在美国洛杉矶的某个地方,交通部正在合作开发一种解决方案,以创建该城市交通基础设施的数字孪生。在世界其他地方,数字孪生的汽车用例正在扩大。 鉴于其影响深远的功能,汽车行业确实是集成使用数字孪生的几个行业之一。
随着电气化和自动驾驶等新趋势的发展,当今的车辆可以被描述为一个不断发展的子系统系统,并且通常具有不同的电子模块,有时多达 100 个或更多。 子系统的复杂性需要复杂的实时虚拟表达。 这正是数字孪生的含义:物理对象或系统的虚拟副本,可用于模拟现实世界的条件并在虚拟环境中测试不同的场景。它通过使用传感器、机器学习和人工智能来监控和反映物理对象。每种类型的数字孪生都有其独特的功能和优势,可以一起使用来创建全面的车辆数字模型。
基于层次结构的数字孪生分类
单元级数字孪生:在较低的层次级别,这可以反映设备、材料或环境因素的组成部分。
系统级数字孪生:这包括生产系统或复杂物理产品中的多个单元级数字孪生。
系统级 (SoS) 数字孪生:多个系统级数字孪生形成了 SoS 级数字孪生,从而增强了供应链、设计、服务和维护等方面的协作。
数字孪生蕴含大量数据
数字孪生不仅会生成有关物理对象的大量数据,而且还需要从物理对象捕获数据。 在汽车中,传感器固定在车辆的多个部件上,以生成和转发有关车辆功能和状态的大量数据。 数据流是现代数字孪生的重要组成部分,可以在车辆的整个生命周期中提供多种好处。
图 1. 数字孪生生态系统的组成和特征
车辆部件的监控是数据可用性所带来的一项特殊优势。 一个例子是跟踪电池的健康状态 (SoH),这对于纠正异常情况至关重要。与 SoH 类似,数字孪生也可以帮助跟踪车辆部件的剩余使用寿命 (RUL)。 SoH可以帮助汽车制造商管理电池充电和组件的热控制等,而 RUL 可以帮助保险公司评估受损车辆的价值或提醒车主订购新组件。 例如,如果电池系统的 RUL 到期,则可以更换电池并将其重新用于其他应用。
所有这些可能性都需要大量数据。 尽管数字孪生对数据的依赖并不是汽车所特有的,但现代汽车已经变得更加复杂,所以也使得该技术有充分发挥空间。 这些复杂的车辆不仅产生越来越多的数据,而且还需要尽快转发并处理数据以获得最佳性能。
联网车辆正在改变驾驶员体验。 利用恩智浦车辆网络解决方案释放联网车辆的价值。
车辆架构的一些变化
车辆架构必须变得更加灵活,以适应数据的双向传输。具体来说,需要高性能的车载网络(IVN)来满足不断增加的数据使用的处理要求。这方面的一个日益增长的趋势是向区域电子电气架构(Zonal E/E)的转变。
区域架构通过网络传递车辆功能,允许将问题定位到车辆架构的特定部分。 这可以实现更快的响应和错误确认。数字孪生可以驻留在任何位置,包括靠近车辆端节点(靠近执行器和传感器)、更集中在高性能计算集群中或在连接的云中。 延迟和决策响应时间决定了数字孪生应该驻留在哪里。工具和处理功能允许在信号到云中的迁移过程中实现数字孪生,使系统开发人员能够轻松迁移功能。
图2:架构演进趋势:从域到区域
此外,通过提高中央车辆计算机的处理能力,区域电子电气架构可实现由软件和无线更新驱动的车辆创新。 架构的分区化简化了多个来源数据的集成,这可以促进数字孪生的使用。
车辆原型设计、性能优化和其他优势
虚拟原型虽然复杂,但可以清晰地说明车辆组件如何在不同场景下协同工作。 对于原始设备制造商而言,数字孪生不仅有助于虚拟原型设计,而且还提供了更多升级车辆设计、部署新功能并从而降低成本的可能性。 通过收集和分析运营数据,他们模拟车辆的性能并分享有关潜在改进的见解。 这可以为优化车辆部件的性能带来多种好处。
其中一项好处是改进电池管理以延长电池寿命。 使用人工智能驱动的解决方案可以对电池健康状况的任何变化进行调整,从而实现持续改进,特别是在控制决策方面。 这一支持可以帮助克服电动汽车电池和 BMS 的主要问题,包括提高电动汽车续航里程、确保电池安全和延长电池寿命。
除了 BMS 改进之外,预测性维护还有一个额外优势,可以实时监控车辆部件和系统。 该数据可用于预测何时需要维护,从而减少停机时间和维护成本。 该技术在汽车行业的其他用例包括模拟自动驾驶汽车在不同驾驶场景中的行为。 这种可能性有助于在自动驾驶汽车部署到道路上之前对其软件和硬件组件进行完善和测试。
总体而言,数字孪生在汽车中的使用将更加广泛,特别是随着车辆数字化的不断发展。 它在行业中的使用有可能改善产品设计、制造工艺和车辆维护,从而带来更好的产品和更高效、更可靠的汽车行业。 随着这种发展的继续,一个关键的事项将是需要优先满足各种汽车流程的功能安全和网络安全要求。