Software, Werkzeuge und Prozesse integrieren Simulation als Grundlage für die virtuelle Entwicklung von Software-definierten Fahrzeugen

Die Realisierung von Software-definierten Fahrzeugen ist eine der Herausforderungen, denen sich die Automobilindustrie aktuell gegenübersieht. Ein entscheidendes Merkmal besteht darin, Eigenschaften und Funktionen per Software-Update erweitern und verbessern zu können, während gleichzeitig Sicherheitsstandards gewährleistet sind. Solche Software-Updates erfolgen over-the-air, wozu die Fahrzeuge vernetzt sein und über eine neue E/E-Architektur verfügen müssen. Zusätzlich muss die Entwicklung von Software und Hardware unabhängig erfolgen.

Auf dem Weg zum Software-definierten Fahrzeug (Software-defined Vehicle, SDV) ist ein neues Niveau der Integration von Software, Werkzeugen und Prozessen notwendig. Für kontinuierliche Updates, insbesondere von sicherheitsrelevanten Funktionen, sind Modelle und Simulationen erforderlich. Dabei ist die Wahl der richtigen Modelltiefe entscheidend, um Zeit und Kosten unter Kontrolle zu halten.

Modelle und Simulationen: Schlüssel zur virtuellen Entwicklung

Modelle spielen eine zentrale Rolle in der Entwicklung von SDVs. Sie bilden die Grundlage für die Analyse und Optimierung komplexer technischer Systeme, ohne auf teure und aufwendige physische Prototypen angewiesen zu sein. Darüber hinaus bieten Simulationen auf der Grundlage dieser Modelle den Vorteil reproduzierbarer Tests und ermöglichen die Untersuchung von Szenarien jenseits von Leistungs- und Belastungsgrenzen sowie von potenziellen Gefahrensituationen.

In der Automobilbranche berichten häufig viele Partner und Unternehmen, dass „Software Factories“ ausschließlich auf Code ausgerichtet sind und keine Validierung im Gesamtkontext des Fahrzeugs vornehmen. Um sicherheitsrelevante Systeme mit etablierten Prozessen zu prüfen und validieren, muss dieser Ansatz mit Modellen und Simulationen ergänzt werden. Zur Erfüllung der Software-Sicherheitsanforderungen empfiehlt zum Beispiel die ISO 26262 den Einsatz von Model-, Software- und Hardware-in-the-Loop-Simulationen (MiL, SiL und HiL). Diese Anforderungen sind für die Branche nicht neu. Neu ist jedoch die Integration dieser Sicherheitsanforderungen mit den Anforderungen des SDV in der Software Factory.

Software Factories – oder Continuous Integration, Continuous Delivery und Continuous Testing (CI/CD/CT) – sind ein entscheidender Fortschritt in der Fahrzeug-Software-Entwicklung. Es existieren bereits Beispiele für den Einsatz einer solchen hochautomatisierten und robusten Umgebung für Software-Entwicklung, -integration, -validierung und -freigabe im Automotive-Bereich. Dieser Ansatz verkürzt Entwicklungszyklen und erlaubt die regelmäßige Bereitstellung von Updates.

SDV-Entwicklung: Die Entwicklung von Modellen als Grundlage

Automobilingenieure validieren komplexe Fahrzeugfunktionen im Gesamtkontext des Fahrzeugs mithilfe von Modellen. Für die SDV-Entwicklung müssen daher zusätzlich virtuelle Darstellungen des Fahrzeugs, der Fahrzeugkomponenten und -teile sowie der verwendeten Rechnerplattformen in die Software Factory in Form von Modellen integriert werden. Denn nur auf diese Weise lässt sich die Validierung in die Automatisierungsstruktur einbinden.

Das Simulationsmodell ist dabei eine mathematische oder logische Darstellung eines Systems, die es ermöglicht, dessen Verhalten in einer virtuellen Umgebung zu untersuchen, zu analysieren und vorherzusagen. Die wesentlichen Modell-Charakteristiken hängen stark von der zu lösenden Fragestellung ab. So sah das auch der britische Statistiker und Professor Georg Box: „Alle Modelle sind falsch, aber einige von ihnen sind nützlich.“ Kein Modell bildet die Realität perfekt ab, aber sein Nutzen liegt darin, relevante Aspekte eines Systems auf die Fragestellung anzupassen. Ein gutes Modell zeichnet sich durch Zweckmäßigkeit, Effizienz und Flexibilität aus:

• Zweckmäßigkeit: Modelle sollten spezifische Fragen beantworten und eine Balance zwischen Einfachheit und Genauigkeit finden. Sie müssen genügend Details enthalten, um relevante Phänomene abzubilden, dabei aber unnötige Komplexität vermeiden.

• Effizienz: Modelle sparen Zeit und Ressourcen, indem sie Experimente ersetzen und Rechenressourcen optimal nutzen.

• Flexibilität: Anpassungen an unterschiedliche Szenarien oder Randbedingungen sollten ohne grundlegende Änderungen möglich sein.

Vereinfacht können Modelle in zwei Kategorien unterteilt werden:

• First-Principle-Modelle basieren auf physikalischen Gesetzen und bieten hohe Präzision und Nachvollziehbarkeit. Sie können jedoch rechnerisch aufwendig sein, wenn die physikalischen Gleichungen komplex werden. Sie sind aber durch modularen Aufbau und Parametrierung flexibel anpassbar und können hinsichtlich Computing-Ressourcen optimiert werden. Die Erstellung solcher Modelle erfolgt häufig in Simulink und Simscape.

• Verhaltensmodelle nutzen datenbasierte Ansätze wie statistische Modelle, Lookup-Tabellen oder künstliche Intelligenz (KI). Ein neuer Ansatz im Automotive-Bereich sind Reduced Order Models (ROM) zur effizienten Modellierung von Fahrzeugkomponenten. ROMs setzen dynamische Deep-Learning-Netze ein, um komplexe Modelle mit hoher Genauigkeit zu vereinfachen und die Rechenkomplexität zu reduzieren bei gleichzeitig akzeptablen Fehlertoleranzen. Die Entwicklung von ROMs ermöglicht das Simulink Reduced-Order Modeling Add-on (Bild 1).

• Beide Ansätze lassen sich miteinander kombinieren. Meistens bilden physikalische Modelle die Grundlage und werden durch datenbasierte Modelle erweitert, um unbekannte oder nichtlineare Effekte abzubilden. Ein Modell muss nicht nur die richtige Detailtiefe besitzen, sondern auch validierbar und parametrierbar sein.

Von der Modellentwicklung zur Modellintegration

Durch die Virtualisierung von Entwicklung und Validierung von Fahrzeugfunktionen mithilfe von Modellen lässt sich die Hardware- und Software-Entwicklung entkoppeln. Diese Entkopplung ist im Kontext von SDVs erforderlich, denn auf diese Weise kann Software für verschiedene Fahrzeugvarianten (Modellreihe, Motor, Batterie) genutzt werden. Updates erfordern jedoch Tests für alle relevanten Fahrzeugvarianten, um Kompatibilität und Funktionen sicherzustellen. Dabei werden komplexe Systeme in Komponenten unterteilt, um parallele Entwicklungen zu erleichtern. Das gilt sowohl für die reale als auch für die virtuelle Entwicklung. Experten erstellen die einzelnen Komponentenmodelle, die ein Simulationsingenieur später integriert. Klare und stabile Schnittstellen sind dabei entscheidend. Außerdem müssen große Modellierungsprojekte gut organisiert sowie Dateien und Versionen effizient verwaltet werden. Simulink mit System Composer und Matlap Projects bieten hierfür passende Werkzeuge.

Die größten Herausforderungen bei der Modellintegration sind ähnlich wie bei einzelnen Modellen: Zweckmäßigkeit, Effizienz und Flexibilität. Der Unterschied liegt darin, dass viele Komponenten aus unterschiedlichen Quellen zusammengeführt werden müssen. In der modernen Fahrzeugentwicklung kommen hierfür verschiedene Werkzeuge zum Einsatz. Damit diese nahtlos zusammenarbeiten, werden Standardformate wie Functional Mock-up Interface (FMI) und Functional Mock-up Units (FMUs) verwendet. Simulink unterstützt die Integration von FMI 2 & 3, und der FMU-Builder erleichtert die Erstellung von FMUs.

Die Glaubwürdigkeit von Simulationen wird oft unterschätzt, ist aber essenziell. Nicht nur einzelne Tools, sondern die gesamte Simulations-Werkzeugkette aus Software-Tools und Prozessen muss konsistent und vertrauenswürdig sein. Besonders bei SDVs sind zuverlässige Simulationen wichtig, weil sie das reale Verhalten eines Fahrzeugs ohne Prototypen vorhersagen. Glaubwürdige Simulationen erfordern eine gründliche Validierung und Verifizierung von Tools, Modellen und Prozessen. Nur so entstehen präzise, konsistente Ergebnisse, die schnelle und fundierte Entscheidungen ermöglichen. Dadurch sinkt der Bedarf an teuren physischen Tests, und das Vertrauen in die Simulationsergebnisse steigt.

Simulation in der Cloud zur Skalierung

Um die Entwicklung zu beschleunigen, bietet die Cloud eine gute Möglichkeit, Berechnungen zu skalieren und zu parallelisieren. In der Cloud sind umfassende Simulationsstudien möglich, die schnelle Ergebnisse liefern für die weitere Ausrichtung des Entwicklungsprozesses.

Der sinnvolle Einsatz von Cloud-Ressourcen lässt sich gut anhand des Aufbaus eines virtuellen Fahrzeugmodells illustrieren: Bereits der Aufbau des virtuellen Fahrzeugmodells von Grund auf ist eine komplexe Aufgabe. Daher ist es sinnvoll, mit einem Referenzmodell anzufangen und dieses anschließend an eigene Anforderungen anzupassen. Mithilfe der Virtual Vehicle Composer App können Entwickler virtuelle Fahrzeugmodelle konfigurieren und generieren. Anschließend lassen sich Änderungen einpflegen und verschiedene Szenarien simulieren und analysieren (Bild 2).

Für den ersten Durchlauf mit Desktop-Simulationen werden limitierte Tests ausgewählt, um die Wirkkette zu überprüfen. Für eine voll faktorielle Studie mit tausenden Simulationen ist die Skalierung auf die Cloud jedoch sehr sinnvoll, weil sie die flexible Nutzung großer Rechenressourcen ermöglicht. Für solche umfassenden Studien ist die übliche Rechenkapazität der eigenen Workstation nicht ausreichend. Beim Arbeiten in Matlab ist der Wechsel vom Desktop auf die Cloud unkompliziert – weder Skripte noch Modelle müssen angepasst werden. Zur Ausführung in der Cloud existieren Referenzarchitekturen von Matlab und Simulink auf virtuellen Maschinen (VM) und vorgefertigte Container zur Bereitstellung. Derartige voll faktorielle Simulationsstudien mit virtuellen Fahrzeugmodellen erleichtern die Identifizierung von Fehlern und ermöglichen es dem Entwickler, sich frühzeitig im Entwicklungsprozess auf potenziell kritische Probleme zu konzentrieren.

Schlussfolgerungen

Die virtuelle Entwicklung mit Simulationen wird sich zu einem Eckpfeiler entwickeln, um Innovationen zu beschleunigen und gleichzeitig Sicherheit und Zuverlässigkeit über alle Fahrzeugvarianten hinweg zu gewährleisten. Simulationen sind dabei ein unverzichtbares Werkzeug für die Entwicklung von Software-definierten Fahrzeugen, weil sie es ermöglichen, komplexe Systeme effizient zu analysieren und zu optimieren, ohne auf physische Prototypen angewiesen zu sein. Sie fördern reproduzierbare Tests und ermöglichen die Untersuchung von Extremszenarien. Die Integration von Modellen und Simulationen in Software Factories ist essenziell, um kontinuierlich Updates für sicherheitskritische Systeme zu liefern. Die Skalierbarkeit von Simulationen wird durch die Cloud ermöglicht. Die Nutzung von Matlab und Simulink in Kombination mit Cloud-basierten Simulationen erlaubt die Automatisierung von Simulationsstudien in großem Maßstab und die Analyse von Fahrzeugsystemen unter einer Vielzahl von Bedingungen.

Darüber hinaus liegt der Nutzen von Modellen und Simulationen bei der SDV-Entwicklung darin, relevante Aspekte von Fahrzeugsystemen auf die Fragestellung anzupassen zu können. Dabei zeichnen sich gute Modelle durch Zweckmäßigkeit, Effizienz und Flexibilität aus. Glaubwürdige Simulationen erfordern eine gründliche Validierung und Verifizierung von Tools, Modellen und Prozessen. Nur so entstehen präzise, konsistente Ergebnisse, die schnelle und fundierte Entscheidungen ermöglichen.  (se)

Software-definierte Fahrzeuge

Fit für die Mobilität der Zukunft

The Autonomous 2024

Auf dem Weg zum autonomen Fahren: Keine Kompromisse in puncto Safety

* Robert ter Waarbeek ist Automotive Industry Manager EMEA bei MathWorks

(ID:50294455)