多控制器協(xié)同下的測(cè)試數(shù)據(jù)采集與分析系統(tǒng)設(shè)計(jì)研究

摘 要：隨著汽車(chē)電子技術(shù)的快速發(fā)展，整車(chē)控制系統(tǒng)逐漸由單一控制器向多控制器協(xié)同控制轉(zhuǎn)變，這對(duì)控制器測(cè)試系統(tǒng)提出了更高的要求。過(guò)去的測(cè)試方法很難完全滿足多控制器并發(fā)運(yùn)行、多信號(hào)同步采集與分析的新需求，因此需要構(gòu)建一種高效、精準(zhǔn)的多控制器協(xié)同測(cè)試數(shù)據(jù)采集與分析系統(tǒng)。本文以汽車(chē)控制器測(cè)試為研究對(duì)象，分析多控制器協(xié)同測(cè)試中的技術(shù)挑戰(zhàn)，設(shè)計(jì)了一種集成高精度數(shù)據(jù)采集模塊、時(shí)序同步機(jī)制和智能分析算法的系統(tǒng)架構(gòu)。系統(tǒng)通過(guò)統(tǒng)一的通信接口和調(diào)度機(jī)制，實(shí)現(xiàn)了對(duì)多個(gè)控制器運(yùn)行狀態(tài)、輸入輸出信號(hào)及控制器間交互信息的實(shí)時(shí)監(jiān)測(cè)與分析，提升了測(cè)試效率和數(shù)據(jù)準(zhǔn)確性。實(shí)驗(yàn)驗(yàn)證表明，該系統(tǒng)具有良好的擴(kuò)展性和穩(wěn)定性，能夠有效支持智能駕駛、動(dòng)力總成、電控底盤(pán)等領(lǐng)域的控制器測(cè)試工作，為智能網(wǎng)聯(lián)汽車(chē)控制系統(tǒng)的研發(fā)與驗(yàn)證提供了技術(shù)支撐。

關(guān)鍵詞：多控制器協(xié)同 測(cè)試數(shù)據(jù)采集 汽車(chē)電子控制器

隨著汽車(chē)技術(shù)的日益智能化，整車(chē)電子電氣架構(gòu)趨于復(fù)雜化，多種電子控制單元（ECU）需在統(tǒng)一平臺(tái)下協(xié)同運(yùn)行，如發(fā)動(dòng)機(jī)控制器（ECM）、變速器控制器（TCU）、車(chē)身控制模塊（BCM）等。這種控制器間的協(xié)同關(guān)系使得測(cè)試驗(yàn)證工作不再局限于單個(gè)控制器，而是需要實(shí)現(xiàn)多控制器間的數(shù)據(jù)交互驗(yàn)證和協(xié)同測(cè)試。當(dāng)前行業(yè)中普遍存在測(cè)試數(shù)據(jù)獲取延遲、同步精度差、分析效率低等問(wèn)題，嚴(yán)重影響控制器開(kāi)發(fā)迭代效率和產(chǎn)品可靠性。為解決上述問(wèn)題，構(gòu)建一套具備高并發(fā)、高精度、強(qiáng)同步能力的多控制器測(cè)試數(shù)據(jù)采集與分析系統(tǒng)成為研究的關(guān)鍵。

1 需求分析

1.1 異構(gòu)信號(hào)采集能力需求

多控制器測(cè)試場(chǎng)景中，涉及多種類(lèi)型的信號(hào)，包括模擬量（如溫度、電壓、電流）、數(shù)字量（如開(kāi)關(guān)狀態(tài)）、總線數(shù)據(jù)（如CAN、LIN、Ethernet等）以及狀態(tài)量（如故障碼、控制標(biāo)志位等）。測(cè)試系統(tǒng)應(yīng)支持這些異構(gòu)信號(hào)的同時(shí)采集與處理，且具備良好的可擴(kuò)展性，能夠適應(yīng)不同控制器組合與接口形式。

1.2 時(shí)序同步性需求

多控制器之間的數(shù)據(jù)交互和協(xié)同控制往往對(duì)時(shí)間同步精度有極高要求[1]。尤其是在涉及ADAS與自動(dòng)駕駛測(cè)試時(shí)，控制策略需在毫秒甚至微秒級(jí)時(shí)間內(nèi)作出響應(yīng)，測(cè)試系統(tǒng)必須具備統(tǒng)一時(shí)間基準(zhǔn)、同步誤差小、時(shí)序?qū)R能力強(qiáng)等特點(diǎn)。

1.3 通信協(xié)議兼容性需求

目前主流的汽車(chē)總線協(xié)議包括CAN、CANFD、LIN、FlexRay、Automotive Ethernet等。測(cè)試系統(tǒng)必須具備廣泛的協(xié)議解析能力，能夠?qū)ι鲜鰠f(xié)議數(shù)據(jù)進(jìn)行實(shí)時(shí)捕獲、幀級(jí)解析和物理信號(hào)轉(zhuǎn)換，便于后續(xù)數(shù)據(jù)比對(duì)與功能驗(yàn)證。

1.4 數(shù)據(jù)分析需求

在采集數(shù)據(jù)的基礎(chǔ)上，測(cè)試人員需要對(duì)數(shù)據(jù)進(jìn)行多維度分析，包括信號(hào)趨勢(shì)分析、控制邏輯驗(yàn)證、故障追溯、數(shù)據(jù)回放等功能。尤其在多ECU協(xié)同邏輯驗(yàn)證場(chǎng)景中，測(cè)試系統(tǒng)應(yīng)支持跨控制器的數(shù)據(jù)對(duì)比、同步軌跡重建、狀態(tài)一致性驗(yàn)證等分析手段，并可自動(dòng)生成測(cè)試報(bào)告，輔助測(cè)試結(jié)論判定。

1.5 可視化需求

為了提升測(cè)試效率，系統(tǒng)還應(yīng)具備圖形化數(shù)據(jù)查看能力，包括波形圖、趨勢(shì)圖、狀態(tài)圖等形式。測(cè)試人員可以在測(cè)試過(guò)程中實(shí)時(shí)查看數(shù)據(jù)變化趨勢(shì)，也可以在測(cè)試結(jié)束后進(jìn)行數(shù)據(jù)回放與逐幀分析，實(shí)現(xiàn)對(duì)系統(tǒng)行為的深度理解與驗(yàn)證。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

系統(tǒng)架構(gòu)設(shè)計(jì)如圖1所示。

2.1 測(cè)試控制平臺(tái)

作為系統(tǒng)的核心調(diào)度單元，測(cè)試控制平臺(tái)負(fù)責(zé)系統(tǒng)配置管理、測(cè)試流程控制、數(shù)據(jù)集中存儲(chǔ)與分析等功能。平臺(tái)集成圖形化用戶界面（GUI）、信號(hào)解碼模塊、數(shù)據(jù)分析引擎和報(bào)告生成模塊，可對(duì)各節(jié)點(diǎn)進(jìn)行遠(yuǎn)程控制與狀態(tài)監(jiān)控。

2.2 數(shù)據(jù)采集節(jié)點(diǎn)

該模塊分布部署在各被測(cè)控制器附近，主要負(fù)責(zé)對(duì)物理信號(hào)（模擬量、數(shù)字量）、總線數(shù)據(jù)（CAN、LIN、Ethernet等）進(jìn)行實(shí)時(shí)采集，并預(yù)處理（濾波、緩存、壓縮）后上傳至控制平臺(tái)。每個(gè)節(jié)點(diǎn)具備獨(dú)立處理能力，支持模塊化擴(kuò)展，滿足多種測(cè)試場(chǎng)景。

2.3 時(shí)間同步模塊

為了實(shí)現(xiàn)跨控制器數(shù)據(jù)的一致性與協(xié)同性，系統(tǒng)引入高精度時(shí)間同步機(jī)制。該模塊基于PTP（IEEE1588）、GPSPPS信號(hào)或IRIG-B協(xié)議，為所有采集節(jié)點(diǎn)和控制器提供統(tǒng)一時(shí)間源，確保數(shù)據(jù)對(duì)齊精度在微秒級(jí)別。

2.4 汽車(chē)控制器集群

包括車(chē)輛的多個(gè)ECU，如VCU、MCU、BMS、ADAS域控制器等，這些控制器通過(guò)CAN/LIN/以太網(wǎng)等方式進(jìn)行交互。在系統(tǒng)架構(gòu)中，各控制器均接入采集節(jié)點(diǎn)，實(shí)現(xiàn)其狀態(tài)數(shù)據(jù)、總線報(bào)文、輸入輸出信號(hào)的同步采集與反饋分析。

3 關(guān)鍵技術(shù)

3.1 多通道并行數(shù)據(jù)采集

汽車(chē)控制系統(tǒng)的測(cè)試往往涉及多個(gè)ECU并發(fā)工作，各ECU所產(chǎn)生的數(shù)據(jù)具有高頻、異步等特性，單通道串行采集方式已無(wú)法滿足性能需求。本系統(tǒng)采用多通道并行采集技術(shù)，結(jié)合高帶寬總線與多線程調(diào)度機(jī)制，使得采集節(jié)點(diǎn)能夠同步采集來(lái)自多個(gè)源的信號(hào)。其中，高性能AD采樣模塊采用高速模數(shù)轉(zhuǎn)換芯片，可支持每通道高達(dá)幾MHz的采樣率；多線程DMA緩存機(jī)制確保數(shù)據(jù)從采樣端到處理端的無(wú)損傳輸；通道隔離設(shè)計(jì)物理隔離確保各通道信號(hào)采集互不干擾，提升系統(tǒng)抗干擾能力。

3.2 高精度時(shí)間同步

在多控制器并行采集過(guò)程中，時(shí)間一致性是確保數(shù)據(jù)可關(guān)聯(lián)性和后續(xù)分析準(zhǔn)確性的前提。本系統(tǒng)結(jié)合PTP（Precision Time Protocol）、GPSPPS信號(hào)、IRIG-B等多種授時(shí)方式，搭建高精度時(shí)間同步網(wǎng)絡(luò)。主從時(shí)鐘架構(gòu)方面，系統(tǒng)中設(shè)置一個(gè)時(shí)間主節(jié)點(diǎn)，其他設(shè)備作為從節(jié)點(diǎn)，通過(guò)同步協(xié)議自動(dòng)校時(shí)；時(shí)間戳打標(biāo)機(jī)制方面，每條采集數(shù)據(jù)均帶有高精度時(shí)間戳，誤差可控制在±1μs以內(nèi)；軟件對(duì)齊算法方面，在后處理階段進(jìn)一步對(duì)不同來(lái)源數(shù)據(jù)進(jìn)行微調(diào)，以確保統(tǒng)一的時(shí)間基準(zhǔn)。

3.3 異構(gòu)數(shù)據(jù)融合

車(chē)輛控制系統(tǒng)的各控制器所輸出的數(shù)據(jù)格式、頻率、協(xié)議各不相同。為了實(shí)現(xiàn)統(tǒng)一的分析和呈現(xiàn)，本系統(tǒng)采用了異構(gòu)數(shù)據(jù)融合技術(shù)，通過(guò)建立中間件轉(zhuǎn)換層，屏蔽物理層差異，并進(jìn)行統(tǒng)一建模。首先，通過(guò)多協(xié)議解析支持CAN、CANFD、LIN、FlexRay、UDS、以太網(wǎng)AVB等通信協(xié)議，能夠自動(dòng)解析不同類(lèi)型的報(bào)文；其次，用戶可導(dǎo)入DBC、ARXML等描述文件，自動(dòng)識(shí)別信號(hào)名稱、單位、值域等元信息[2]；然后，通過(guò)統(tǒng)一的JSON/XML格式進(jìn)行封裝、融合，實(shí)現(xiàn)采集數(shù)據(jù)在平臺(tái)內(nèi)的統(tǒng)一調(diào)用與存儲(chǔ)。

3.4 本地?cái)?shù)據(jù)預(yù)處理

考慮到采集節(jié)點(diǎn)部署于控制器附近，原始數(shù)據(jù)體量龐大，直接傳輸至控制平臺(tái)會(huì)造成網(wǎng)絡(luò)瓶頸，因此系統(tǒng)引入邊緣計(jì)算技術(shù)，在本地進(jìn)行部分?jǐn)?shù)據(jù)預(yù)處理。采集節(jié)點(diǎn)內(nèi)置均值濾波、中值濾波算法，對(duì)信號(hào)進(jìn)行初步處理；事件觸發(fā)緩存機(jī)制僅在檢測(cè)到觸發(fā)條件（如故障碼、異常波形）時(shí)才上傳完整數(shù)據(jù)段，提升帶寬利用率；邊緣推理引擎針對(duì)部分測(cè)試任務(wù)（如信號(hào)邊沿檢測(cè)、周期性異常判斷），可在采集節(jié)點(diǎn)直接運(yùn)行輕量級(jí)分析模型。

3.5 大數(shù)據(jù)分析

為應(yīng)對(duì)海量多維測(cè)試數(shù)據(jù)的分析需求，系統(tǒng)集成大數(shù)據(jù)分析與智能可視化技術(shù)，提升問(wèn)題發(fā)現(xiàn)與定位效率。采用InfluxDB、TDengine等高性能時(shí)序數(shù)據(jù)庫(kù)，實(shí)現(xiàn)高頻采樣數(shù)據(jù)的高效寫(xiě)入與查詢；支持波形圖、熱力圖、趨勢(shì)圖等多種可視化模式，可進(jìn)行多通道數(shù)據(jù)對(duì)比分析；集成模式識(shí)別、頻域分析、主成分分析（PCA）、K-Means聚類(lèi)等算法，輔助定位異常。

3.6 自動(dòng)化測(cè)試

為提升測(cè)試效率與復(fù)現(xiàn)能力，系統(tǒng)支持自動(dòng)化測(cè)試腳本設(shè)計(jì)與數(shù)據(jù)回放功能。用戶可通過(guò)Python或圖形化流程構(gòu)建測(cè)試用例，實(shí)現(xiàn)測(cè)試自動(dòng)運(yùn)行；將歷史采集數(shù)據(jù)在控制器真實(shí)環(huán)境下重放，檢驗(yàn)控制策略穩(wěn)定性；可將測(cè)試結(jié)果反向注入ECU，完成控制邏輯的閉環(huán)仿真測(cè)試。

4 測(cè)試驗(yàn)證

4.1 應(yīng)用場(chǎng)景

本測(cè)試涉及以下控制器：VCU（整車(chē)控制器）、MCU（電機(jī)控制器）、BMS（電池管理系統(tǒng)）、TCU（變速器控制器）。測(cè)試目標(biāo)為：各控制器協(xié)同起步、換擋、充電狀態(tài)下的數(shù)據(jù)一致性；高壓聯(lián)鎖故障下多控制器響應(yīng)延時(shí)評(píng)估；控制器之間CAN通信幀丟失、錯(cuò)序檢測(cè)。

4.2 測(cè)試過(guò)程

4.2.1 測(cè)試系統(tǒng)部署

測(cè)試系統(tǒng)部署如圖2，涵蓋采集節(jié)點(diǎn)布置、信號(hào)接入與控制器連接，每個(gè)ECU通過(guò)高速CAN總線與數(shù)據(jù)采集節(jié)點(diǎn)連接；采集節(jié)點(diǎn)部署于各ECU附近，采集模擬信號(hào)、電壓電流、狀態(tài)位；GPS授時(shí)模塊與主控平臺(tái)建立同步鏈路，實(shí)現(xiàn)數(shù)據(jù)全局統(tǒng)一時(shí)間戳；控制平臺(tái)通過(guò)以太網(wǎng)實(shí)時(shí)接收并處理采集數(shù)據(jù)。

4.2.2 測(cè)試執(zhí)行流程

在測(cè)試執(zhí)行過(guò)程中，首先進(jìn)行系統(tǒng)初始化與設(shè)備連通性檢測(cè)，確保各采集節(jié)點(diǎn)、控制器及授時(shí)模塊工作正常，采集通道配置無(wú)誤。隨后，按照預(yù)設(shè)場(chǎng)景逐一開(kāi)展測(cè)試任務(wù)。每項(xiàng)測(cè)試前，啟動(dòng)平臺(tái)進(jìn)行實(shí)時(shí)數(shù)據(jù)采集與時(shí)間同步，確保各控制器數(shù)據(jù)在同一時(shí)間軸下準(zhǔn)確對(duì)齊。以“車(chē)輛起步測(cè)試”為例，測(cè)試人員手動(dòng)觸發(fā)VCU發(fā)送起步指令，系統(tǒng)同時(shí)記錄MCU輸出轉(zhuǎn)矩、TCU擋位反饋以及CAN通信數(shù)據(jù)，分析各控制器間的響應(yīng)時(shí)延與協(xié)同一致性。再如“高壓互鎖故障注入測(cè)試”，通過(guò)模擬高壓電斷開(kāi)，觀察BMS、VCU、MCU等控制器的故障識(shí)別與保護(hù)動(dòng)作時(shí)間，評(píng)估系統(tǒng)安全性響應(yīng)速度。各項(xiàng)測(cè)試結(jié)束后，采集數(shù)據(jù)統(tǒng)一上傳至測(cè)試平臺(tái)進(jìn)行可視化分析，提取關(guān)鍵參數(shù)波形、通信異常事件與控制邏輯變化，最終輸出數(shù)據(jù)報(bào)告支持設(shè)計(jì)優(yōu)化。

4.2.3 測(cè)試場(chǎng)景

（1）車(chē)輛起步測(cè)試

車(chē)輛起步階段是多控制器協(xié)同的典型工況之一，涉及VCU（整車(chē)控制器）發(fā)出起步請(qǐng)求，MCU（電機(jī)控制器）執(zhí)行轉(zhuǎn)矩輸出，TCU（變速器控制器）調(diào)節(jié)適當(dāng)擋位配合起步[3]。測(cè)試中，操作人員通過(guò)測(cè)試平臺(tái)觸發(fā)VCU發(fā)出起步信號(hào)，平臺(tái)同步采集VCU指令、電機(jī)扭矩曲線、變速器狀態(tài)字以及整車(chē)速度變化數(shù)據(jù)。通過(guò)分析三者間的響應(yīng)時(shí)間差異，可評(píng)估控制器間指令傳遞的時(shí)效性和數(shù)據(jù)一致性。例如在某次測(cè)試中，VCU到MCU的響應(yīng)延遲為8ms，MCU到TCU的協(xié)調(diào)時(shí)差為5ms，總體滿足系統(tǒng)同步響應(yīng)要求。同時(shí)，測(cè)試過(guò)程中重點(diǎn)監(jiān)控是否出現(xiàn)指令丟失、響應(yīng)延遲過(guò)大等問(wèn)題，并記錄CAN通信數(shù)據(jù)以便后續(xù)分析。本測(cè)試場(chǎng)景可有效驗(yàn)證系統(tǒng)在起步初期多控制器協(xié)同控制的穩(wěn)定性與可靠性，為整車(chē)動(dòng)態(tài)響應(yīng)性能評(píng)估提供依據(jù)。

（2）換擋邏輯同步性測(cè)試

換擋過(guò)程對(duì)多控制器間協(xié)同提出較高要求，尤其在電驅(qū)動(dòng)系統(tǒng)中，TCU與MCU需高度協(xié)調(diào)，以避免換擋頓挫或驅(qū)動(dòng)中斷[4]。測(cè)試過(guò)程中，試驗(yàn)車(chē)輛在設(shè)定速度范圍內(nèi)運(yùn)行，TCU依據(jù)程序邏輯發(fā)出升擋或降擋請(qǐng)求。系統(tǒng)同步采集TCU擋位變化信號(hào)、MCU轉(zhuǎn)矩調(diào)整過(guò)程及VCU反饋指令。關(guān)鍵測(cè)試指標(biāo)包括換擋響應(yīng)時(shí)間、轉(zhuǎn)矩調(diào)節(jié)曲線變化平滑性及各控制器之間的數(shù)據(jù)一致性。例如，在一次升擋測(cè)試中，TCU發(fā)出升擋請(qǐng)求后，MCU在20ms內(nèi)完成轉(zhuǎn)矩瞬時(shí)調(diào)降，并在TCU擋位確認(rèn)完成后恢復(fù)至目標(biāo)輸出，期間無(wú)抖動(dòng)、扭矩突變。通過(guò)圖形化分析工具還可觀察換擋期間整車(chē)加速度曲線，進(jìn)一步判斷協(xié)同控制的舒適性與邏輯合理性。本測(cè)試可有效識(shí)別控制策略存在的問(wèn)題，并為T(mén)CU-MCU協(xié)調(diào)控制邏輯優(yōu)化提供數(shù)據(jù)支撐。

（3）高壓聯(lián)鎖故障注入

高壓聯(lián)鎖系統(tǒng)是保障車(chē)輛高壓回路安全的關(guān)鍵裝置，一旦故障未能被及時(shí)識(shí)別并斷電，可能引發(fā)安全隱患[5]。測(cè)試中，通過(guò)控制高壓互鎖模擬器斷開(kāi)高壓聯(lián)鎖信號(hào)，平臺(tái)同時(shí)監(jiān)控BMS、VCU、MCU的故障識(shí)別時(shí)間、響應(yīng)延遲以及是否按照設(shè)計(jì)邏輯執(zhí)行功率下發(fā)禁止、斷開(kāi)接觸器等保護(hù)動(dòng)作。以一次測(cè)試為例，高壓聯(lián)鎖斷開(kāi)后，BMS在3ms內(nèi)識(shí)別并上報(bào)故障狀態(tài)，VCU于5ms內(nèi)接收并下發(fā)停機(jī)命令，MCU響應(yīng)并將輸出轉(zhuǎn)矩降為0。測(cè)試還驗(yàn)證了系統(tǒng)在突發(fā)故障情況下的數(shù)據(jù)完整性及故障處理的閉環(huán)性。通過(guò)CAN數(shù)據(jù)記錄工具采集事件發(fā)生前后的通信內(nèi)容，可分析是否存在通信阻塞或丟幀等影響故障處理效率的異常。本測(cè)試場(chǎng)景可驗(yàn)證系統(tǒng)的功能安全等級(jí)，評(píng)估控制器之間對(duì)關(guān)鍵故障的協(xié)同響應(yīng)能力。

（4）通信擾動(dòng)驗(yàn)證

在車(chē)輛運(yùn)行過(guò)程中，外部電磁干擾或網(wǎng)絡(luò)負(fù)載過(guò)高可能導(dǎo)致CAN總線通信異常，影響控制器間數(shù)據(jù)交互的可靠性。通信擾動(dòng)測(cè)試主要通過(guò)專(zhuān)用干擾發(fā)生模塊，在系統(tǒng)運(yùn)行中注入短時(shí)高頻干擾或模擬總線負(fù)載過(guò)載，平臺(tái)實(shí)時(shí)采集所有控制器之間的CAN通信幀，分析是否出現(xiàn)幀丟失、重復(fù)、錯(cuò)序等異常情況。測(cè)試結(jié)果通過(guò)平臺(tái)數(shù)據(jù)校驗(yàn)?zāi)K自動(dòng)生成通信異常報(bào)告，并標(biāo)記異常幀序列。以一組典型數(shù)據(jù)為例，在5秒內(nèi)注入8次干擾，總計(jì)檢測(cè)到幀丟失14幀、錯(cuò)序3幀，誤碼率控制在0.1%以內(nèi)，系統(tǒng)能通過(guò)冗余機(jī)制完成重發(fā)并恢復(fù)正常。測(cè)試過(guò)程中還觀察MCU與VCU在干擾期間是否存在控制失效或異常狀態(tài)反饋。該場(chǎng)景重點(diǎn)驗(yàn)證系統(tǒng)通信鏈路魯棒性與抗干擾能力，為通信設(shè)計(jì)冗余、校驗(yàn)機(jī)制的合理性評(píng)估提供依據(jù)。

5 結(jié)論

隨著新能源汽車(chē)和智能駕駛系統(tǒng)的發(fā)展，控制器數(shù)量和控制復(fù)雜性呈指數(shù)級(jí)增長(zhǎng)，傳統(tǒng)測(cè)試手段已難以勝任全場(chǎng)景、多系統(tǒng)驗(yàn)證任務(wù)。本文所設(shè)計(jì)的多控制器協(xié)同測(cè)試數(shù)據(jù)采集與分析系統(tǒng)，結(jié)合高精度時(shí)序同步、統(tǒng)一總線解析、智能分析算法和分布式架構(gòu)，能有效解決現(xiàn)有測(cè)試難題，提升測(cè)試效率和問(wèn)題發(fā)現(xiàn)能力。工作中，系統(tǒng)可進(jìn)一步融合AI深度學(xué)習(xí)模型，實(shí)現(xiàn)智能故障預(yù)測(cè)與自動(dòng)報(bào)告生成。同時(shí)，結(jié)合云平臺(tái)與數(shù)字孿生技術(shù)，可實(shí)現(xiàn)遠(yuǎn)程測(cè)試與虛實(shí)結(jié)合驗(yàn)證，為車(chē)企研發(fā)提供更全面的測(cè)試解決方案。

參考文獻(xiàn)：

[1]鄭淳允，江坤.汽車(chē)空調(diào)控制器自動(dòng)化測(cè)試建模的研究與應(yīng)用[J].自動(dòng)化應(yīng)用，2023，64（16）：25-27.

[2]熊剛，王文明，謝勇波，等.基于統(tǒng)一診斷服務(wù)協(xié)議的電動(dòng)汽車(chē)集成控制器檢測(cè)平臺(tái)設(shè)計(jì)[J].大功率變流技術(shù)，2021（02）：23-29.

[3]蔣德志.電動(dòng)汽車(chē)分布式驅(qū)動(dòng)控制器硬件在環(huán)測(cè)試研究[D].杭州：浙江大學(xué)，2021.

[4]江昕煒.基于PMP算法的輪轂直驅(qū)電動(dòng)汽車(chē)能量?jī)?yōu)化及多控制器HiL測(cè)試[D].鎮(zhèn)江：江蘇大學(xué)，2020.

[5]李孝云，付貝貝，劉琴，等.電動(dòng)汽車(chē)電機(jī)及電控系統(tǒng)綜合性能檢測(cè)試驗(yàn)臺(tái)[J].設(shè)備管理與維修，2020（1）：2.