“控制器硬件在环”和“基于模型的工程”降低风险的5种方式

核心要点

• 当您将重点放在通常在开发后期才出现的闭环故障上时，采用“控制器硬件在环”方法能最快地降低风险。
• 当需求、测试和控制器修订版保持关联且可重复时，基于模型的工程就能创造价值。
• C-HIL的最佳起点是一个范围狭窄、影响大的控制函数，该函数应具备可量化的通过标准和稳定的重跑条件。

在闭环中加入控制器硬件，可以在修复成本尚低时发现控制故障，从而降低风险。

这一转变之所以重要，是因为最昂贵的控制问题很少始于实验台。它们往往始于更早的阶段——那时，时序假设、被控对象的行为以及接口细节仍仅存在于模型和早期软件版本中。控制器硬件在环（通常简称为 C-HIL）将实际控制器与模拟的被控对象置于闭环中，从而使您能够在电机、换流器 、车辆或电网资产准备就绪之前，就对其响应进行测试。 当将这种设置与基于模型的工程相结合时，您便将风险最高的验证环节提前至V模型的早期阶段，从而防止后期出现的意外导致进度延误。

“控制器硬件在环测试”是在硬件尚未存在时对控制器进行的测试

控制器硬件在环（Controller Hardware-in-the-Loop，C-HIL）将物理控制器连接到模拟被控对象，并在真实的时序条件下运行该闭环。C-HIL 能够降低风险，因为控制器接收的是可信的输入，且其输出会影响实际运行的被控对象（仿真 ）。您能够尽早获得行为验证结果，并在原型硬件导致成本增加和延误之前修复故障。

逆变器控制器就是一个明显的例子。您可以将生产控制板连接到模拟电机和直流母线上，然后在加速、再生制动和低电压等工况下观察扭矩指令、电流限制和故障状态市场活动 。这种方法同样适用于保护继电器、飞行控制计算机或电池管理单元。每种情况都能让您更早地验证控制行为，这也正是控制器硬件在环技术在基于模型的工程工作流中具有重要价值的原因。

“C-HIL 能够降低风险，因为控制器接收的是可靠的输入信号，且其输出会影响正在运行的仿真 。”

基于模型的工程中，C-HIL 降低风险的 5 种方式

当您利用 C-HIL 针对那些通常在后期才显现且诊断成本最高的故障类型时，其风险降低效果最为显著。这些故障类型可归入六个实际类别。每个类别都对应一个常见的控制问题。如果在台架集成之前就发现这些问题，其修复成本就会更低。

1. 虚拟工厂模型能在原型机出现之前就揭示出控制逻辑中的不稳定性

虚拟工厂模型使您能够在原型机问世之前，就针对动态行为对实际控制器进行测试。这一点至关重要，因为不稳定的增益、糟糕的调度以及薄弱的模式逻辑通常在代码审查中难以被发现。例如，一个牵引逆变器控制器在桌面版仿真 中看起来可能没有问题，但当在闭环中应用模拟的电机惯性、母线纹波和传感器延迟时，却会开始振荡。 此时您会观察到超调、积分器饱和或极限循环现象，而解决方法往往仅需更新参数或修改状态机。这种早期预览还能促使您建立更严谨的建模规范，因为被控对象的假设必须足够明确，才能支撑您所信赖的测试。

2. 故障注入可揭示在罕见运行条件下出现的不安全响应

故障注入可展示当输入信号失效或被控对象状态超出额定范围时，控制器会如何响应。这些测试能降低风险，因为罕见的故障在物理硬件上难以安全重现，但它们往往能暴露恢复逻辑中最薄弱的环节。当电池控制器遇到温度传感器卡死、欠压事件或通信帧丢失等情况时，即可验证其能否干净利落地降低额定值、锁定正确的代码，并按预期顺序恢复。 您不仅要验证故障是否被检测到，还要验证在首次出现故障后，响应是否始终保持在可控范围内、可追溯，并且对系统其余部分是安全的。

3. 时序测试可在基准测试集成之前检测到延迟抖动

时序故障属于控制故障，而 C-HIL 能在系统仍易于检查时将其暴露出来。闭环执行可揭示静态模型审查中无法发现的截止时间未达、任务延迟波动以及 I/O 偏移等问题。例如，电机控制单元虽然计算出了正确的占空比，但 PWM 更新延迟或时间戳噪声仍可能导致电流调节超出容差范围。 使用 OPAL-RT 的团队通常采用确定性被控对象执行方式运行这些测试，以便在可重复的负载条件下测量控制器时序。这一点至关重要，因为这样可以在软件逻辑问题与执行时序问题混杂在一起导致令人困惑的台架测试失败之前，将它们区分开来。

“时序故障属于控制故障，而C-HIL技术能在系统仍易于检查时将其显现出来。”

4. 基于模型的工程设计可确保需求在每次修订中均可追溯

当每个控制要求都与模型元素、测试用例和观测结果保持关联时，基于模型的工程设计能够降低风险。当修订版本不断累积，且无人记得哪个假设最先发生变化时，这种可追溯性就显得尤为重要。 例如，限速器的要求应始终与状态逻辑、阈值以及证明限速器能在允许时间内启动的C-HIL测试保持关联。当安全审查后阈值发生变化时，您可以重新运行关联的测试并立即验证其影响。您无需猜测哪个电子表格、脚本或软件分支仍反映了当前的控制意图。

5. 回归测试会在每次控制器更新后标记软件漂移

回归测试能降低风险，因为控制软件极少在显而易见的地方出现故障。对滤波器、防累积逻辑、校准表或启动顺序进行微小修改，可能会导致行为发生变化，且这种变化往往与被修改的代码块相去甚远。 例如，对电动驱动器进行电流限制更新时，即使新代码通过了台架烟雾测试，也可能改变电压下陷事件期间的故障恢复时间或转矩响应。C-HIL 为您提供可重复的闭环场景，可在每次构建后运行，因此软件漂移会以可测量的偏差形式被捕获，而非造成代价高昂的意外。这种规范也有助于团队在相同的被控对象条件和通过标准下比较不同版本。

针对最高风险，应从何处开始实施C-HIL？Simplified Chinese (Mainland)

首先从那个一旦发生故障将对安全、性能或进度产生最大影响的控制器功能入手。你不需要一开始就拥有一个完美的工厂模型。你需要围绕最可能导致后期返工的那个功能建立一个可靠的闭环系统。这才是有效降低风险的最快途径。

一个不错的起点是选择能够重现那些绝对不能错过的故障的最简化测试设置，例如逆变器的电流控制、继电器的故障恢复，或是车辆控制器中的扭矩仲裁。 使用OPAL-RT的团队通常会取得更好的成果，前提是将 C-HIL 视为基于模型的工程实践的一部分，而不是将其视为后期实验室任务。其成效体现在：选择严格的通过标准、确保测试的可重复性，以及仅在第一个循环稳定后才扩大测试范围。

• 选择一个对项目影响显著的控制回路。
• 尽早设定可量化的通过和未通过阈值。
• 仅对影响该回路的植物动力学进行建模。
• 在每次软件修订后自动重新运行。
• 将经过验证的测试原样推进到后续实验室阶段。