Was sind Tests in der Automobilindustrie?

Wichtigste Erkenntnisse

• SIL bietet den größten Nutzen, wenn Sie damit software in Produktionsumgebungen validieren, bevor durch hardware zusätzliche Variablen hardware .
• Die richtige SIL-Konfiguration spiegelt die Zielschnittstellen, die Annahmen des Schedulers sowie die Grenzwerte für „Bestanden“ und „Nicht bestanden“ wider, damit die Ergebnisse auch später noch von Nutzen sind.
• SIL und HIL funktionieren am besten als miteinander verknüpfte Phasen, wobei SIL Logikfehler frühzeitig behebt und HIL die zeitliche Abstimmung und hardware bestätigt.

Tests der Automobilindustrie prüfen software eines simulierten Fahrzeugs und einer simulierten Anlage, sodass Sie Logikfehler erkennen können, bevor hardware Sie hardware .

Teams setzen software ein, wenn software stabil genug software , um im geschlossenen Regelkreis zu laufen, die elektronische Steuereinheit, Sensor-und Datenfusion oder der Prüfstand jedoch noch nicht verfügbar oder zu kostspielig sind, um sie einzubeziehen. Der richtige Zeitpunkt ist entscheidend, da sich software weitaus kostengünstiger beheben lassen, bevor sie zu zeitlichen Problemen oder Schnittstellenproblemen führen. Der Nachweis, dass ein autonomes Fahrzeug 20 % sicherer ist als ein menschlicher Fahrer , könnte laut einer RAND-Analyse etwa 11 Milliarden Meilen Fahrstrecke erfordern, wenn man sich allein auf die zurückgelegten Straßenmeilen stützt.

SIL bewährt sich, wenn Sie es als ernstzunehmenden Validierungsschritt und nicht als schnelle Modellprüfung betrachten. Sie stellen damit sicher, dass software eingebettete software, ihre Schnittstellen und ihre Steuerungslogik Vorteil bestehen können, bevor Sie Zeit im Labor mit hardware verbringen. Dieser Ansatz verkürzt die Rückkopplungszyklen und bietet einen klareren Ausgangspunkt für hardware spätere hardware. Wenn Sie SIL diszipliniert durchführen, kommen Sie schneller voran und können dem Ergebnis mehr Vertrauen schenken.

Tests eingebettete software eines Anlagenmodells

„Man führt den Controller-Code als software einem Host-Computer aus und prüft, wie er auf simulierte Fahrzeugzustände, Fehler und Fahrereingaben reagiert, bevor die hardware die Testkette hardware .“

Tests überprüfen kompilierte oder automatisch generierte eingebettete software geschlossenen Regelkreis anhand eines mathematischen Anlagenmodells. Ein Bremsmomentregler veranschaulicht dies deutlich. Die software Radgeschwindigkeiten, Pedalbefehle und Schätzwerte zur Straßenreibung vom Anlagenmodell und sendet anschließend Drehmomentbefehle zurück in dieselbe Simulation. Wenn der Regler bei einem Bremsvorgang auf vereister Fahrbahn in Sättigung gerät, oszilliert oder einen Zustandsübergang verpasst, deckt SIL dieses Verhalten auf, während der Code noch leicht zu überprüfen ist. Teams nutzen diese Phase, um Steuerungslogik, Kalibrierungsregeln, Diagnosepfade und Fehlerbehandlung zu verifizieren. Man erhält schnelles Feedback zur software – genau das, was spätere Tests , bevor Fragen hardware ins Spiel kommen.

SIL-Anpassung nach der Modellentwicklung und vor hardware

SIL passt in die Phase, nachdem das Algorithmusdesign stabil ist und bevor hardware Zeit im Zeitplan in Anspruch nimmt. Sie sollten es einsetzen, wenn die software das Zielverhalten bereits so gut widerspiegelt, dass Schnittstellen, Zustandsabläufe und Fehlerreaktionen getestet werden können, die elektronische Steuereinheit oder der Prüfstand jedoch noch nicht bereit sind. Zu diesem Zeitpunkt erzielen Sie den besten Nutzen im Verhältnis zum Aufwand.

Ein typisches Beispiel ist die Steuerung des Luftkanals eines Motors. Das Steuerungsteam hat sich bereits auf die Schätzlogik, die Aufgabenraten und die Kalibrierungshaken geeinigt, doch das hardware ist noch dabei, die Zuordnung von Ein- und Ausgängen sowie die Verfügbarkeit der Platinen abzuschließen. Wenn man zu diesem Zeitpunkt SIL durchführt, werden instabile Zustandslogik, falsche Standardwerte oder eine unzureichende Fehlerbehebung aufgedeckt, ohne dass man auf einen Testplatz warten muss. Teams, die diese Phase überspringen, stoßen später oft auf genau dieselben Probleme, wenn die Reproduktion jedes Fehlers mehr Zeit in Anspruch nimmt. Es ist ratsam, software zu klären, bevor hardware zusätzliche Variablen hardware .

Ein SIL-Framework sollte software widerspiegeln

Ein solides SIL-Framework spiegelt die software wider, die auf dem Zielcontroller bestehen werden. Das Modell, die Annahmen zum Scheduler, die Signalskalierung, die Diagnose sowie die Kriterien für „Bestanden“ oder „Nicht bestanden“ sollten die Produktionsabsicht so genau widerspiegeln, dass Ihr Ergebnis auch dann noch von Bedeutung ist, wenn der Code auf hardware übertragen wird. Wenn sich diese Grenzen verschieben, sinkt das Vertrauen schnell. Deshalb ist die Gestaltung des Frameworks genauso wichtig wie die Anzahl der Tests.

Nehmen wir als Beispiel eine Steuerung für eine elektrische Servolenkung mit separaten Modulen für Drehmomentanforderung, Unterstützungslogik und Diagnose. Eine sinnvolle SIL-Konfiguration hält diese Module voneinander isoliert, speist sie über dieselben Schnittstellenkontrakte ein, die später erwartet werden, und zeichnet die Ausgänge mit aufgabenrelevanten Abtastraten auf. Teams, die Plattformen wie OPAL-RT nutzen , stimmen Szenariodefinitionen und Schnittstellenannahmen häufig von der Desktop-Ausführung bis hin zu späteren Laborphasen aufeinander ab, was den Nacharbeitsaufwand reduziert, wenn die Steuerung hardware erreicht. Sie erstellen einen Validierungspfad, keine einmalige Simulation. Klare Abgrenzungen erleichtern die Rückverfolgung von Fehlern und stärken das Vertrauen in die Ergebnisse.

Szenarien mit geschlossenem Regelkreis decken Logikfehler früher auf

Szenarien im geschlossenen Regelkreis decken Logikfehler früher auf, da die software kontinuierlich auf die Folgen ihrer eigenen Ausgabewerte reagieren software . Prüfungen im offenen Regelkreis können zwar eine einzelne Funktion bestätigen, doch nur Tests im geschlossenen Regelkreis Tests , wie sich Zustandsübergänge, zeitliche Annahmen und Fehlerreaktionen verhalten, wenn die Fahrzeugphysik Gegenkräfte ausübt. Dieser Unterschied ist entscheidend, wenn sich Vorteil häufen. So lässt sich die Regelungsabsicht unter Druck erkennen.

Ein Batteriemanagement-Controller liefert hierfür ein anschauliches Beispiel. Ein Szenario kann schnelle Lastwechsel, einen fehlerhaften Temperatursensor und ein Unterspannungsereignis kombinieren, während das Anlagenmodell das Zellverhalten bei jedem Schritt aktualisiert. Diese Konfiguration deckt instabile Logik zur thermischen Leistungsreduzierung oder eine verzögerte Fehlerverriegelung auf, lange bevor ein Prüfstandstest angesetzt wird. Auch der Simulationsumfang spielt eine Rolle. Verkehrsunfälle verursachen jährlich etwa 1,19 Millionen Todesfälle pro Jahr, was verdeutlicht, warum Teams eine umfassendere Szenarioabdeckung benötigen, als sie durch reine Fahrleistung allein erreicht werden kann. Mit Closed-Loop-SIL lässt sich die Szenarioabdeckung in einen praktikablen Validierungszyklus komprimieren.

Ob SIL oder HIL zum Einsatz kommt, hängt von der Validierungsfrage ab

Der Hauptunterschied zwischen SIL und HIL liegt in der Lage des Reglercodes und der Art der benötigten Nachweise. Bei SIL wird der Regler als software eines Modells ausgeführt, während bei HIL das tatsächliche Steuergerät mit dem simulierten Anlagenverhalten und I/O physikalischen I/O verbunden wird. Jede Methode beantwortet eine andere Validierungsfrage. Die Wahl der falschen Methode kostet Zeit.

Ein elektrischer Antriebsregler verdeutlicht diesen Unterschied. SIL ist der richtige Ansatz, um die Drehmomentverteilung, Notlaufregeln und Moduswechsel über Tausende von Drehzahl- und Lastkombinationen hinweg zu testen. HIL wird notwendig, sobald Sie den Nachweis benötigen, dass die Zielzeitpunkte, die Aufbereitung der analogen Eingänge und die Diagnosepins auf dem tatsächlichen Steuergerät korrekt funktionieren. Sie sollten die Methode wählen, die der jeweiligen Fragestellung am besten entspricht.

Die Testgeschwindigkeit spielt nur dann eine Rolle, wenn die Modellgenauigkeit glaubwürdig ist

Die Testgeschwindigkeit spielt nur dann eine Rolle, wenn das Anlagenmodell glaubwürdig genug ist, um die software zu beanspruchen, software das Fahrzeug tun wird. Schnelle Durchläufe wirken zwar produktiv, schaffen jedoch ein trügerisches Vertrauen, wenn Sensorverzögerungen, Aktuatorgrenzen, Rauschen und Fehlerdynamik so stark vereinfacht werden, dass sie nicht mehr relevant sind. Sie benötigen ein Modell, das das zu validierende Verhalten realistisch abbildet. Geschwindigkeit ohne Genauigkeit verlagert Fehler lediglich in einen früheren Zeitpunkt.

„Ein Batteriemanagementmodell, das Ungleichgewichte zwischen den Zellen oder Sensorverzögerungen außer Acht lässt, wird software genehmigen, software versagt, sobald diese Effekte hardware .“

Das gleiche Problem tritt bei der Getriebesteuerung auf, wenn die Dynamik der Kupplungsfüllung zu stark vereinfacht wird und die Schaltlogik niemals abrupte Übergänge wahrnimmt. Gute SIL-Modelle konzentrieren sich auf die Dynamik, die software prägt, und nicht auf nebensächliche Details. Man benötigt keine perfekte Physik für jeden Teil des Fahrzeugs. Man benötigt jedoch eine ausreichende Genauigkeit im Regelpfad, damit die Ergebnisse „bestanden“ oder „nicht bestanden“ auch dann noch aussagekräftig sind, wenn man den Desktop verlässt.

Schlechte Schnittstellen beeinträchtigen die SIL-Ergebnisse, noch bevor die Teams dies bemerken

Mangelhafte Schnittstellen schwächen die SIL-Ergebnisse, bevor die Teams dies bemerken, da die software stabil software , während der Testaufbau Integrationsfehler unbemerkt verbirgt. Falsche Signalskalierung, fehlende Annahmen zum Scheduler, benutzerfreundliche Standardeinstellungen oder ungenaue Fehlerzeitpunkte können dazu führen, dass ein schwacher Controller als fehlerfrei erscheint. Erst durch konsequente Schnittstellendisziplin wird SIL von einer reinen Modellübung zu software nützlichen software . Kleine Unstimmigkeiten führen zu großen blinden Flecken.

Oftmals wird dieses Problem zuerst durch ein Motorsteuerungsprogramm aufgedeckt. Die aktuellen Anforderungsgrenzen erscheinen in SIL zwar korrekt, doch später zeigt sich im Labortest ein instabiles Verhalten, da die Scheduler-Periode, die Sensorfilterung oder die Entprellungslogik bei Fehlern nie den Zielvorgaben entsprachen. Teams, die die Schnittstellendetails frühzeitig überprüfen, vermeiden diese Falle. Diese Überprüfungen sollten in der Regel berücksichtigt werden, bevor weitere Szenarien hinzugefügt oder die Regressionsabdeckung erweitert wird.

• Die Signalskalierung entspricht genau der software .
• Die Aufgabenraten spiegeln den auf dem Ziel-Controller verwendeten Scheduler wider.
• Standardwerte verdecken niemals fehlende Sensoreingaben.
• Fehlerflags verwenden denselben Zeitplan wie die Produktionsdiagnose.
• Die Grenzwerte für „bestanden“ und „nicht bestanden“ richten sich nach den Anforderungen an das Fahrzeug.

SIL sollte die Ausführung sauber an HIL übergeben

SIL sollte durch gemeinsame Szenarien, stabile Schnittstellenvereinbarungen und Pass/Fail-Regeln, die den Übergang auf hardware überstehen, einen reibungslosen Übergang zur HIL-Ausführung gewährleisten. Teams erzielen den größten Nutzen, wenn SIL Logikfehler frühzeitig beseitigt und sich HIL auf das Timing der Steuerung, I/O physikalische I/O und den Integrationsnachweis konzentriert. Diese Abfolge sorgt dafür, dass die Validierung zielgerichtet bleibt. Außerdem wird so die Zeit im Labor sinnvoll genutzt.

Ein Programm für Traktionswechselrichter verdeutlicht dies. Dieselben Szenarien für Beschleunigungsbefehle, Fehlerinjektion und thermischen Schutz, die in der SIL-Phase bestanden haben, sollten auch in der HIL-Phase zum Einsatz kommen, wobei lediglich der Ausführungskontext des Reglers geändert wird. Wenn Teams zwischen den Phasen alles neu erstellen, geht die Rückverfolgbarkeit verloren und sie wiederholen Arbeiten, für die sie bereits bezahlt haben. OPAL-RT passt zu dieser Vorgehensweise, wenn Ingenieur:innen dieselbe Validierungslogik Ingenieur:innen , um von software zu hardware Tests überzugehen, ohne den gesamten Aufbau neu erstellen zu müssen. Ein gutes SIL ist wertvoll, weil es später klare Nachweise liefert – nicht, weil es eine weitere isolierte Teststufe schafft.