MathWorks在软件定义汽车的大环境下，如何更好地赋能汽车设计？

1天前

电子爱好者网报道(文章 / 未来的汽车将更加依赖于吴子鹏。 AI(人工智能)是软件技术的核心，而非常规的机械性能或物理设备是软件定义汽车的核心。当软件逐渐成为智能汽车差异化的核心时，软件无法阻止汽车定义的趋势。

这是一个全新的软件定义汽车架构，AI 它是底层核心技术，智能化将遍及整车的每一个角落。在 2024 MathWorks 在中国汽车年会上，MathWorks 开发总监 Jon Cherrie 表示，为提高对汽车智能工程系统的信心，有五点很重要，即数据管理与准备，AI 模型开发与训练，AI 集成 / 对系统进行验证、确认、部署和运行监控、监督和治理。针对这五个方向，MathWorks 可以提供有竞争力的解决方案，包括与芯片公司的深度合作，让汽车工程师高效部署代码，实现行业领先的智能设计，无需对芯片有深入的了解。

MathWorks 开发总监 Jon Cherrie

协助汽车工程师应对 EEA 软件开发集成带来的挑战

软体定义汽车需要更先进的定义 EEA（ Electronic/Electrical Architecture，电子电气架构)。先进的 EEA 支持快速迭代升级，使汽车能够通过软件更新不断进化，为用户提供更丰富、更个性化的功能和服务，而不仅仅是硬件的积累。

但是，先进的 EEA 将复杂的电子控制系统简化为动力域、底盘域、车体域等几个核心域控制器，最终必将走向中央集成。如同 MathWorks 中国区汽车业主管周斌表示，EEA 升级后，与传统分布式相比， EEA，软体的复杂性会急剧增加。例如，在目前的汽车领域结合阶段，需要考虑不同模块之间的交互或跨域交互，以及算法布局或软件开发带来的问题包括软件架构或中间件的差异，例如 ROS、CyberRT、DDS 和 AUTOSAR 它们之间会有较为明显的差异。在这个时候，汽车工程师需要考虑的问题是如何保证一套算法能够在不同的芯片和芯片架构下灵活部署和移植，MathWorks 模型和算法开发的优点是可以提供适应不同软件架构、中间件和目标的工具箱。汽车工程师可以参考基于模型设计的参考流程，实现算法模块的快速移植，从而实现算法或模型的重用。

MathWorks 中国区汽车工业主管周斌

举个例子，现在 Simulink ® 在系列方案中，汽车工程师很容易找到。 Simulink Coder、Embedded Coder、DDS Blockset、AUTOSAR Blockset 软件开发等方案，这些工具可以帮助汽车工程师在不同的芯片上快速生成不同的算法、模型和代码，并且可根据参考程序实现高效转移。具体而言，DDS Blockset 提供多种 App 通过数据分发服务，使用模块 ( DDS ) 软件应用程序中间件发布或订阅数据进行建模和模拟。具体而言，DDS Blockset 提供多种 App 通过数据分发服务，使用模块 ( DDS ) 软件应用程序中间件发布或订阅数据进行建模和模拟。该模块集包括 DDS 用于存在的词典 Simulink 中间管理，创建和编辑 DDS 定义。可以导入汽车工程师 XML 文档形式的 DDS 设定，创建一个 Simulink 作为开发的骨架模型 DDS 应用算法的起点。DDS Blockset 还可以从 Simulink 模型生成 C 代码和 XML 文档（使用 Embedded Coder）。

在 Jon Cherrie 在演讲中，以及周斌的媒体问答都提到了。 MathWorks 与英飞凌合作，这也是 MathWorks 为英飞凌 AURIX TC4x 定制开发芯片软件工具，帮助汽车用户实现快速开发的典型案例。基于这一案例 Embedded Coder 和 SoC Blockset 工具箱定制的硬件支持包 ( Hardware Support Package）使汽车工程师不需要深入了解英飞凌飞。 AURIX TC4x 芯片可以在其产品上快速设计、模拟和部署 Simulink 模型，并且运行在不同的核心上，该支持包具有许多特点优点，包括：

将 Simulink 将模型转换为可执行代码；

在单核（TriCore 0）中使用 TriCore 特定代码生成快速原型；多个代码 TriCore ™核心和 PPU 运行分区算法，分析算法的资源使用和任务执行

包括外围驱动模块和快速启动示例 ( 比如 : FOC 电机控制 )

支持 TASKING SmartCode, Green Hills ® MULTI 和 HighTec LLVM 等编译器；

为 TriCore ™和 PPU 生成优化代码 , 并能够在 TriCore 和 PPU Cpu在环上执行（PIL）测试

让 AI 更好地融入汽车算法和模型

目前，车辆智能化升级，MathWorks 同时也十分重视这方面的工具升级和覆盖。如 Jon Cherrie 无论是目前流行的智能驾驶，还是车内各种智能控制终端，在交流中提到，MathWorks 所有这些都能提供真正的端到端解决方案。MATLAB ® 在系列工具中 Deep Learning Toolbox 就是这个领域的代表，可以用来设计、训练、分析和模拟深度学习网络。Deep Learning Toolbox 为设计、实现和模拟深度神经网络提供函数，App 和 Simulink 模块。这个工具箱为各种类型的网络创建和使用提供了一个框架，例如卷积神经网络 ( CNN ) 和变换器，也可以用来与其它深度学习框架相互操作，汽车工程师可以导入。 PyTorch、TensorFlow 和 ONNX 推断模型，迁移学习，模拟和部署模型。

当然，最新的是 AI 当技术引入汽车算法和模型设计时，数据也将变得非常重要，高质量的数据集可以显著改进 AI 精确的算法和模型，减少训练时间。在周斌看来，数据标记和数据清洗是数据准备的重要组成部分，MATLAB 提供了数据标记、数据生成等丰富而强大的数据分析和可视化工具，然后结合起来 Simulink 模拟和基于模型的设计可以帮助不同的汽车公司完成数据、算法和模型的组合，帮助 OEM 和 Tier 1 提高开发效率。最终，如何验证这些算法和模型也很重要，Simulink 提供完整的检测模拟框架和工具，可将所有模型集成到同一平台上，实现闭环系统模拟，进行检测。 AI 模型稳定性。

协助汽车 OEM 降低成本

不管是否更加先进 EEA 升级，还是目前国内汽车大环境，汽车大环境， OEM 每个人都要面对一个非常严峻的考验，那就是如何实现降本增效，以应对“市场内卷”。周斌表示，卷成本、卷价给汽车行业从业人员带来了很大的压力，降低成本便成为整个汽车行业的核心需求，MathWorks 还提供相应的产品和应用支持，帮助汽车 OEM 和 Tier 1 实现这个目标。

对此，Jon Cherrie 和周斌都提到了 Simscape 在产品系列中 Simscape Battery。Simscape Battery 为电池系统的设计提供设计工具和参数模型，汽车工程师可创建数字孪生、运行电池组结构的虚拟检测、设计电池管理系统、评估正常情况和故障情况下的电池系统行为。另外，电池组和电池管理系统的参数模型可以进行演示操作，包括电池平衡和荷电状态估计。汽车工程师可以利用这些例子来决定电池的需求，在环环中进行测量分析和硬件 ( HIL ) 测试，并产生可读且高效的测试。 C/C 代码。

通过使用 MATLAB 和 Simulink，汽车工程师可以完成从模型开发到系统集成再到商品硬件部署的完整工作流程，从而降低整个电池系统研发的成本。此外，应用 AI 虚拟传感器驱动估计电池容量状态 SOC 以及电池的健康状况 SOH 这也是一个非常典型的例子。

汽车开发阶段， OEM 正致力于将军 DevOps 工作流程和经典 V 模型组合，所以 MathWorks 为模型设计提供开发平台，协助汽车 OEM 为满足质量标准，提高软件交付速度，实现持续集成、持续测试的需要。

结语

软体定义汽车使整个汽车开发过程发生了巨大的变化，AI 这种底层技术在车辆功能开发中发挥着越来越重要的作用。与此同时，中国的汽车环境要求汽车 OEM 和 Tier 1 降低成本需要更加重视，所以怎样让？ AI 在所有行业中，技术显著提高了生产力，提高了汽车工程设计与控制系统的机遇与挑战。MATLAB 和 Simulink 作为汽车工程师的可靠合作伙伴，汽车设计将在基于模型的系统和软件模拟、基于数据驱动的人工智能等产品上充分赋能。

阅读更多热门文章

加关注星标我们

把我们设为星标，不要错过每一次更新！