基于模型的工程平台应对软件开发的复杂性和规模化

13:40–14:05

随着自动驾驶、汽车电气化和互联互通的发展趋势，汽车行业正在经历巨大的变化。在本次演讲中，张灵惠分享MathWorks如何处理复杂性、规模化和协作工作流，以适应汽车软件体系架构不断发展的需求。

自动驾驶系统的演进

14:05–14:30

本次演讲从四个方面介绍博世自动驾驶系统

• 安全是自动驾驶的重中之重：对于自动驾驶安全的定义、所面临的挑战和冗余解决方案，博世如何构建安全
• 自动驾驶系统的验证：验证策略概述和基于仿真、车辆、互联的验证
• 可量产的产品是自动驾驶的基础：包括毫米波雷达、超声波雷达、多功能摄像头和域控制器
• ICV是自动驾驶的发展方向：互联有利于以车辆为中心的自动驾驶，V2X建立了车路协作网络，V2X生态系统所面临的主要挑战，博世在全球范围内支持V2X项目和案例分析，车路协作系统开启AD的新篇章

智能驾驶开发的发展趋势

14:30–14:55

本演讲针对智能驾驶系统开发的不同的实现路径和开发方法进行阐述，提出适合中国智能驾驶场景的产业化路径。分为三部分：

1. 中国ADAS和自动驾驶技术开发的现状和存在的问题
2. 智能驾驶技术和产品开发的关键技术点
3. 如何有效开发智能驾驶技术和产品，加速产品落地的时间，提高产品的安全性和用户体验

基于模型开发流程评估的收获–行业成熟度的趋势及经验

15:25–15:50

2014年，MathWorks首次引入基于模型设计（MBD）流程评估框架，用以对标同行业MBD流程的成熟度。从那时起，MathWorks在全球范围内帮许多客户实施了MBD流程评估，既有整车厂也有零部件供应商。这个演讲根据多年来的评估结果，进行总体趋势以及相关性分析，发现流程、工具等方面的因果关系，同时给出一些改进意见及经验分享。

基于模型开发的持续集成及团队工具链管理

15:50–16:15

主要介绍上汽动力总成团队基于模型开发过程中应用MATLAB^®工具的情况及其进展，包括Simulink Test™、Simulink Design Verifier™、PolySpace^®、Model Advisor等工具，应用领域包括基于Jenkins™、GitLab^®实现的模型版本控制和软件持续集成，团队工具链开发及管理，模型及软件交付质量评估等方面。

务实的数字化转型 - MathWorks和MATLAB如何帮助客户解决问题

16:15–16:40

包括整车厂商、汽车零部件供应商在内的很多企业，已经将数字化转型从想法过渡到执行实际转型项目。它们已经有了明确的数字化转型目标，所需做的就是让工程团队和科学团队成员学习的新的技术，与其他团队进行合作，进而提出新的产品或服务来实现这个目标。

而为了应对数字化转型过程中面对的挑战，组织必须掌握如何系统地使用数据和模型，不仅在研发阶段，而是在整个产品生命周期内跨团队使用。 一个有效的数字化转型计划需要考虑人员的技能，流程和技术的变化。

请加入我们，描述您的组织采用的数字化转型方法，演示您的工程和科学团队如何利用数据和模型来实现数字化转型目标。

符合ASPICE标准的汽车软件开发过程

13:35–14:05

未来的汽车是软件定义的汽车，为了提高产品及软件的开发效率及质量，北汽新能源引入了ISO26262功能安全标准及ASPICE过程改进模型。本次演讲将结合A-SPICE标准软件过程改进模型，重点介绍北汽新能源的三电软件的开发过程，其中包含软件的需求分析、软件的设计实现、软件的单元测试及集成测试等环节的设计原则及实现方法。

从认证方和工具商角度解读A-SPICE实例

14:05–14:35

随着软件在汽车中的比重的增加，控制和提高软件质量变得越来越重要。多年的软件行业实践在业内达成的共识是：开发软件的过程质量决定了软件产品的质量。在汽车行业，软件过程质量的通用过程模型是Automotive SPICE。开发的软件过程满足Automotive SPICE是多数OEM对其软件供应商的要求。当前，汽车软件行业正在经历从手工编码到基于模型开发的巨大转变中。在采用模型开发场合，如何做才能满足Automotive SPICE对于单元设计、编码和单元验证的要求呢？这是本次演讲的主要内容。

基于模型预测控制的电池热管理策略

15:05–15:35

新能源汽车中电池包的热管理策略对整车的性能和安全有着至关重要的意义，传统的控制方法存在调节滞后以及能耗较高的问题。本演讲分享如何基于模型预测控制开发电池热管理策略并生成C代码部署到硬件平台；同时基于智能网联汽车提供的预测信息对比有无预测信息的控制效果。

自动驾驶开发中的MATLAB语言应用及其符合功能安全要求的最佳实践

15:35–16:05

从ASIL-A到ASIL-D，Simulink^®和Stateflow^®被广泛用于符合ISO 26262的嵌入式软件开发。但是，在ADAS和自动驾驶领域的算法通常通过MATLAB^®开发更自然。这个演讲将讨论如何在MATLAB和Simulink混合开发环境中应对ISO 26262符合性的挑战与最佳实践。示例包括，如何将MathWorks 提供的V&V工具应用于主要在MATLAB中编写的软件组件，并将其与Simulink及第三方工具（如Git™和Gerrit Code Review）集成。

面向整车性能及热管理的燃料电池汽车建模与仿真

13:35–14:05

在本次演讲中，您将了解到MathWorks燃料电池系统建模的最新进展。您将看到不同的MathWorks产品，包括Simscape™和Powertrain Blockset™工具箱，是如何集成在一起来搭建一个复杂的、多域的燃料电池虚拟车辆模型，包括:

• 质子交换膜(PEM)燃料电池堆
  • 基本电化学反应
  • 氢气和空气处理系统
  • 热管理系统
• 电力总成系统
  • 电池
  • 直流/直流转换器
  • 电源分配单元(PDU)
• 系统控制和管理
• 多种驱动循环场景

同时，您还将了解该模型如何用于燃油经济性研究、控制器设计、热学分析和组件选择。

如何利用MATLAB高效地进行整车性能仿真

14:05–14:35

在本次演讲中，您将了解到基于MATLAB^®/Simulink^®平台的建模仿真工具 在整车仿真及优化中的应用，从而实现缩短开发周期，提高开发性能。

1. 使用MATLAB/Simulink 平台快速搭建整车模型；
2. 基于Simulink project的分布式模型管理；
3. 高效的整车仿真参数管理：
   • 通过定义类固化各系统的属性和方法；
   • 利用GUI实现便捷的参数导入；
4. 仿真结果可视化及报告自动生成；
5. 利用App Designer进行仿真辅助工具的开发
   • 换挡策略生成工具；
   • 数据处理工具；
   • 多工况仿真工具；
6. 利用SDO进行参数优化（以发动机响应为例）。

基于参考应用程序快速开发虚拟电动汽车模型

15:05–15:35

在电动汽车开发过程中，虚拟车辆模型是许多工程任务的核心，涉及以下诸多应用： 从结构权衡、部件尺寸确定、软件验证、校准优化和驾驶员在环测试等。然而，构建一个快速、完整、适应性强的车辆模型需要一个设计良好的架构，否则工程师需要维护多个相似的模型可很少有模型重用。在这个演讲中，MathWorks工程师将介绍Powertrain Blockset™和Vehicle Dynamics Blockset™中的参考应用程序，以及为不同用例定制参考应用程序的方法和案例。

基于虚拟整车的客观驾驶性优化

15:35–16:05

在本次演讲中，您将了解到如何使用MathWorks的数据分析，整车建模和标定优化工具，进行客观驾驶性标定优化工作。传统标定方法要求经验丰富的工程师，在实车上反复测试，并根据主观评分进行迭代，完成标定工作。采用基于模型的方法，对加速度信号进行特征提取，获得客观评价数据矩阵，建立优化目标，再采用最优化方法得到最佳驾驶性标定，实现驾驶性的客观评价和早期验证。

MATLAB和Simulink在自动驾驶领域的新进展

13:35–14:05

随着投入市场的自动驾驶功能级别不断升高，功能复杂度和场景数量的增加导致建模与仿真变得更加关键。本演讲将从以下方面介绍面向更高级别自动驾驶的MATLAB^®和Simulink^®新特性，并分享大量示例：

• 开发感知、规划和控制组件
• 基于虚拟场景和传感器模型开展仿真测试
• 通过生成C/C++代码实现部署

基于V2X的车辆防碰撞预警算法开发和仿真

14:05–14:35

V2X (Vehicle to everything)，即车联网。通过无线通讯技术，将车-路-人-云等智能终端形成联网，使汽车具备复杂环境感知。结合Simulink^®和PreScan软件对V2X算法进行仿真验证，可以提前识别算法缺陷，减少量产装车后的问题。

交通路口车辆控制及场景仿真

15:05–15:35

城市道路或园区交通路口信号灯的决策逻辑是自动驾驶应用必须解决的功能之一，但在现实红绿灯交叉路口进行实车测试是非常危险的行为，所以通过高保真度的仿真可以对此场景功能进行开发和验证。演讲中将展示如何通过MATLAB^®与Simulink^®设计交通路口的决策与控制，并基于’立方块’与Unreal^®实现闭环仿真验证。

车道变换与代客泊车应用中的规划与控制开发

15:35–16:05

高速的自动变道功能和低速的自动泊车功能是高级别自动驾驶落地的两个重要场景。演讲中将展示如何通过MATLAB^®与Simulink^®设计两个功能路径规划与控制算法，以及通过场景仿真实现测试验证和评价。

国六车辆系统预测性健康检查 - 数字孪生落地实施

13:35–14:05

针对国六数据较少的问题，以Simulink^® 为平台建立多重机理模型耦合，包括基于AVL BOOST的化学模型，基于Fluent流体模型，基于Simulink控制模型。结合已有国五车联网数据，有限国六失效数据和全球团队的经验，利用Statistics and Machine Learning Toolbox™，建立训练数据库，进行特征选择和数学模型训练。并将数学模型部署到云端，对百万级车辆的特征化模型回滚，实现国六系统健康状态预测。

工程数据的特征提取

14:05–14:35

数据正成为工程领域新的技术关键。领域工程师通常会关注数据对自己项目本身的用处而非模糊的信息。在从数据提取领域特征的过程中，往往需要数学模型或算法来将领域信息转换为特征，从而进一步完成项目开发，让数据真正服务于项目。而难点在于不同方法的组合，例如信号处理、模式匹配、相关分析等。本次会场通过具体问题与示例与您分享如何实现领域知识到特征的转换

数值优化技术的工程应用

15:05–15:35

随着计算和仿真技术的进步，数值优化技术在工程上的应用越来越被重视。简单的基于模型的参数扫描技术，为整个模型寻找最优的参数组合。复杂的工程问题，比如车辆的标定过程，需要在成百上千的高维度空间去寻求最佳结果。算法越来越透明的时代，谁的优化做得越高效，越精确，是产品的竞争力所在。本节将通过案例分享的方式提供给大家如何在 MATLAB^® 中构建最优化模型的方法，以及如何充分使用现代高性能计算环境。

MATLAB数据分析算法的企业应用集成

15:35–16:05

随着工程数据规模和多样性的日益增长，数据分析算法的迭代周期也不断缩短，如何让您的创意更高效地从研究走向生产，MATLAB^®提供了完整的解决方案，您可以将在MATLAB中开发的算法部署到边缘设备或云端，封装为可执行程序或web应用程序共享。

本次演讲将结合具体工程示例详细介绍MATLAB数据分析算法的不同部署方式和流程。