汽车电子控制系统的离线仿真设计精讲课件

汽车电子控制系统的离线仿真设计提纲“仿真”与“离线仿真”离线仿真技术在现代汽车电子控制系统开发中的作用

系统建模与离线仿真设计的方法

离线仿真设计实例离线仿真设计中需要注意的问题

总结

1.“仿真”与“离线仿真”

仿真（Simulation）：利用模型复现实际系统中发生的本质过程，并通过对系统模型的实验来研究存在的或设计中的系统，又称模拟。仿真模型是被仿真对象的相似物、结构形式或其参数关系形式，因此，可以是物理模型（物理仿真）或者数学模型（数学仿真）。1.1“仿真”的概念

仿真的过程包括建立仿真模型和进行仿真实验两个主要步骤。离线仿真：借助计算机和仿真软件向仿真数学模型输入参数值，从而非实时地模拟实际系统运行规律的仿真方法叫做离线仿真。在线仿真：指实时控制模型的仿真而非用软件模拟。1.2离线仿真（off-linesimulation）2.离线仿真技术在现代汽车电子控制系统开发中的作用

2.1现代汽车电子控制系统开发技术及过程简介

2.1.1汽车电子控制系统一般的开发技术微控制器功率驱动器执行机构被控对象传感器ECU给定值（被控参数）信号调理广义被控对象输出量一般的ECU开发方法，包括下列主要步骤：

（1）由系统工程师根据客户要求用文字说明的方式定义系统功能和设计目标；（2）构建系统模型并仿真；（3）确定ECU硬件和软件功能；（4）由硬件人员设计开发硬件电路，完成电磁兼容设计与测试等工作；（5）由控制工程师设计控制方案，并将控制规律（方程）用离散形式描述；（6）由软件人员采用手工编程的方式实现控制算法，形成控制程序代码；（7）将程序代码下载到ECU硬件电路中，或与仿真器一起构成在线调试系统；（8）用真实控制对象或试验台架对ECU进行静态和动态的试验和测试；（9）修改设计，重复上述某些过程，直至符合要求。ECU产品开发流程图2.1.2汽车电子产品软件开发的“V”模式流程功能设计快速原型目标代码生成标定硬件在回路（HIL）仿真汽车ECU的V模式的开发流程“V”模式开发流程分为五个阶段，即：功能设计快速原型仿真目标代码生成硬件在回路仿真－HIL标定/实验设计循环中持续verification(核实）&validation(确认）功能设计阶段：主要使用MATLAB提供的Simulink、Stateflow等工具，完成控制方案的设计、功能模块的设计、控制算法的设计等任务，并完成基于方框图的离线仿真工作。快速原型仿真阶段：目的是在一个实时硬件平台上验证功能设计阶段形成控制软件的性能，并修改控制设计、优化控制方案。使用如dSPACE等开发工具提供的快速控制原型－RCP(RapidControlPrototyping)完成在线仿真。在将控制原型或仿真模型从离线仿真转到实时仿真，需要用dSPCACE的实时接口库RTI（Real-TimeInterface）通过图标的方式来指定用户I/O。用RTI与MathWorks的RTW（Real-TimeWorkshop）共同生成dSPACE硬件所需的代码。实时接口RTI通过图标的方式来指定用户I/O。在RCP中：控制器硬件━━并非为实际产品控制器控制软件━━离线仿真成果被控对象━━实际车辆的被控系统或台架模拟系统目的是验证控制软件的实时控制功能，dSPACE的仿真对象是控制器硬件。快速原型控制应用于实际车辆对象从Matlab/Simulink/Stateflow框图直接生成产品级代码;相当于手写的ANSIC代码，支持定点和浮点运算；应用TargetOptimizationModules可以针对特定目标平台进行优化；通过TargetSimulationModule可以在目标板上测试生成的代码。目标代码生成阶段：主要使用dSPACE提供的代码生成工具

TargetLink软件完成目标代码自动生成功能。TargetLink硬件在回路（环）仿真－HILS阶段：HILS（Hardware-in-the-LoopSimulation）

真实的控制器（即产品控制器硬件+控制软件）开发出来后，需要对其在不同的工作条件下进行更加全面的测试。这时可以利用运行在实时计算机上的对象模型或环境模型，对控制器进行全方位测试。这个过程称为硬件在回路仿真（HILS）。

“不同的工作条件”指：严寒气候、高温气候、极限测试、失效测试，或在真实环境中测试费用较昂贵等，使测试难以进行。在HILS中：控制器硬件━━实际产品控制器控制软件━━实际控制软件被控对象━━多采用模拟系统及部分真实部件该阶段的仿真对象是被控对象，目的是实现对产品控制器的实时测试。

dSPACE的Simulator是应用最广泛的硬件在回路仿真器，利用它可模拟一台虚拟的车辆作为控制的对象，在测试过程中为保证仿真的实时性可加入一些真实的部件和负载，形成半实物仿真并且模拟出一些故障，从而来实现对ECU的测试。

Simulator也是一个集成的测试环境，包括：系统模型（含发动机，汽车动力学和路面模型等），实时硬件，信号调理、故障模拟单元，负载模拟单元，实验软件（具有实验管理、硬件管理、自动化测试等功能）。dSPACE的Simulator一个自主开发的电动汽车控制器硬件在环实时仿真平台硬件在环实时仿真平台标定阶段：该阶段，针对实际应用的车辆控制对象采用标定系统对ECU进行最后的参数调整。dSPACE的标定系统允许用户对ECU进行所有的标定和测试。

开发步骤MATLAB/Simulink建立对象数学模型设计控制方案进行离线仿真第一步开发步骤保留需要下载到dSPACE中的模块用硬件接口关系代替原来的逻辑连接关系对I/O进行配置设定软硬件中断优先级第二步开发步骤dSPACE硬件C代码C编译器目标代码LoaderdSPACE实时硬件MATLABSIMULINKRTW用户C代码RealTimeInterface利用RTW及dSPACE提供的RTI和自动生成代码并下载第三步开发步骤ControlDeskMatlab数据获取在线调参外接实物三维动画dSPACE综合实验和测试环境第四步创建被控对象的模型控制对象理论模型的建立初步控制系统设计通过离线仿真对控制系统测试生成模型实时代码通过ControlDesk采集数据及观测、修改变量定义模型I/OMatlab/dSPACE集成开发环境集成了机电闭环控制系统开发中所有的阶段代码自动生成（TargetLink）直接访问实时系统CDPMATLABSIMULINKRTWRTIdSPACEtools分析，设计，优化离线数据处理基于方框图的建模离线仿真从方框图生成C代码针对I/OHW集成的模块库自动代码插入ControlDesk:实验控制和自动测试针对MATLABMLIB/MTRACE的接口CDP（控制系统开发包）软件组件2.2离线仿真的地位和作用

在控制器开发过程中所处地位：无论是传统的控制器开发技术还是较为先进的“V”模式开发技术，都离不开离线仿真环节，都必须在设计的最初阶段完成。是整个控制系统开发过程的第一步，在开发过程中具有很重要的地位。在两种开发技术流程中，系统功能设计完成后，必须构建控制系统模型并利用计算机计算模拟技术，从理论上分析、判断控制系统功能实现的可行性、控制方案选择的正确性，以便进一步给出控制器硬件和软件设计功能要求。作用：（1）是可以在理论设计阶段就能判断设计方案是否合理、可行，从而节省时间，使其后设计工作少走弯路，避免资金浪费，节省开发费用。（2）在控制系统的构成、控制方法等方面的理论创新思想是否可行，可通过此阶段做个理论仿真验证。3.系统建模与离线仿真设计的方法

3.1被控对象建模与特性分析

建立被控对象模型的目的有3个：（1）根据被控对象的结构和参数间关系构建控制系统，确定控制参数，选择传感器类型和执行器的种类；（2）根据被控对象动态仿真结果分析其动态特性，选择合适的控制方案；（3）利用数学模型定量计算在控制器控制信号作用下，被控对象的输出响应，以评判控制效果，优选控制策略。3.1.1被控对象建模方法在汽车电子控制系统开发中，模型建立分为两步：

★

建立数学模型；如根据驱动车轮建立的动力学方程：

★根据数学模型构建图形结构化仿真模型。（1）被控对象数学建模方法一般而言，被控对象的数学建模方法有多种：机理分析法、直接相似法、系统辨识法、概率统计法、定性推理法、层次分析法等等。

为了利用Simulink软件进行图形化建立仿真计算模型，同时便于根据被控对象的结构和参数间关系构建控制系统，确定控制参数，选择传感器类型和执行器的种类，多以机理分析法建立其数学模型。

机理分析法也叫直接分析法或解析法：它是在若干简化假定条件下，以各学科专业知识为基础，通过分析系统变量间的关系和运动规律，而获得解析型数学模型的方法。

机理分析法建立数学模型步骤：（1）分析系统功能、原理，对系统做出与建模目标相关的描述；（2）找出系统的输入变量和输出变量；（3）按照系统（部件、元件）遵循的理论规律列写出各部分微分方程或传递函数等；（4）消除中间变量，得到初步数学模型；（5）进行模型标准化。如对于微分方程，应使：①输入量与输出量多项式分别处于方程两端；②变量按降阶排列；③最高阶项的系数等于1。（6）进行检验，必要时修改模型。

建模举例

建立用轮毂电机（或电机加轮边减速器）驱动的电动轿车在转向时，后轮的差速模型。转向时，左右两轮的理论转速关系：即问题：能否直接用车轮转角作为控制参数？车辆坐标系γ第一步：建立数学模型（1）转弯时的侧向动力学方程：（2）转弯时的横摆运动的动态方程：利用关系对上两式简化后，有（3）各车轮的线速度（3）车轮切向力与侧向力地面附着系数采用：（4）车轮法向力当转向无加速无制动时，可简化为其中：（5）车轮的滑动率（滑转率和滑移率的通称）（5）车轮侧偏角在侧向力作用下，各轮胎侧向变形所引起的侧偏角近似按下式计算：（6）汽车运动方程在水平路面转弯时（7）车轮的运动方程第二步：确定被控系统的输入参数和输出参数输入参数：车轮转向角δ1（或δ2）左右后车轮驱动力矩Tt3和Tt4

输出参数：左右后车轮转速ω3和ω4

系统中的状态参数：其余的变量参数第三步：根据数学模型，用Simulink建立仿真计算模型

整车后轮差速仿真模型前轮左右转向角关系模型左右轮无滑转无滑移的期望转速计算模型四个车轮的侧偏角仿真计算模型整车驱动力仿真计算模型车身纵向速度仿真计算模型（车辆动力学方程）车轮法向力仿真计算模型左右车轮滑移和滑转率仿真计算模块为方便大家进一步学习对象建模方法，推荐几本有关被控对象建模的图书：1.动力学系统建模与仿真

黎明安编著国防工业出版社出版时间20122.喻凡,林逸.汽车系统动力学.机械工业出版社,2005年3.MATLAB/Simulink建模与仿真张德丰编著电子工业出版社出版时间20094.MATLAB建模与仿真应用王中鲜主编机械工业出版社出版时间20103.2控制方法和控制模型3.2.1控制方法及其选择控制方法的多样化有利于控制的应用，但却增加了设计应用时的选择困难。根据什么原则和方法进行选择呢？大体可从以下几个主要方面考虑：(1)考虑系统的控制任务；(2)考虑系统的应用需要；(3)考虑系统的性能指标；(4)考虑系统的实现手段；(5)考虑系统的综合性能。以简单有效、控制实时性强、设计容易为原则。首先根据具体的应用问题确定采用的控制方式是传统控制还是智能控制。传统的反馈控制和自适应控制在理论和技术上是比较成熟的，但在复杂的对象控制中传统的控制就显得无能为力而智能控制在解决诸如不确定的或难定义的过程控制、非线性被控对象控制、随时间变化的过程控制等复杂过程控制方面具有独特的能力。根据应用系统的控制任务的复杂程度来确定采用传统控制还是采用智能控制方式相对比较容易。可是，往往会出现这样的情况，同样确定的非线性系统既可用传统控制也可用智能控制，这时可考虑各方面的因素综合选择。

(1)传统控制理论和技术比较成熟，系统设计和实现手段此较容易，但控制系统缺乏适应各种变化的能力；(2)智能控制理论和技术比较新，很多理论和技术需要不断地改进和完善，但用智能控制技术所构成的控制系统可有各种不同程度的智能，即参数、结构、环境的自适应控制、最优控制、自组织控制、自学习控制、甚至自创造控制等，这有利于提高控制系统的应用和解决复杂系统的控制；(3)在不增加成本或少增加成本的前提下，采用智能控制技术可大大改善系统的性能，提高系统的性能价格比，有利于产品参与市场竞争。智能控制是未来控制系统的发展趋势。

(4)以学习控制为例：学习的速度、学习的复杂性(即学习容易和不容易)、学习的类型、学习的稳定性、学习的精度等进行的选择。最优控制自适应控制滑模控制模糊控制神经网络控制预测控制控制方法1：PID控制P-比例I-积分D-微分PID控制是根据系统的误差，利用比例、积分、微分计算出控制量来进行控制的。

它是经典的控制方法，结构简单、技术成熟、稳定性好、工作可靠、应用广泛，是实现连续控制最简单的算法。当被控对象的结构和参数不能完全掌握，或得不到精确的数学模型，其它控制方法难以采用时，应用PID控制技术最为方便。此外，它适用于目标给定的跟踪控制。PID控制方法在汽车巡航等动力传动控制中得到应用。学习控制自适应控制滑模控制模糊控制神经网络控制预测控制控制方法2：最优控制PID控制最优控制法是求解在约束条件下的极值问题。即：在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值。控制目标：使评价控制系统性能的二次型目标函数为最小。适合于存在极值问题的系统，能够建立被控对象数学模型，约束条件明确。最优控制法在汽车悬架控制中得到应用。学习控制控制方法3：PID控制最优控制滑模控制模糊控制神经网络控制预测控制自适应控制随被控对象模型参数和外界扰动的变化自动改变控制策略的方法。自动测量和分析输入信号及被控对象特性，计算系统的变化情况；计算出相应的控制或调整策略；优化控制模型参数，使其逐步完善。适用于对被控对象模型和扰动的先验知识比较少，且运行状态规律不断重复的情形。

在汽车主动悬架上得到应用。学习控制控制方法4：PID控制最优控制自适应控制模糊控制神经网络控制预测控制滑模控制是一种非线性控制系统的控制方法它根据系统的即时状态、偏差及其导数，在不同的控制区域，以理想开关的方式，切换控制量的大小和方向，使系统状态在切换线（面）附近区域来回运动（变更运动方向），即沿切换线（面）上滑动。在汽车防抱死制动系统(ABS)上应用学习控制控制方法5：PID控制最优控制自适应控制滑模控制神经网络控制预测控制模糊控制模糊控制是对变工况非线性控制模式。模糊控制不依赖于系统的精确数学模型，而对系统参数变化不敏感，具有很强的鲁棒性。它的控制算法是基于模糊数学若干条控制规则，算法非常简洁。适用于非线性、时变、滞后、模型不完全系统的控制。不必对被控对象建立完整的数学模型。在汽车自动离合器上应用。学习控制控制方法6：PID控制最优控制自适应控制滑模控制模糊控制预测控制神经网络控制神经网络是仿真人的神经网络，实现人工智能的一种途径。它具有记忆经验和识别环境的能力，并能按一定的规律改变自己的结构或工作程序。即具有比较强的自学习能力。它的学习过程是由前向计算过程、误差计算和误差反向过程组成。在汽车四轮转向控制中应用。学习控制控制方法7：PID控制最优控制自适应控制滑模控制模糊控制神经网络控制预测控制基于模型的控制算法，预测模型是在对象运行过程中直接获得，只强调功能而不强调其结构形式，所以模型的形式可以多种类型。预测模型可以像系统仿真时一样，任意的制定控制策略，通过不断观察对象在不同控制策略下输出的变化进行自动优化。在汽车发动机怠速控制、主动悬架控制中都可以应用。学习控制控制方法8：PID控制最优控制自适应控制滑模控制模糊控制神经网络控制学习控制学习控制算法是自适应系统的发展与延伸，它能够按照系统运行过程中的“经验”和“教训”来不断改进算法，增长知识，更广泛地模拟高级推理、决策和识别人类的优良行为和功能。迭代学习控制是学习控制的一个重要分支，它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。它能处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。适于解决非线性、复杂性、难以建模以及高精度轨迹控制或有较高的位置重复精度问题，且具有重复运动性质的或系统干扰是周期性的被控系统。在汽车AMT自动变速器最佳换挡控制中应用。预测控制3.2.2控制仿真模型设计（1）能建立数学模型的控制模型·根据数学模型用Simulink搭建控制仿真模型结构以PID控制为例，其控制器输出（控制量）u(t)与输出控制量的实际输出值c(t)和期望值r(t)的偏差e(t)=r(t)━c(t)

间的关系为其PID控制仿真模型为：·控制模型参数设置

控制算法效果好坏不仅取决于控制方法的选择，还决定与控制模型参数选择是否恰当，如PID控制模型中的参数KP、Ti、Td对控制性能影响很大，准确的选择需要在方法上、经验上的积累，因此，在离线仿真和后阶段的实时在线仿真期间，必须认真且耐心地反复选择、整定参数和试验验证。就PID而言，参数整定的方法很多，有试凑法、临界比例法、衰减曲线法、Ziegler-Nichols整定法等，各种方法大都按照“先P后I再D”的顺序调整相应的参数，直至最佳值。例如：采用齐格勒－尼科尔斯方法(Ziegler-Nichols法)整定PID参数的步骤为(l)将控制器的积分时间常数Ti置于最大(Ti=∞),微分时间常数Td置零(Td=0),比例系数KP置于适当值,运行系统。(2)将比例增益KP逐渐减小,直至得到等幅震荡过程,记下此时的临界增益Ku和临界震荡周期Tu。(3)根据Ku和Tu值,按照下表中的经验公式,计算出控制器各参数,即KP、Ti、Td值。(4)通过试验，对所定参数作进一步的微调，直至最佳。控制器类型KPTiTdP0.5Ku∞0PI0.455Ku0.833Tu0PID0.6Ku0.5Tu0.125Tu（2）不能用数学表达式描述的控制模型模糊控制、专家控制就是属于这类情况。如模糊控制规则：

L1：IfEisPBandECisZOthenCUisPBL2：IfEisZOandECisNBthenCUisNBL3：IfEisNBandECisZOthenCUisNBL4：IfEisZOandECisPBthenCUisPB可以用以下办法建模：

①利用Simulink模型库中的表格模块库（LookupTables），通过映射方式，以n维输入的条件确定控制的模糊量。

②利用MATLAB中的模糊逻辑控制工具箱来建模，在模糊推理系统编辑器中完成模糊控制器设计，再在Simulink环境下调用该模糊控制器模块来建模。（3）多种控制方法组合应用的控制模型由于被控对象运动规律的复杂性和单一控制方法的局限性，实际控制设计中往往考虑把多种控制方法相结合所构成的控制方案。如：神经网络与PID复合控制、模糊与PID的复合控制等等。

模糊与PID的复合控制原理图模糊与PID的复合控制仿真模型（4）同一过程的多模式控制模型

在设计控制模型的时候，应该分析被控过程在不同阶段的性能特性，然后针对性的选择不同的控制方法和模型。例1：异步电动机软起动模糊+PID的组合控制原理就是一个双模式控制的典型例子。异步电动机调速是采用改变晶闸管导通角的PID控制方法，在正常运行调速阶段，控制效果良好。但由于电动机和晶闸管交流调压装置的数学模型是非线性的，起动过程中反馈电流与晶闸管触发角之间没有精确的数学模型，PID参数整定比较困难，部分参数会随工作点的变化而变化。因此，启动阶段控制效果不好，瞬间冲击电流大。采用模糊控制来实现电机软起动控制后，效果明显改善。

模糊PID双模式控制器的设计思想是:在起动的初期和中期(t＜t0)，采用模糊控制使起动电流限制在指定的范围内，系统按模糊控制方法进行有关的模糊推理和决策来确定晶闸管的触发角α。在起动过程后期(t≥t0)为了克服模糊控制出现的振荡现象，加快响应速度和消除静差采用PID控制来确定晶闸管的触发角α。模糊PID双模式控制原理框图模糊PID双模式控制Simulink仿真结构图例2：汽车自适应巡航系统的多模式切换控制在复杂交通环境下，由于前车运动状态和驾驶意图的不可预知性，使得现有的自适应巡航控制(Adaptivecruisesystem,ACC)的应用受到限制，现有ACC系统大多由于控制模式单一，算法及其参数并不具有自适应性，仅适用稳态跟车工况。多模式自适应巡航控制是在现有ACC控制器的基础上增加模式切换层，将车辆纵向运动状态划分为六种情况：定速巡航、稳态跟随、接近前车、强加速、强减速和避撞，且分别设计了六种控制模式，使控制器根据实际工况条件选择最优的控制模式，并采用加速度加权平均算法提高模式切换的准确性和输出连续性。基于每种模式侧重的控制目标，设计相应的上位控制器并对其控制参数进行整定，从而改善了系统整体的控制品质。有关控制设计的参考书目：韦巍,何衍编.智能控制基础.清华大学出版社,2008年赵景波编.MATLAB控制系统仿真与设计.机械工业出版社,2010年张聚.基于MATLAB的控制系统仿真及应用.