Los vehículos virtuales constan de un modelo en nivel de sistema que captura los comportamientos de control y físicos de un vehículo. Utilizar vehículos virtuales con dinámica longitudinal permite evaluar las capacidades de autonomía, ahorro de combustible, aceleración y remolque. Los vehículos virtuales con dinámica lateral permiten centrarse en frenado, suspensión y viraje. Puede utilizar estos modelos para optimizar el consumo de energía y el rendimiento térmico, al tiempo que se optimiza el manejo, maniobrabilidad y confort de conducción. Estos modelos ayudan a establecer objetivos, dimensionar componentes, desarrollar algoritmos de control, validar software y realizar pruebas virtuales, lo que reduce la necesidad de prototipos físicos. Una vez que el vehículo está en operación, puede utilizar datos de transmisión para crear modelos basados en datos, o gemelos digitales, y probar mejoras adicionales utilizando estos modelos antes de desplegar actualizaciones.
Uso de Simulink para simular vehículos virtuales
Desarrolle modelos de vehículo
La app Virtual Vehicle Composer (VVC) permite crear un modelo de vehículo adaptado a la arquitectura de un sistema de propulsión. Puede seleccionar diferentes tecnologías, como vehículo eléctrico con batería (BEV), motor de combustión interna (ICE) o vehículo eléctrico híbrido (HEV). Es posible realizar una mayor personalización con librerías de componentes eléctricos, mecánicos, de fluidos, térmicos y multicuerpo. Para conducción autónoma, puede incorporar modelos de sensores como cámaras y LiDAR al modelo generado con la app VVC. VVC se conecta a librerías personalizadas y se integra con Simulink, además de ofrecer soporte para Functional Mock-Up Interface (FMI) y optimizar la interoperabilidad.
Incorpore software integrado
Puede utilizar controladores prediseñados para evaluar el rendimiento de lazo cerrado de un vehículo, o personalizarlo con algoritmos patentados propios. Para probar controladores modelados en Simulink y Stateflow, comience con simulación de model-in-the-loop (MIL). A medida que se integran más controladores personalizados, el tamaño del modelo puede crecer. Aplicar las prácticas recomendadas para modelos a gran escala es fundamental para gestionar esta complejidad.
En una fase de desarrollo posterior, puede incorporar código C/C++ de producción para realizar simulación de software-in-the-loop (SIL). Puede llamar a código C, o compilarlo, a través de las interfaces de C/C++ integradas en Simulink y analizar la cobertura de código en el código importado.
Más información
- Prácticas recomendadas para crear modelos de gran tamaño, desde componentes hasta sistemas complejos (26:13)
- Serie de webinars sobre prácticas recomendadas para modelado a gran escala en Simulink
- Integración de código C/C++ con creación de bloques y conjuntos de bloques
- Gestión de proyectos en MATLAB y Simulink
- Integración de código C en MATLAB y Simulink para controlar una interfaz externa
Parametrice y valide el modelo
Después de incorporar los controles integrados, el siguiente paso es parametrizar el modelo para reflejar el peso, resistencia aerodinámica, resistencia al rodamiento de los neumáticos, y eficiencia e inercias de los componentes del vehículo. Puede emplear Powertrain Blockset y Vehicle Dynamics Blockset para acceder a parámetros esenciales, y Model-Based Calibration Toolbox para automatizar el ajuste y calibración del modelo para la eficiencia del motor y la parametrización de las baterías. Una vez que el modelo esté parametrizado, comparar los resultados simulados con los datos de un vehículo real puede ayudar a sacar nuevas conclusiones sobre el modelo y la precisión de los resultados.
Para determinar esto, MathWorks, en colaboración con FEV North America, validó el modelo con datos del mundo real del catálogo de evaluación comparativa de FEV. FEV parametrizó el modelo y lo simuló con los mismos ciclos de conducción que el vehículo de referencia, y obtuvo resultados muy cercanos a los datos de prueba.
Defina escenarios de prueba, simule y analice resultados
Dispone de un conjunto de datos predefinidos de maniobras de conducción o ciclos de conducción estándar para desarrollar sistemas de propulsión eléctricos, híbridos o convencionales. Para conducción autónoma, puede crear redes y marcas viales en 3D complejas de manera interactiva. Para generar un área de redes viales, puede importar datos de mapas de alta definición y luego agregar actores y trayectorias. Para simular sensores de cámara, radar y LiDAR, puede utilizar modelos de sensores que se ejecutan en el entorno Unreal® realizando cosimulación con Simulink.
Cuando la simulación del modelo de vehículo completo se comporte según lo previsto, mejore el rendimiento y ejecute estudios de simulación masivos para explorar el espacio de diseño o validar el comportamiento de todo el sistema. Puede escalar la simulación distribuyendo trabajos en procesadores multinúcleo, GPU o clusters locales, o en la nube, y ejecutarlos en paralelo. Cuando los resultados de la simulación estén disponibles, puede servirse de las herramientas de visualización integradas y flexibles prestaciones de visualización de datos de MATLAB para revisarlos. Además, puede automatizar la generación de informes de simulación en función de los estándares de su organización.
Más información
- MATLAB Live Editor
- Simulation Manager
- Prueba automatizada de un controlador de seguimiento de carril a través de una serie de escenarios
- Calibración de la facilidad de conducción objetiva (42:18)
- Visualización de datos con MATLAB (6:10)
- Simulación de escenarios para conducción autónoma con MATLAB, Simulink y RoadRunner (16:05)
Despliegue y amplie el acceso a simulaciones
Puede extender las ventajas de simulación a otros equipos de trabajo que no sean especialistas en modelado. Con App Designer, puede crear apps personalizadas, empaquetarlas y distribuirlas como apps de MATLAB, apps de escritorio independientes o apps web.
Para integrar la simulación de un vehículo virtual con datos de prueba de flotas de vehículos del mundo real, la puede desplegar en la nube. También puede desplegar modelos de vehículos completos para realizar pruebas de hardware-in-the-loop (HIL) utilizando productos de generación de código de MATLAB para validar la integración de hardware/software.