數據回灌測試的案例
應用案例分享 | 智駕路試數據分析及 SiL/HiL 回灌案例介紹
概述
為有效利用海量的路試數據并發揮其價值，經緯恒潤推出了OrienLink路試數據分析及開環/閉環回灌測試系統。該系統采用統一的數據存儲標準平臺，基于云計算技術提供的大規模存儲、高帶寬和高算力，能夠對路試數據進行深入的場景挖掘。通過軟件在環（SiL）和硬件在環（HiL）回灌驗證，該系統能夠充分評估和優化算法性能，發揮數據價值。可解決智能駕駛測試過程中的幾類問題：
實車測試效率低，無法有效閉環驗證
場景挖掘速度慢，數據堆積無價值
部分工況危險性高，且無法重復測試
實車測試成本高，工況無法復現
本文將通過實際應用案例進行講解，例如圖1展示了一個典型的路試數據分析及SiL/HiL回灌方案。
圖1 典型路試數據分析和SiL/HiL回灌方案
路試項目數據分析案例簡介
智能駕駛測試數據通常來源于汽車廠商在新車發布前進行的實際道路測試、場地測試以及量產車的數據。其主要特點包括：數據覆蓋廣，經過精心規劃和錄制，包含車載總線和傳感器數據，能夠充分反映系統狀態；數據量龐大，每次路試的持續時間可能為幾周或幾個月；團隊分工明確，包括路測工程師、數據分析工程師和算法工程師等。圖2展示了某自動駕駛研發項目中，使用OrienLink進行數據分析和回灌測試的流程。
圖2 OrienLink測試分析流程
方案解讀
通過云端協同，多個業務團隊可以在平臺上共同完成所有測試任務。路試團隊根據測試需求，采集大量原始數據，并通過互聯網或磁盤郵寄的方式將數據上傳至云端。同時，團隊會提前進行數據架構設置、解析協議配置（如圖3），同步準備數據。
展開 動力設備測試的“定盤星”：鑄鐵平板底座有何硬核應用？
在電機、發動機、水泵等動力設備的研發、生產檢測中，測試數據的度直接決定產品性能評估與質量管控。而鑄鐵平板底座，正是保障這類測試穩定開展的“定盤星”
工藝上，須經過“自然時效+人工時效”雙重處理，釋放鑄造過程中產生的內應力，從根源上杜絕長期使用中的變形與精度衰減，這是保障測試基準長期穩定的核心前提。精加工環節采用數控龍門銑床加工，工作面粗糙度達Ra0.8μm，平面度與垂直度精度嚴格匹配1級或0級標準，滿足測試的基準要求。
結構上，根據測試需求優化設計，重載場景采用加厚面板（≥50mm）與加密加強筋布局，分散設備重量與振動壓力；多型號適配場景預留標準化T型槽與螺栓孔，無需定制專用底座，提升測試靈活與效率。
三、核心應用價值：降本增效，保障測試可靠性
對動力設備生產企業而言，鑄鐵平板底座的應用不僅能提升測試數據的度，減少因數據失真導致的產品返工與召回風險，還能通過多工況適配能力，減少專用測試工裝的定制成本，縮短測試流程周期。
在研發場景中，穩定的測試基準能為技術迭代提供可靠數據支撐，助力優化設備結構與性能；在出廠檢測場景中，統一的測試基準可確保產品質量一致性，提升品牌公信力。
總結來說，鑄鐵平板底座作為動力設備測試的“定盤星”，其硬核應用價值在于以穩定的基準、強承載與抗振能力，為各類動力設備測試保駕護航。選對一款鑄鐵平板底座，本質是為測試環節筑牢精度根基，這也是其能在動力設備行業長期占據核心地位的關鍵原因。若需適配特殊功率或工況的測試需求，可結合設備參數與精度要求，針對性選擇材質、精度與結構適配的產品。
展開 提供發動機測試數據
接受測試任務，提供數據。
專家訪談 | 數據采集和測試的未來
</span></p><p><br></p><p><span style="color: rgb(68, 68, 68);">通過新推出的高性能數據記錄儀CX22B-W，我們在移動測試和記錄方面建立了新的標準，用戶可以在標準PC上繼續使用相同的軟件，完全滿足您功能性和可靠性方面的需求。'更好的QuantumX'——SomatXR是我們的超堅固測試和測量系統，用于惡劣環境測試，但也越來越多地用于測試臺。</span></p><p><br></p><p><span style="color: rgb(68, 68, 68);">回顧過去，第二階段是一個非常重要的融合階段，而且來得正是時候。PTP和十進制采樣率的主要優點是用于同步HBK或其他制造商的測量設備，提供亞微秒級別的高精度和時間分辨率。這簡化了測量數據的集成和分析過程——可以同時采集所有測量點，在最佳情況下，只有一個數據集。"</span></p><p><br></p><p>5</p><p><strong>發展的第三階段，QuantumX CX27C, MX471C, MX403B和MX809B恰好在十周年之際推出。有什么新變化嗎？</strong></p><p><span style="color: rgb(68, 68, 68);">“C平臺可以被視為是性能的引領者。在車輛移動測試和測試臺應用中，更高的數據數據速率至關重要。</span></p><p><br></p><p><span style="color: rgb(68, 68, 68);">首先，有一種將多個測試合并為一個測試的趨勢。客戶需要一個用于多種不同測試的單一系統，允許采集數百個測量信號。他們可以實時監控這些信號，同時在實驗室測試中專門模擬缺失的部件。其次，車輛電子設備的網絡化正越來越多地從傳統的CAN轉向基于CAN-FD和汽車以太網的車輛總線。”
展開 
TESCIA | 時間數據記錄和實時測試軟件
Tescia是一款數據收集、管理和分析工具，可助您安全地捕獲數據，甚至是捕獲意外的數據！設計用于驗證設計流程、保護試樣、監控資產和發布見解，其易于配置的圖形用戶界面（GUI）使測試操作員能夠快速、輕松地完成任務，并很好地保證測試的可重復性。
Tescia全面的分析和監控功能可助您詳細了解實時測試的情況，幫助您保護測試對象不受損壞，并檢查其是否符合規范。
此外，還可以根據計算出的指標和限值來識別意外狀況。實時分析、指標計算和基于事件的觸發器允許全自動、無人值守運行。Tescia是可擴展的，可以滿足多種測試需求：小到只有一個用戶的小型生產環境并在一臺筆記本電腦上進行數據采集和處理，大到配備多個測試和監測點、可從數千個通道采集數據的集約型互連系統。
優勢
>>> 可任選基本、無人值守或自動時間數據記錄和實時分析，或者實時多分析，包括總值、高級FFT、1/n-倍頻程和同步階次跟蹤
>>> 借助可擴展的實時顯示和指示器，在測量過程中進行現場決策、調整和優化產品，或執行標準測試，如MIL-STD-1474D（噪聲和振動限制）
>>> 通過系統的實時分析儀、低速數據與邏輯觸發輸入得出的指標的邏輯組合，保障昂貴的測試對象和測試臺在運行過程中的安全
>>> 全面的可擴展性可適應您的測試環境和流程
>>> 合理的工作流程可以幫助您輕松定義和修改測試流程
>>> 使用軟件的GUI和/或在Excel?工作簿中即可進行全部設置：節省時間，無需占用儀器或軟件準備測試
>>> 極為靈活的GUI布局，允許您創建以可打印報告頁面的形式組織的數據圖和控件組合
>>> 在開始測試之前，對整個硬件系統進行全面的自檢，避免以后出現意外的硬件問題
Tescia整合了我們在航空航天與國防領域最近15年來的經驗。
展開 從概念到生產 | 車輛移動數據采集和現場測試
移動數據采集和現場測試
從概念到生產準備階段，車輛及其部件需要進行各種測試。從計算機上的“虛擬測試”，試驗臺測試，再到在現場進行的移動測試。測量設備和數據采集系統用于：
道路荷載數據采集（RLDA） 主要在試驗場的試驗軌道上完成，也在現場進行，測量車輛對典型荷載情況的響應
動力總成、變速器和傳動系統 整體性能測試
車輛動力學、制動系統（ABS、ESP）、輪胎、高級駕駛輔助系統（ADAS）
冬季和夏季（冷和熱） 極端環境和溫度條件，及越野道路試驗
在測試中，車輛和部件要經受真實的使用條件。有時暴露在極端條件下，應對北極或沙漠地區的溫度、濕度、水、灰塵、污垢、沖擊、振動甚至是碰撞。無論是測試乘用車、商用車、軍用車輛還是火車，每輛車都對現場測試提出了特殊要求，并要求根據目標應用進行測試，以驗證產品的性能。
靈活的測量解決方案
HBM 能為移動數據采集提供靈活的測試和測量解決方案：
可擴展的多種類型輸入：應變、加速度、力和力矩、位移/高度、溫度、電壓和電流以及駕駛員生物識別信息。除此之外，還包括車輛總線數據的同步采集、基于衛星的車輛位置和速度信息，甚至是車輛的完整運動學和整個測試場景的視頻記錄。
QuantumX和SomatXR堅固型數據采集系統，采用模塊化設計，可自由擴展，并針對惡劣環境中的應用進行了優化，進行可靠且安全的數據采集。
先進的軟件解決方案，使用catman進行在線處理，采用二進制文件進行記錄或是實現基于腳本的自動化例程。采用Aqira進行數據管理和搜索，通過 nCodeDS 進行流式數據分析并生成報告。將獲取的大量數據轉化為您的見解。
您將能從用戶友好、完整的移動數據采集、測試或監控解決方案中受益。
展開 電動汽車電池測試：海量數據的管理與分析挑戰
電動汽車電池掌握著實現電動汽車大規模采用的秘訣，因此測試團隊面臨著巨大壓力，他們需要定義和執行一套能夠全面評估電池性能和質量的測試計劃，同時還需要快速、準確地從大量的測試數據中提取出有價值的信息，為研發、生產等其他環節提供決策依據。這就意味著他們需要有能力處理、分析海量的數據，將數據轉化為具有洞察力的信息，然后根據這些信息，安全、有效地推進電池的開發和部署工作。
然而，真正實現這一目標，需要面對的挑戰卻是巨大的，因為涉及到的數據量之大、格式之復雜，遠超傳統的處理能力。因此，如何有效地處理、利用這些數據，就成為了電動汽車電池大規模采用需要解決的關鍵問題。
作者：盧樺清
出品：汽車測試網
電動汽車電池測試的數據規模
為了更深入地理解電動汽車電池測試所面臨的數據挑戰，我們來看一個具體的例子：悍馬電動汽車電池包包含24個模組，每個模組又包含8個電芯組。每個電芯組每秒進行大約10次電壓測量，這意味著每秒需要收集1,920個電壓測量值。
展開 從數據采集到回放驗證：ADTF 適配 ROS2 的 ADAS 測試實踐
這次的實踐思路就是： 以 ADTF 作為數據處理和展示的工程化載體，通過適配組件對接 ROS2 數據與 ROSBAG，形成統一的回放與分析入口。
三、ADTF與ROS2協同實踐方案
1、方案設計
結合 ADTF 的組件開發方式，我們把能力拆成三層，便于團隊協作：
（1）數據回放層：負責從 ROSBAG 讀取指定圖像話題，并按時間節奏穩定輸出。
（2）顯示可視化層：負責視頻畫面展示，并支持疊加回放狀態信息。
（3）流程控制層：負責播放節奏、狀態管理與聯調過程中的穩定運行。
在實現上，我們使用了兩個關鍵組件：
ros2bag_image_replay：用于將 ROSBAG 圖像話題轉成 ADTF 可直接消費的視頻流；
demo_qt_video_display：用于圖像顯示與可視化呈現。
這個組合的意義很直接： 把“數據讀出來”升級為“數據可分析”。 不僅能看畫面，對組件持續迭代開發后，還能讓測試與技術負責人更直觀地判斷數據質量、時間節奏和回放狀態。
2、 ADAS 數據分析流程
基于上述方案，我們梳理出ADAS項目中數據采集與處理的典型流程，全程圍繞“可復用、可復現”核心目標，打通從路測到問題復核的全鏈路，具體分為四個階段：
（1）階段1：路測采集
車輛在真實道路采集圖像與相關數據，沉淀為 ROSBAG 數據包。
（2）階段2：離線回放
在 ADTF 環境中，通過 ros2bag_image_replay 讀取指定圖像主題，按回放節奏輸出標準視頻流。
（3）階段3：可視化觀察
demo_qt_video_display 負責窗口展示，同時疊加關鍵回放信息，幫助測試工程師快速判斷當前狀態。
展開 穿透數據迷霧：2025 年可穿戴設備測試的技術突破與實踐路徑
2025 年全球可穿戴設備市場規模即將突破數百億美元，運動識別、生物傳感等核心技術的創新迭代，正推動測試體系從 "參數驗證" 向 "場景復現" 全面升級。如何構建覆蓋多維度、適配新場景的測試能力，成為決定產品競爭力的關鍵命題。
一、技術迭代倒逼測試體系重構
可穿戴設備的功能邊界持續拓展，傳統測試框架已難以應對技術創新帶來的挑戰。從傳感器融合到 AI 算法落地，每一項技術突破都對應著全新的測試維度。
（一）多傳感器融合的精度校驗難題
當前主流設備普遍采用 "加速度計 + 陀螺儀 + 生物傳感器" 的多模組方案，例如某旗艦智能手表集成了 12 種傳感器，數據交互復雜度較三年前提升 4 倍。這種融合帶來了兩個核心測試痛點：一是不同傳感器數據的時間同步誤差，二是復雜運動下的耦合干擾。某運動手環測試數據顯示，未校準前的跑步步頻識別誤差可達 15%，主要源于加速度計與陀螺儀的采樣頻率不同步。
針對這一問題，行業已形成標準化測試流程：采用 IBS 精密轉臺模擬 0.1° 級的角度變化，通過 Keysight 數據采集系統同步捕獲多傳感器輸出信號，依據 ISO 16063-21 標準校驗動態誤差。在真人測試環節，需覆蓋散步、沖刺、跳躍等 12 種典型運動狀態，確保融合算法在極端場景下的穩定性。
（二）AI 驅動下的場景化測試革新
人工智能的深度應用讓可穿戴設備實現了從 "數據采集" 到 "智能解讀" 的跨越，例如通過心率變異性數據預判運動損傷風險。這種智能化升級要求測試體系突破 "靜態指標驗證" 的局限，轉向 "動態場景建模"。
在智能眼鏡的運動識別功能測試中，測試團隊構建了包含 10 萬 + 動作樣本的數據庫，覆蓋不同年齡、體型用戶的運動特征。
展開 直播預告 | 基于人工智能的材料測試數據擴充與快速預測
針對材料性能測試周期長、成本高的問題，海克斯康融合物理測試、虛擬實驗和人工智能技術，開發出一套基于人工智能的材料數據擴充解決方案。該方案旨在幫助客戶快速獲取準確可靠的材料屬性數據。
該解決方案工作流程中的三種方法
海克斯康基于人工智能的材料數據擴充解決方案主要包含以下兩部分：
■材料數據的存儲與管理：對客戶的材料數據進行結構化存儲，并提供便捷的展示方式，有效解決材料數據在存儲、使用和共享環節的難題。
■材料數據的擴充：通過結合材料數據擴充的三種經典方法，即實驗測試、虛擬材料建模和人工智能，搭建了一種材料數據擴充智能化解決方案。該方案能夠幫助客戶利用少量材料測試數據，精準預測更廣泛條件下的材料屬性（如靜力學性能、蠕變性能、疲勞性能等）。這確保了客戶能夠高效、準確地獲取用于仿真分析所需的高質量材料數據，同時顯著提升仿真結果的精度與可靠性。
本期直播講堂請到了海克斯康工業軟件應用專家常誠，在直播間中講師將詳細介紹海克斯康基于人工智能的材料數據擴充解決方案及各功能使用方法，并結合多個實際應用案例，分析該解決方案的應用實效和賦能價值。敬請關注！
直播報名
7月9日 14:00
▲ 掃碼參與報名
立即預定
直播內容聚焦
? 基于人工智能的材料數據擴充解決方案功能介紹及使用
? 復合材料靜力學性能、蠕變性能、疲勞性能擴充實際案例及精度對比
? 使用上述解決方案的投資回報率（ROI）
常誠
海克斯康工業軟件應用專家
工程力學博士，在CAD/CAE行業擁有8年工作經驗，在汽車零部件設計與仿真、航天航空、能源建筑等領域有豐富經驗。
展開 自動駕駛虛擬仿真技術（三）：仿真測試場景數據格式
作者 | HYZY
出品 | 焉知
知圈 | 進“汽車智能互動社群”請加微信13636581676，備注交互
一、相關標準體系
1、OpenX
目前最受關注的仿真測試場景數據格式標準體系是德國自動化及測量系統標準協會（ASAM）推出的OpenX系列標準體系，該標準體系試圖從靜態仿真場景、動態仿真場景 、環境場景等多個維度對仿真測試場景數據格式進行標準化。
圖 1 OpenX自動駕駛仿真測試標準體系
OpenX系列標準現主要包括OpenDRIVE、OpenSCENARIO、Open
Simulation Interface(OSI)、OpenLABEL和OpenCRG五大部分：
OpenDRIVE和OpenCRG主要定義了靜態場景的數據格式；
OpenSCENARIO針對動態場景的數據格式；
OpenLABEL將對于原始數據和場景給出統一的標定方法；
OSI連接了自動駕駛功能與仿真工具，同時集成了多種傳感器。
2、RoadXML
RoadXML將交通環境劃分為四個層次，以利于實時應用程序的快速數據訪問：
拓撲層：描述元素在路網中的位置和連接關系
邏輯層：描述元素在道路環境中的意義；
物理層：描述元素的屬性（路面或障礙物）；
可視化層：描述元素的幾何形狀和三維特征。
展開 
如何在Maxwell中根據測試的圖片的來擬合數據
如何在Maxwell中根據測試的圖片的來擬合數據
在測試磁性材料的BH曲線，或者根據網絡資料查找到了磁性材料的BH曲線，但是主要為圖片格式，如何準確的提取橫坐標和縱坐標的數值呢？本實例主要說明在Maxwell軟件中根據圖片提取坐標值，使結果更加準確
本方法可以使用于其他需要根據圖片提取數據的情況，方法簡單易用，當然你根據excel軟件來擬合也是可以的
首先將你要讀取數據的圖片保存成jpg格式
1.打開Maxwell軟件，在其中對圖片進行擬合，獲取數據
2.點擊Maxwell/design datasets
3.點擊最下面的sheet scan 數據掃描
4.點擊上面的picture/load picture讀取圖片，將數據加入到文件中
5.點擊上方的坐標系統coordinate system/new,彈出其數據擬合的坐標位置參考。其中point1、point2和point3分別對應坐標系統的原點、X坐標長度和縱坐標的高度，分布點擊三個點，再點擊圖中相應的三個位置
6.將前兩列的數據更改為圖片中表示的坐標值，表示的是點擊的三個點和坐標三個值對應，第一個點，一般為坐標原點，保持0，0即可
7.點擊上方的curve曲線擬合new，然后再曲線設置中填寫相應的X、Y坐標名稱，或保持默認即可，點擊確定后，在圖中曲線上從最左側開始點擊要擬合的曲線，坐數據會出現在左側。
8.點擊file中的保存或者輸出export命令，然后點擊file，保存csv格式即可。
展開 自動駕駛 HIL 測試：構建 "以假亂真" 的實時數據注入系統
01 引言
在端到端自動駕駛的研發競賽中，算法的迭代速度遠超物理世界的測試能力。單純依賴路測不僅成本高昂、周期漫長，更無法窮盡決定系統安全性的關鍵邊緣場景（Corner Cases）。
因此，硬件在環（HIL）仿真測試成為唯一的出路。然而，將仿真數據閉環注入域控制器流程中存在諸多技術難度，特別是高像素相機原始數據，如何無損、無延遲地將數據灌入對時序和信號要求極為苛刻的域控制器中成為了當前調試HiL系統的主要挑戰！
本文將解析如何構建一套真正讓車載控制器“信以為真”的注入系統。通過DMA/RDAM技術實現“零拷貝”數據路徑，從根源上消除傳輸延遲。同精確控制 CSI-2/GMSL2 協議棧，確保信號的物理層保真度。并運用 I2C 作為控制與調試的“生命線”，確保復雜鏈路的穩定建立與監控。
02 系統架構概覽
高保真實時仿真注入系統的核心目標，是將仿真環境中生成的傳感器數據，以極低的延遲和與真實傳感器別無二致的物理信號特性，注入到待測的設備（DUT）中。這套系統的典型架構由三個關鍵部分組成：仿真主機（Simulation Host）、數據注入設備（Injection Device）和待測設備（DUT, Device Under Test）。
數據流的完整流程如下：
（1）數據生成：仿真軟件aiSim在仿真主機上根據預設場景生成相機的原始圖像幀數據；
（2）數據傳輸：這些原始數據通過網絡被發送到數據注入設備；
（3）數據處理與編碼：注入設備上的應用程序（如camera_sensor.cpp中的邏輯）接收數據。
展開 康謀方案 | 多源相機數據采集與算法集成測試方案
<p>在智能化技術快速發展當下，<strong>圖像數據的采集與處理</strong>逐漸成為自動駕駛、工業等領域的一項關鍵技術。高質量的圖像數據采集與算法集成測試都是確保系統性能和可靠性的關鍵。隨著技術的不斷進步，對于圖像數據的采集、處理和分析的需求日益增長，這不僅要求我們擁有<strong>高性能的相機硬件</strong>，還要求我們能夠<strong>高效地集成和測試</strong>各種算法。</p><p>我們探索了一種<strong>多源相機數據采集與算法集成測試方案</strong>，能夠滿足不同應用場景下對圖像采集和算法測試的多樣化需求，確保數據的<strong>準確性</strong>和算法的<strong>有效性</strong>。</p><h2><strong>一、相機組成</strong></h2><p>相機一般由<strong>鏡頭(Lens)</strong>，<strong>圖像傳感器(Image Sensor)</strong>，<strong>圖像信號處理器(Image Signal Processor, ISP)</strong>，<strong>接口</strong>組成。
展開 測試數據竟是“數字資產”？看測迅達自動熔指系統如何硬核破局！
▲ 測迅達MATS-MF1G2自動熔指儀系統
? 測試順序與物料牌號一一對應：上料時錄入信息，系統自動關聯，確保數據歸屬清晰。
? 測試完成后數據自動上傳：無需人工干預，實時傳輸至LIMS系統，按牌號自動分類儲存。
? 減去人工抄錄環節：將實驗員從"數據搬運"中解放，專注于更有價值的工作。
當檢測數據自動匯入企業的數據中臺，會發生什么？
質量管理者可以隨時調取任一牌號的歷史數據；工藝人員可以分析長期趨勢優化配方；審核人員可以一鍵導出完整的審計追蹤報告。
檢測，從成本中心，真正轉變為企業的數據資產。
智能決策：讓新手也能執行專家級測試
測迅達內置覆蓋常見材料的專業數據庫，將數十年材料檢測經驗轉化為可調用的數字資產。
? 輸入牌號，自動匹配：只需輸入材料牌號，系統即刻自動設定最佳測試溫度、砝碼重量與預熱時間、壓料次數，無需翻閱標準文檔，無需憑經驗猜測。
? AI持續學習，優化推薦：系統記錄每一次測試數據，AI算法不斷優化參數匹配模型，讓推薦方案越來越精準。
? 異常智能分析：當測試結果出現偏差，系統可基于歷史數據提供可能的原因分析與解決思路，成為操作員的"智能副駕"。
從此，材料檢測不再依賴個人經驗。新手也能一鍵執行專家級測試，確保每一次結果都精準可靠。
不止于數據，更是可靠的自動化平臺
當然，精準的數據必須來自精準的測量。測迅達智能檢測設備在基礎性能上同樣追求極致：
? 溫控精準：溫度分辨率0.01℃，軸向溫差<±0.2℃，溫度波動<±0.1℃，優于標準要求。
? 體積測量準：高分辨率位移傳感器，分辨率達0.003mm，保證測量結果一致性。
展開 