Das Powertrain Blockset bietet vordefinierte Referenzanwendungen für die Automobilindustrie für Benzin-, Diesel-, Hybrid-, Brennstoffzellen- und Batterieantriebssysteme. Das Blockset beinhaltet eine Komponentenbibliothek für Verbrennungs- und Elektromotoren, Batterien, Getriebe, Reifen und Fahrermodelle sowie Komponenten- und Überwachungssteuerungen.
Das Powertrain Blockset enthält die Virtual Vehicle Composer-App für die Konfiguration und Parametrierung von Modellen sowie vordefinierte Workflows für die Größenanpassung von Komponenten, die Kalibrierung von Modellen anhand von Daten, die Optimierung von Schaltplänen und die Generierung von dynamischen Anlagen- und Zustandsschätzern auf Deep-Learning-Basis. Sie können diese Modelle beispielsweise für die Abwägung verschiedener Design-Optionen und zur Dimensionierung von Komponenten, zur Optimierung von Reglerparametern und für Hardware-in-the-Loop-Tests (HIL) verwenden. Da die Modelle offen sind, können Sie Ihre eigenen Subsysteme einbinden und nach Bedarf anpassen.
Referenzanwendungen
Closed-Loop-Modelle für die Analyse von Antriebszyklen, Energiemanagement und Leistung
Produkt-Highlights
Virtual Vehicle Composer
Parametrieren, konfigurieren und erstellen Sie interaktiv ein virtuelles Fahrzeug, um Analysen des Kraftstoffverbrauchs, der elektrischen Reichweite, des Energiemanagements und der Leistung durchzuführen.
Workflows für die Größenanpassung von Elektro- und Verbrennungsmotoren
Nutzen Sie die vordefinierten Workflows in der Virtual Vehicle Composer-App für die Größenanpassung von Verbrennungsmotoren und Motoren mit Zuordnungstabellen auf der Grundlage allgemeiner Spezifikationen wie beispielsweise der maximalen Leistung. Die zugehörigen Regler werden für die Komponente mit angepasster Größe automatisch neu kalibriert.
Generieren von Komponentenmodellen auf Deep-Learning-Basis
Generieren Sie Modelle reduzierter Ordnung (ROM) mithilfe dynamischer Deep-Learning-Netze für Fahrzeugkomponenten, einschließlich Verbrennungs- oder Elektromotoren, für Hardware-in-the-Loop-Tests (HIL) sowie Steuerungs- und Regelungsentwürfe.
Virtuelle Kalibrierung
Kalibrieren Sie Regler und stimmen Sie die Parameter von Anlagenmodellen für Komponenten wie Verbrennungsmotoren, Turbolader und Elektromotoren ab, bevor diese in Ihr Fahrzeugmodell auf Systemebene integriert werden.
HIL- und Cloud-Unterstützung
Erfassen Sie wichtige physische Effekte und gewährleisten Sie die Ausführung in Echtzeit mithilfe von Simulink Real-Time. Mit einer Bereitstellung in der Cloud erhöhen Sie die Rechenleistung für umfangreiche Simulationsstudien.
Simscape-Integration
Integrieren Sie mit Simscape elektrische, thermische und mechanische Entwürfe in Ihre Fahrzeugmodelle, indem Sie Komponenten zu einem schematischen Aufbau zusammenfügen oder vordefinierte Optionen in der Virtual Vehicle Composer-App verwenden.
Produktressourcen:
Powertrain Blockset – Häufig gestellte Fragen
Das Powertrain Blockset bietet vorkonfigurierte Referenzanwendungen für konventionelle (Benzin- oder Diesel-), elektrifizierte (batterieelektrische oder hybrid-elektrische) und Wasserstoffantriebsstränge (Brennstoffzelle oder H2 ICE).
Die Virtual Vehicle Composer ist eine App zum interaktiven Konfigurieren und Parametrieren von Fahrzeugmodellen mit vorgefertigten Workflows zum Neudimensionieren von Komponenten, Kalibrieren von Modellen anhand von Daten, Optimieren von Schaltplänen und Erzeugen von Deep-Learning-Schätzern. Verwenden Sie sie, um schnell auf Ihre Designanforderungen zugeschnittene Fahrzeugmodelle zu erzeugen.
Ja, die Modelle sind offen, sodass Sie eigene Teilsysteme integrieren und sie nach Bedarf anpassen können.
Das Blockset enthält eine Komponentenbibliothek für Motoren, Traktionsmotoren, Batterien, Getriebe, Antriebsstrangkomponenten, Reifen- und Fahrermodelle sowie Komponenten- und übergeordnete Steuerungen.
Ja, Sie können diese Modelle für Hardware-in-the-Loop (HIL) Tests verwenden und mit Simulink Real-Time eine Echtzeit-Ausführung erreichen, um Reglervalidierung und Systemtests durchzuführen. Die Modelle sind mit allen gängigen HIL-Anbietern kompatibel.
Sie können die Modelle für Design-Abwägungsanalysen und Bauteil-Auslegung, Optimierung von Regelungsparametern, Kraftstoffverbrauchs- und Reichweitenanalysen für Elektrofahrzeuge (EV), Energiemanagement und Leistungsanalysen verwenden.
Ja, Sie können reduzierte Modelle mithilfe dynamischer Deep-Learning-Netzwerke für Fahrzeugkomponenten wie Motoren oder Motoren für HIL-Tests und Regelungsentwurfsaktivitäten erzeugen.
Ja, das Powertrain Blockset unterstützt die Integration mit Simscape zur Modellierung elektrischer, thermischer und mechanischer Systeme. Viele vorgefertigte Fahrzeugmodelle im Powertrain Blockset verwenden Simscape-basierte Komponenten.
Ja, das Powertrain Blockset-Modelle sind offen und anpassbar, sodass Sie die Integration mit Produkten wie Vehicle Dynamics Blockset und Simscape zur Ergänzung zusätzlicher Details im Modell nutzen können. Sie können Produkte wie Model-Based Calibration Toolbox und Optimization Toolbox zur Kalibrierung der Plant- und Reglermodelle in Powertrain Blockset verwenden. Es ist außerdem kompatibel mit Produkten wie Simulink Real-Time für HIL-Tests und Parallel Computing Toolbox für groß angelegte Simulationsstudien.
Das hängt vom Regler und von den bereitgestellten Parameterwerten ab. Wenn Parameter aus physischen Testdaten stammen (z. B. Motorprüfstandsdaten, Reifenprüfstandsdaten), können die Modelle reale Ergebnisse sehr gut reproduzieren. Da das Powertrain Blockset generische, repräsentative Regelungen enthält, kann sich das Fahrzeug anders verhalten als mit Produktionsreglern.
Ja, das Powertrain Blockset enthält Daten zu standardisierten Fahrzyklen wie FTP75, US06 und andere häufig verwendete Zyklen zur Bewertung von Kraftstoffverbrauch, Emissionen und Leistung.
Ja, das Powertrain Blockset enthält Motorprüfstandmodelle und unterstützt virtuelle Kalibrierungs-Workflows, sodass Sie Plant-Modelle und Regler kalibrieren und validieren können, bevor Sie sie in ein vollständiges Fahrzeugsystem integrieren.
Ja, Sie können Messdaten importieren, um Modelle mit realen Testdaten zu parametrisieren und zu validieren.
