Bir Sonraki Nesil EV Geliştirmek için Bir Köşetaş Olarak Simülasyon

Otomotiv endüstrisinin elektriklileştirilmesi, sadece bir batarya paketi ve elektrikli motor için içsel bir yanma motoru takas etme meselesi değildir. Çeşitli, performans, güvenlik ve maliyetle ilgili her yönü optimize etmek, araç mimarisi ve sistem entegrasyonu.Bu dönüşüm kalbinde, bir destek rolünden hareket eden bir teknoloji asla test etmemiştir.

Modern EVs, bataryalar, güç elektronikleri, motorlar, termal sistemler ve araç dinamikleri arasındaki etkileşimlerin çok yavaş, pahalı ve sınırlı olması için fiziksel prototiplere güvenmek için, fiziksel prototiplere güvenmekten önce uzun süre önce, tasarım yollarını keşfedecek ve doğrulama sistemi davranışını mümkün kılan karmaşık elektromekanik sistemlerdir.Bu makale, önümüzdeki elektrik araçları inşa etmek için yarışta simülasyonun belirli uygulamalarını, faydaları ve gelecekteki yörüngesini inceler.

EV Development'de Anahtar Simülasyon Domainleri

Simülasyon, elektrikli bir aracın her alt sistemine dokunuyor. Aşağıdaki bölümler, sanal modellemenin en yüksek etkiyi sağladığı en kritik uygulama alanları detaylandırır.

Battery Systems: Kimyadan Performansı

Batarya paketi, EV'nin en pahalı ve en ağır bileşenidir ve performansı doğrudan araç aralığı, şarj zamanı ve uzun süre belirler. Simülasyon yazılımı mühendislerin birden çok ölçeklerde batarya davranışını modelleyebilmesini sağlar:

  • [FONT:0)Electrokimyasal hücre modellemesi:) İlk sermayeli modeller iyon taşımasını, elektrot reaksiyonlarını ve lityum kaplama ve sağlam-electrolyte interfaz büyümesi gibi bozulma mekanizmaları tahmin eder.
  • [FONT:0] ⁇ runaway and security:[Dönetici:[Dönetici:0) Çift elektro-termal simülasyonlar, kötüye giden koşullar altında bir modül içinde sıcaklık dağılımını öngörür (overcharge, internal short, tırnak penetrasyonu). Bu, mühendislerin güvenli termal engelleri ve ve yönlendirme stratejileri tasarlamasını sağlar.
  • [FONTD:0)Pack- seviyesi termal yönetim: [DD) C ⁇ sıvı soğutma plakalarını, immersion soğutmasını veya hava soğutma tasarımlarını optimize eder. Simülasyonlar serin akış yollarını optimize eder, fin geometriler ve ısı değiştiricisi maksimum yaşam ve güç için cep ısı ısısını korumak için büyük ölçüde ölçeklendirir.
  • [FONT=0) Devlet tahmin algoritmaları:[Dönetici:[D) Simulating batarya yönetim sistemi (BMS) mantığı – devlet-şarı (SOC) ve devlet-sağlık (SOH) tahminleri – risksiz donanım olmadan kontrol algoritmaları.

Sonuç, güvenlik, uzun ömür ve enerji yoğunluğu için tasarlanmış bir batarya paketidir, bu da neredeyse tek bir prototip hücresi inşa etmeden önce sertifikalandırılabilir.AİLFLT:0) Ulusal Yenilenebilir Enerji Laboratuvarı) çalışma, simülasyon odaklı batarya geliştirme,% 60'a kadar paket test süresini azaltabilir.

Elektrikli Motor ve Drivetrain Optimizasyonu

Elektrikli motorlar iç yanma motorlarından çok daha basit, ancak elektromanyetik, termal ve mekanik tasarım son derece çiftleşmiştir. Simülasyon araçları bu zorluklara hitap eder:

  • [FONT:0)Electromanmantik sonlu elemanlar analizi (FEA): [Döneticileri: Motorların Modelleri -permanent Magnet senkronizasyonu, indüksiyon veya yeniden ele geçirgenlik -kesinlikle optimize etmek için yarılma şekilleri, magnet yerleştirme ve rüzgarlama kalıpları, tok yoğunluğu ve gürültüyü en aza indirmek için.
  • [FONT:0] Motor rüzgarlarının analizleri: Akışkanlar-termal simülasyonlar sürekli ve üst yüklerin altında yarıp, rotor ve rotorta sıcak noktaları tahmin edebilir.
  • [FONT:0)Inverter ve güç elektronik cosimülasyonu: Devre seviyesindeki dönüştürücü modeller ile motor modelleri elektromanyetik müdahaleyi ortaya çıkarır (EMI), yük aşırı yükleme ve araç kontrol ünitesi ile Cosimulation, tam hız aralığında sorunsuz tork kontrolü sağlar.
  • [[Düzgölücü verimlilik haritası: [Dönetici: 0,3] Sanal dynamometre testleri, binlerce işletim noktası altında motor ve dişli için verimlilik haritaları oluşturur. Bu haritalar, WLTP veya EPA gibi standart döngülere göre tahmin edilen standart döngüler ile beslenir.

Gelişmiş simülasyon platformları, firmalardan gelen algFLT:0)ANSYS Motor-CAD[[DÜT:1), elektromanyetik, termal ve mekanik analizleri tek bir ortamda birleştirir, tasarım iterasyon döngüsünü haftadan saatlere kadar büyük ölçüde azaltır.

Battery Yönetimi Sistemleri

Batarya termal yönetimi en dikkati alırken, EVs konserde çalışma gereken çok sayıda termal alt sistem içerir:

  • [FONT:0)Power elektronik soğutma: [DÜDÜT:1] Silikon (SiC) ve galium nitride (GaN) cihazlar daha yüksek sıcaklıklarda çalışır, ancak hala kesin termal yönetim gerektirir. CFD soğuk plakalar ve ısı bataklıkları, kavim sıcaklıklarının altında kalması sağlar.
  • [FONT:0)Cabin iklim kontrolü: [Dönetici: ısı pompası sistemleri artık soğuk havalarda genişleyen birçok EV'de standarttır. Sistem düzeyinde simülasyon modelleri ısı pompa döngüsü, soğutucu akış ve defrost mantık, çevre koşulları boyunca performans katlarını optimize etmek için standarttır.
  • [FONT:0)Kayıtlı termal mimariye sahip: [D CFD: 1) Havalimanları ve ısı kaynaklarını paylaşan “termal alanlara” yönelik eğilim (örneğin, kabine ısı kullanmak) tümleşik simülasyon gerektirir. 3D CFD ile birlikte 3D CFD potansiyel termal çatışmaları ve enerji kurtarma fırsatlarını tanımlar.

Proper termal simülasyon, EV'nin Ölüm Vadisi yazlarında ve İskandinav kışlarında performans sağladığını sağlar, ancak minimiz batarya enerji tüketiminin ısıtma ve soğutma için olmasını sağlar.

Aerodinamik ve Araç Dinamikleri

EVs için, aerodinamik sürüklenme, aralığı etkileyen birincil bir faktördür - sürüklenmedeki her %10 azalma kabaca 3-5% arasında bir artış olabilir. Simülasyon burada vazgeçilmez hale gelmiştir:

  • [FONT:0]Dönem:[Dönetici:[Döncüler, aktif ızgaralar) örneğin Tesla'nın Cybertruck, vücut, tekerlekler, vücutların etrafındaki hava akışı ve elvezlerin ayrıntılı olarak soğutulmasını sağladı.
  • [FONT:0)Aeroacoustic gürültü tahmini: Rüzgar gürültüsü, akustik çözücülerle birlikte bir EV'de daha belirgindir.
  • [FONT:0)Vehicle dinamikleri ve sürüş rahatlığı: Multibody dinamik simülasyonlar model süspansiyon kinematikleri, lastik güçleri ve kontrol sistemleri (ABS, traksiyon kontrolü, stabilite kontrolü) EV'ler için ağır batarya paketleri ile, iyi kullanım ve konfor sağlamak dikkatli bir şekilde ilkbahar, damper gerektirir ve bushing ayarlanma ayarı gerektirir - hemen hemen hemen hemen hemen hemen hemen hemen hemen testlerden önce doğrulandı.
  • [FONT:0]Range tahmin döngüsü: [Dönümüzde, aerodinamik kuvvetler enerji tüketimi modellerine beslenir. Birerodinamik, araç dinamikleri ve güç antrenman verimliliğinin birkaçı için sanal bir aralık tahmini doğru sağlar.

[FONT:0]SAE International[[Dönetici:0) büyük OEMler için fiziksel rüzgar tüneli süresini %50 oranında azalttı.

Güvenlik ve Crashability

EVs'ler eşsiz kaza güvenlik sorunları sunuyor: yüksek gerilimli batarya, bir çarpışma sırasında araç yapısından sağlam ve izole kalmalı ve izole edilmelidir ve ağır motor değişikliklerin yokluğu kazak davranışı ele alır: Simülasyon bunları ele alır:

  • [DÜDÜ:0)Sonlu elemanlar kaza simülasyonları: [DÜT:1] Tam vücut-beyaz, batarya muhafazası ve kısıtlama sistemleri ön, yan, dengeleme ve pole etkiler.
  • [FONT=0)Battery istismar simülasyonları:[Dönetici-elektriksel-termal simülasyonlar, kaza kaynaklı deformasyonun, paketin etrafındaki balkomb kaza emicileri tasarlamaya yardımcı olur.
  • [FONT:0]Pedestrian ve cyclist güvenlik: Motor gürültüsü eksikliği ile EVs ya da uyarı ses gereksinimleriyle karşılanmalıdır. Simülasyon ayrıca, ya da etki için aktif hood ve dış hava çantaları da karşılamaktadır.
  • [FONT:0)Yönergesel uyumluluk:[Dönergesellik:[Dönersizlik):[Dönersizlik:0)Ayrıntılı uyumluluk:[Dönernek:0)Avrupa Birliği'nin Sanal Test programı, araç başına milyonlarca Euro tasarruf etmek için tamamen simülasyonda gerçekleştirilmesini sağlar.

Tek bir fiziksel kaza testi 1-$2 milyon dolara mal olabilir; simülasyon, tasarımın sağlamlığını geliştirirken gerekli fiziksel test sayısını azaltır.

Simülasyon-Driven Development'in stratejik avantajları

Teknik yeteneklerin ötesinde, simülasyonu temel bir geliştirme aracı olarak kabul etmek birkaç stratejik işletme fayda sağlar.

Radikal Maliyeti Azalt

Fiziksel prototipler ve test tesisleri, otomotiv geliştirme bütçesindeki en büyük hat öğeleri arasındadır. Simülasyon bu maliyetlerin bedelini şöyle özetliyor:

  • Birden pre-prodüksiyon prototipi için ihtiyaç duyulan ihtiyacı ortadan kaldırmak (örneğin, Alpha, Beta ve pre-prodüksiyon araçları günlük olarak dijital ikizler tarafından değiştirilebilir).
  • Rüzgar tünelini, iklim odasını ve kira masraflarını test edin.
  • Programda geç tasarım maliyetinin düşmesi – gerçek olmayan değişiklikler hiçbir şeye mal olmadı, ancak geç aşama fiziksel bir araç değişikliği milyonlarca dolara mal olabilir.

Bir McKinsey raporuna göre, otomotiv şirketleri modelleme tabanlı sistemler mühendisliği (MBSE) kullanarak ve gelişmiş simülasyon% 10-20 oranında genel gelişim maliyetlerini azaltır.

Zaman Promosyonu ve Hızlı Zaman-Pazarlama

Simülasyon birkaç şekilde gelişim süresini çöker:

  • Iteration speed: Fiziksel bir prototip test döngüsü iki hafta sürebilir (build, test, analiz, yeniden tasarım), bir sanal test döngüsü saat içinde tamamlanabilir.
  • Eş zamanlı mühendislik: Çoklu takımlar (battery, motor, termal, vücut, yazılım) aynı anda kendi sanal modellerinde çalışabilir, entegrasyon sorunlarını erken tespit edebilir.
  • Erken doğrulama: Kontrol algoritmaları, yazılım mantığı ve hata kullanımı, donanımın mevcut olduğu aylar önce doğrulanabilir, tipik yazılım-hardware entegrasyonunu azaltır.

Birçok EV başlangıçları - Rivian, Lucid ve diğerleri gibi - üç yıl boyunca ilk-vehicle gelişim döngüsünü sıkıştırdı, geleneksel beş-iki yıl boyunca, bir gün simülasyona güvenmekle karşılaştırıldığında.

Unconstrained Design Space Exploration

Belki de simülasyonun en derin avantajı, fiziksel olarak prototip için çok riskli, pahalı veya karmaşık olacak radikal tasarımları keşfetme özgürlüğüdür.

  • Roman batarya hücre biçimleri (düşün hücreler, yapısal batarya paketleri) aynı anda yapısal, termal ve elektrik performansı için geçerliliği gerektiren.
  • Motorlar veya merkez motorlarında, şaşırtıcı olmayan kütle ve süspansiyon gereksinimleri değiştirir – donanımdan önce tam araç dinamikleri etkisi mevcut.
  • Bi-yönlü şarj ve araç-grid (V2G) güç elektronik topolojileri, simülasyonun en kötü durumda güç akışları altında şebekeye ve termal performansa olanak sağladığı yerde.
  • Özerk sürüş ve EV kontrol entegrasyonu: algılama, planlama ve elektrik sürücülerinin eşsiz tork yanıtlarıyla birlikte hareket kontrolü daha güvenli ve daha verimli bir otonom operasyon sağlar.

Sanal alanda hızlı ve ucuz başarısız olma yeteneği inovasyonu hızlandırıyor. Mühendisler, tek bir fiziksel prototip üzerinde tüm program bütçesini bahissiz yüksek riskli, yüksek seviyeli fikirler takip edebilir.

Yapay Zeka ve Makine Öğrenmesinin Rolü

Simülasyon yazılımı, AI ve ML teknikleri tarafından dönüştürülüyor, olumlu bir geri bildirim döngüsü yaratıyor:

  • [FONTD:0]Surrogate modelleri: [Dönetici sonuçları üzerinde eğitim sinir ağları, mühendislerin hızlı çalışan modeller ile pahalı 3D CFD veya FEA çözücüleri değiştirmesine izin verir. A realrogate modeli, kontrol gelişimi sırasında batarya ısı veya motor verimliliğini tahmin edebilir.
  • [FONT=0) Tasarım optimizasyonu:[Dönetici:[Dönetici:0) ML-güdümlü optimizasyon algoritmaları (Bayesian optimizasyon, genetik algoritmaları, takviye öğrenme) bağımsız olarak tasarım alanını araştırır, birden fazla hedefi dengelemek için yapılandırmalar (örneğin, maksimum çarpışma performansına en aza indirmek için ağırlık azaltır).
  • [FONT:0)Redüktör modelleri (ROM): ) AI, araç ECU'ları devlet tahminleri için çalıştıran ROM'lara yüksek sadakat simülasyonlarını sıkıştırabilir, fiziksel EV'nin sürekli olarak yararlı bir yaşamı tahmin eden bir sanal modeli güncellemesine olanak sağlar.
  • [FONT:0) Bir anomali tespiti: Simülasyon kampanyaları sırasında ML modelleri, beklenen kalıpların ortaya çıkmasının otomatik olarak bayrak sonuçları olabilir, potansiyel köşe vakalarını veya modelleme hatalarına uyarılabilir.

[FONT:0]MathWorks[[[Dönetici:0) ve diğer simülasyon satıcılar, doğrudan simülasyon ortamlarına AI’yı gömüyorlar, bu yetenekleri bir veri bilimi geçmişi olmadan mühendislere erişilebilir hale getiriyorlar.

Dijital Twins ve Sürekli Geçerlilik

EV geliştirmedeki simülasyonun nihai ifadesi dijital ikiztir - gerçek dünya davranışını yansıtan aracın sürekli olarak güncellenmiş bir sanal çoğaltması. Digital twins enable:

  • Over-the-air kalibrasyon güncelleştirmeleri: Simülasyon, dağıtımdan önce bir yazılım değişikliğinin etkisini veya ısı performansını öngörür.
  • Tahmin edici bakım: Gerçek sensör verileri ile simülasyonlu aşınma modellerini karşılaştırarak, BMS bir hücre veya modül yeniden kurulacağını tahmin edebilir.
  • Filo optimizasyonu: Bir filodaki birden çok dijital ikizleri, rota planlama, şarj stratejisi veya enerji yönetimi için “if” simülasyonları yürütmek için bir filoya bağlayın.

Hala ortaya çıkarken, dijital ikiz teknoloji tasarım simülasyonu ve alan operasyonları arasındaki döngüyü kapatmaya söz verir, sürekli iyileşme döngüsü yaratır.

Meydanlar ve Sınırlar

Dönüşüm potansiyeline rağmen, EV gelişiminde simülasyon zorluklar olmadan değildir:

  • [FONT=0]Fidelity vs. hız ticaret-off: Yüksek sadakat simülasyonları (örneğin, ayrıntılı termal radyasyon ile tam araç CFD) kümelere binmek için günler sürebilir.
  • [FONT:0) Model doğruluğu ve geçerlilik:[Dönetici:[Dönetici:0) Simülasyon sadece temel fiziksel modeller olarak iyidir. Battery bozulması, örneğin karmaşık, kötü anlaşılmış modeller üzerinde aşırılık ciddi hataların yol açabilir.
  • [FONT=0]Data management and integration:[Döneticiler binlerce simülasyon modelini yönetiyor, veri setlerini ve sonuçlarını. Version control and traceability, sağlam dijital iplik platformlarını gerektirir.
  • [FONT:0]Software ve donanım maliyetleri:[Dönetici:0) İleri multi-fizik simülasyon süitleri ve yüksek performanslı hesaplama (HPC) altyapı daha küçük şirketler için bir engel olabilir.

Bu zorluklar bulut tabanlı simülasyon, modüler modelleme standartları (örneğin FMI, SSP), ve OpenFOAM ve INTca gibi açık kaynak araçlarının erişilebilirliği ile ele alınacaktır.

Geleceğin: EV Development Core olarak Simülasyon

İleriye bakıldığında, simülasyon EV geliştirme yaşam döngüsünde daha da derin bir şekilde yerleşecektir. Anahtar trendler şunları içerir:

  • [FONT:0]Bit-to-end simülasyon platformları: İlk konsept, dijital ikizlere üretim simülasyonu yoluyla çizilir, birleşik platformlar veri silolarını ortadan kaldırır.
  • [FONT:0) Gerçekten zaman otomatik sürüş için simülasyon: Donanım-in-loop (HIL) ve araç-in-loop (VIL) simülasyonu, yol testinden önce milyonlarca sentetik mil içinde otomatik sürüş yığınlarını doğrulayacaktır.
  • [[Malzeme ve süreç simülasyonu: [Dönetici:0]Ürün sürecini yeniden yapılandırın - üretim sürecini azaltın - endüstriyel elektrot kaplama, motor rüzgarı, yapısal bileşenlerin dökümünü - üretim verimini optimize etmeye ve kazıyı azaltmaya yardımcı olacaktır.
  • [FONT:0) Sanal sertifikasyonun geçici kabul edilmesi: Simülasyon doğruluğuna olan güven büyüdükçe, düzenleyiciler dünya çapında homologasyon için daha fazla sanal test kabul etmeleri bekleniyor, sonunda tamamen dijital sertifikasyon süreçlerine yol açıyor.

Elektrikli araç sadece yeni bir güçlenme değildir - yeni bir üründür, yeni bir set araçla gelişmiştir. Simülasyon yazılımı, EV mühendisliğine yatırım yapan temel bir hacze yardımından gelişmiştir.

Mühendisler ve yöneticiler için, mesaj açıktır: EV'lerin geleceği yönlendirilmeden önce simüle edilecek.