天天热文：浅谈虚拟标定技术在热管理控制系统开发中的应用

作者：极氪软件及

电子中

(资料图片)

心文龙

当前乘用车市场普遍向电动化、智能化发展。伴随着电气化、智能化，汽车热管理系统越来越复杂，对汽车安全、智能、 舒适、节能的影响越来越大，热管理已经成为新能源智能汽车上最重要的系统之一。

在智能体验的新趋势下

，传统的热管理控制系统必须也掌握新的方法论，实现功能拓展、架构升级，运用新的技术理念，如整车服务、数字孪生、机器学习，来使得热

管理系统变得更加智能主动，增强其安全、智能、舒适、节

能性能。

新能源热管理系统的控制对象重点包涵了：冷却风扇、水泵、水阀、冷媒阀（开关截止阀、电子膨胀阀）及电动压缩机等。传统的热管理控制系统开发方法需要大量的标定试验来完成各个部件的算法控制与优化。在当前激烈的竞争环境下，整车项目开发周期由原来的五年变为三年甚至有些变为两年或者一年。显然如果再按照传统的开发思路，是不能满足项目需求的，必须需要花费更高的代价来完成项目开发，很多时候大家都选择包环境舱的方式或者做反季试验。

那么如何能高效地

完成热管理控制系统算法迭代与优化呢？

我们借鉴了数字孪生的方法论，引入了虚拟标定技术。

比如：

1）对冷凝风扇目标压力进行预测得到目标压力的最优解，从而进行风扇PI控制；

2）对乘客舱制冷目标出风温度的压缩机转速预测，从而进行前馈控制；

3）对电池目标水温的压缩机转速预测如下表1和表2所示，从而进行前馈控制，以及进行预约充电、预约保温所需提前的控制时间评估；

4）对热管理系统不同工况下工作能耗的预测，从而进行模式管理控制算法

的优化等等。

表1行车制冷虚拟标定压缩机转速(rpm)前馈值

表2超级快充虚拟标定压缩机转速（rpm）前馈值

其实在智能制造领域最先使用数字孪生概念的是美国的航空航天局（NASA）在阿波罗项目中，美国国家航空航天局使用

空间飞行器

的数字孪生对飞行中的空间飞行器进行仿真分析，监测和预测空间飞行器的飞行状态，辅助地面控制人员作出正确的决策。在 2016 西门子工业论坛上，西门子认为数字孪生的组成包括：产品数字化双胞胎、生产工艺流程数字化双胞胎、设备数字化双胞胎，数字孪生完整真实地再现了整个企业。最近几年“数字孪生”热度不断攀升，备受行业内外关注。自概念提出以来，数字孪生技术不断

地

快速演化，无论是对产品的设计、制造还是服务都产生了巨大的推动作用。数字孪生通过设计工具、仿真工具、物联网虚拟现实等各种数字化的手段，将物理设备的各种属性映射到虚拟空间中，形成可拆解、可复制、可转移、可删除、可重复操作的数字镜像，这极大的加速了操作人员对物理实体的了解，可以让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作，如模拟仿真、批量复制、虚拟装配等，成为触手可及的工具，更能激发人们探索新的途径来优化设计、制造和服务。

下面举一个小案例来说明如何运用虚拟标定技术得到乘客舱制冷压缩机转速前馈控制目标值。我们都知道对于目标风温的控制要求是快、准、稳，大多采用前馈PID控制方法。控制量=前馈值+PID，前馈实际上是利用对象特征，属于开环控制。优点是提高系统响应速度，减小反馈控制压力。如果对对像特征不清楚，就无法用前馈。传统的思路是在环境舱里面进行环模测试，通过不同环境温度下得到不同风量及目标风温下的压缩机转速前馈值。此项工作大概需要50-60h，也就是大概7天的试验时间去完成，环模费用按照3000RMB/h（预估优惠价），预估此项压缩机前馈标定环模测试费用在15W-18W左右。新的思路是采用数字孪生技术，通过对被控对象进行详细物理建模并耦合实车热管理控制软件进行预测得到不同工况下的压缩机转速值。此方法加上建模时间总共仅需要3-5天时间即可得到想要的预测结果。总结：传统热管理方法特别依赖车辆、环模等资源，然而采用数字孪生技术可以很好

地在项目前期就完成对被控对象的预测分析与优化，达到缩短产品开发周期并节省开发费用的目的。

接下来介绍本次使用的虚拟标定技术方法。

首先第一步是整理需要的零部件性能参数及SPC文件，梳理热管理系统架构。

第二步就是根据需求搭建相应的物理模型。在这里重点强调一定要对物理模型进行相应的简化。完整的热管理物理模型如下图1所示。但是本次工作仅涉及到热管理空调系统回路，控制模型涉及到压缩机、冷媒阀及冷却风扇三

个控制模块。为了保证计算速度，同时又要兼顾预测精度，需要对模型进行删减，最终简化后的物理模型如下图2所示。

图1 完整热管理物理模型

图2 简化后压缩机前馈标定物理模型

第三步对物理模型进行标定。模型标定时要重点关注各部件及管路流阻以及冷凝器、蒸发器换热量，同时还要对压缩机容积效率、机械效率、等熵效率进行标定。通过AMESIM搭建的热管理空调系统模型精度如下表3和图3所示。

表3 压缩机排气压力预测精度对比

图3 压缩机功率预测精度对比

第四步通过FMU工具把AMESIM模型生成FMU文件导入到SIMUlink模型中。AMESIM模型导出时选择Co-simulation模式，中文解释就是协同仿真如下图4所示。这样做的目的是保证模型求解精度，热管理空调系统模型求解采AMESIM求解器，控制模型采用Simulink模型求解，迭代时间步长根据实车控制采用时间设置，本次设置为0.1s，涉及到交互的数据在Simulink模型文件中完成数据交换。

图4 Amesim FMU文件模型导出设置

在这里简单介绍一下什么是FMU/FMI？在汽车工业、航空、机电装备等领域都会存在着不同的应用、建模系统，用于解决不同的问题，为了仿真整个系统，往往需要在不同的仿真程序之间进行交互，而且系统的集成必须将来自不同供应商的仿真环境协同工作才能完整的调试，这产生了模型交互的需求，但却没有标准化的接口，因此为了解决这个问题，开发了FMU/FMI。工具独立的标准用于支持动态模型的交互以及联合仿真，用于解决汽车工业中模型互操作问题，最初是由欧盟资助的Modelisar项目，由戴姆勒公司承担该项目，而第一个版本是在2010年发布，改善的版本在2014年发布，由Modelica协会积极的主持开发。

(1) FMI是Functional Mock-up Interface的缩写，意思是功能模型接口，是一个工具独立的标准，作为模型交换规范版本的FMI在系统仿真环境与系统仿真模型之间定义了一个标准化的接口，通过XML文件与编译的C代码的融合来支持动态模型的交互和联合调试。

(2) FMU是一个定义的系统模型的外部格式和压缩文件（*.fmu），包含了XML格式接口数据描述和功能（采用C代码或二进制实现）；所谓的FMU就是采用FMI接口而开发的软件元件（组件）。

FMU工作模式：（1）用于模型交互，其意图是建模环境可以以输入/输出模块形式生成一个动态系统模型的C代码，可以被其他建模环境使用。模型（没有求解器）用微分，代数和离散方程来描述，包括时间，状态和速度。（2）用于协同工作，目的是在协同工作环境中将两个或更多模型与解算器耦合。子系统之间的数据交换仅限于离散通信点。在两个通信点之间的时间内，子系统通过各自的解算器彼此独立解决。主算法控制子系统之间的数据交换和所有从模拟求解器的同步。该接口允许标准以及高级主算法，例如可变通信步长的使用，更高阶信号外推和错误控制。

FMI/FMU可以在 Amesim、GT、Matlab、Adams、Motion recurdyn、Labview 等软件之间实现联合通讯，避免了复杂的接口设置和软件壁垒。而且只需要使用GCC编译器就可完成编译，可以不依赖VS等软件。

最后，在Simulink控制模型中进行全工况扫描，通过改变输入工况（环境温度、目标蒸发温度、鼓风机风量，内外循环比例），来得到相应的压缩机转速前馈值。下表4展示了部分预测结果与实车测试情况对比结果，从分析结果上看两者误差非常小，其结果完全可以用于预测压缩机前馈标定值。

表4 压缩机前馈值预测结果和测试结果对比

在智能体验的新趋势下，把一些新的方法论融入到传统热管理控制系统开发中，能够对项目开展起到很大的帮助作用。本文简单介绍了一种虚拟标定技术在热管理控制系统开发中的部分应用场景。利用此技术真实复现了实车特性表现，能够高效的完成热管理控制系统算法迭代与优化，达到满足项目开发需求并节省项目开发费用的目的。

标签： 管理控制 物理模型 管理系统