汽车工程软件

车辆性能与车辆的整体能力、效率和功能有关，包括加速、电池续航里程、安全性、空气动力学和水管理、高级驾驶辅助系统 (ADAS)、能源和热管理、噪声、振动和声振粗糙度 (NVH) 及声学、强度和耐久性、车辆控制和车辆操控等方面。

汽车性能工程由业务需求驱动，并通过持续的虚拟测试和监控循环实现端到端的系统优化。汽车制造商和供应商采用左移策略，以求在开发周期中提早发现潜在问题并提供更好的商业价值。通过在设计过程早期使用仿真，并利用虚拟测试来验证产品是否满足要求，他们可以及早发现问题，并在易于理解的数字孪生中解决问题。此外，他们可以在设计阶段中提早探索设计替代方案，降低更改设计的难度和影响。

多物理场仿真是指对一个或多个系统的多个同时发生的物理现象以及它们之间的相互作用进行分析。受消费者需求和业务需求的推动，多物理场汽车工程软件旨在更快地设计出安全、高性能的产品。它可帮助工程师对复杂性进行建模，探索产品在真实条件下运行的可能性，并在开发周期中提早发现潜在问题。

以汽车电池开发为例，设计和工程团队需要整合电化学、电气、热和结构工程。针对这些单独属性执行孤立的设计活动将生成冗余且有时相互冲突的模型和数据集。相反，使用一体化多物理场方法可以让您准确了解组件在与其他组件集成时的性能，确保即使是首个原型也能按计划工作。

在原型上执行汽车（系统）测试的时代早已一去不返。如今，开发不会在 V 周期结束时停止。相反，通过使用历史数据、测试数据和使用中车辆的数据来创建基于测试的模型，定义车辆特性与其性能之间的关系，可以实现无限循环的持续开发。

一个很好的例子是基于模型的系统测试 (MBST)。作为一种工程框架，MBST 采用三种关键解决方案：虚拟模型、虚拟物理系统和物理原型。它利用测试数据来构建、验证和改进仿真模型，通过 XiL 在各种场景中识别交互，并通过物理原型的仿真模型来改进测试数据。采用 MBST 后，制造商能够提高效率和速度，并避免在数据传输或后处理中出现错误。

另一个突出例子是虚拟原型设计。虚拟原型设计是一种有效的测试方法，能够在制造物理原型之前探索车辆装配的备选方案。它专门针对 NVH 性能，并使用基于组件的传输路径分析 (TPA) 来快速评估各种设计，从而及早发现和控制问题并节省成本。

传统的设计和工程方法难以应对当今复杂的工作流程。利用人工智能 (AI) 和机器学习 (ML) 可以加快决策，提高工程团队的工作效率，并在更短的时间内开发出创新产品。Simcenter 适用于开发周期的任何阶段，其提供的框架可以应用人工智能来利用历史数据、避免错误、加快分析速度并自信地优化设计。

例如，在自动驾驶汽车系统中，可以使用 AI 和 ML 将人类行为嵌入到机器感知中。虽然目前的自动驾驶汽车感知系统在标准条件下几乎可以匹敌人类的感官能力，但在极端天气和复杂场景中仍显不足。Simcenter 的场景创建流程可以帮助原始设备制造商 (OEM) 和自动驾驶汽车 (AV) 供应商生成关键场景，确保符合预期功能安全 (SOTIF) 等安全标准。

集成车辆系统的唯一可持续方法是将设计和工程视为一个完整的生态系统。这样，制造商能够在需求发生变化时快速重新设计和重新利用工作流程，并在多个领域之间权衡属性。在流程层面，关键是满足需求并同时保持与产品生命周期管理 (PLM) 系统的连通，确保在一个领域中做的更改能够反映到整个系统中。在车辆开发中采用基于模型的系统工程 (MBSE) 方法能够将系统工程与开发组织的其他部门连通起来，从而改进协同和决策。

以电驱动工程为例。电驱动系统由电动机、变速箱和电子设备组成。来自不同领域的诸多专家需要共同努力，才能实现高效的集成式电驱动系统。因此，必须摆脱过去的传统开发孤岛，推行跨职能和跨领域的系统工程。只有互联的工程方法以及应用了 MBSE 和数字孪生的可重用的集成式工作流程，才能为制造商提供汽车工程软件工具链，供其管理日益复杂的电动汽车工程 – 这不仅包括产品，还包括开发流程。