CN109190306A - 一种数据回灌仿真方法及装置 - Google Patents
一种数据回灌仿真方法及装置 Download PDFInfo
- Publication number
- CN109190306A CN109190306A CN201811222046.2A CN201811222046A CN109190306A CN 109190306 A CN109190306 A CN 109190306A CN 201811222046 A CN201811222046 A CN 201811222046A CN 109190306 A CN109190306 A CN 109190306A
- Authority
- CN
- China
- Prior art keywords
- data
- implanted
- simulation result
- simulated model
- file
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 109
- 238000004088 simulation Methods 0.000 claims abstract description 83
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 claims abstract description 47
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 claims abstract description 47
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000002347 injection Methods 0.000 claims abstract description 8
- 239000007924 injection Substances 0.000 claims abstract description 8
- 238000012360 testing method Methods 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000002790 cross-validation Methods 0.000 claims description 9
- 108010001267 Protein Subunits Proteins 0.000 claims description 7
- 235000013599 spices Nutrition 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 238000003556 assay Methods 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 4
- 239000000463 material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据回灌仿真方法及装置,该方法包括:获取待注入数据;搭建与ADAS的控制逻辑相同的算法仿真模型;将待注入数据注入算法仿真模型,并获得算法仿真模型对待注入数据处理后的第一仿真结果;利用第一仿真结果优化算法仿真模型的参数;将待注入数据注入优化后的算法仿真模型,并获得优化后的算法仿真模型对待注入数据处理后的第二仿真结果;当第二仿真结果相对于第一仿真结果符合预期要求时,根据优化后的算法仿真模型优化ADAS的参数。本发明提供的方法快速、简便,跟反复多次通过实际道路试验优化ADAS相比,减少了人力、财力和物力成本,同时极大地降低了时间的消耗,能够有效的辅助评价ADAS可靠性。
Description
技术领域
本发明涉及汽车技术领域,特别是涉及一种数据回灌仿真方法及装置。
背景技术
近年来,随着人们对于汽车驾驶安全性以及舒适性要求的不断提高,先进的驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)在汽车领域的应用也迎来了空前的发展。ADAS利用安装于车上各式各样的传感器,在第一时间收集车内的环境数据,利用环境数据进行静、动态物体的辨识,侦测与追踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发生的危险。ADAS作为汽车驾驶安全性辅助系统,需要经过大量的试验数据来评价其可靠性,目前使用的方法主要包括硬件在环(hardware-in-the-loop,HIL)仿真和实际道路试验。
发明人对现有技术的研究过程中发现,HIL仿真是在ADAS安装到汽车上之前完成的测试,适用于开发周期早期及时发现软件问题。实际道路试验是ADAS整合到汽车系统之后进行的,虽能直观的评价ADAS性能的可靠性,但是此方法试验周期长,无法实现在短时间内快速优化ADAS。
发明内容
为解决上述技术问题,本发明实施例提供了一种数据回灌仿真方法及装置,技术方案如下:
一种数据回灌仿真方法,包括:
获取待注入数据,所述待注入数据属于实际道路试验数据;
搭建与ADAS的控制逻辑相同的算法仿真模型;
将所述待注入数据注入所述算法仿真模型,并获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果;
利用所述第一仿真结果优化所述算法仿真模型的参数;
将所述待注入数据注入优化后的算法仿真模型,并获得所述优化后的算法仿真模型对所述待注入数据处理后的第二仿真结果;
当所述第二仿真结果相对于所述第一仿真结果符合预期要求时,根据所述优化后的算法仿真模型优化所述ADAS的参数。
优选地,还包括:
获取所述实际道路试验数据;
对所述实际道路试验数据进行预处理,以得到所述待注入数据。
优选地,所述实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数;
对所述实际道路试验数据进行预处理,包括:
对于任一所述数据文件,判断所述数据文件的完整性是否满足要求;
若不满足要求,剔除所述数据文件;
若满足要求,判断所述数据文件中的信号的取值是否存在异常跳变值;
若存在所述异常跳变值,将所述异常跳变值替换为指定值,并将替换完成后的数据文件代替所述数据文件;
交叉验证目标数据文件中的信号是否有效,所述目标数据文件包括存在异常跳变值时所述替换完成后的数据文件或不存在异常跳变值时的所述数据文件;
若有效,将所述目标数据文件中的信号转换成具有物理含义的物理数据,并将所述物理数据作为所述待注入数据。
优选地,搭建与ADAS的控制逻辑相同的算法仿真模型之后,还包括:
获取TLC文件,所述TLC文件用以规定代码的生成方式和代码风格;
执行代码生成命令,以按照所述TLC文件生成与所述算法仿真模型对应的源代码;
将所述源代码编译为动态链接库;
相应地,将所述待注入数据注入所述算法仿真模型,包括:
调用所述动态链接库,以将所述待注入数据注入至所述算法仿真模型中。
优选地,获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果,包括:
基于事件筛选数据的策略对所述待注入数据进行处理,以获得所述第一仿真结果,或基于时间点筛选数据的策略对所述待注入数据进行处理以获得所述第一仿真结果,或基于统计数据策略对所述待注入数据进行处理以获得所述第一仿真结果。
一种数据回灌仿真装置,包括:
第一获取单元,用于获取待注入数据,所述待注入数据属于实际道路试验数据;
搭建单元,用于搭建与ADAS的控制逻辑相同的算法仿真模型;
第一处理单元,用于将所述待注入数据注入所述算法仿真模型,并获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果;
第一优化单元,用于利用所述第一仿真结果优化所述算法仿真模型的参数;
第二处理单元,用于将所述待注入数据注入优化后的算法仿真模型,并获得所述优化后的算法仿真模型对所述待注入数据处理后的第二仿真结果;
第二优化单元,用于当所述第二仿真结果相对于所述第一仿真结果符合预期要求时,根据所述优化后的算法仿真模型优化所述ADAS的参数。
优选地,还包括:
第二获取单元,用于获取所述实际道路试验数据;
预处理单元,用于对所述实际道路试验数据进行预处理,以得到所述待注入数据。
优选地,所述实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数;
所述预处理单元,包括:
第一判断子单元,用于对于任一所述数据文件,判断所述数据文件的完整性是否满足要求;
剔除子单元,用于当所述第一判断子单元确定不满足要求时,剔除所述数据文件;
第二判断子单元,用于当所述第一判断子单元确定满足要求时,判断所述数据文件中的信号的取值是否存在异常跳变值;
替换子单元,用于当所述第二判断子单元确定存在所述异常跳变值时,将所述异常跳变值替换为指定值,并将替换完成后的数据文件代替所述数据文件;
验证子单元,用于交叉验证目标数据文件中的信号是否有效,所述目标数据文件包括存在异常跳变值时所述替换完成后的数据文件或不存在异常跳变值时的所述数据文件;
转换子单元,用于当所述验证子单元确定有效时,将所述目标数据文件中的信号转换成具有物理含义的物理数据,并将所述物理数据作为所述待注入数据。
优选地,还包括:
第三获取单元,用于搭建与ADAS的控制逻辑相同的算法仿真模型之后,获取TLC文件,所述TLC文件用以规定代码的生成方式和代码风格;
执行单元,用于执行代码生成命令,以按照所述TLC文件生成与所述算法仿真模型对应的源代码;
编译单元,用于将所述源代码编译为动态链接库;
相应地,所述第一处理单元中将所述待注入数据注入所述算法仿真模型,包括:
调用所述动态链接库,以将所述待注入数据注入至所述算法仿真模型中。
优选地,所述第一处理单元中获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果,包括:
基于事件筛选数据的策略对所述待注入数据进行处理,以获得所述第一仿真结果,或基于时间点筛选数据的策略对所述待注入数据进行处理以获得所述第一仿真结果,或基于统计数据策略对所述待注入数据进行处理以获得所述第一仿真结果。
本发明提供的技术方案,在项目开发周期后期使用实际道路试验数据回灌到ADAS对应的算法仿真模型,得到仿真结果,并根据仿真结果调试算法仿真模型的参数,并最终根据调试好的算法仿真模型的参数优化ADAS的参数,以此实现了在短时间内快速优化ADAS。此方法快速、简便,跟反复多次通过实际道路试验优化ADAS相比,减少了人力、财力和物力成本,同时极大地降低了时间的消耗,能够有效的辅助评价ADAS可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种数据回灌仿真方法的一种流程示意图;
图2为本发明实施例所提供的一种数据回灌仿真方法的另一种流程示意图;
图3为本发明实施例所提供的一种数据回灌仿真方法的另一种流程示意图;
图4为本发明实施例所提供的一种数据回灌仿真装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例提供的一种数据回灌仿真方法的一种实现流程图,该方法包括:
步骤S101、获取待注入数据。
其中,待注入数据属于实际道路试验数据。
本发明中,数据回灌是指将实际道路试验数据重复注入到算法仿真模型(包括初始算法仿真模型和优化后的算法仿真模型)并进行仿真的过程。
在实际应用中,获取待注入数据之前还可以获取实际道路试验数据,通过对实际道路试验数据进行预处理得到待注入数据,其中,实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数。
对实际道路试验数据进行预处理的流程如图2所示,包括:
对实际道路试验数据进行预处理,包括:
步骤S201、对于任一数据文件,判断数据文件的完整性是否满足要求,若是执行步骤S203,否则执行步骤S202;
步骤S202、剔除数据文件;
步骤S201-步骤S202实现的是对数据文件的完整性的检查,例如,检查数据文件是否存在影响数据注入的重要信号缺失,若存在,则将缺少重要信号的数据文件剔除。
步骤S203、判断数据文件中的信号的取值是否存在异常跳变值,若是,执行步骤S204,否则执行步骤S205;
步骤S204、将异常跳变值替换为指定值,并将替换完成后的数据文件代替数据文件;
步骤S203-步骤S204实现的是对数据文件中的信号的取值的检查,当信号的取值存在跳变时,如信号在某一时刻取值为﹢∞或者-∞,此时需要把跳变的数值替换为指定值。
步骤S205、交叉验证目标数据文件中的信号是否有效,目标数据文件包括存在异常跳变值时替换完成后的数据文件或不存在异常跳变值时的数据文件中,若是执行步骤S206,否则执行步骤S202;
当将替换完成后的数据文件替换数据文件时,交叉验证的目标文件为替换完成后的数据文件;当数据文件中的信号的取值未存在异常跳变值时,交叉验证的目标数据文件为数据文件。
步骤S206、将目标数据文件中的信号转换成具有物理含义的物理数据,并将物理数据作为待注入数据。
步骤S205-步骤S206实现交叉验证目标数据文件中的信号的有效性,比如车速的导数值与加速度值接近即为信号有效,若信号有效,则将信号转换成具有物理含义的物理数据,若无效则需人为停止并检查无效原因。
步骤S102、搭建与ADAS的控制逻辑相同的算法仿真模型。
本实施例中的算法仿真模型可以包括Matlab模型或Simulink模型。
在搭建算法仿真模型时,可以根据数据文件的信号以及算法仿真模型的需求信号共同确定输入接口,根据算法仿真模型的分析需求来确定输出接口,然后通过ADAS的控制逻辑搭建算法仿真模型。
实际应用中,对实际道路试验数据的预处理的步骤与对算法仿真模模型的搭建的步骤可以同步进行。
在算法仿真模型搭建完成后,还可以将算法仿真模型编译为源代码,从而通过调用动态链接库的方式将待注入数据注入算法仿真模型中。
具体地,在算法仿真模型搭建完成后,如图3所示,还可以包括:
步骤S301、获取TLC文件。
其中,TLC文件用以规定代码的生成方式和代码风格。
算法仿真模型搭建完成后,可以在算法仿真模型的设置中选择目标语言编译器(Target Language Compiler,TLC)文件,即算法仿真模型的系统目标文件,它控制全局的代码生成。
步骤S302、执行代码生成命令,以按照TLC文件生成与算法仿真模型对应的源代码。
执行代码生成命令时,算法仿真模型中的Simulink Coder/Embedded Coder会使用TLC文件对应的TLC生成与算法仿真模型对应的源代码,如.c文件和.h文件。
步骤S303、将源代码编译为动态链接库。
实际应用中,可以利用Python的Cython库把源代码编译为Python可调用的动态链接库,比如使用Cython先将.c和.h文件生成.pyx文件,然后将.c文件、.h文件和.pyx文件编译为python可调用的动态链接库。
其中,动态链接库就是模型编译后的结果,是模型的代码形式。
步骤S103、将待注入数据注入算法仿真模型,并获得算法仿真模型对待注入数据处理后的第一仿真结果。在将算法仿真模型编译为源代码后,将待注入数据注入算法仿真模型,包括:
调用动态链接库,以将待注入数据注入至算法仿真模型中。
算法仿真模型对待注入数据进行处理包括三种方式:基于事件筛选数据、基于时间点筛选数据及统计数据。
基于事件筛选数据,是利用信号的逻辑关系来筛选数据,例如,通过检测某个信号有跳变且跳变后的值为指定值,筛选出相关数据。
基于时间点筛选数据,是根据指定时间点来筛选数据,例如,指定时间点,筛选出此时间点相关数据。
统计数据,根据需求统计出结果。例如,通过检测某个信号的取值,统计所有数据文件中此信号的取值为指定值共累计了多长时间。
在本发明其他实施例中,算法仿真模型对待注入数据进行处理可以基于python语言的数据处理模块实现。
步骤S104、利用第一仿真结果优化算法仿真模型的参数。
步骤S105、将待注入数据注入优化后的算法仿真模型,并获得优化后的算法仿真模型对待注入数据处理后的第二仿真结果。
获得第一仿真结果与第二仿真结果的策略相同,即,若基于事件筛选的策略获得第一仿真结果,那么同样基于事件筛选的策略获得第二仿真结果。
步骤S106、当第二仿真结果相对于第一仿真结果符合预期要求时,根据优化后的算法仿真模型优化ADAS的参数。
通过对比算法仿真模型的参数改变前后的第一仿真结果和第二仿真结果,可以确定对算法仿真模型的优化是否符合预期要求,若是则根据对算法仿真模型的参数的优化来优化ADAS的参数。
当第二仿真结果相对于第一仿真结果不符合预期要求时,则以第二仿真结果替换第一仿真结果,并返回执行步骤S104,直至第二仿真结果相对于第一仿真结果符合预期要求。
比如对于车辆自适应巡航控制,设定车辆自适应巡航车速60km/h,当在前方没有行驶车辆的道路上行驶时,车辆应该加速到设定速度,并稳定在设定车速附近(±2km/h)。仿真结果中自适应巡航车速如果满足上述设定车速要求,则符合预期;否则不符合预期。
在本发明的其他实施例中,在获得第二仿真结果后,可以根据第一仿真结果和第二仿真结果人为选择是否修改ADAS的参数以及如何修改ADAS的参数。
本发明实施例提供的技术方案,在项目开发周期后期使用实际道路试验数据回灌到ADAS对应的算法仿真模型,得到仿真结果,并根据仿真结果调试算法仿真模型的参数,并最终根据调试好的算法仿真模型的参数优化ADAS的参数,以此实现了在短时间内快速优化ADAS。此方法快速、简便,跟反复多次通过实际道路试验优化ADAS相比,减少了人力、财力和物力成本,同时极大地降低了时间的消耗,能够有效的辅助评价ADAS可靠性。
请参阅图4,图4为本发明实施例提供的一种数据回灌仿真装置的一种结构示意图,该结构示意图中的各模块的工作过程参照图1对应的实施例中方法的执行过程,该装置包括:
第一获取单元410,用于获取待注入数据,待注入数据属于实际道路试验数据;
搭建单元420,用于搭建与ADAS的控制逻辑相同的算法仿真模型;
第一处理单元430,用于将待注入数据注入算法仿真模型,并获得算法仿真模型对待注入数据处理后的第一仿真结果;
第一优化单元440,用于利用第一仿真结果优化算法仿真模型的参数;
第二处理单元450,用于将待注入数据注入优化后的算法仿真模型,并获得优化后的算法仿真模型对待注入数据处理后的第二仿真结果;
第二优化单元460,用于当第二仿真结果相对于第一仿真结果符合预期要求时,根据优化后的算法仿真模型优化ADAS的参数。
本发明实施例提供的技术方案,在项目开发周期后期使用实际道路试验数据回灌到ADAS对应的算法仿真模型,得到仿真结果,并根据仿真结果调试算法仿真模型的参数,并最终根据调试好的算法仿真模型的参数优化ADAS的参数,以此实现了在短时间内快速优化ADAS。此方法快速、简便,跟反复多次通过实际道路试验优化ADAS相比,减少了人力、财力和物力成本,同时极大地降低了时间的消耗,能够有效的辅助评价ADAS可靠性。
在本发明的其他实施例中,还包括:
第二获取单元,用于获取实际道路试验数据;
预处理单元,用于对实际道路试验数据进行预处理,以得到待注入数据。
在本发明的其他实施例中,实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数;
预处理单元,包括:
第一判断子单元,用于对于任一数据文件,判断数据文件的完整性是否满足要求;
剔除子单元,用于当第一判断子单元确定不满足要求时,剔除数据文件;
第二判断子单元,用于当第一判断子单元确定满足要求时,判断数据文件中的信号的取值是否存在异常跳变值;
替换子单元,用于当第二判断子单元确定存在异常跳变值时,将异常跳变值替换为指定值,并将替换完成后的数据文件代替数据文件;
验证子单元,用于交叉验证目标数据文件中的信号是否有效,目标数据文件包括存在异常跳变值时替换完成后的数据文件或不存在异常跳变值时的数据文件;
转换子单元,用于当验证子单元确定有效时,将目标数据文件中的信号转换成具有物理含义的物理数据,并将物理数据作为待注入数据。
在本发明的其他实施例中,还包括:
第三获取单元,用于搭建与ADAS的控制逻辑相同的算法仿真模型之后,获取TLC文件,TLC文件用以规定代码的生成方式和代码风格;
执行单元,用于执行代码生成命令,以按照TLC文件生成与算法仿真模型对应的源代码;
编译单元,用于将源代码编译为动态链接库;
相应地,第一处理单元中将待注入数据注入算法仿真模型,包括:
调用动态链接库,以将待注入数据注入至算法仿真模型中。
在本发明的其他实施例中,第一处理单元430中获得算法仿真模型对待注入数据处理后的第一仿真结果,包括:
基于事件筛选数据的策略对待注入数据进行处理,以获得第一仿真结果,或基于时间点筛选数据的策略对待注入数据进行处理以获得第一仿真结果,或基于统计数据策略对待注入数据进行处理以获得第一仿真结果。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
对于装置或系统实施例而言,由于其基本相应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置或系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,在没有超过本发明的精神和范围内,可以通过其他的方式实现。当前的实施例只是一种示范性的例子,不应该作为限制,所给出的具体内容不应该限制本发明的目的。例如,所述单元或子单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或多个子单元结合一起。另外,多个单元可以或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
另外,所描述系统,装置和方法以及不同实施例的示意图,在不超出本发明的范围内,可以与其它系统,模块,技术或方法结合或集成。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
以上所述仅是本发明的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种数据回灌仿真方法,其特征在于,包括:
获取待注入数据,所述待注入数据属于实际道路试验数据;
搭建与ADAS的控制逻辑相同的算法仿真模型;
将所述待注入数据注入所述算法仿真模型,并获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果;
利用所述第一仿真结果优化所述算法仿真模型的参数;
将所述待注入数据注入优化后的算法仿真模型,并获得所述优化后的算法仿真模型对所述待注入数据处理后的第二仿真结果;
当所述第二仿真结果相对于所述第一仿真结果符合预期要求时,根据所述优化后的算法仿真模型优化所述ADAS的参数。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取所述实际道路试验数据;
对所述实际道路试验数据进行预处理,以得到所述待注入数据。
3.根据权利要求2所述的方法,其特征在于,所述实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数;
对所述实际道路试验数据进行预处理,包括:
对于任一所述数据文件,判断所述数据文件的完整性是否满足要求;
若不满足要求,剔除所述数据文件;
若满足要求,判断所述数据文件中的信号的取值是否存在异常跳变值;
若存在所述异常跳变值,将所述异常跳变值替换为指定值,并将替换完成后的数据文件代替所述数据文件;交叉验证目标数据文件中的信号是否有效,所述目标数据文件包括存在异常跳变值时所述替换完成后的数据文件或不存在异常跳变值时的所述数据文件;
若有效,将所述目标数据文件中的信号转换成具有物理含义的物理数据,并将所述物理数据作为所述待注入数据。
4.根据权利要求3所述的方法,其特征在于,搭建与ADAS的控制逻辑相同的算法仿真模型之后,还包括:
获取TLC文件,所述TLC文件用以规定代码的生成方式和代码风格;
执行代码生成命令,以按照所述TLC文件生成与所述算法仿真模型对应的源代码;
将所述源代码编译为动态链接库;
相应地,将所述待注入数据注入所述算法仿真模型,包括:
调用所述动态链接库,以将所述待注入数据注入至所述算法仿真模型中。
5.根据权利要求1所述的方法,其特征在于,获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果,包括:
基于事件筛选数据的策略对所述待注入数据进行处理,以获得所述第一仿真结果,或基于时间点筛选数据的策略对所述待注入数据进行处理以获得所述第一仿真结果,或基于统计数据策略对所述待注入数据进行处理以获得所述第一仿真结果。
6.一种数据回灌仿真装置,其特征在于,包括:
第一获取单元,用于获取待注入数据,所述待注入数据属于实际道路试验数据;
搭建单元,用于搭建与ADAS的控制逻辑相同的算法仿真模型;
第一处理单元,用于将所述待注入数据注入所述算法仿真模型,并获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果;
第一优化单元,用于利用所述第一仿真结果优化所述算法仿真模型的参数;
第二处理单元,用于将所述待注入数据注入优化后的算法仿真模型,并获得所述优化后的算法仿真模型对所述待注入数据处理后的第二仿真结果;
第二优化单元,用于当所述第二仿真结果相对于所述第一仿真结果符合预期要求时,根据所述优化后的算法仿真模型优化所述ADAS的参数。
7.根据权利要求6所述的装置,其特征在于,还包括:
第二获取单元,用于获取所述实际道路试验数据;
预处理单元,用于对所述实际道路试验数据进行预处理,以得到所述待注入数据。
8.根据权利要求7所述的装置,其特征在于,所述实际道路试验数据包括N个数据文件,每个数据文件包括M个信号,M和N均为正整数;
所述预处理单元,包括:
第一判断子单元,用于对于任一所述数据文件,判断所述数据文件的完整性是否满足要求;
剔除子单元,用于当所述第一判断子单元确定不满足要求时,剔除所述数据文件;
第二判断子单元,用于当所述第一判断子单元确定满足要求时,判断所述数据文件中的信号的取值是否存在异常跳变值;
替换子单元,用于当所述第二判断子单元确定存在所述异常跳变值时,将所述异常跳变值替换为指定值,并将替换完成后的数据文件代替所述数据文件;
验证子单元,用于交叉验证目标数据文件中的信号是否有效,所述目标数据文件包括存在异常跳变值时所述替换完成后的数据文件或不存在异常跳变值时的所述数据文件;
转换子单元,用于当所述验证子单元确定有效时,将所述目标数据文件中的信号转换成具有物理含义的物理数据,并将所述物理数据作为所述待注入数据。
9.根据权利要求8所述的装置,其特征在于,还包括:
第三获取单元,用于搭建与ADAS的控制逻辑相同的算法仿真模型之后,获取TLC文件,所述TLC文件用以规定代码的生成方式和代码风格;
执行单元,用于执行代码生成命令,以按照所述TLC文件生成与所述算法仿真模型对应的源代码;
编译单元,用于将所述源代码编译为动态链接库;
相应地,所述第一处理单元中将所述待注入数据注入所述算法仿真模型,包括:
调用所述动态链接库,以将所述待注入数据注入至所述算法仿真模型中。
10.根据权利要求6所述的装置,其特征在于,所述第一处理单元中获得所述算法仿真模型对所述待注入数据处理后的第一仿真结果,包括:
基于事件筛选数据的策略对所述待注入数据进行处理,以获得所述第一仿真结果,或基于时间点筛选数据的策略对所述待注入数据进行处理以获得所述第一仿真结果,或基于统计数据策略对所述待注入数据进行处理以获得所述第一仿真结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222046.2A CN109190306A (zh) | 2018-10-19 | 2018-10-19 | 一种数据回灌仿真方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811222046.2A CN109190306A (zh) | 2018-10-19 | 2018-10-19 | 一种数据回灌仿真方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109190306A true CN109190306A (zh) | 2019-01-11 |
Family
ID=64946163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811222046.2A Pending CN109190306A (zh) | 2018-10-19 | 2018-10-19 | 一种数据回灌仿真方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190306A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231079A (zh) * | 2011-05-19 | 2011-11-02 | 同济大学 | 基于实车行驶状态动态实时回放的车辆电控系统测试方法 |
CN102331777A (zh) * | 2011-11-09 | 2012-01-25 | 海博瑞德(北京)汽车技术有限公司 | 一种ecu硬件在环测试台及其控制方法 |
CN103198168A (zh) * | 2012-01-10 | 2013-07-10 | 上海汽车集团股份有限公司 | 一种离线仿真方法 |
CN106933582A (zh) * | 2017-03-03 | 2017-07-07 | 浙江仕善汽车科技股份有限公司 | 一种提高汽车控制器开发软件代码执行效率的方法 |
CN107436986A (zh) * | 2017-08-07 | 2017-12-05 | 北京汽车研究总院有限公司 | 车辆主动安全系统的集成装置及仿真应用方法 |
CN107797805A (zh) * | 2017-10-31 | 2018-03-13 | 北京新能源汽车股份有限公司 | 一种代码封装方法、装置及计算机可读存储介质 |
CN108415699A (zh) * | 2018-02-12 | 2018-08-17 | 北京智行鸿远汽车有限公司 | 利用Simulink定制单片机的底层驱动进行代码生成的方法 |
CN108508761A (zh) * | 2018-03-28 | 2018-09-07 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于CarMaker仿真环境的AEB算法功能验证方法 |
US20180267538A1 (en) * | 2017-03-15 | 2018-09-20 | Toyota Jidosha Kabushiki Kaisha | Log-Based Vehicle Control System Verification |
-
2018
- 2018-10-19 CN CN201811222046.2A patent/CN109190306A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102231079A (zh) * | 2011-05-19 | 2011-11-02 | 同济大学 | 基于实车行驶状态动态实时回放的车辆电控系统测试方法 |
CN102331777A (zh) * | 2011-11-09 | 2012-01-25 | 海博瑞德(北京)汽车技术有限公司 | 一种ecu硬件在环测试台及其控制方法 |
CN103198168A (zh) * | 2012-01-10 | 2013-07-10 | 上海汽车集团股份有限公司 | 一种离线仿真方法 |
CN106933582A (zh) * | 2017-03-03 | 2017-07-07 | 浙江仕善汽车科技股份有限公司 | 一种提高汽车控制器开发软件代码执行效率的方法 |
US20180267538A1 (en) * | 2017-03-15 | 2018-09-20 | Toyota Jidosha Kabushiki Kaisha | Log-Based Vehicle Control System Verification |
CN107436986A (zh) * | 2017-08-07 | 2017-12-05 | 北京汽车研究总院有限公司 | 车辆主动安全系统的集成装置及仿真应用方法 |
CN107797805A (zh) * | 2017-10-31 | 2018-03-13 | 北京新能源汽车股份有限公司 | 一种代码封装方法、装置及计算机可读存储介质 |
CN108415699A (zh) * | 2018-02-12 | 2018-08-17 | 北京智行鸿远汽车有限公司 | 利用Simulink定制单片机的底层驱动进行代码生成的方法 |
CN108508761A (zh) * | 2018-03-28 | 2018-09-07 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于CarMaker仿真环境的AEB算法功能验证方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106371813B (zh) | 一种基于Simulink的电动汽车电机控制器软件生成方法 | |
CN102033543B (zh) | 用于分布式嵌入系统的自动测试用例生成的方法及系统 | |
CN101901186B (zh) | 一种嵌入式系统可靠性分析与评估方法 | |
CN110456757A (zh) | 一种无人驾驶车辆的整车测试方法及系统 | |
Schulz et al. | Model-based codesign | |
CN104850111B (zh) | 一种硬件在环测试方法及系统 | |
US20050223295A1 (en) | Method for the creation of sequences for testing software | |
CN103312850A (zh) | 一种手机自动化测试系统及工作方法 | |
CN114139475A (zh) | 芯片验证方法、系统、设备及存储介质 | |
CN106055351A (zh) | 一种控制系统的开发方法和装置 | |
CN108037913A (zh) | 一种xUML4MC模型到MSVL语言程序的转换方法、计算机程序 | |
CN103049601A (zh) | 一种信息系统仿真建模方法 | |
CN110941898B (zh) | 一种图形处理器的设计模型及设计方法 | |
CN103473061B (zh) | 一种结构噪声不确定性优化系统及方法 | |
CN110244688A (zh) | 基于LabVIEW的仪表总线面板自动生成方法及其系统 | |
CN109814533A (zh) | 一种多模块融合的智能网联车在环测试系统 | |
CN104216703A (zh) | 嵌入式软件系统程序的开发方法 | |
CN109190306A (zh) | 一种数据回灌仿真方法及装置 | |
CN102184136A (zh) | 一种验证aadl模型运行状态与需求一致性的方法 | |
Englisch et al. | YellowCar | |
CN105808805A (zh) | 一种基于混合诊断模型的测试性建模方法 | |
Porter et al. | Towards model-based integration of tools and techniques for embedded control system design, verification, and implementation | |
CN104933267A (zh) | 一种工业电子系统的行为逻辑建模方法 | |
CN109240694A (zh) | 用于智能驾驶辅助系统控制算法的快速原型开发验证系统及方法 | |
Conrad et al. | Graph transformations for model-based testing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hengrun Technology Co.,Ltd. Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101 Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |