整車在環的案例
經緯恒潤整車在環測試實驗室發布新技術特性
作為國內最早開展整車在環仿真測試技術預研的企業之一，經緯恒潤自2016年起，正式啟動了整車在環仿真相關技術的預研工作。整車在環實現了從半實物仿真到機械混合仿真的跨步，將功能測試與性能測試打包整合，從整車完整的功能和機械表現，評價了車輛整體能力。近年來，伴隨著汽車行業從新能源時代正逐步向智能網聯時代發展，經緯恒潤的整車在環測試系統又取得了那些新的技術進展呢？
· 完全自主知識產權的可移動軸耦合測功機臺架增加了轉向負載/轉向回正系統，解決了傳統測功機不支持轉向工況測試的問題，這一技術特性對智能駕駛仿真測試至關重要；
· 無縫集成經緯恒潤自主研發的場景和車輛動力學軟件ModelBase，ModelBase動力學仿真開放至底層與測功機臺架控制結合，更大程度地提高仿真精度；
· 集成真實的底盤機械結構，通過軸耦合測功機提供道路負荷模擬，采用整車原始的轉向、制動、驅動等系統，更大程度保證車輛的原始狀態；
· 與經緯恒潤智能駕駛HIL仿真技術同源，智能駕駛傳感器仿真采用新版的仿真技術，如4D毫米波雷達、虛擬地圖盒子、螺旋式固態激光雷達等。
這些新的技術已經在國內某研發中心L3+級智能駕駛車型平臺開發過程中發揮重要作用，經緯恒潤幫助國內某研發中心構建整車在環實驗室，在實驗中構建車輛道路運行環境和工況，評估車輛智能駕駛行為以及依賴智能駕駛的整車性能表現。
經緯恒潤整車SYNO實驗室
展開 智能駕駛整車在環實驗室 SYNO 解決方案
當前智能網聯車輛的測試手段依賴單部件、單系統的測試，一方面測試周期長，人力 \ 設備投入成本高，另一方面缺乏整車環境，測試范圍窄，無法形成完善的智能網聯汽車測試驗證評價體系。
整車在環 SYNO(Simulation In DYNO)系統是經緯恒潤結合10多年的汽車電氣開發和測試經驗推出的全新一代面向智能網聯車輛的測試平臺。解決方案融合了 HIL( 硬件在環 ) 技術、雷達仿真技術、視景仿真等技術、道路負載模擬技術，并集成了 HIL 系統、輪邊測功機系統、車輛動力學模型、場景仿真、傳感器仿真等模型，在實驗室環境下構建出豐富的智能網聯車輛測試場景和工況。
測試項目
?整車集成控制測試
?危險極限場景測試
?基于真實智能駕駛場景測試
?整車能量評估測試(定量)
?整車行駛功能評價(定量)
?整車耐久性測試(定量)
?整車問題復現，回歸測試
?ADAS及智能駕駛測試
?整車動力系統扭矩分配功能測試(定量)
?整車網絡通信測試(包含車內網和車外網)
?集成被測車輛橫縱向道路負載模擬功能
?動態工況、靜態極限工況測試與驗證
系統組成
?感知層仿真系統
? 視頻暗箱\視頻注入板卡\目標列表仿真
? 雷達模擬器\目標列表仿真
? 超聲波雷達模擬系統
? V2X、GNSS模擬
?場景層仿真系統
? 視景仿真軟件
? 場景庫
? 環幕系統
?車輛動力學環境(執行結構負載層仿真)系統
? 車輛動力學軟件及實時仿真環境
? 可移動軸耦合測功機
? 轉向負載仿真
? 制動系統(ESP/ESC)組合傳感器仿真
展開 智能駕駛整車在環實驗室SYNO解決方案
當前智能網聯車輛的測試手段依賴單部件、單系統的測試，一方面測試周期長，人力、設備投入成本高；另一方面缺乏整車環境，測試范圍窄，無法形成完善的智能網聯汽車測試驗證評價體系。
整車在環SYNO（Simulation In DYNO）系統是經緯恒潤結合10多年的汽車電氣開發和測試經驗推出的新一代面向智能網聯車輛的測試平臺。解決方案以HIL（硬件在環）技術為基礎融合雷達回波仿真、視覺傳感器仿真、超聲波雷達回波仿真、激光點云仿真、GNSS仿真、高精度地圖仿真、車輛動力學仿真、輪邊可轉向測功機、場景仿真等技術。該方案在實驗室環境下構建出豐富的智能網聯車輛運行場景和工況，可以輕松在實驗中完成以往在場地或者開放道路中才可以完成的測試。
展開 自動駕駛測試方法和流程綜述！
自動駕駛測試流程包括數據收集、數據標注、數據分析和模型優化、仿真測試、整車在環測試、硬件在環測試和軟件在環測試等多個環節：
| 數據收集
數據收集需要對不同場景和不同路況下的數據進行采集，以建立完整的測試數據集。同時需要考慮多個因素，包括測試環境、測試路線和測試設備等方面。數據采集過程中需要記錄車輛狀態、傳感器數據和環境信息等多個方面的數據，以支持后續的數據標注和分析。
| 數據標注
數據標注需要對采集的數據進行標注，以構建自動駕駛系統的訓練數據集。數據標注需要考慮多個因素，包括標注標準、標注工具和標注質量等方面。數據標注過程中需要對車輛狀態、路線信息和傳感器數據等多個方面進行標注，以支持后續的模型訓練和測試。
| 數據分析和模型優化
數據分析和模型優化需要對采集的數據進行分析和優化，以提高自動駕駛系統的性能和安全性。數據分析和模型優化需要考慮多個因素，包括數據質量、數據分析工具和優化算法等方面。數據分析和模型優化過程中需要對數據進行預處理、特征提取和模型訓練等多個方面的處理，以提高自動駕駛系統的準確性。
| 仿真測試
通過在計算機仿真環境中對自動駕駛系統進行測試，可以減少實驗成本和實驗風險，同時可以快速獲得測試結果。仿真測試需要建立完整的仿真環境和仿真模型，包括車輛動力學模型、環境模型和傳感器模型等方面。在仿真測試中，需要對自動駕駛系統進行功能測試、性能測試和安全性測試等方面的驗證。
| 整車在環測試
整車在環測試需要將自動駕駛系統安裝在整車上，進行路試測試。
展開 
李彥宏剛提出“智能汽車未來更像智能機器人”的新觀點，背后的造車秘訣就被挖出來了！
自動駕駛數字孿生測
試VRIL
(Virtual Reality in theLoop)則是真實的車輛行駛在真實的測試場地中，同時映射到虛擬的測試環境中的整車閉環測試。
在虛擬仿真系統中建立環境、道路、交通參與者、測試車輛的模型及其配置的傳感器模型，虛擬傳感器在仿真環境中探測到的目標信息發送給搭載自動駕駛算法的測試車輛進行信息融合與決策控制，測試車輛在測試場地內運行的同時，測試車輛的運動狀態信息采集并反饋給虛擬場景，從而完成虛、實狀態的同步，實現整個數字孿生系統的閉環實時仿真測試。
結合場景庫數據，可以快速的設置貼近真實交通環境的測試條件，有效提升測試的效率與真實度。
自動駕駛數字孿生測試相比傳統方式具有如下五大優勢：
1、相比純仿真測試，VRIL采用真實的路面、真實的控制器和車輛執行機構，測試環境更符合實際情況，測試結果更真實可信；
2、相比單個控制器的硬件在環測試，VRIL可以測試車輛整體的性能與執行效果；
3、相比整車在環測試(VIL)，VRIL不需要建立需要轉轂設備的測試實驗室，以較低的成本即可實現整車級在環測試；
4、相比實車場地或道路測試，VRIL可以快速便捷地重現危險事故場景與關鍵測試場景而不虞有碰撞的危險，測試的效率更高、安全性更高、成本也較低；
5、結合5G、V2X等技術，還可以對真實交通流進行數字孿生，將測試車輛置于實時的動態虛擬交通流中進行測試。
作為
中國頭部企業首選的產品開發平臺解決方案服務商
，優飛迪在助力車企研發設計智能汽車方面，提出了“
智能汽車仿真設計研發解決方案
”，從概念設計到詳細設計的連貫仿真，每種物理場包括力學仿真、流體仿真、電磁場仿真等，都可以利用不同的軟件工具進行，最終結合在一起。
展開 汽車高精度衛星導航硬件在環HiL測試怎么做？
挑戰一
衛星導航硬件在環GNSS HiL
在各種可能的條件和變化下驗證自動駕駛和車聯網功能對汽車開發領域提出了重大挑戰。例如，自動緊急制動 (AEB) 和自適應巡航控制 (ACC) 之類的功能，甚至是在高速公路自動駕駛條件下的全自動功能，都需要在多種場景和車輛配置下，對車輛進行大量的功能性和非功能性的驗證和優化。
目前，ADAS 和 AD 驗證主要采用兩種方法：在公共道路或試驗場上進行駕駛測試和基于硬件在環 (HiL)或者整車在環ViL的測試。
圖1：自動駕駛汽車的硬件在環HiL和整車在環ViL測試平臺
挑戰二
高精度衛星導航
GNSS市場在很多因素的驅動下正在快速發展，由于車聯網市場、無人駕駛的出現，車載導航的要求也在不斷增加，從最初的標準定位SPS（Standard Positioning System）需求，發展到現在的高精度定位PPS（Precise Positioning System）需求。
展開 經緯恒潤全鏈路測試平臺，助力智能駕駛技術落地應用
虛實結合
模型代碼經過測試后，刷寫到智駕域控或中央計算單元中，進行硬件在環測試，可以結合真實的硬件響應，確保代碼在特定的硬件平臺下能夠高效穩定運行。智能駕駛是汽車電子最具前景的技術之一，作為國內汽車電子硬件在環設備先行者，經緯恒潤提供滿足L2-L4級別的智能駕駛算法驗證解決方案，擁有高渲染精度的仿真場景，針對攝像頭、超聲波、毫米波、激光雷達、高精定位、高精地圖等智能駕駛傳感器均有不同等級得解決方案，滿足客戶定制化的需求。近年來恒潤也支持一汽、上汽、長安、北汽、東風、江淮、蔚來、小鵬、車和家、清華、西安交大、北航等OEM和高校客戶建立起自己的智能駕駛仿真系統，承接和交付不同級別智能駕駛仿真系統上百套，協助他們進行智能駕駛算法快速開發及驗證。
經緯恒潤結合十余年汽車電氣開發和測試經驗，推出全新一代面向智能網聯車輛的測試平臺——整車在環 SYNO(Simulation In DYNO)測試系統。該系統融合了 HIL( 硬件在環 ) 技術、雷達仿真技術、視景仿真技術、道路負載模擬技術，并集成了車輛動力學、場景仿真、傳感器仿真等模型，在實驗室環境下構建出豐富的智能網聯車輛測試場景和工況。實現實車真實動力在環仿真，能夠在實驗室里面針對實車進行功能安全、信息安全及危險工況測試；同時，對于新開發的車載軟件升級部署后，可以實現整車級測試用例復用，在實車環境下開展自動化測試。
真實環境
即便經過了前序充分測試，但安全無小事，無人駕駛車輛還是需要在開放道路上做最終驗證。
展開 智能駕駛如何搭建場景并設計創新性功能
首先，以路側數據、車載數據、虛擬數據三種來源輸入、存儲場景源；其次，要通過場景挖掘、場景分類、場景演繹等方式有層級、有規劃地構建場景庫；最后將場景庫應用于場景測試環節，包括軟件在環、硬件在環、整車在環、封閉道路、開放道路五種。而系統設計中則需要更多的關注以上場景構建所帶來的安全性、舒適性、新穎性等問題。
一文詳解智能駕駛感知系統測試技術
盡管如此，道路測試作為傳統汽車測試不可缺少的 一環，在自動駕駛感知測試中極為重要。
從測試類型上看，感知系統測試針對車輛開發生命周期，存在不同的測試內容。自動駕駛測試可分為模型在環(MiL)測試、軟件在環（SiL）測試，硬件在環 (HiL)測試、整車在環 (ViL) 測試等。本文重點介紹自動駕駛感知系統測試 SiL 和 HiL 相關部分。HiL 包含感知硬件設備，如攝像頭、激光雷達、人機交互感知模塊。而 SiL 通過軟件仿真來替換真實硬件產生的數據。兩者的測試目的都是在于驗證自動駕駛系統的功能、性能、魯棒性和可靠性等。針對特定的測試對象，不同類型的測試在每個感知系統開發階段，結合不同的測試技術，完成對應的驗證要求。當前自動駕駛感知信息主要來源于對幾類主要數據的分析獲得，包括基于圖像（攝像頭）、點云（激光雷達）、以及融合感知系統。本文主要分析這三類數據的感知測試。
2 自動駕駛圖像系統測試
多類型攝像頭采集的圖像是自動駕駛感知最為重要的輸入數據類型之一。圖像數據能夠提供車輛運行前視、環視、后視和側視環境信息，幫助自動駕駛系統實現道路測距、目標識別與跟蹤、自動變道分析等功能。圖像數據具有多種格式，例如 RGB 圖像、語義圖像、景深圖像等。這些圖像格式存儲具有各自的特點，例如RGB圖像色彩信息更加豐富，景深圖片則包含更多的場景深度信息，語義圖像基于像素分類獲得，對于目標檢測和跟蹤任務更加有利。
基于圖像的自動駕駛感知系統測試依賴大規模的有效交通場景圖像進行訓練和測試驗證。然而真實道路采集數據人工標注成本高昂，數據采集周期過長，危險場景人工駕駛法律法規不完善，且標注質量參差不齊。同時，交通場景數據還受到數據來源單一、數據多樣性不足等因素影響，不足以滿足自動駕駛研究的測試驗證要求。
展開 自動駕駛為什么總出事？機器不應該比人更可靠嗎？
事實上傳統的整車也會做這樣的臺架試驗，但是對傳統的整車而言，智能的部分不需要測，因為是人在開嘛。只需要測車本身相關的機械性能、電子性能等等；不需要準確的道路模擬，包括轉向模擬、慣量模擬等等；也不需要進行精準的車姿計算；還不需要關鍵場景——通常就是在一段循環工況上，通過統計數據來發現噪音性能、燃油經濟性能等等。
針對這些問題，我們團隊就做了針對自動駕駛的整車在環測試臺架。
首先，我們進行了準確的道路轉向阻力模擬以及轉動慣量的模擬。這樣我們可以加載各類的工況，道路的摩擦阻力、風阻、坡阻等都可以加載。
其次，雖然車輛靜止在臺架上，但因為它有真實的動力輸入和剛才提到的道路負載，所以我們可以得到相對準確的車姿，然后再經過標定，我們就能夠計算出準確的姿態。這樣可以在整個運行過程中測試到，車輛是不是能夠做到完美的避讓、完美的超車等等。
第三就是關鍵場景。哪怕我們在長直的路面上測100億公里，也沒有太大的意義，因為我們暴露不出來那些真正的問題。這些真正的問題需要用到相對比較復雜的事故分布等，參數都要一致。
除此之外，我們還要進行測試加速，通過重要性采樣、代理模型等方法，我們就能夠對場景加速200倍左右。
接下來就是測什么。我們剛才提到為什么測和怎么測，“測什么”這個問題也很重要。
▲ 三部委關于印發《智能網聯汽車道路測試與示范應用管理規范（試行）》
工信部聯通裝〔2021〕97號
這是一個三部委聯合發布的中國智能網聯汽車測試項目，大概14個大類，30多個小項。
我舉幾個例子，比如說在交通標識線的識別和響應中，我們可能要測限速標識、車道線標識、停止線標識以及斑馬線標識。
在交通燈部分，我們大概需要測幾十種，要求車輛做準確的識別和響應。
展開 面向預期功能安全的決策規劃系統仿真測試方法
2 綜述：面向SOTIF的決策規劃系統仿真測試方法
由于決策規劃系統的輸入輸出都是信息和信號，相對于整車在環或場地實車測試而言，系統在環仿真測試是對其進行測試的最主要手段（等效性高、測試效率高、成本低）。此外，在測試過程中，一般將決策規劃系統視為“黑箱”處理。
以下繼續圍繞第一部分留下的關鍵問題，將現有的相關測試方法做分析和梳理，希望明確其中較為可行的仿真測試方法及其適用性。
在此借用一下哈貝馬斯（Habermas）哲學分析理論里的兩個概念：系統（System）與生活世界（Life world）；前者是人為設計的、規范的，而后者是自然發生的。各種面向決策規劃系統的測試方法，也可以依據這兩個概念進行分類：
「第一類方法」
將測試場景視作“系統（System）”——做設計；即，通過分析和定義場景里的關鍵對象、要素和變量及其取值范圍，設計場景；
「第二類方法」
將測試場景視作“生活世界（Life world）”——使發生；即，通過具有自主行駛能力的智能體或智能體集群形成的動態背景車（Surrounding vehicles）與被測對象（Vehicle under test）發生交互，產生場景。
表1. 兩大類仿真測試方法的對比
先說第二類方法，其中的關鍵工具就是生成動態背景車（及背景車系統）的機器學習算法；比較常見的包括不限于：深度強化學習、逆強化學習和對抗生成。需要強調兩個特點：
「測試的高效性」
測試的高效性是這類方法主要追求的設計目標。
展開 
面向預期功能安全的決策規劃系統仿真測試方法
2 綜述：面向SOTIF的決策規劃系統仿真測試方法
由于決策規劃系統的輸入輸出都是信息和信號，相對于整車在環或場地實車測試而言，系統在環仿真測試是對其進行測試的最主要手段（等效性高、測試效率高、成本低）。此外，在測試過程中，一般將決策規劃系統視為“黑箱”處理。
以下繼續圍繞第一部分留下的關鍵問題，將現有的相關測試方法做分析和梳理，希望明確其中較為可行的仿真測試方法及其適用性。
在此借用一下哈貝馬斯（Habermas）哲學分析理論里的兩個概念：系統（System）與生活世界（Life world）；前者是人為設計的、規范的，而后者是自然發生的。各種面向決策規劃系統的測試方法，也可以依據這兩個概念進行分類：
「第一類方法」
將測試場景視作“系統（System）”——做設計；即，通過分析和定義場景里的關鍵對象、要素和變量及其取值范圍，設計場景；
「第二類方法」
將測試場景視作“生活世界（Life world）”——使發生；即，通過具有自主行駛能力的智能體或智能體集群形成的動態背景車（Surrounding vehicles）與被測對象（Vehicle under test）發生交互，產生場景。
表1. 兩大類仿真測試方法的對比
先說第二類方法，其中的關鍵工具就是生成動態背景車（及背景車系統）的機器學習算法；比較常見的包括不限于：深度強化學習、逆強化學習和對抗生成。需要強調兩個特點：
「測試的高效性」
測試的高效性是這類方法主要追求的設計目標。
展開 經緯恒潤TestHouse為車企提供更多選擇
基于汽車行業痛點，經緯恒潤已建立整車電子電氣測試、軟件測試、仿真測試、云仿真四個TestHouse實驗室，獲得國家和眾多整車廠的認可，為近百家企業產品保駕護航。
▎整車電子電氣實驗室
整車電子電氣測試實驗室建立于2014年，現有工作人員17名，占地面積80平方米，各類檢測設備、儀器12臺（套）。實驗室在車載以太網（百兆）測試和車載以太網（千兆）測試方面有著豐富經驗，是目前行業中規模與設備都較為先進的企業產品實驗室。當前已與吉利、一汽紅旗、北汽新能源、長城等OEM簽訂了第三方測試許可，為整車廠和相關供應商測試過上百個樣件。
▎軟件測試實驗室
軟件測試實驗室建立于2011年3月，已獲得中國合格評定國家認可委員會（CNAS）認證。業務范圍覆蓋通用應用軟件領域及嵌入式軟件領域的軟件檢測活動，通過各類軟件測試工具（如靜態分析工具QAC、單元和集成測試工具Tessy等）及測試臺架，為客戶提供成熟可靠測試服務。
▎三電動力在環仿真測試實驗室
三電動力在環仿真測試實驗室建立于2016年，實驗室設置1個控制室、2個動力實驗室，占地面積260平方米，其中試驗場地188平方米，擁有各類檢測設備、儀器11臺（套），是國內較早把仿真測試和功率級臺架集成一起的實驗室。該試驗系統兼顧了HIL仿真測試系統和測功機臺架的優點，既可以進行軟件功能邏輯測試，也可以進行整車級性能測試，還可以在車型開發過程中用仿真的手段進行超前測試。三電動力在環仿真測試實驗室測試能力包括新能源車輛三電系統軟件功能測試、故障診斷測試、整車動力性測試、整車能量管理測試等。
展開 聚焦移動和固定業務毫米波雷達干擾等關鍵性問題，毫米波雷達無線電研究（內江）外場試驗即將開展
本單元還可以通過光纖網絡接入整車硬件在環（HIL）系統，實時接收場景產生軟件生成的目標參數，進行目標回波的實時仿真。
? 道路環境噪聲模擬解決方案
道路環境噪聲模擬單元的主要功能是模擬實際道路上其他電子設備的輻射信號，如ETC設備，民用通信設備，道路監測設備，其他車輛安裝的電子設備等，外部電子設備的電磁輻射會對雷達產品產生電磁干擾，從而影響雷達的工作性能。本單元主要通過模擬實際道路上常見的電磁信號，檢驗毫米波雷達在復雜電磁環境下的工作性能，以及對其他電子信號的電磁兼容能力。
? 同頻雷達干擾模擬解決方案
同頻雷達干擾模擬單元的主要功能是仿真多部不同型號，不同品牌的毫米波雷達在同一區域內工作時相互之間的影響和干擾。車用毫米波雷達主要工作在24-24.5G，76-81G兩個頻段內，隨著毫米波雷達的裝車量增大，將面臨在局部區域內或某頻段內的頻譜占用率高的情況，如停車場，道路堵車等場景，這會導致雷達回波信噪比下降，檢測性能下降。本單元可以模擬工作在同一頻段，不同型號，不同廠商的雷達信號，可以定制模擬不同數量的雷達產品，對待測雷達的抗干擾性能進行定量評估，檢驗不同型號雷達在高頻譜占用率情況下的工作能力。
? 蓄意壓制干擾模擬解決方案
蓄意壓制干擾模擬單元的主要功能是模擬毫米波雷達處于蓄意壓制干擾情況下的工作性能，當外部電磁環境特別惡劣，雷達工作頻段被干擾設備大功率占據時，雷達的抗干擾能力尤其重要。本單元可以模擬雷達在遇到大功率信號壓制干擾時的工作性能，可以定量測試雷達對干擾的抑制能力。上圖為某商用雷達在大功率信號干擾時，出現目標檢測錯誤和虛假目標大量出現的現象，雷達功能基本喪失。
展開 基于AI模型和全頻譜仿真的高保真減振器虛擬調校【5.19 直播預告】
</p><p class="ql-align-center"><img src="https://img.jishulink.com/202605/imgs/a6f4c962d21c439c8fec1efbee790ef2"></p><p><strong>??直播內容與亮點</strong></p><p>1?? AI-MBD如何在整車和駕駛員在環仿真中提高減振器模型的準確性</p><p>2?? VI-grade緊湊型 FSS 模擬器如何通過運動提示、振動反饋和硬件在環集成實現更快、更逼真的調校</p><p>3?? Astemo如何將沉浸式仿真應用于評估微調變化、重現道路輸入并加速底盤開發</p><p class="ql-align-center"><img src="https://img.jishulink.com/202605/imgs/98d254934994441dab857585988990dd"></p><p><br></p><p class="ql-align-center"><strong>全頻譜仿真技術進階：賦能沉浸式車輛開發</strong></p><p><strong>直播時間：</strong>5月19日 15:00</p><p><strong>直播講師：</strong>張炎</p><p>VI-grade中國區高級應用工程師，從事車輛動力學仿真、NVH仿真及駕駛模擬器應用技術支持工作。熟悉駕駛模擬器在車輛動力學、NVH、智能駕駛等領域的應用。</p><p><strong>適用人群：</strong>從事車輛底盤舒適性開發及評價、NVH開發及評價、座椅舒適性評價、輪胎選型及評價等工程師；以及對應工作內容的供應商。
展開 