首页/文章/ 详情

车辆动力学仿真软件PanoCar——赋能智能驾驶研发新高度

8月前浏览900

一、PanoCar软件介绍

车辆动力学模型与软件在车辆设计和开发过程中发挥着至关重要的作用,更是汽车电动化和智能化仿真测试不可或缺的重要工具。它对于预测车辆性能、优化车辆设计、提升行驶安全性与舒适度,减少能耗并满足环保要求,以及提高研发效率、降低成本等都具有重要的意义。

PanoCar作为一款自主研发的高精度、功能强大的车辆动力学仿真软件,不仅集成了复杂且精确的车辆动力学模型,而且还具备高效率仿真和高稳定性数值计算等特征,可在包括Windows/Linux等操作系统、NI-RT、Concurrent、YISU、LinksBox、LabCar等各类实时硬件平台,以及Matlab/Simulink等各种软件环境下满足大规模、长周期、稳定可靠的实时仿真需求,与国际主流车辆动力学仿真软件CarSim高度兼容且高度一致。

PanoCar以其精确的车辆模型、卓越的仿真性能、友好的操作体验和高度的可扩展性,赋能电动汽车和自动驾驶的仿真测试!

 

图1. PanoCar高精度车辆动力学仿真软件

1. 车辆动力学模型简介

PanoCar集成了复杂的车辆动力学模型,可精确模拟车辆在各种道路和驾驶条件下的动态响应,包括不同路面状况、驾驶输入以及车辆系统之间的相互作用。无论是紧急加速、紧急制动还是高速转弯,PanoCar都能精确地捕捉车辆的瞬态和稳态运动特性,提供全面而深入的车辆性能分析:

·车身动力学和车轮动力学模型;

·燃油动力传动系统模型:包括发动机模型、燃油消耗量模型、液力变矩器、自动变速器、分动器、差速器建模;支持前驱、后驱和四驱等各种动力驱动构型;

·电驱动系统模型:包括电池模型、电机模型、电机效率模型、再生制动能量回收建模,支持前驱双电机、前驱单电机、后驱双电机、后驱单电机、四驱四电机、四驱双电机等分布式和集中式电驱动构型;

·转向系统模型:包括转向管柱、电动助力、齿轮齿条式转向器、转向主销、转向轮等典型转向系统的多刚体动力学建模,包括方向盘转角与扭矩两种控制输入模式,以及后轮转向系统模型;

·悬架系统模型:支持非线性弹簧力、阻尼力、上限位块和下限位块约束力等独立悬架力特性元件配置建模,以及悬架系统的非线性运动学特性(Kinematic)和弹性特性(Compliance)配置建模;

·制动系统模型:支持包括制动主缸压力、制动轮缸压力、制动热衰退等在内的典型制动系统建模,支持典型制动防抱死(ABS)控制系统等;

·驾驶员模型:支持闭环速度和路径跟随控制,支持变速箱挡位自动控制,支持方向盘转角与扭矩控制;

·3D道路路面模型:支持典型的基于X-Y坐标和S-L曲线坐标间的相互转换、基于S-L坐标的3D道路及其路面附着系数、滚动阻力系数等建模;

·空气动力学模型:支持三维空间空气阻力、升力、侧向力和力矩等建模;

·轮胎动力学模型:支持纵侧向复合行驶工况下轮胎力、轮胎弹性迟滞特性、低速行驶工况的建模,支持轮胎滚动阻力矩与功率平衡特性,以及轮胎力与轮胎压缩量或运动量之间关系的建模。

 

图2. PanoCar车辆动力学模型示意图

·软件界面简介

PanoCar提供直观易用的图形界面,可通过直观的图形、生动的动画或详细的图表形式,快速了解车辆性能特点、发现潜在问题,并进行优化改进,从而全面评估并优化车辆操控稳定性、动力及燃油经济性、驾乘舒适性或运动平顺性等。

PanoCar可根据仿真需求定制车辆模型,包括车辆尺寸、质量分布、悬挂系统特性、轮胎等参数的设置。支持用户自定义参数和扩展功能,可根据需求灵活地调整车辆参数、设置道路条件、配置控制系统等,从而构建精细的仿真工况,以评估不同类型和配置车辆的性能等。


   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
   
 
 

图3. PanoCar软件功能示例

2. I/O接口

PanoCar具备出色的可扩展性和可定制性,其车辆模型拥有丰富的输入输出接口,并附有详细的接口说明文档,支持程序通过I/O读写的方式接入外部算法模型,或者替换车辆子模型(例如:动力传动系统、制动系统、悬架弹簧与阻尼力元件等)。此外,PanoCar还可根据仿真需求进行功能定制和二次开发,以满足不同领域、不同项目的多样化和个性化仿真需求。

此外,PanoCar还与PanoSim无缝集成,通过友好便捷的图形界面操作,全面支持车辆各类环境传感器选配与安装、各类复杂道路与天气光照设置、交通场景设置、驾驶任务与智能驾驶员配置等,全面支持汽车各种工况和场景下的自动驾驶传感感知与决策规划、运动控制与执行等丰富且强大的仿真功能。

 
 

图4. PanoCar I/O接口

3. 与MATLAB/Simulink联合仿真

PanoCar作为一款功能强大的仿真软件,支持与包括Matlab/Simulink等在内的许多工程软件的无缝对接,通过高效、稳定的数据交换和协同仿真,支持与自动驾驶和智能网联等系统的集成与联合仿真。此外,PanoCar还内置丰富的MATLAB/Simulink测试用例模型,可帮助用户快速掌握车辆模型各子系统接口的物理意义与使用方法,部分测试用例如下:

仿真示例

仿真示例(中文)

仿真示例说明

ABS Controller

制动防抱死控制器

该示例可帮助用户了解制动轮缸压力控制的接口及使用方法

Aerodynamics

空气动力学模型

该示例用于测试环境风对车辆行驶动态的影响,帮助用户了解空气动力学六分力的接口及使用方法

Driver Model

驾驶员模型

该示例为单点预瞄驾驶员模型,帮助用户了解方向盘输入接口及使用方法,以及如何集成用户自定义的外部车辆侧向控制算法

Electric Vehicle

电驱动动力

传动系统

该示例展示了一个双电机四驱动力传动系统,帮助用户了解如何使用自定义动力传动系统外部模型替换PanoCar默认内置模型

ESC Controller

车身电子稳定性控制系统

该示例展示了如何根据车身运动状态调节制动轮缸压力大小,以提高车辆侧向运动稳定性,帮助用户了解相关接口及使用方法

Longitudinal Acceleration Controller

纵向加速度控制器

该示例展示了一个纵向PI控制器,帮助用户了解外部自定义纵向控制器接入,以及将加速与制动控制信号分离并作用于PanoCar

Magic Formula Tire Model

魔术公式轮胎模型

该示例帮助用户了解如何接入外部自定义轮胎模型,以及轮胎六分力的接口及使用方法

Semi Active Suspension

半主动悬架系统模型

该示例分别展示了一个半主动悬架和主动悬架等外部控制算法在PanoCar车辆模型中的接口及使用方法

Wave Road

波浪路模型

该示例帮助用户了解如何将车辆动力学模型与外部道路的数据交互(轮胎接地点处的高程坐标、两个方向的导数信息)

OpenCRG Demo

OpenCRG道路信息导入模型

该示例帮助用户了解如何将车辆动力学模型与OpenCRG道路信息数据进行交互(轮胎接地点处的高程坐标、两个方向的导数信息)

VTD Demo

VTD与PanoCar联合仿真接口模型

该示例帮助用户了解如何将车辆动力学模型与VTD进行数据交互 

TCS Controller

牵引力控制器

该示例展示了目标扭矩控制器,帮助用户了解前、后电机请求扭矩的接口及使用方法

External Springs

外接悬架弹簧模型

该示例帮助用户了解如何接入外部自定义悬架弹簧模型,以及悬架弹簧力的接口及使用方法

External Transfer Case

外接分动器模型

该示例帮助用户了解如何接入外部自定义传动系统分动器模型,以及传动系统差速器的接口及使用方法

Tank Pivot Turn

坦克掉头模型

该示例展示了如何根据目标车轮转速,控制四轮轮毂电机扭矩大小,以实现车辆原地坦克掉头,帮助用户了解电机扭矩的接口及使用方法


4. 实时仿真(RT版本)

PanoCar具备高效的仿真速度和数值稳定性,可满足大规模、长周期稳定可靠的实时仿真需求。PanoCar可在各类硬件仿真平台上实现1ms数值积分步长的稳定运行,满足各类HIL系统仿真实时性要求。支持包括NI-RT、Concurrent、YISU、LinksBox、LabCar等在内的各种实时仿真平台,提供PanoCar与实时机通讯配置界面,用户可根据需要设置车辆模型与外接模型的输入输出接口、与实时机的通讯协议、通讯地址等。 

 
 

图5. PanoCar实时仿真示意图

5. COM API

通用范式(支持多种语言:C/C++, C#, MATLAB, Python, VB),PanoCar数据库中提供了COM接口API示例,以及Python和Matlab脚本,方便用户二次开发。允许通过外部软件控制PanoCar,实现数据集创建、仿真运行与数据后处理等操作,助力自动化测试流程。API开放数量超过45+。

 

图6. PanoCar COM API示意图

6. 导入CarSim数据库

PanoCar提供CarSim数据库一键导入工具,方便CarSim用户将其数据库批量迁移至PanoCar使用,保留其数据库的完整性和关联性。

 

图7. PanoCar导入CarSim数据库示意图

7. 支持中英文双语配置

PanoCar支持中英双语用户参数配置界面,并同步提供双语版本的帮助文档与操作手册,显著降低了本土工程师的学习门槛,助力用户快速掌握软件功能,提升工作效率。

 

图8. PanoCar中英文双语配置示意图

8. FMU模型导出

FMI/FMU是一个开放的工业标准,旨在实现跨平台、跨工具的模型共享与协同仿真,其核心是将动态模型遵循统一的FMI接口,打包成一个独立的“黑匣子”文件(即FMU)。PanoCar全面兼容FMU 2.0标准,不仅支持独立模式,更实现了接口-模型-参数分离模式。后者尤为关键,它赋予实时机不停机、无需重新编译和部署的能力,大大提高自动化测试的效率。

 

图9. PanoCar FMU模型导出示意图

9. OpenCRG道路解析

OpenX标准体系下的OpenCRG专注于描述精细化的路面形貌信息。在自动驾驶系统的仿真测试中,路面纹理、微观起伏及局部摩擦系数直接影响车辆的动力学响应。PanoCar通过集成OpenCRG模型,能够还原包括沥青颗粒感、减速带震动、破损路面连续颠簸在内的精细化路面状态,使得车辆动力学仿真结果更贴近真实世界,尤其适用于验证底盘电控系统(如ESC、ABS)在低附着力路面或连续激励下的控制性能。

 

图10. PanoCar OpenCRG道路解析示意图

10. 多组仿真数据叠加对比(Data Overlay)

PanoCar不仅支持多组实验数据的记录与对比,还能通过参数曲线和动画,将仿真结果进行可视化分析。该功能旨在帮助工程师精准优化车辆参数,并直观洞察参数修改所带来的车辆运动姿态变化。

 

图11. PanoCar多组仿真数据叠加对比示意图


二、车辆动力学模型介绍

 

1. 车辆动力学建模方法

车辆动力学模型反映给定道路路面、阵风等环境影响下车辆对驾驶员或控制器输入的动态响应,包括车辆的动力性、操纵稳定性和行驶平顺性等。构成车辆动力学的组成因素包括车体(簧上质量)、悬架(弹簧与阻尼器)和轮胎(簧下质量)等,以及转向、动力及传动、制动等系统。车辆动力学建模所遵循的基本物理定律是牛顿第二定律和达朗贝尔原理,其多体动力学建模方法包括牛顿欧拉法、拉格朗日法、凯恩法、哈密尔顿法等,通过构建一组反映车辆受力与运动关系的微分方程研究车辆的动力学特性和动态响应。车辆动力学其建模精度决定了车辆的运动、姿态及轨迹精度,进而直接影响车载传感器的位置和姿态精度,不仅对车辆运动控制,而且对自动驾驶的传感感知及数据融合的准确性均具有重要的影响。

2. 主要状态变量

模型状态变量

自由度

车身(簧上质量,3个平移速度和3个旋转速度)

6

车轮旋转角速度(4个车轮)

4

簧下质量(4个)相对于车体的垂向跳动

4

悬架系统的动态弹性特性(4个簧下质量受力引起的X和Y方向位移与Roll和Yaw角的二阶动态变化)

16

4路油路至轮缸制动系统管路油压的动态迟滞特性

4

4个制动器的转子温度

4

双通道ABS控制器

4

轮胎纵向滑移率与侧偏角的弹性迟滞特性(4个轮胎)

8

发动机曲轴转角

1

发动机节气门一阶动态迟滞

1

发动机燃油消耗量

1

液力变矩器输出端与变速器输入端转角(空档时,变速器输入端与输出端断开,此时液力变矩器输出端与变速器输入端为一个整体,此自由度存在,否则不存在)

1

变速器输出轴转角

1

电驱动系统电机扭矩的动态迟滞特性(激活电驱动动力传动系统时生效,最多可4个电机同时工作)

4

电驱动电池荷电状态(SOC)

1

悬架系统摩擦力迟滞特性(4个独立悬架)

4

转向系统转角(扭矩输入模式时为2个自由度,转角输入模式为1个自由度)

2

转向系统管柱摩擦阻力矩的动态迟滞特性

1

转向系统管柱助力的迟滞特性(转向系统管柱助力激活时,此自由度生效)

1

转向系统齿条助力的迟滞特性(转向系统齿条助力激活时,此自由度生效)

1

驾驶员模型纵向控制量的一阶迟滞(加速信号与制动主缸油压信号的一阶迟滞)

2

驾驶员侧向控制量的二阶迟滞特性(方向盘转角控制量的二阶迟滞)

1

二自由度动力学参考模型的侧向速度和横摆角速度(驾驶员路径跟随侧向控制模式激活时,此自由度生效)

2

3. 非线性属性与表格

参数非线性特性可由用户选择配置,支持以下设置方式:

·常量模式

·线性系数模式

·一维线性插值模式

·一维样条插值模式

·一维分段常数插值模式

·二维双线性插值模式

·二维双三次样条插值模式

·二维分段常数插值模式

4. 车辆刚体动力学模型

车辆坐标系下车身动力学包括六个自由度,分别为三个平动和三个转动,包括纵向、侧向和垂向运动,以及横摆、俯仰和侧倾运动。

车轮动力学则是在车轮坐标系下包括其各自围绕轮轴旋转构成的四个转动自由度。

5. 燃油动力传动系统模型

·支持驱动构型(燃油):前驱、后驱与四驱

·基于二维表格插值的发动机扭矩计算模型

·基于二维表格插值的燃油消耗率计算模型

·基于一维表格插值的液力变矩器扭矩计算模型

·液力变矩器锁止离合器模型

·速敏型中央限滑差速器模型(四驱模式)

·速敏型轮间限滑差速器模型(前、后驱模式)

·支持用户配置激活差速器锁止离合器

·支持用户配置发动机节气门一阶瞬态特性

·支持用户配置传动系统的自然频率与阻尼比,用于描述传动系统的柔性特性

·支持用户配置自动变速器升挡临界线

·支持用户配置自动变速器降挡临界线

·支持用户配置自动变速器挡位数(最高18挡)

·支持用户配置变速器不同挡位对应的传动比系数

·支持用户配置变速器不同挡位对应的转动惯量

·支持用户配置变速器不同挡位对应的正反向传动效率

   

动力传动系统(燃油车四驱模式)

   

动力传动系统(燃油车前/后驱模式)

图12. 燃油车动力传动系统示意图

6. 电驱动动力系统模型

·支持电驱动构型(纯电):双电机前驱、单电机前驱、双电机后驱、单电机后驱、双电机四驱、四电机四驱

·基于等效内阻法(Rint)的一阶电池模型

·基于一维表格插值的电机扭矩计算模型

·基于二维表格插值的电机效率(机械功率/电功率)计算模型

·再生制动能量回收功能

   
   
   
   
   
   

图13. 电驱动构型(纯电)动力传动系统示意图

7. 空气动力学模型

·车辆模型考虑了外部环境风引起的作用于车体上的力和力矩

·作用于空气动力学参考点的三维空气阻力(或气动力)计算模型

·作用于空气动力学参考点的三维空气阻力矩(或气动力矩)计算模型

·支持用户配置空气动力学阻力系数、升力系数、侧向力系数。

·支持用户配置空气动力学侧倾力矩系数、俯仰力矩系数、横摆力矩系数

 

图14. 空气动力学示意图

8. 转向系统模型

·支持构型:齿轮齿条式与循环球式转向器

·基于标准多刚体动力学建模方法

·支持用户配置主销定位参数

·支持用户配置方向盘转角到转向器齿条位移的运动学关系曲线

·支持用户配置转向器齿条位移到左、右两侧车轮转角的运动学关系曲线

·支持用户配置作用于转向管柱上的迟滞摩擦力矩

·支持用户配置转向管柱阻尼系数

·支持用户配置转向管柱扭力杆刚度系数

·支持用户配置转向轮静态前束角

·支持用户配置激活转向管柱助力模式

·支持用户配置激活转向齿条助力模式

·考虑悬架运动学特性引起的前轮转角

·考虑悬架柔性特性引起的前轮转角

·支持用户配置转向系统低速附加力矩

·支持用户配置转向限位块约束力

·支持用户配置转向系统柔性

·支持用户配置后轮转向系统

 

图15. 转向系统主销定位示意图

9. 悬架系统模型

·支持构型:独立悬架

·支持用户独立配置左右侧悬架系统特性

·支持用户配置非线性弹簧力

·支持用户配置非线性阻尼力

·支持用户配置非线性上限位块约束力

·支持用户配置非线性下限位块约束力

·支持用户配置侧倾稳定性附加力矩与阻尼系数

·支持用户配置簧下质量侧倾角与轮跳间的非线性运动学关系曲线

·支持用户配置簧下质量横摆角与轮跳间的非线性运动学关系曲线

·支持用户配置簧下质量俯仰角与轮跳间的非线性运动学关系曲线

·支持用户配置簧下质量侧向位移与轮跳间的非线性运动学关系曲线

·支持用户配置簧下质量纵向位移与轮跳间的非线性运动学关系曲线

·支持用户配置簧下质量侧倾角与轮心纵向力间的非线性柔性特性关系曲线

·支持用户配置簧下质量侧倾角与轮心侧向力间的非线性柔性特性关系曲线

·支持用户配置簧下质量侧倾角与车轮回正力矩间的非线性柔性特性关系曲线

·支持用户配置簧下质量横摆角与轮心纵向力间的非线性柔性特性关系曲线

·支持用户配置簧下质量横摆角与车轮回正力矩间的非线性柔性特性关系曲线

·支持用户配置簧下质量纵向位移与轮心纵向力间的非线性柔性特性关系曲线

·支持用户配置簧下质量侧向位移与轮心侧向力间的非线性柔性特性关系曲线

 

图16.1. 悬架系统示意图

 

图16.2. 悬架系统示意图

10. 制动系统模型

·支持用户配置制动主缸压力信号纯延时时长

·支持用户配置激活制动防抱死控制系统

·支持用户配置激活制动轮缸压力无延时计算模式

·支持用户配置激活制动轮缸压力一阶延时计算模式

·支持用户配置激活制动轮缸压力与油液体积一维非线性表格模式

·支持用户配置激活最大有效制动力矩比例系数计算模式

·支持用户配置激活最大有效制动力矩一维非线性表格计算模式

·支持用户配置激活最大有效制动力矩制动热衰退计算模式

·支持用户配置激活驻车模式

 

图17. 制动系统拓扑图

11. 轮胎动力学模型

·基于联合工况理论、数据表格形式的半经验轮胎六分力计算模型计算

·稳态、瞬态(轮胎弹性迟滞特性,低速稳定性数值处理)侧偏角计算

·考虑轮胎滚动阻力矩与功率平衡特性

·支持用户配置轮胎垂向力与轮胎压缩量间的关系曲线

·支持用户配置轮胎纵向力与轮胎垂向力和纵滑率间的关系曲线

·支持用户配置轮胎侧向力与轮胎垂向力和侧偏角间的关系曲线

·支持用户配置轮胎回正力矩与轮胎垂向力和侧偏角间的关系曲线

·支持用户配置轮胎侧翻力矩与轮胎垂向力和侧偏角间的关系曲线

·考虑车轮外倾角对轮胎侧向力的附加影响

·考虑车轮外倾角对轮胎回正力矩的附加影响

·考虑车轮外倾角对轮胎侧翻力矩的附加影响

·魔术公式轮胎模型(5.2版本)

 

图18. 轮胎接地点坐标系

12. 3D道路路面模型

·支持用户配置X-Y坐标形式的道路参考线

·支持用户通过线段拼接方式(Segement builder)构建道路参考线

·支持X-Y坐标与S-L曲线坐标间的相互转换

·支持用户配置S-L曲线坐标形式的道路高层

·支持用户配置S-L曲线坐标形式的路面附着系数

·支持用户配置S-L曲线坐标形式的滚动阻力系数

·支持用户导入并解析OpenCRG文件

 

图19. 轮胎接地点坐标系

13. 驾驶员模型

·支持车辆纵向速度闭环控制

·支持车辆纵向加速度闭环控制

·支持车辆挡位闭环控制(前进、空档和倒车)

·支持路径跟踪侧向控制

·支持方向盘转角与扭矩两种控制模式

14. 车辆控制模型

·纵向控制(加速模式1):常量加速信号

·纵向控制(加速模式2):加速信号与仿真时间一维非线性表格

·纵向控制(制动模式1):常量制动主缸压力信号

·纵向控制(制动模式2):制动主缸压力信号与仿真时间一维非线性表格

·侧向控制(方向盘转角模式1):常量方向盘转角信号

·侧向控制(方向盘转角模式2):方向盘转角信号与仿真时间一维非线性表格

·侧向控制(方向盘扭矩模式1):常量方向盘扭矩信号

·侧向控制(方向盘扭矩模式2):方向盘扭矩信号与仿真时间一维非线性表格

·侧向控制(侧向路径跟踪模式1):常量侧向路径偏移

·侧向控制(侧向路径跟踪模式2):侧向路径偏移与仿真时间一维非线性表格

·侧向控制(侧向路径跟踪模式3):侧向路径偏移与车辆S坐标位置一维非线性表格

15. Events模式

·用户可通过此模块定义序列式的基于事件触发形式的车辆驾驶操纵指令,每一个事件都可独立定义包括纵向控制与横向控制相关的驾驶操纵指令,并且均支持开闭环控制,结合必要终止条件以及车辆状态相关的终止条件,用户可自定义不同事件的组合

·纵向控制(开环模式):可定义加速与制动信号(常量模式/绝对、相对时间/绝对、相对位置)

·纵向控制(闭环模式):可定义目标车速信号(常量模式/绝对、相对时间/绝对、相对位置)

·侧向控制(方向盘转角控制模式):可定义方向盘转角信号(常量模式/绝对、相对时间/绝对、相对位置)

·侧向控制(方向盘扭矩控制模式):可定义方向盘扭矩信号(常量模式/绝对、相对时间/绝对、相对位置)

·侧向控制(路径跟踪控制模式):可定义路径侧向偏移信号(常量模式/绝对、相对时间/绝对、相对位置)

16. 附加功能项

·支持用户配置激活路面噪声功能

·支持用户配置激活运动传感器:可输出包括速度、加速度、位置在内的27种状态变量

·支持用户配置激活附加载荷功能:可配置安装在车体上的额外负载

17. 模型数值求解器

·支持用户配置包括前向欧拉、二阶龙格库塔、二阶Adams-Bathforth等在内的各种数值求解器


三、PanoCar测试报告

本报告选取了典型的C级乘用车为仿真对比测试用车,其发动机功率为150kW,6挡变速箱,差速器差速比4.1:1,四驱(分动箱齿比1:1),齿轮齿条式转向器;仿真测试工况包括加减速、带挡滑行、正弦波转向、鱼钩(高低附路面)、双移线、蛇形工况等,涵盖了车辆在线性范围和极限工况下的纵向、侧向和纵侧向动力学,并分别与国际主流车辆动力学软件对比,仿真测试结果表明,PanoCar与国际主流车辆动力学软件在模型精度上高度一致。

1. 加速减速工况

·测试目的:评估车辆的动力总成与制动系统性能,以及极限加减速工况下的纵向动力学性能;

·测试工况:平坦高附路面 (Mu=0.85),初始车速0 (km/h),无转向输入;

·油门输入:0-10s全油门(100%)加速,制动主缸压力输入:15~25s 10MPa;

   
   

图20. 节气门开度及制动主缸压力测试图

1) 仿真测试结果对比(PanoCar vs. CxxSim)

   
   
   
   

图21. 加速减速仿真测试结果对比示意图(PanoCar vs. CxxSim)

2. 带挡滑行工况

·测试目的:评估车辆动力传动系统、空气动力学、轮胎模型的建模精度;

·测试工况:平坦高附路面 (Mu=0.85),初始车速120 (km/h),无油门、制动踏板和方向盘输入;

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   

图22. 带挡滑行仿真测试结果对比示意图(PanoCar vs. CxxSim)

3. 正弦波转向工况

·测试目的:评估车辆高速行驶时的操纵稳定性;

·测试工况:平坦高附路面 (Mu=0.85),车速闭环控制、期望车速100 (km/h),方向盘正弦波输入 (±57.3deg,0.16Hz,如下图所示);

 

方向盘正弦输入 (deg)

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   

图23. 方向盘正弦输入及正弦波转向仿真测试结果对比示意图(PanoCar vs. CxxSim)

4. 方向盘角阶跃工况

·测试目的:评估车辆转向响应及侧向动力学性能;

·测试工况:平坦高附路面 (Mu=0.85),初始车速80 (km/h)、无油门和踏板输入,方向盘0.2s内至57.3deg角阶跃输入如下图所示;

 

方向盘转角 (deg)

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   
 

图24. 方向盘转角及方向盘角阶跃仿真测试结果对比示意图(PanoCar vs. CxxSim)

5. 鱼钩工况(Mu=0.85)

·测试目的:评估车辆高附路面下的操控稳定性和抗侧翻能力;

·测试工况:平坦高附路面 (Mu=0.85),初始车速50 (km/h)、无油门和踏板输入,方向盘转角输入如下图所示;

 

方向盘转角 (deg)

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   
 

图25. 方向盘转角及鱼钩仿真测试结果对比示意图(PanoCar vs. CxxSim)

6. 双移线工况

·测试目的:评估车辆在紧急变道或避障等极限工况下的操控稳定性;

·测试工况:平坦高附路面 (Mu=0.85),车速闭环控制、期望车速120 (km/h),方向盘转角输入如下图所示;

 

方向盘转角 (deg)

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   

图26. 方向盘转角及双移线仿真测试结果对比示意图(PanoCar vs. CxxSim)

7. 蛇行工况

·测试目的:评估车辆连续避障时的操控稳定性;

·测试工况:平坦高附路面 (Mu=0.85),车速闭环控制、期望车速80 (km/h),方向盘转角输入如下图所示;

 

 方向盘转角 (deg)

·仿真测试结果对比(PanoCar vs. CxxSim);

   
   
   
   

图27. 方向盘转角及蛇行仿真测试结果对比示意图(PanoCar vs. CxxSim)


四、公司简介

浙江天行健智能科技有限公司(PanoSim)是国内最早从事汽车自动驾驶仿真技术研发、并拥有完全自主知识产权的国家高新技术企业。先后获国家双软认证、浙江省“专精特新”中小企业,以及ISO9001/ISO27001/ISO20000等3项国际标准体系认证,是国家智能网联创新中心、美国MathWorks、俄罗斯国家汽车研究院的战略合作伙伴。先后荣获中国汽车工程学会“领航汽车创新技术”、奇瑞汽车“最佳星火提案奖”、“智途奖-年度优秀虚拟仿真系统供应商”、“汽车电子科学技术奖-优秀创新产品奖”以及“汽车新供应链百强-金辑奖”,入围“腾讯产业共创营出行赛道高估值明星企业”。以PanoSim为品牌的系列仿真软硬件产品已在包括美国通用汽车、德国戴姆勒汽车、一汽集团、上汽集团、东风汽车、长安汽车、地平线、商泰等在内的国内外企业和科研院所广泛应用,并获得了高度评价;是“2023中国智能网联汽车算法挑战赛(CIAC)”、“2022中国智能网联汽车算法挑战赛(CIAC)”、“2021i-VISTA世界虚拟仿真挑战赛”以及“2020世界智能驾驶仿真挑战赛(WIDC)”的官方指定仿真平台(https://www.panosim.com/)。  

来源:车路漫漫
ACTAdams非线性二次开发系统仿真通用汽车电子MATLABpythonSimulink多体动力学理论电机自动驾驶传动控制
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-12-11
最近编辑:8月前
李慢慢
硕士 自动驾驶仿真工程师一枚
获赞 14粉丝 93文章 320课程 0
点赞
收藏
作者推荐

世界模型:自动驾驶数据闭环的破局引擎

这个世界唯一不变的就是变化。随着自动驾驶算法范式的演进,多年来主导自动驾驶系统迭代的数据闭环体系也出现了重大转变。谜底藏在谜面上,望文生义也能大致猜出数据闭环的定义,很显然,数据闭环就是以数据为主体的循环体系。再深入一些,自动驾驶数据闭环以数据为核心主体,使其流转于采集、存储、清洗、挖掘、标注到模型训练、测试和部署上车的全过程。通过闭环循环机制,对数据进行系统性的流转和全链路价值挖掘,形成自我增强的飞轮效应,驱动自动驾驶系统的迭代。从输入到输出的完整闭环,同学们是不是找到了一点费曼学习法的影子了?在日常生活里,一边努力挣钱一边追求幸福的大家经常会迷失在手段和目的的哲学之思里,在自动驾驶数据闭环体系里,手段与目的却遵循着辩证统一的逻辑。一方面,数据作为模型进化的手段和必要介质,充当模型的燃料和错题集,直接服务于算法短板修复的目的,模型训练才是数据闭环体系的核心目的;另一方面,数据驱动模型的优化,高质量模型部署到车端之后,覆盖更多的场景,吸引更多车辆加入数据收集的车队,驱动车辆网络采集更多更高质量的数据,模型本身又成了数据生产的工具。以模型训练为中心,可以将数据闭环进一步划分为训练前、训练、训练后三个阶段。训练前这个大阶段包含数据的触发采集、脱敏处理、网络传输、数据清洗、数据存储、场景挖掘和数据标注几个小阶段。模型训练这个大阶段包含预训练、后训练、强化训练三个小阶段。训练后这个大阶段包含仿真测试、模型评估、集成部署三个小阶段。随着自动驾驶算法由分模块方案向端到端范式、传统端到端向生成式AI大模型的转变,数据闭环中有几个关键节点发生了重大的演变。数据是人工智能时代最为重要的核心资产。不过,既然作为资产,就要站在商业规律的角度,看看它产生的价值能不能有效地分摊采集、传输、清洗、挖掘和标注的成本,形成有效的商业闭环。事实上,随着自动驾驶系统能力的升级,昔日的长尾场景越来越不能成其为Corner Case,导致实车采集的数据价值密度越来越低。再叠加采集/存储/标注成本高、合规压力大等一系列问题,自动驾驶数据的来源正在经历从“重实车采集”到“虚实融合”的转型。实车采集数据价值越来越低是自动驾驶系统能力升级导致的必然趋势。举个例子,如果之前的系统无法很好地应对下雨和下雪场景,下雨和下雪时触发采集的驾驶场景数据都有很好的利用价值。但随着系统能力的进步,以至于系统能够很好地应对下雨场景却还不能很好地应对下雪场景时。那么,对于模型的迭代进步而言,下雨时触发采集的驾驶场景数据就基本上没有了价值,下雪时触发采集的驾驶场景数据才有真正的利用价值。实车采集、传输、存储、标注成本高,仅有占比极低的数据为高价值有效数据,且存在长尾覆盖不足的缺陷。在这样的情况下,通过物理规则学习与生成对抗实现低成本、高保真场景重建和生成的世界模型应运而生,成了虚拟数据生成的核心引擎。在这里,世界模型发挥的两大作用是重建和生成,即利用NeRF和3D高斯溅射技术,基于真实路采数据进行场景重建,以及基于重建的场景,以Diffusion和Transformer技术进行合成数据的生成,进行长尾场景的补全和数据分布的优化。放眼未来,随着世界模型能力的提升,在模型训练前这个阶段,数据来源避实向虚的趋势必将日益明显。对于自动驾驶数据闭环,22年底横空出世的生成式AI大模型堪称改天换地、颠覆既有研发体系的大杀器。在这之前,实车测试一直是自动驾驶数据闭环的主要工作流,不仅成本高、效率低,在很多场景下还会遭遇危险性十足、极大损害测试人员身体和心理健康的问题.世界模型问世之后,一切都改变了。在模型训练前的阶段,世界模型以场景重建和生成做数据增强,扩大数据的数量和多样性,给自动驾驶系统学习更多障碍物样本与交通规则提供源源不断的高质量素材。在模型训练后的阶段,世界模型构建具备高度4D时空一致性的数字孪生环境,相当于打造了自动驾驶系统的考场,不仅可以凭借场景的完美复现助力闭环仿真测试,还能借助云端的高并发能力大幅度提升考试和测试的效率。训练前阶段,世界模型生成数据的目的主要是为了改善训练数据的配比和均匀性,其占比远小于实车数据.但在训练后阶段,仿真测试的占比远远超过了实车测试。也就是说,如果认为训练前的数据来源还是“虚实融合,以实为主”的话,训练后的模型验证就已经“脱实向虚”了。这主要是由于,实车测试不仅成本高,无法完全复现发生问题时的场景,其效率还极其低下,根本无法满足自动驾驶飞速发展的时代需求。根据理想汽车的统计数据,其2023年完全采用实车测试,测试成本为每公里18.4元。进入2025,以仿真测试为主,测试成本为每公里0.53元,下降了30倍有余。接受媒体采访时,理想汽车自动驾驶负责人郎咸朋表示理想汽车今年的实车测试里程只有两三万公里,其道理就来自于这里。凭借在数据生成与仿真验证两大环节的革命性突破,世界模型破解了数据的困局,重构了系统训练和测试的流程,俨然已成为自动驾驶数据闭环的核心引擎。来源:车路漫漫

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈