HIL测试和ADAS的挑战

今天想要和大家分享一篇由来自美国NI Corp. David A. Hall撰写的文章。随着智能汽车成为市场上的宠儿，汽车圈里各家顺应潮流在现有技术和标准法规中寻求抢占先机的突破口。传统的hil测试在ADAS环境面临着什么新的挑战？

通过分析特斯拉，奥迪A8智能驾驶的配置，文章深入浅出的介绍了不断发展的智能汽车对HIL测试和的要求，文章最后也谈到了目前市场主流的HIL测试平台和方案。


HIL测试和ADAS的挑战
运行HIL模拟时面临的挑战：
设计真正运用在ADAS中的传感器信号
50多年前，在1959年，凯迪拉克Cyclone XP-74概念车配备了两个改装的飞机雷达，旨在提醒驾驶员即将到来的交通。如今，汽车雷达传感器比冰球更小，并已从概念转变为现实。

凯迪拉克旋风概念车前面的鼻锥体装有改装的飞机雷达

用于碰撞和车道变换预警的原始技术正在被先进的驾驶辅助系统（ADAS）取代。这些新系统引入了新的设计和测试挑战。现代ADAS架构结合了复杂的传感，处理和算法技术，这将最终将成为自动驾驶汽车必不可少的部分。对于消费者而言，ADAS技术的发展提供了舒适性和便利性。对于工程师而言，ADAS的发展必然要求更多安全性相关的工作，包括融合了不同设计和测试的挑战。

随着ADAS从简单的防撞系统发展到完全自动驾驶的车辆，它们需要复杂的传感和计算技术。例如，考虑特斯拉Model S上的传感技术，该技术将八个摄像头和12个超声波传感器的信息结合起来作为其自动驾驶技术的一部分。许多专家声称2018年奥迪A8是第一辆达到3级自主操作的车型。在高达37英里/小时的速度下，A8将在没有驾驶员帮助的情况下启动，加速，转向和在道路中央有屏障的时候制动。该车在前部，侧面和后部包含12个超声波传感器，前后视镜上有4个360°摄像头，前部有远程雷达和激光扫描仪，挡风玻璃顶部有前置摄像头，每个角落都有一个中程雷达。

因此，自动驾驶汽车采用了比以往更复杂的处理技术并生成更多数据。例如，特斯拉Model S包含62个微处理器- 更多是车辆中运动部件数量的三倍。此外，英特尔最近估计明天的自动驾驶汽车每秒将产生4TB的数据。理解所有这些数据是一项重大挑战- 工程师们已经尝试了从简单的PID循环到深度神经网络以改进自主导航的所有内容。


ADAS决策使用来自多种传感器的输入

SYSTEM-LEVEL TEST
越来越复杂的ADAS技术对测试方案提出了很多要求。特别是，长期用于开发发动机和车辆动力学控制器的硬件在环测试方法正在适应ADAS设置。



HIL测试系统使用动态系统的数学的表达方式，与需要被测试的嵌入式系统作出反应。HIL仿真可以模拟传感器和致动器的电气行为，并将这些信号发送到车辆电子控制模块（ECM）。同样，ADAS HIL仿真可以使用真实传感器来刺激ECM的仿真并生成致动器控制信号。

例如，用于开发汽车防抱死制动系统的HIL仿真平台可以具有用于子系统的数学表达方式，所述子系统包括车辆动力学，例如悬架，车轮，轮胎，侧倾，俯仰和偏航; 制动系统液压元件的动力学和道路质量。
值得注意的是，环路符号表示UUT的反应会影响模拟。HIL方法验证并检验物理目标ECU中的软件。因此，HIL测试台必须为ECU提供逼真的实时刺激和模拟负载。多个ECU在网络HIL设置中进行测试，这些设置连接了总线系统，传感器和致动器执行器。





ADAS HIL仿真的典型测试配置描述了模拟传感器数据的不同方法。测试设备可以将数字数据注入传感器通道以模拟传感器输入。或者，测试设备可以以摄像机图像或雷达回波模式的形式开发传感器输入，以模拟实际感测数据。每种方法都有优点和缺点。


最近，车载在环方法（VIL）使用物理汽车来代替车辆模拟和大多数虚拟ECU。这种方法在测试安全关键的ADAS功能时非常方便，例如，在操作真实车辆时撞到虚拟障碍物。

ADAS通常的工作方式是首先通过特征和对象识别算法处理原始传感器数据。结果是一个数据集，类似于基于网格的环境地图或已识别对象的列表（例如树木，行人，车辆等）。情况分析算法组合这些处理过的数据并估计当前的交通状况。此情境分析将转发到ADAS应用程序。应用程序最终决定采取的措施，例如减速或触发紧急制动。

许多ADAS功能的HIL测试归结为将模拟对象列表发送到UUT（被测单元）。取决于所涉及的传感器系统，对象列表可以包括关于对象运动学的信息以及对象是行人，车辆还是其他东西。

除了实际传感器数据外，ADAS应用还需要来自其他ECU的补充车辆数据。该信息通常通过CAN总线传递到UUT，通常包括齿轮速率，加速度，发动机转速，转向角或GPS数据等细节。所有ADAS都要求至少部分此类信息来检查情况分析的合理性。只有在所有这些信息一致的情况下，ADAS才会进行安全关键干预。

在HIL机制内测试ADAS功能时，可以有各种UUT和接口。例如，可以在运行核心紧急功能（例如基于雷达的紧急制动辅助）的同时测试单个ECU。或者专用的ADAS ECU可能会从其他控制单元接收传感器信息。根据设置，多个真实的ECU可能是测试台的一部分，并通过CAN，FlexRay或汽车以太网等汽车网络系统连接。

在HIL测试平台中，可以有几个点添加虚拟数据。一种选择是将模拟数据馈送到物理传感器。当然，真正的ADAS具有多个传感器，因此该策略需要同时生成多个信号。例如，在摄像机的情况下，工程师可以通过屏幕或投影仪向每个摄像机显示实际场景的一系列图像。对于雷达回波，HIL系统不需要产生雷达输出，只需模拟回波。

在HIL测试中使用物理传感器的一个优点是不需要为测试目的修改UUT - 模拟信号来自实际车辆中的相同物理接口。最大的挑战之一是确保注入信号的质量。例如，投影在屏幕上的图像可能不代表相机在现实生活中看到的动态范围。典型的例子是一辆汽车直奔炽热的日落，然后下山并坠入黄昏。总而言之，将数据注入物理传感器几乎不需要对UUT进行任何修改，但是对场景的准确展现要求非常苛刻，并且目前不太可能针对所有传感器实现。

因此，工程师有时会在数字化之后注入虚拟数据，例如，在雷达的ADC阶段之后注入数据，或者通过提供相机成像器的电刺激。这种方法非常依赖于产品- 没有标准雷达或相机硬件/软件接口这样的东西，因此建立连接可能需要一些工作。此外，数据可能不再来自物理传感器的事实可能会迫使UUT进行一些软件和硬件修改。

PLATFORM-baseD APPROACH TO HIL
像NI一样的制造商提供基于平台的HIL测试方法。NI HIL测试方法的主要特点包括众多PXI仪器之间的紧密同步，以实现驾驶场景和传感器的模拟。在ADAS和自动驾驶应用中尤为重要的是NI的FPGA技术。FPGA技术使工程师能够以极快的环路速率设计HIL测试系统，从而快速做出决策。

最近一个使用基于平台的传感器融合测试方法的HIL测试系统的例子由一个名为ADAS Innovations in Test (www.ADAS-iiT.com) 的联盟展示。该小组是NI联盟合作伙伴 S.E.T.，Konrad Technologies，measX和S.E.A之间的合作。在最近的NIWeek会议上，该小组展示了ADAS测试装置，可以同步模拟ADAS传感器的雷达，激光雷达，通信和摄像机信号。在一种情况下，设置能够使用IPG CarMaker和NI VeriStand软件模拟虚拟测试驱动器。

诸如PXI的模块化系统模拟许多车载物理信号- 有效地重建ADAS传感器或ECU的物理环境。同步是PXI模块的关键要求- 因为所有这些信号必须并行精确模拟。当遇到需要处理的场景，ECU需要雷达，V2X和摄像机信号同时做出判断。

V模型经常用于汽车行业，用于描述车载在环，硬件在环，软件在环和模型在环方法之间的关系。左侧描绘的阶段在右侧具有相应的测试对应物。MiL设置测试要开发的功能的模型。MiL在早期阶段应用，以验证有关架构和设计的基本决策。SiL设置测试符合目标ECU的程序代码的功能，但不包括实际硬件。HiL方法验证并验证物理目标ECU中的软件。ViL测试用真实车辆取代车辆模拟和大多数虚拟ECU。模拟的环境部分被注入车辆传感器或ECU。

基于平台的HIL测试技术让工程师可以模拟几乎无限的“驾驶时间”。在长时间测试过程中为查找问题提供了更多机会，让工程师更好地了解嵌入式软件在各种情况下的表现。
通过模拟实验室中的驾驶条件，工程师可以在设计过程中更早地识别关键设计缺陷。
例如，在奥迪公司，雷达团队最近采用了基于PXI的系统雷达模拟。项目负责人Niels Koch说，雷达硬件在环仿真使他们能够“在几周内模拟十年的传感器环境”。

五十年前，一个前置雷达系统通知驾驶员迎面而来的交通是一种噱头。五年后，自动驾驶汽车的乘客生死攸关。鉴于该技术即将出现的安全和监管考虑因素- 工程师将利用HIL测试技术从字面上模拟数十亿英里的驾驶。

像自动驾驶汽车这样的先进系统正在迅速重写测试和测量设备供应商必须如何设计仪器的规则。过去，测试软件仅仅是传达测量结果或测量电压的机制。展望未来，测试软件是一项技术，它允许工程师构建越来越复杂的测量系统，能够表征从最简单的RF组件到全面的自动车辆仿真的所有内容。因此，软件仍然是测试设备供应商的一个重要投资领域- 并且通过软件区分产品的能力最终将决定行业的赢家和输家。