上篇文章简单介绍了，英国虚拟产品工程VPE的技术路线图，尝试解读英国汽车产业应对“数字化”变革的“打法”，以及他们如何对“数字化”这一宽泛而模糊的概念，进行具体化和量化，使其具有可操作性。接下来，通过一些实例，探索虚拟产品工程VPE，如何在汽车产品工程中发挥其作用。虚拟产品工程VPE与V流程众所周知，V型开发流程（也称为V-Cycle或V-Model，以下简称V流程），诞生于软件开发领域，但随着汽车行业对其不断探索，现已适应汽车行业的需求，并被应用到从整车到零部件研发的各个层面。图2展示了一个典型的V型开发流程，左边是产品设计的过程，右边是产品测试的过程并指明了设计与测试的对应关系。需要注意的是，这里提到的V流程主要应用在整车和零部件研发领域，可能在某些细节上与软件或电子电器（EE）开发过程中使用的V流程略有所不同。在V流程中的某些环节，虚拟产品工程VPE路线图中提到的“独立的建模与仿真工具”已经被广泛应用。例如，使用仿真软件，实现虚拟性能开发；对零部件进行部分虚拟实验等。但是，整个V流程还是很大程度上依赖于真实的试验与测试。然而，伴随着汽车产品复杂性的快速增长，继续使用传统的V流程，已经不能满足将产品快速投放市场、降低开发成本的要求。同时，如无人驾驶这样的技术，进行完全的真实测试以验证可靠性，成本过大、时间过长。这就需要新的开发流程，以适应汽车行业的发展。随着虚拟产品工程VPE技术的发展，在未来，通过与V流程进一步地融合，就能破解上述问题。首先，随着前文提到的路线图中，“工具与流程”领域各项技术的发展，更多的测试与验证会在虚拟环境中进行。传统V流程的右边的各个环节，会更多地应用虚拟产品工程技术。同时，随着高精度模型的使用，集成式仿真环境以及虚拟测试与制造环境的完善，产品测试不再只发生在V流程的右边，也不再需要遵循V流程从左至右的流程。在V流程左边的任何环节，由于有高精度、且无限接近于真实环境的虚拟测试环境，可在设计完成后，马上开始产品的测试与验证。这实质上已经改变了传统的V型开发流程，右边的大部分测试环节已经与左边的开发过程融为一体。图3是笔者预测的一种未来V型开发流程。其中各层级上的循环符号，表示设计与测试之间的相互作用。在图3中，从需求分析直至零部件开发和测试的环节都完成后，才会进入位于右边的用户体验环节，直接验证产品是否满足需求。当然，这尚需相关技术的不断发展才能实现，图2中V流程右边的各个测试环节，也方可逐步移动到图3的V流程左边。此外，前文的虚拟工程VPE路线图提到，最终会实现，设计以及制造全流程的虚拟法规认证。英国汽车理事会下属技术委员会数字化工作流负责人，英国迈凯伦应用技术公司创新总监，Mark Mathieson曾举过一个简单例子：假设某款电动车，在开发过程中需要评估四种电机，在现阶段可能需要建造四辆原型车，以便在整车和真实环境中对电机进行测试。需要的成本大概为，每辆原型车50到100万英镑，开发周期6至12个月。而未来，使用虚拟产品工程并结合V流程，这四种电机的模型已经获得认证，只要将其集成到同样经过认证的车辆模型中，进行虚拟测试，便可完成评估，不再需要制造原型车。缩短了开发时间，降低了开发成本。【1】这个例子也恰好验证了图3的V流程。使用认证过的电动车和电机模型，进行最后的验收测试环节，所以整个开发过程完全在虚拟环境中完成。需要注意的是，认证过的电机模型可能来自于不同的供应商，所以，未来不仅需要供应链能够提供经过认证的模型，还需要有一个独立的、可信任的模型认证流程。这涉及到虚拟产品工程VPE中的制造、数据和知识相关技术领域，以及政府政策等，此处不展开讨论。虚拟产品工程VPE在汽车研发领域的应用关于虚拟产品工程VPE在汽车研发领域的实际应用，以英国里卡多公司为例，主要采用虚拟产品开发（Virtual Product Development，以下简称VPD）技术，针对产品开发的不同阶段，利用虚拟产品工程VPE相关技术，进行架构选型（Architecture Definition）、系统优化（System Optimisation）、智能验证（Smart Validation）和虚拟动力系统标定（Virtual Powertrain Calibration）。涵盖V流程从左至右的多个环节，如图4所示。本节选取四个应用场景，从多层面来分析虚拟产品工程VPE技术，在现阶段如何应用在具体的产品开发领域。应用场景1：架构选型首先，我们看看以混合动力车型开发为例，在项目开发初期，即V流程中的功能定义和系统架构这两个环节，如何应用虚拟产品工程VPE相关技术。在最初的开发阶段，已知或已确定的条件较少，导致可选择的动力系统硬件和技术非常广泛：发动机大小（排量）和技术，如使用不同的涡轮增压系统；变速箱类型，如（自动、双离合或CVT），传动比及档位数量；混动系统结构，如P0/P1/P2/P3/P4或者P0/P1+P4，以及不同的混动系统工作电压，高压或48V；不同大小的电机（功率）和动力电池（容量）；不同的刹车能量回收系统等，进行搭配组合，使得混合动力车型可选择的系统架构数量大大增加。再加上软件参数的不同组合，例如变速箱的换挡策略，混动系统的能量管理策略等，会使得车辆的各项性能指标，有显著的不同。因此，在开发初期，需要从众多的系统架构中，按照开发需求，找到最佳的软、硬件搭配组合。传统的开发方式，一般会基于以前的相关项目经验，并结合专家的意见，找出若干系统架构（即硬件和技术），作为备选方案。然后对备选的系统架构（硬件和技术），分别进行建模与仿真。同时还要对软件参数（即相关策略）进行开发与调试，以使得各个备选的系统架构性能达到最优。最后，对结果进行比较，确定哪个系统架构可以进入下一个开发环节。上述过程，耗费大量的时间和人力。不仅如此，还存在技术上的弊端——通过这种方法得到的系统架构，并不一定是最优的。因为，第一，并没有“穷尽”“所有的”系统架构；第二，以前的开发经验，可能无法运用于新车型的开发；第三，某些新技术，在以前的开发中并未用到，也并无相关经验的积累，因此并未予以考虑；最后，相关软件参数在开发过程中，也未必得到完美的优化，仿真结果没有展现出该系统架构的最佳性能。理论上，可以对每种架构组合，都进行建模与仿真，优化各种软件参数，穷尽所有的可能。但是，按照目前常见的研发技术，耗费时间和人力，是不现实的。为解决这个问题，架构独立建模(Architecture Independent Modelling ，以下简称AIM)技术，可以在不依赖先前经验和专家意见、不对车辆动力系统进行具体建模和仿真的情况下，遴选混动系统架构。通过在大型服务器上进行大量的并行运算，利用优化等先进的开发方法，快速找出符合目标的潜在系统架构，即图4中的架构选型。1.确定开发目标。既可以只有一个目标，如某测试工况下的燃油经济性最佳；也可设定多个目标，例如，油耗最低，而且加速性最好（比如0至100km/h加速时间最短）；又如油耗最低，系统成本也最低。2.找出系统架构中所有的可变量，例如软件参数、硬件和技术（指发动机技术，混动系统结构、变速箱类型，档位数量，变速箱换挡策略、混动系统能量管理策略等），并确定每个可变量的选择范围。3.设置相关约束条件。例如，要求不插电混合动力车型，在每个工况测试完成后，动力电池电量平衡（即电量在开始与结束时相同），以公平地比较燃油经济性。4.将第二步中所有的可变量及其范围，以及第三步中的相关约束条件，均输入AIM，按照第一步确定的开发目标进行优化。5.运算完成后，AIM将给出能够达到最优开发目标的系统架构。针对不同车型，AIM需要进行大概5百万至1千万次的迭代运算，以找到最优解。在使用大型服务器的情况下，运算速度目前约为10万次/小时，即需要50至100小时的运算时间。相比于传统的开发方式——长达数周、甚至数月的开发周期，用于建模和仿真，和后续的控制策略开发及优化，AIM能极大缩短开发周期，同时保证结果的可靠性。应用场景2：系统优化上述架构选型确定之后，便进入了系统优化的环节——即系统与子系统开发。这部分面临两个挑战：第一，如何确保，在系统开发环节得到的子系统参数的可靠性。在传统的开发方式中，此时会使用仿真软件对整个系统（例如混合动车整车），进行建模和仿真，以确保系统达到开发目标。为了确保仿真速度、快速找出所需的子系统参数，通常会采用低精度的系统与子系统模型，但这就导致结果——即子系统相应参数，不可靠性较高。另外，如何确保，各个子系统集成之后，不会影响到系统整体性能。进入各子系统开发环节后，会选取相关领域的专业软件，进行高精度建模与仿真，来辅助子系统开发。通常会分别预估，每个子系统的性能将如何影响系统整体性能。但是，并未考虑到各个子系统之间的相互作用，可能对系统整体性能的影响。很有可能直到之后的测试阶段，才发现整体性能并未达到预计的开发目标。为应对这两个挑战，集成式基于模型的开发(Integrated Model Based Development，以下简称IMBD)技术，将系统与子系统开发，整合为一个环节，进行分析与开发。采用多学科联合仿真技术，辅助以试验设计(Design of Experiments，以下简称DoE)和优化等先进开发方法，对那些由高精度子系统模型为基础搭建的系统整体模型中的硬件（例如混动系统中的电机功率和电池容量）、软件参数（例如混动系统能量管理策略中的控制参数）、标定参数（例如发动机标定参数）同时进行优化。从而找到，使系统整体性能达到最优的子系统参数。IMBD这个名称中，Integrated（集成式）是指将开发过程和工具（仿真软件），集成在一起考量。Model Based（基于模型的）则是说不同学科的子系统，例如热力学、机械、流体力学、电学、传热学、化学，可以根据开发需求，采用不同精度的模型。这些子系统模型以及控制器，被集成到一个联合仿真环境中，如图5。Simulink作为控制策略开发中普遍使用的平台，需要与每个子系统产生关联，自然成为了IMBD的系统中枢——控制器(Controller)，位于图5的最中心位置。图5还示意了子系统所使用的仿真软件：车辆(Vehicle)、电池(Battery)、变速箱(Transmission)、电机(E-Motor)和逆变器(Inverter)均使用基于里卡多IGNITE软件的模型；发动机尾气后处理系统(Aftertreatment)使用里卡多开发的基于MATLAB/Simulink的模型；发动机及其进气系统(Air System)使用基于里卡多的WAVE RT软件的模型；整车热系统(Thermal)则使用基于Siemens公司相关软件的模型。图5 混合动力整车IMBD系统原理图。来源：https:///webinars/optimising-hybrid-vehicles-in-a-world-of-increasing-powertrain-complexity/图5中所示的多学科联合仿真环境，其核心是使用DoE和优化等先进开发方法，对所有的可变量，包括软、硬件参数，以及标定参数同时进行优化，使得系统整体性能到达最优。但这还只是IMBD的基础。通过DoE和优化方法，IMBD还能给出各方面性能，例如油耗、排放、加速性能等，以及成本之间的此消彼长关系(Trade-off)。IMBD将软、硬件参数，以及标定参数，作为设计变量，输入到DoE工具中，例如，里卡多的Efficient Calibration软件，可产生一个由若干测试组成的测试序列(Test Matrix)。测试序列中的每一个测试，对应着一种软、硬件参数以及标定参数的搭配组合。随后IMBD对每一个测试进行联合仿真。所有测试的仿真均结束后，再次使用DoE工具，对全部结果进行分析，得到能预测系统整体性能的随机过程模型(Stochastic Process Model，以下简称SPM)。SPM可以对系统整体性能进行优化，找出使系统整体性能最优的软、硬件参数以及标定参数的搭配组合。同时，它还能给出各设计变量——即硬件参数、控制参数、标定参数，对系统整体性能的联动作用。目前，IMBD已经运用于整车和动力系统开发的多个领域。通过对混合动力汽车的能量管理策略、发动机和尾气后处理系统标定参数，同时进行优化，可以在不增加成本的情况，将油耗额外降低2%至5%。还可以在优化阶段，对特定混合动力车型施加多个约束：比如，约束1用来限制在一个测试工况中发动机启动的次数，从而确保舒适性；约束2为该混合动力汽车在纯电动模式下的最高车速。通过运用IMBD，可以掌握这两种约束条件，如何影响整车燃油经济性。由此，可避免由于未对整车模型施加驾驶性、舒适性等相关性能的约束，导致对油耗等结果的预测误差过大。在优化效率方面，如果IMBD考量20个左右的设计变量，使用DoE，大概需要2天的联合仿真运算，就能完成对系统性能优化。极大减少了在系统与子系统开发环节所需的时间。应用场景3：虚拟动力系统标定当前动力系统标定很大程度上依赖于传统的台架试验，耗费大量人力和时间，已不能满足快速开发的需求。IMBD还能够将系统标定参数，也作为设计变量，与软、硬件参数一起进行考量。大幅缩短在V流程后期测试阶段所需要的标定时间。如图4，在V流程右边，使用智能验证(Smart Validation)技术，即统计分析方法结合高精度模型，取代或优化真实的物理试验，从而降低测试和验证的成本。而虚拟动力系统标定(Virtual Powertrain Calibration，以下简称VPC)，作为智能验证技术中的一个方向，主要用于V流程中的子系统和系统测试环节。VPC在产品开发初期，即V流程左边的架构选型阶段，可以在没有工程样机（原型机）、不进行真实台架试验的情况下，使用高精度模型和相关工具，建立虚拟环境，对产品进行虚拟测试，为标定提供所需测试数据。最大化地降低台架测试的时间，和对动力系统样机（原型机）的需求，从而降低开发成本、缩短开发周期。VPC主要包括三个因素：自动化测试、高精度模型、硬件在环(Hardware-in-Loop，以下简称HiL)实时仿真平台。以发动机的虚拟标定为例，首先建立基于里卡多WAVE-RT软件的发动机实时仿真模型，然后将实时仿真模型放入HiL中，最后利用自动化测试工具对模型进行实时仿真。其中，自动化测试是通过编写相应的测试用例以及测试脚本，使其自动进行，不需要任何的人为干预。例如，对某发动机进气模型进行VPC，虚拟测试可减少33%的标定时间。而且由于不需要进行真实的台架测试，标定成本也极大降低。而VPC未来的目标是，绝大多数的动力系统测试，均在虚拟测试环境中进行的，仅需对极少数的关键工况进行真实测试，来验证虚拟测试结果。应用场景4：动力电池VPD本小节以动力电池VPD为例，从零部件开发的层面，来介绍如何应用虚拟产品工程VPE相关技术。图6为动力电池VPD与V流程的关系图。图6中绿色部分为动力电池VPD的核心部分，一个虚拟的动力电池模型，作为该真实动力电池的数字孪生(Digital Twin)，贯穿整个V流程开发过程。动力电池VPD在V流程的左边获取系统架构相关需求后，通过自身的数字孪生，虚拟地完成从开发设计到测试的所有步骤，包括确定规格(Specification)、虚拟测试(Virtual Testing)和硬件在环测试(HiL Testing)。而且根据项目需求不同，既可完全虚拟测试，又可虚拟与真实相结合地测试，还可以完全真实测试。测试完成之后，再将测试结果返回到V流程右边测试过程的相应环节。动力电池VPD加快了动力电池产品迭代设计的速度，从而实现动力电池的柔性和敏捷(Agile)开发。图6 里卡多动力电池VPD。来源：https://www./channel/520262b1e1e84d5b8381514155d00869/recording/71a6a7964cdd45ac9f740375180b4133/watch?source=CHANNEL在动力电池开发的初期阶段，需要进行概念设计的可行性分析，一般会面临三个挑战：1.在项目初期，由于各种原因，需求会经常改变。这就需要所使用的开发工具可以快速更改设计，从而对各种方案进行比较和评估，提升开发效率。2.开发工具能根据不同的需求，对动力电池进行权衡。例如，在性能方面，权衡不同需求之间（比如容量与重量）的关系，在预估动力电池成本的时候，考虑电芯的选择、冷却系统的设计，工艺及材料等。有时还要同时考量多方面需求，例如，从性能、成本以及安全性等多方面，对动力电池进行多目标优化。3.由于动力电池对安全性有较高要求，开发工具还应在设计阶段，就能对动力电池进行虚拟的失效或故障测试，以确保设计的可靠性。动力电池VPD开发就是为了应对上述三方面的挑战。它的本质是一个可扩展的、模型精度可调的、模块化的电池仿真平台。这个平台不仅可以单独运用在V流程的子系统开发环节，也能和IMBD同时应用在V流程的系统开发环节，从而实现对整车或零部件的快速开发。所谓“模块化”，它可以将不同学科的子模型耦合在一起，形成电池仿真平台，包括电路模型、热模型（含冷却系统模型）、电池管理系统(Battery Management System，以下简称BMS)模型和电池老化模型。带来的优势是，只使用一个仿真平台，能同时获取动力电池在不同领域（例如机械、电子、传热等）的性能参数，以及各领域之间的相互影响。动力电池的“可扩展性”，体现在电池包模型可根据项目的不同需求，由不同数量的电芯电路模型和电芯热模型组成。所谓“精度可调”，如图7，从左至右，表示模型精度从低精度(Low Fidelity)到高精度(High Fidelity)；从上至下分别是，电芯电路模型(Cell Electrical Model)、电芯热模型(Cell Thermal Model)和电池包（电-热-液压）模型(Pack(Electro-Thermal-Hydraulic) Model)。在项目的不同开发阶段，可选取不同精度的电芯电路和热模型。比如，在项目最早期阶段，由于只有少量数据可用来建模，只能采用低精度模型进行仿真。随着项目的进行，可用来建模的数据逐渐增多，就可采用更为复杂的高精度模型，以提高建模的准确性。精度可调的好处在于，从项目开发初期的概念设计阶段，到后期的BMS控制策略测试阶段，只需调整模型精度即可，不需重新搭建模型。图7 里卡多动力电池VPD模型精度。来源：https://www./channel/520262b1e1e84d5b8381514155d00869/recording/71a6a7964cdd45ac9f740375180b4133/watch?source=CHANNEL图8展示了动力电池VPD在概念设计阶段的应用。首先，对各种备选电芯(Cell Candidates)进行比较，找到符合性能需求的电芯，进入随后的具体设计阶段。动力电池VPD自带电芯数据库，可快速地根据需求，选取相应的电芯参数，建立电芯模型(Cell Model)的各种子模型，包括电路模型(Electrical)、热模型(Thermal)、电池管理系统(BMS)模型和电池老化模型(Ageing)。然后，根据动力电池需求(Pack Requirement)，建立基于电芯模型的、可扩展的动力电池模型(Scalable Pack Model)。最后，通过仿真，得到该动力电池的相关性能。对所有的备选电芯重复以上步骤，就可对所有设计进行比较(Design alternative compared)，找到最符合需求的动力电池概念设计方案(Pack Concept Design)。经验表明，在动力电池概念设计阶段应用以上流程，最多可缩短50%的开发周期，最高可降低30%的开发成本。当然，动力电池VPD还有其它应用方式。比如，在概念设计阶段，将电芯的选型和动力电池规格备选方案，放在一起考虑，应用DoE和优化等先进开发方法，快速评估并比较各种备选方案；又如，将动力电池VPD集成到整车IMBD中，按照不同测试工况（例如EPA或者WLTP）的具体要求，进行里程、能量消耗率以及性能的仿真；还可以，利用动力电池VPD中的电芯老化模型，快速建立电池老化测试工况，对动力电池性能衰减分析。限于篇幅，这里无法展开介绍，有兴趣的读者可以通过观看有关网络研讨会：Reducing Cost Time and Risk: Accelerating Virtual Battery Pack Development in the Digital Age (链接：https://www./channel/520262b1e1e84d5b8381514155d00869/recording/71a6a7964cdd45ac9f740375180b4133/watch?source=CHANNEL)，以获取更多信息。图8 里卡多动力电池VPD概念设计阶段流程。来源：https://www./channel/520262b1e1e84d5b8381514155d00869/recording/71a6a7964cdd45ac9f740375180b4133/watch?source=CHANNEL除了概念设计，在动力电池测试阶段，VPD还可应用于与动力电池安全性相关的热失控（Thermalrunaway）测试。使用基于动力电池VPD开发出的动力电池热失控模型，可预测热失控的发生，并了解其发生机理。首先，建立包括气体成分和温度的电芯起火模型。再与包含三维CAD设计、泄压装置设计模型和其它电芯传热相关数据的三维热耦合模型一起，建立三维热模型，进而使用相关滥用测试（Abuse Testing）结果，对该三维热模型进行验证。随后，使用该三维热模型，对相关缓解热失控的技术，进行先期比较，选取其中较为有效的技术，再进行真实测试。这不仅能找到有效缓解热失控的措施，还减少了对真实测试的需求，降低了测试成本。综上所述，动力电池VPD的特点之一，是可实现多学科协同开发。动力电池作为一个复杂系统，在开发过程中集成了机械、电子、传热、控制等多个学科相关技术。在实践中，经常出现负责某个学科的开发团队使用其学科特有的工程软件，而其模型和数据很可能无法与其它团队的工程软件兼容或共享。导致每个学科的开发团队都得从零开始，建立动力电池相关模型。这不仅使各学科开发团队无法对所掌握的信息互通有无，还增加了重复开发的可能性。而动力电池VPD，正是在一个集成了多学科建模技术的仿真平台上，协同开发，使各学科的开发无缝对接，从而大大降低工程方面的工作量。例如，在对BMS进行虚拟功能测试时，需要测试其对电路（如电池SOC）和热系统（如电池温度）的控制。如果开发时，电路与热系统，使用不同的工程软件建立子系统模型，测试时则要将BMS与多个软件进行联调联试。使用动力电池VPD，不仅可以单独测试BMS对电路或者热系统的控制，还能在电-热耦合的情况下，对BMS进行测试，提高测试效率。最后，通过表1总结上述各个案例使用的虚拟产品工程VPE路线图中所涉及的技术。小结与展望通过以上的技术路线图解读和应用案例介绍，笔者认为，虚拟产品工程VPE技术的核心，是建模与仿真和集成式虚拟仿真环境，再结合虚拟验证以及柔性制造与装配技术，配合共享由人工智能、机器学习等对数据进行挖掘和处理所得到的知识和数据，最终打造一个虚拟环境，涵盖从产品开发、验证、直至生产制造的全产业链。通过在该虚拟环境中进行局部或全局优化，可缩短产品开发周期、降低研发成本。最后，借用Neville Jackson教授在2019年英国先进推进动力中心APC所作的报告：《汽车产业是否处在慢车道？》(Is the automotive industry in the slowlane?)，其中的一幅图（图9）。图9 数字化如何影响产品开发。来源：https://www./app/uploads/2020/06/Monday-master-slide-deck.pdf
|
