汽车动力系统的数字孪生平台技术揭秘| 一文讲清楚先进动力系统的关键挑战:控制策略、新功能开发、安全机制、从整车到组件性能

文摘   汽车   2024-12-16 06:46   上海  

目录

1. 什么是数字孪生?
2. 迈向先进动力系统的关键挑战有哪些?
2.1 电动汽车的关键组件
2.2 动力系统的关键挑战
  • 2.2.1 来自整车的挑战
  • 2.2.2 系统级的挑战
  • 2.2.3 组件级的挑战
  • 2.2.4 控制策略的优化、安全模式策略的制定
  • 2.2.5 新技术的验证
3. SysPro数字孪生平台

01

什么是数字孪生?
数字孪生(Digital Twin)是一种通过数学模型对现实世界的物理实体或系统进行实时模拟和分析的技术。它充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,虚拟空间中完成映射,从而反映相对应的实体系统的全生命周期过程。通俗点说,数字孪生就是创造了一个数字版的"克隆体",用于在虚拟环境中模拟、预测优化现实世界的物理对象或系统
那么,针对xEV的动力总成,数字孪生有什么不一样的地方吗?想要回答这个问题,我们先要清楚迈向先进动力系统的过程中,究竟有哪些关键挑战?

图片来源:网络

02

迈向先进动力系统的关键挑战有哪些?

2.1 电动汽车的关键组件

随着车辆电气化的进程,传统的动力系统逐渐从化石燃料驱动更换为电力驱动的系统和组件,主要集中在电力驱动系统及其辅助系统上,如燃料电池电动汽车(FCEV)插电式混合动力汽车(PHEV)纯电动汽车(BEV)以及混合动力汽车(HEV),我们一般将这类汽车简称为"xEV"下图展示了不同类型的电动汽车的共有组件:动力电池功率电子逆变器牵引电机变速器、DC/DC转换器、OBC等。
那么,考虑到xEV的动力总成的复杂性和应用场景的多样性,面临什么样的关键挑战呢?

图片来源:网络

2.2 动力系统的关键挑战

在开发电动汽车动力系统的过程中,必须解决多个设计挑战,以确保效率性能功能性安全性可靠性成本效益。我们从以下几方面聊聊这里面的关键挑战。
2.2.1 来自整车的挑战
关于SysPro老朋友应该清楚,我们一直在传递一个理念:一切源于整车,一切用于整车脱离应用市场、脱离场景的开发,一切都是徒劳。在"do thing right"之前,一定是"do right thing"!
动力系统的开发也是如此,作为驱动系统的方案供应商,并不能因为整车给了我们输入就认为是确定的,一定要多问自己一句数据背后的合理性。因此,有必要站在整车的视角对目标动力系统有个全方位的理解定位
比如,最大加速时间要求动力系统能在短时内提供高扭矩和功率最高车速则要求动力系统在最大转速下具备一定的持续高功率输出的能力。特别,对于BEV而言,续航里程和能耗更是核心指标,需要不断优化产生能耗的元素。此外,爬坡特性堵转特性也对动力系统的输出能力、散热能力、扭矩响应速度提出了全面要求。因此,在设计之初,如何根据整车参数、驾驶循环路谱、动力系统的特性参数,完整、准确地获取这些关键指标至关重要!

图片来源:SysPro系统工程智库

清晰、完整地了解整车的性能表现,其价值不仅在于设计之初的目标定义,更是在开发过程中对动力系统持续地迭代优化的有力保障。这些挑战需要通过先进的控制策略、系统/子系统设计和材料工程、热管理等复合学科的努力来共同应对。
图片来源:SysPro系统工程智库

2.2.2 系统级的挑战

在动力总成的系统级的设计,可能会遇到多重挑战。

首先,在峰值性能、持续性能堵转性能方面,动力系统需确保在各种工况下均能稳定运行峰值性能要求系统在高负载或极端条件下不失效,持续性能则关注长时工作的可靠性,而堵转性能则考验系统在负载突变或机械阻塞时的响应与承受能力。以上这些性能指标,一方面要确保结合整车参数应用场景给出准确的设计目标,另一方面要根据动力总成组件的特性参数,计算获取其实际能力

图片来源:SysPro系统工程智库
其次,系统效率的提升是一个核心问题,它要求我们在电机、电控软硬件的配合上进行精细的仿真分析与设计优化,以确保对于特定车型能够实现效率的最大化;与此同时,为了更准确地匹配整车能耗的能耗目标,在系统级中还要重点考虑在典型路谱中的综合效率,如CLTC效率WLTP效率等。这一过程不仅复杂,而且需要综合考虑多种因素,如电机的工作特性电控系统的控制策略以及软硬件之间的协同

图片来源:SysPro系统工程智库

此外,扭矩响应时间也是一个关键指标,它直接影响到车辆的驾驶性能和乘客的舒适度。通过SIL(Software-in-the-Loop)仿真来离线匹配最优控制参数是一个有效的方法,但如何进一步缩短响应时间,仍然是一个需要不断优化的难题。
最后,扭矩控制精度同样不容忽视。在实际应用中,诸如三相电流传感器误差等因素都可能对扭矩控制精度产生显著影响。因此,我们需要进行敏感性分析,并利用Monte Carlo法等仿真手段来验证不同扭矩模型的系统精度。这一过程不仅繁琐,而且需要高度的专业知识和严谨的实验设计,以确保结果的准确性和可靠性。

图片来源:SysPro系统工程智库

2.2.3 组件级的挑战
动力总成在组件级别同样面临着诸多挑战,例如:
效率上的挑战。控制器、电机、减速器的效率MAP揭示了其在系统性能上的瓶颈。低效率可能源于组件本身的设计问题,或者是彼此匹配不当,亦或是控制策略欠优化,直接影响能量利用和系统整体表现

图片来源:SysPro系统工程智库

温升的困扰。SIC/IGBT结温Busbar温度的管理对于确保功率器件的可靠性系统的性能、安全性至关重要。在不同驾驶条件下,如CLTC,这些温度指标的变化直接反映了器件的热应力状态。过高的温度不仅会增加器件失效的风险,还可能引发性能参数的漂移,导致系统整体性能下降。

图片来源:SysPro系统工程智库

电压纹波带来的影响。电压纹波的计算与控制是电力电子变换器面临的另一大挑战。电压纹波不仅影响电控输出电流的质量,进一步地影响系统的稳定性,导致控制精度下降和响应速度变慢;此外,电压纹波过大还会降低系统效率,增加额外的能量损耗,并可能产生较强的电磁干扰;再者,过大的电压纹波会加速组件的老化,特功率器件,增加其工作负担,加速疲劳失效,同时增加热应力,进一步缩短使用寿命。因此,如何在不同电压、转矩、转速,不同的IGBT、容值、控制策略下,评估电压纹波的特性是关键!

图片来源:SysPro系统工程智库

寿命缩减:IGBT和Diode的寿命估算评估系统维护周期运营成本的重要依据。器件的寿命受限于多重因素制约,包括电流应力、温度循环等;此外,在不同条件下,这些组件的寿命特性差异显著,整车全寿命周期内不同路谱下的寿命消耗情况也不尽相同。因此,能否准确地估算其寿命,至关重要!

图片来源:SysPro系统工程智库

2.2.4 控制策略的优化、安全模式策略的制定

在动力系统的控制策略安全模式方面,我们面临着多重挑战。

系统优化与策略制定:这里面涵盖了如DPWM(脉宽调制)降温提能降频处理双采样双更新等多个复杂环节。这些策略旨在通过精细调控来提升系统性能和稳定性,但实现过程中却需克服技术复杂性和实时响应性的难题。例如,如何在确保系统高效运行的同时,有效管理电机温度、降低损耗,并提升驾驶舒适性?

图片来源:SysPro系统工程智库

安全模式的制定:通常,为了确保动力系统非预期的事件发生下的人身安全,我们一般会针对不同工况设计的多层次安全评估机制,包括三相ASC(主动短路保护)两相ASC一相ASC以及Freewheeling(主动滑行保护)等。
这些安全模式的引入,旨在确保系统在各种极端条件下仍能保持稳定运行。然而,如何协调不同安全模式之间的切换,以及实现对系统异常情况的快速响应?特别是在动态环境下,如何确保控制策略能够灵活调整,以适应系统性能的变化,保障持续的安全和高效运行?对控制算法和安全模式设计提出了更高要求。

图片来源:SysPro系统工程智库


2.2.5 新技术的验证
在动力系统新功能、新技术验证的征途中,我们同样面临着多方面的严峻挑战。
例如,升压充电功能脉冲加热功能的开发
升压充电功能,实现了在不改变现有充电设施的情况下,通过车载升压装置将400V的输入电压升压至800V,从而满足800V电动车的充电需求。然而,如何高精度的完成电压转换和控制,以确保在升压过程中电压和电流的稳定,如何优化升压充电策略,以减少能量损耗并提高充电速度?
脉冲加热功能,改善了动力系统在低温和极端环境下的动力电池的工作温度,显著i生了系统的稳定性、可靠性和效率。然而如何电池组内产生精确控制的脉冲电流,以实现快速加热?如何避免短时的加热不均匀问题?如何制定策略,以避免高频充放电过程中带来的电池寿命衰减?

图片来源:SysPro系统工程智库

以上这些问题都高度依赖于精确且复杂的仿真模型开发经验,这不仅要求我们对仿真模型进行高精度的构建与验证,还需与各类硬件系统紧密协同,以实现整个动力系统的高效、稳定运行


03

SysPro数字孪生平台

通过上面的概述,我们可以深刻感受:为了打造一款高性能高效可靠功能完备的电动汽车动力总成系统,需要的是学科方法先进工程解决方案SysPro致力于打造构建一套完备的数字孪生技术来应对上述的这些挑战,并加快新型电动汽车的开发速度。

目前版本,「SysPro数字孪生平台」主要对混合动力汽车(HEV)和电动汽车(EV)的动力系统,为用户可以带来如下的价值:

 提升设计效率与缩短开发周期

「SysPro数字孪生平台」通过构建高精度的数学模型,能够在虚拟环境中对动力总成进行全面的仿真分析。这使得设计师能够在早期阶段快速评估不同设计方案的性能,无需等待实际硬件的制造和测试。这极大地提升了设计效率缩短了产品的开发周期

优化系统性能与降低成本

通过「SysPro数字孪生平台」,用户可以对动力总成的各个组件和系统进行精细的仿真与优化。无论是电机、电控系统的效率提升,还是扭矩响应时间控制精度的优化,SysPro都能提供有力的支持。这种优化不仅提高了系统的整体性能,还通过减少不必要的迭代设计和测试降低了开发成本

增强系统可靠性与安全性

「SysPro数字孪生平台」能够模拟各种极端工况故障情况,帮助用户评估动力总成在不同条件下的稳定性和安全性。通过仿真分析,用户可以提前发现并解决潜在的安全隐患,从而增强系统的可靠性。同时,SysPro还支持安全模式的制定和验证,确保系统在非预期事件发生时能够迅速响应并保护人身安全。

支持新技术的验证与集成

对于电动汽车动力总成中的新技术,如升压充电功能脉冲加热功能,SysPro数字孪生系统提供了强大的验证平台。用户可以在虚拟环境中对新技术进行全面的测试和优化,确保其在实际应用中的稳定性和可靠性。此外,SysPro还支持新技术的集成与现有系统的兼容性分析,为用户的技术创新提供了有力的保障。

提升决策支持与降低风险

通过SysPro数字孪生系统,用户可以获得动力总成全生命周期的数据和分析结果。这些数据不仅有助于用户做出更明智的决策,还能帮助用户识别并降低潜在的风险。关于这一部分,目前仅停留在静态预测上,未来,我们有一些小想法,希望能实时动态执行这一系统。例如,在产品开发阶段,用户可以通过仿真分析预测系统的性能表现市场接受度;在运维阶段,用户可以通过数字孪生系统监测系统的运行状态,及时发现并处理潜在的问题

图片来源:SysPro系统工程智库

综上,「SysPro数字孪生平台」具备不错的仿真、分析和优化能力,为xEV动力总成的开发带来了显著的价值。它不仅可以帮助我们提高了设计效率优化了系统性能增强了系统可靠性,还支持新技术的验证与集成,并为用户提供了有力的决策支持


以上是关于「SysPro数字孪生平台」的介绍借此说明先进动力系统的关键挑战有哪些?[SysPro系统工程智库]知识星球会陆续对上述内容中的关键技术进行阐述,并上传一些技术资料为大家在实践项目中提供一些思路、参考,本周末会在知识星球上传一个思维导图,将上述内容串起来,让大家有个整体的脉络。备注:SysPro正在寻找愿意一起做事情的小伙伴,如有兴趣可添加微信,朋友圈第一条,填写[SysPro项目合作意向表]。感谢你的阅读,希望有所帮助!
如有相关需求可添加微信沟通:cruise3352


更多关于<新能源汽车动力系统>相关的功能、性能、标准的解析、方案解析、峰会报告解读、计算工具以及培训视频,已在知识星球 [SysPro系统工程智库] 中发布,期待你的加入,一起探索其中的乐趣,共同成长。

期待你的加入,一起探索其中的乐趣,共同成长
【相关阅读】

「SysPro系统工程智库」让我们未来会更好,

感谢新老朋友们的关注和支持,共同成长!

感谢你的阅读,共同成长!

2024年12月16日

【免责声明】文章为作者独立观点,不代表公众号立场。如因作品内容、版权等存在问题。请于本文刊发30日内联系删除或洽谈版权使用事宜。


「SysPro系统工程智库 2.0」正式启航

点击下图跳转,了解详情

点击「阅读原文」,加入SysPro,共建知识体系

苹果手机用户请添加文末微信加入


SysPro系统工程智库

一个面向新能源汽车领域的知识库,
用系统工程,构建从底层技术到终端产品的知识体系,
用系统思维,探讨人生哲学;以终为始,坚持成长。
点击「阅读原文」,加入SysPro系统工程智库

如果觉得不错,欢迎推荐给身边的人

右下角点个在看☀,最好的支持

SysPro系统工程智库
「SysPro系统工程智库」,专注于新能源汽车领域,坚持原创、坚持分享、坚持成长。期望用系统科学,构建从底层技术到终端产品的知识体系;用系统思维,探讨人生哲学,过好我们这一生。
 最新文章