.
En lugar de desarrollar manualmente actualizaciones de código de software del controlador, puede utilizar Simulink para generar código que se ejecute en tiempo real en un equipo dedicado y utilizar E/S de alta velocidad para comunicarse con hardware de prueba. Además de eliminar la codificación manual y los retrasos que conlleva, otra ventaja de este enfoque de RP es que puede validar los cambios del software de BMS ejecutando primero el modelo de simulación en equipos de escritorio para verificar que no se han introducido otros problemas.
Pruebas de hardware-in-the-loop
Dado que crear y modificar prototipos de hardware para un sistema de baterías puede suponer un esfuerzo considerable y suele resultar costoso repararlos, no siempre es factible probar tales prototipos utilizando el sistema eléctrico en el que va a funcionar el sistema de baterías. Debido a estas limitaciones, incluso pequeños cambios de diseño pueden suponer una amenaza para los cronogramas de desarrollo. Los diseños de BMS tienden a evolucionar lentamente porque los equipos de trabajo consideran que las desviaciones radicales respecto del diseño anterior son demasiado arriesgadas.
Con Simulink, puede generar código C/C++ y HDL a partir del modelo de hardware del sistema de baterías y del sistema superior del que forma parte, incluyendo la alimentación y la carga. Una vez que despliegue este código en un equipo en tiempo real, puede ejecutar simulaciones en tiempo real del hardware utilizando el código del controlador antes de probar el propio controlador en un prototipo del sistema de baterías. Como resultado, puede identificar y corregir errores de diseño de control antes de que puedan dañar hardware prototipo costoso y difícil de reemplazar. Además, puede descubrir errores de diseño de hardware, como dimensionamiento incorrecto de componentes.
Muchos sistemas de HIL en tiempo real, incluido el hardware Speedgoat objetivo, incorporan emuladores de baterías, lo que permite emular fuentes de alimentación de baterías portátiles y pilas de baterías de vehículos eléctricos, o reducir la corriente para simular baterías bajo carga.
"Considero que Speedgoat ha desarrollado una plataforma Plug and Play en tiempo real para Simulink. Para nosotros, significa más tiempo probando los sistemas de control y menos desarrollando un banco de pruebas de HIL".
Recursos
En la etapa de implementación en hardware, los modelos de control de Simulink que se han verificado mediante simulación en escritorio, RP y HIL se utilizan en el BMS con el fin de generar código eficiente y listo para producción. Si es necesario, la generación de código de producción se puede incorporar en flujos de trabajo que cumplan con estándares de certificación formales utilizados en la industria de la automoción, aeroespacial y otras industrias reguladas.
Generación de código listo para producción
Simulink genera código C/C++ y HDL legible, compacto y eficiente, a partir de modelos de controladores y listo para su implementación en microcontroladores, FPGA y ASIC de producción. A diferencia del código generado para RP, el código generado para uso en producción no incluye las interfaces extra necesarias para permitir supervisión en tiempo real, ajuste de parámetros y registro de datos. Las configuraciones de optimización permiten controlar con precisión funciones, archivos y datos generados para mejorar la eficiencia del código y facilitar la integración con tipos de datos, código y parámetros de calibración existentes.
Realización de simulaciones de processor-in-the-loop
En la simulación de processor-in-the-loop (PIL), el código C/C++ o HDL se ejecuta en FPGA o el microcontrolador mientras el dispositivo está ejecutándose con un modelo de Simulink del hardware de BMS, lo que limita el riesgo de dañar un prototipo de hardware durante las evaluaciones iniciales del código de BMS. Aunque las simulaciones de PIL no se ejecutan en tiempo real, son operaciones bit-true, lo que permite verificar el código en diversas condiciones y tener la seguridad de que se ejecutará correctamente una vez que se despliegue en el sistema real.
Generación de código de producción
La simulación en escritorio y las simulaciones de RP, HIL y PIL permiten verificar y validar los algoritmos de control del BMS. Con Simulink, puede utilizar esos mismos algoritmos como base para generar código listo para producción, ya sea código C/C++ optimizado y estable para implementación en microcontroladores, o bien código HDL sintetizable para programación de FPGA o implementación en ASIC. La generación automática de código elimina los errores de traducción manual de algoritmos y produce código C/C++ y HDL con equivalencia numérica a los algoritmos que haya validado en Simulink. Simular los algoritmos de control en todas las condiciones de fallo y funcionamiento posibles aumenta la confianza en que el código generado podrá afrontar esas mismas condiciones en el sistema real, incluso si no es posible probarlas todas. Si las pruebas en hardware indican que se necesitan cambios en los algoritmos, puede modificarlos, volver a ejecutar los casos de prueba de simulación para verificar la exactitud de los cambios, y generar código nuevo y actualizado. El código C/C++ y HDL generado es totalmente portátil, optimizable con diversas opciones y trazabilidad bidireccional hasta el modelo de Simulink.
Código de producción de BMS generado automáticamente a partir de algoritmos de BMS modelados en Simulink. El código se despliega en un microcontrolador C2000 de Texas Instruments.
"Comprobamos cada requisito necesario para la certificación a través de simulación en Simulink antes de verificarlo en el circuito real y, dado que utilizamos Embedded Coder® para generar código directamente desde el modelo, no existe ninguna diferencia significativa entre nuestras simulaciones y el software embebido real".
