Validierung von Regelalgorithmen mittels Echtzeit-HIL

Wichtigste Erkenntnisse

• Die HIL-Validierung in Echtzeit ist wichtig, da die Qualität eingebetteter Steuerungen nicht nur von der korrekten Steuerlogik abhängt, sondern auch von der zeitlichen Abstimmung, I/O und der Interaktion mit dem Regelobjekt.
  
• Die nützlichsten HIL-Konfigurationen legen den Schwerpunkt auf deterministische Ausführung, zuverlässige Anlagenmodelle, repräsentative Schnittstellen und wiederholbare Fehlerskripte.
  
• Die Verifizierungszyklen verkürzen sich, wenn Teams digitale Anlagenmodelle für eine strukturierte Fehlerabdeckung nutzen und physische hardware gezielte Überprüfungen reservieren.

Die Validierung von Regelalgorithmen mittels Echtzeit-HIL basiert auf einer praktischen Erkenntnis: Man kann erst dann wissen, ob ein Regler einsatzbereit ist, wenn er mit zeitgenauem Anlagenverhalten, echten Ein- und Ausgangssignalen sowie wiederholbaren Fehlerfällen getestet wurde. Tests physischer hardware zu spät und sind zu kostspielig, wenn sich zeitliche Fehler, Schutzlücken oder Fehler bei der Sensorverarbeitung erst dann zeigen, wenn der Code bereits an einen Prototyp gebunden ist.

Dieser Bedarf lässt sich immer schwerer ignorieren, da software zunehmend in den Bereichen Energieumwandlung, Bewegungssteuerung und elektrifizierte Anlagen software . Die NHTSA verzeichnete im Jahr 2024 74 Rückrufaktionen für Elektrofahrzeuge, von denen 2.911.154 Fahrzeuge betroffen waren. Dies zeigt, dass software Steuerungsprobleme mittlerweile in der Serienproduktion auftreten, anstatt im Labor zu bleiben.

Wie hardware Tests Regelalgorithmen vor hardware Tests

Hardware werden Regelalgorithmen validiert, indem der eigentliche Regler in einen geschlossenen Regelkreis mit einer simulierten Anlage eingebunden wird, die mit deterministischen Zeitschritten läuft. Sie testen den Regler anhand realistischer Systemantworten, noch bevor hardware mit voller Leistung, die kompletten mechanischen Baugruppen oder die endgültigen Prototypen bereitstehen.

Ein Team für Motorantriebe liefert hierfür ein anschauliches Beispiel. Der Regler kann simulierte Strom-, Spannungs-, Drehzahl- und Encodersignale auslesen, während das Anlagenmodell auf Gate-Befehle, Lastsprünge und Schutzlogik reagiert, als wäre eine reale Maschine vorhanden. Der Fall „Harvest“ veranschaulicht, wie dieser Ansatz zur Verifizierung von Regelungsstrategien für Anwendungen mit Asynchron- und Permanentmagnet-Synchronmotoren genutzt wird, während gleichzeitig die Abhängigkeit von physischen Testanlagen verringert wird.

Das ist wichtig, denn bei der Algorithmusvalidierung geht es nicht nur um korrekte mathematische Berechnungen. Es geht um Timing, Sättigung, Messrauschen, Zustandsübergänge und darum, wie sich der Regler verhält, wenn sich das System nicht mehr wie erwartet verhält. HIL bietet Ihnen unter diesen Bedingungen Wiederholbarkeit, was bedeutet, dass Fehler diagnostizierbar werden und nicht mehr nur vereinzelte Einzelfälle bleiben. Sie können dasselbe Ereignis erneut durchspielen, Kurven vergleichen und die Ursachen beheben, bevor hardware entsteht.

Warum sich die Leistungsfähigkeit eingebetteter Steuerungen nicht allein software überprüfen lässt

Software reine Software reicht nicht aus, um die Leistungsfähigkeit eingebetteter Steuerungen zu überprüfen, da sie die zeitlichen, schnittstellenbezogenen und ausführungstechnischen Einschränkungen der physischen Steuerung nicht vollständig abbildet. Ein Modell, das auf einer Workstation stabil erscheint, kann sich unter realen Bedingungen – wie Festschritt-Ausführung, I/O , Interrupt-Planung und quantisierten Sensorsignalen – unvorhersehbar verhalten.

Ein häufiger Fall tritt bei der Steuerung von Wechselrichtern oder Antrieben auf. Das Regelverfahren funktioniert in einem Offline-Modell, doch das eingebettete Zielsystem lässt während eines schnellen Transienten Abtastwerte aus, übersteuert eine interne Variable oder liest einen Vorteil falsch aus – und zwar genau Vorteil dem Moment, Vorteil dem sich die Drehmomentanforderung ändert. Diese Fehler bleiben verborgen, bis der Code auf der hardware denselben Schnittstellen ausgeführt wird, die auch im Betrieb zum Einsatz kommen.

Die Fallstudie „Harvest“ ist hier nützlich, da sich die Tests nicht auf die Konverterlogik beschränkte. Sie umfasste auch verschiedene Motortypen und Sensormodelle, wie beispielsweise Inkrementalgeber, was bedeutet, dass die Validierung gleichzeitig die Anlagendynamik und die Schnittstellen zum Regler abdecken musste. Software sind für die frühen Entwurfsarbeiten nach wie vor wichtig, aber sie klären nicht die entscheidende Frage: Wie verhält sich der eingebettete Regler, wenn Berechnung, I/O und Anlagenreaktion unter getakteter Ausführung miteinander interagieren?

Wesentliche Anforderungen für die zuverlässige Validierung von Echtzeit-Regelalgorithmen

Eine zuverlässige Validierung von Echtzeit-Regelalgorithmen hängt von einer deterministischen Ausführung, glaubwürdigen Anlagenmodellen, repräsentativen I/O sowie einem Testplan ab, der sowohl normale als auch abnormale Betriebszustände abdeckt. Sollte auch nur einer dieser Punkte Schwächen aufweisen, hat ein positives Testergebnis kaum Aussagekraft.

Mit dieser kurzen Liste kannst du die wichtigsten Punkte überprüfen:

• Feste Zeitschritte müssen auf das Regelungsproblem und das Schaltverhalten abgestimmt sein.
• Anlagenmodelle müssen die Dynamik wiedergeben, die das Verhalten des Reglers bestimmt.
• Sensor- und Aktuatorschnittstellen müssen die tatsächlichen Signalwege widerspiegeln.
• Fehlerfälle müssen Schutzauslösungen und Grenzwertbedingungen umfassen.
• Die Protokollierung muss ausreichend detailliert sein, um Fehler schnell erklären zu können.

Der Fall „Harvest“ veranschaulicht diese Anforderungen konkret. Da Unterstützung für mehrere Motormodelle, Sensortypen und eine Wandlertopologie mit hoher Rechenlast benötigt wurde, musste der Testaufbau sowohl hinsichtlich der Genauigkeit als auch der Ausführungsgeschwindigkeit überzeugen. Teams scheitern hier oft daran, dass sie zu viel in Modelldetails investieren, während sie bei der zeitlichen Genauigkeit oder I/O zu wenig berücksichtigen. Ein nützlicher HIL-Aufbau ist nicht der komplizierteste. Es ist derjenige, der die tatsächlichen Betriebsbedingungen des Reglers mit ausreichender Genauigkeit reproduziert, um falsche Entscheidungen aufzudecken.

Wie Ingenieur:innen HIL-Testsysteme mit geschlossenem Regelkreis für eingebettete Steuerungen Ingenieur:innen

Ingenieur:innen HIL-Systeme mit geschlossenem Regelkreis, indem sie den Regler mit einem in Echtzeit laufenden Anlagenmodell verknüpfen und anschließend alle wichtigen Signalwege so verdrahten, dass der Regler realistische Messwerte und der Simulator echte Befehle erhält. Das System funktioniert nur, wenn Timing und Schnittstellen als Teil der Anlage betrachtet werden.

Ein Antriebsregelsystem ist ein gutes Beispiel dafür. Der Simulator berechnet die Reaktionen von Umrichter, Transformator, Motor und Last in festen Zeitschritten. Der eingebettete Regler sendet Schalt- oder Modulationsbefehle an den Simulator zurück, während analoge, digitale oder Encoder-Kanäle gemessene Zustände an den Regler übermitteln. Jeder Regelkreis schließt sich beim nächsten Echtzeit-Tick, nicht nach einem software , der sich nach bestmöglichen Bemühungen richtet.

Die in der Datei beschriebene Harvest-Implementierung , der in der Datei beschrieben wird, nutzte einen Skalierbar mit hoher I/O und Glasfaserkommunikation für übergeordnete Topologien. Dies veranschaulicht, wie sich das Closed-Loop-Design mit steigender Anzahl von Wandlern und zunehmendem Signalvolumen ausweitet. Teams erzielen in der Regel schnellere Ergebnisse, wenn sie mit einem validierten Regelkreis beginnen – beispielsweise der Stromregelung – und dann nacheinander die Drehzahlregelung, Schutzfunktionen und die Überwachungslogik hinzufügen. Durch diesen schrittweisen Aufbau bleiben Timing-Probleme sichtbar, anstatt sie in einer umfangreichen Erstintegration zu verbergen.

Reproduzierung von Fehlern und Vorteil , die verborgene Steuerungsfehler aufdecken

Bei der Fehlerreproduktion spielt HIL seine Stärken voll aus, da es ermöglicht, gefährliche, seltene oder kostspielige Ereignisse so oft wie nötig zu simulieren. 

„Versteckte Regelungsfehler treten in der Regel eher an Übergängen, Grenzwerten und Schutzgrenzen auf als im stationären Betrieb.“

Ein Beispiel für einen Mittelspannungsantrieb verdeutlicht dies. Sie können Bus-Überspannung, Unterspannung, Phasenausfall, Erdungsfehler oder Phasenverschiebungen simulieren, ohne dabei Personen oder hardware zu gefährden. Der Fallbericht von HarvestTests synchrone Schaltvorgänge, einphasige Ausgangserdung, Phasenverschiebungserkennung und Sammelschienen-Spannungsfehler, alles auf dem HIL-Prüfstand statt in einer gefährlichen Vollleistungsumgebung.

Dieser Ansatz verbessert die Abdeckung und die Lerngeschwindigkeit. Das NIST berichtete, dass kombinatorische Tests eine Fehlererkennung erreichen Tests , die der von erschöpfenden Tests nahekommt, Tests einer 20- bis 700-fachen Reduzierung der Testsuite-Größe, was deutlich macht, dass strukturierte Variation wichtiger ist als zufälliges Testwachstum. Eine gute HIL-Kampagne spiegelt diese Erkenntnis wider. Sie benötigen keine Tausenden von willkürlich ausgewählten Szenarien. Sie benötigen die richtigen Kombinationen aus Sollwertverschiebungen, Sensorfehlern, Betriebsmodi und Schutzauslösern, die den Regler dort belasten, wo Interaktionsfehler tatsächlich auftreten.

Einsatz digitaler Anlagenmodelle als Ersatz für Motoren – Sensor-und Datenfusion hardware

Digitale Anlagenmodelle ersetzen Motoren, Sensor-und Datenfusion sowie hardware der Regler eher realistisches Verhalten benötigt als physische Komponenten. Diese Umstellung senkt die Kosten, verkürzt die Rüstzeiten und ermöglicht es Ihnen, Anlagenvarianten zu testen, die sich nur schwer nach Bedarf zusammenbauen ließen.

Ein einziger HIL-Prüfstand kann in einer Sitzung als Ersatz für einen Induktionsmotor und in der nächsten als Ersatz für einen Permanentmagnet-Synchronmotor dienen. Der beigefügte Fall weist zudem auf eine Rückmeldung vom Typ Encoder oder Resolver hin, was von Bedeutung ist, da Regelungsfehler häufig an der Schnittstelle zwischen geschätzten und gemessenen Zuständen auftreten und nicht innerhalb des Hauptregelungsgesetzes.

Der Vorteil liegt nicht in der Abstraktion um ihrer selbst willen. Es geht vielmehr um die Kontrolle über den Testraum. Sie können Trägheit, Lastmoment, Sensorauflösung oder Wandlerbedingungen anpassen, ohne den Prüfstand neu aufbauen zu müssen. Hochgeschwindigkeits-Schaltkomponenten laufen oft auf FPGA-basierten Solvern , während langsamere Teile des elektrischen Netzwerks auf CPU-basierten Solvern laufen. Diese Trennung sorgt für eine stabile Simulation bei kleinen Zeitschritten und bewahrt gleichzeitig die Recheneffizienz. Durch diese Art der Aufteilung bleibt die digitale Anlage für die Validierung nützlich, anstatt sie in eine vereinfachte Demo zu verwandeln, die das Verhalten verfehlt, das Ihr Regler bewältigen muss.

Integration von Echtzeit-Simulatoren mit hardware I/O

Die Integration eines Echtzeit-Simulators ist dann erfolgreich, wenn Signalintegrität, zeitliche Abstimmung und Schnittstellenzuordnung als technische Aufgaben und nicht als reine Verkabelungsaufgaben betrachtet werden. Der Controller muss dieselben Signaltypen, Skalierungen und Aktualisierungsverhalten erkennen, die er im späteren Betrieb erhalten wird.

Stellen Sie sich eine Steuerung vor, die Encoder-Impulse, schnelle analoge Rückmeldungen, digitale Verriegelungen und Auslöse-Eingänge erwartet. Wenn der Simulator saubere Werte ohne realistische Latenz oder Skalierung liefert, besteht der Code unter Bedingungen, die in einem realen Schaltschrank niemals auftreten. Das Harvest behebt dieses Problem durch I/O umfangreiche analoge und digitale I/O , Überwachungsanschlüsse an Vorder- und Rückseite sowie Erweiterungsmöglichkeiten für höhere Kommunikationslasten.

Zur Integrationsarbeit gehören auch Überprüfungen im offenen Regelkreis vor dem Betrieb im geschlossenen Regelkreis. Fehler bei der Signalpolarität, der Einheitenumrechnung, der Schwellwertlogik und der Aufgabenplanung lassen sich viel leichter beheben, bevor der Regelkreis geschlossen wird. Dieser Vorbereitungsschritt wird leicht übersehen, ist jedoch eine der besten Möglichkeiten, um zu vermeiden, dass man falschen Reglerfehlern nachgeht, die in Wirklichkeit Schnittstellenfehler sind. Bei einer soliden HIL-Praxis werden Verkabelung, Skalierung und Scheduler-Timing als Teil der Regelungsvalidierung betrachtet, denn genau das sind sie.

Technische Verfahren zur Verkürzung der Verifizierungszyklen von Regelalgorithmen

„Regelalgorithmen werden erst durch wiederholte Konfrontation mit realistischen Zeitabläufen, Schnittstellen und Fehlerzuständen zuverlässig – nicht durch das Vertrauen in ein makelloses Modell oder einen einzigen Testlauf auf dem Prüfstand.“

Kürzere Verifizierungszyklen sind das Ergebnis einer disziplinierten Testplanung, einer schrittweisen Integration und einer schnellen Rückmeldung zu den Messkurven. Die Teams arbeiten schneller, wenn jeder HIL-Lauf eine bestimmte Kontrollfrage beantwortet und direkt in die nächste Codeänderung einfließt.

In dem beigefügten Fall lässt sich ein klares Muster erkennen: Probleme vor Ort im Labor nachstellen, die Schutzlogik unter Fehlerbedingungen überprüfen, einen Prüfstand für mehrere Motortypen wiederverwenden und Codefehler so früh aufdecken, dass Korrekturen nicht auf hardware warten müssen. Deshalb verändert HIL das Tempo der Steuerungsarbeit. Es macht aus knappen Prototypen Bestätigungswerkzeuge statt Erkundungswerkzeuge.

Das Fazit ist einfach. OPAL-RT fügt sich ganz natürlich in dieses Bild ein, denn bei dieser Arbeit geht es um die Umsetzung: die Berechnungsmethode an die Anlagengeschwindigkeit anzupassen, I/O des Reglers I/O Verzerrung zu verbinden und die Tests so wiederholbar zu gestalten, dass jede Korrektur einen konkreten Nutzen bringt.