扫码关注，了解更多
在线留言
全国服务热钱
400-8299-000
加载中...
智能驾驶技术的快速迭代让整车厂和供应商面临前所未有的测试压力。一款L3级自动驾驶系统的测试场景数量动辄超过百万级，道路试验不仅成本高昂、周期漫长，更难以覆盖全部危险工况。而硬件在环（HIL）测试正是解决这一困局的关键手段——它能够在实验室环境中对控制器进行实时闭环验证，大幅缩短开发周期、降低测试风险。然而，传统HIL系统往往被国外厂商垄断，授权费用高昂且技术响应缓慢。在此背景下，国产实时仿真平台的崛起为智能驾驶测试提供了新的选择。本文将系统讲解实时仿真平台在智能驾驶领域的应用实践，从系统架构、关键配置到典型场景全覆盖。
智能驾驶控制器（通常指自动驾驶域控制器或ADAS ECU）与传统ECU有着本质区别。它需要实时处理来自摄像头、毫米波雷达、激光雷达、高精度地图等多源传感器的海量数据，并在毫秒级时间内完成感知、决策、规划、控制的全流程运算。这种高算力、高实时性、强功能安全要求的特性，对HIL测试系统提出了严苛的要求。
传统车身电子控制器（如BCM、VCU）的HIL测试，对实时性的要求通常在毫秒级别，仿真步长1ms已能满足需求。但智能驾驶控制器不同，其核心算法（如目标检测、轨迹规划）需要在10-50ms内完成一轮处理，而底层控制周期更是要求达到1ms甚至更短。更关键的是，HIL系统本身的仿真步长必须远小于被测控制器的控制周期，否则将引入不可接受的相位延迟。
以自适应巡航控制（ACC）功能为例，控制器通常以10ms为周期发送加速度指令。如果HIL系统的车辆动力学模型更新周期超过10ms，就会导致控制器收到的反馈信号滞后于实际工况，造成控制震荡甚至功能失效。因此，智能驾驶HIL测试系统必须支持100μs级别的硬实时仿真能力。
智能驾驶控制器的“眼睛”和“耳朵”是各类传感器，而HIL测试的核心挑战之一就是如何真实地仿真这些传感器的输出信号。这包括摄像头图像的实时注入、雷达目标的前置处理、定位信号的模拟等。与物理传感器相比，传感器仿真需要在仿真精度与计算负载之间找到平衡点——既要足够真实以触发控制器的正确响应，又不能过于复杂导致系统资源耗尽。
智能驾驶测试需要覆盖的场景数量是惊人的。根据国内外标准法规要求，系统需要验证的典型场景包括：前车切入切出、前车紧急制动、弯道行驶、交叉路口通行、行人横穿、恶劣天气影响等。而ISO 26262功能安全标准和即将实施的UN-R157法规，更是要求对系统的失效响应和安全边界进行充分验证。这些场景如果全部依靠实车测试，不仅成本高昂，更难以覆盖边缘工况和危险场景。
凯云ETest/SimuRTS等国产实时仿真平台正是针对智能驾驶HIL测试的痛点而设计。与传统方案相比，国产平台在保证实时性能的同时，提供了更灵活的扩展能力和更低的拥有成本。
典型的国产实时仿真平台采用分层架构设计，从下至上包括：
实时性是HIL系统的生命线。下表对比了主流实时仿真平台的关键性能指标：
| 性能指标 | 传统进口方案A | 传统进口方案B | 凯云SimuRTS |
|---|---|---|---|
| 最小仿真步长 | 100μs | 50μs | 50μs |
| IO通道延迟 | ≤1μs | ≤1μs | ≤1μs |
| 时间同步精度 | ±1μs | ±0.5μs | ±0.5μs |
| 模型容量 | 视授权而定 | 视授权而定 | 无限制 |
| 授权模式 | 年费制/永久制 | 年费制 | 永久授权 |
智能驾驶控制器通常采用多种车载通信协议与外界交互。国产实时仿真平台需要全面支持这些协议才能满足测试需求：
大多数智能驾驶算法工程师习惯使用MATLAB/Simulink进行算法开发。将Simulink模型快速部署到实时仿真平台并运行，是HIL测试流程中的关键环节。下面以凯云SimuRTS为例，详细讲解部署流程。
在部署之前，需要对Simulink模型进行必要的准备工作。首先是模型的分割——将算法模型与IO接口模型分离。算法模型运行在实时仿真器的CPU上，而IO接口模型（如CAN消息发送、AD采样）则需要映射到FPGA或专用IO板卡上。
分割的原则是：将时序要求严格的IO操作（CAN发送周期≤10ms、AD采样率≥1kHz）部署到FPGA，而将计算密集型的算法逻辑保留在CPU。这种分工可以充分利用FPGA的并行处理能力和确定性延迟特性。
使用Embedded Coder或TargetLink等工具从Simulink模型生成C代码。生成代码后，需要针对实时仿真平台进行编译配置：
编译完成后，通过平台的工程管理工具将可执行文件、配置参数和IO映射表一起下载到实时仿真器。典型的配置包括：
| 配置项 | 说明 | 示例值 |
|---|---|---|
| 仿真步长 | 主任务调度周期 | 1ms |
| CAN通道配置 | 波特率、TX/RX邮箱映射 | 500kbps/0x100-0x1FF |
| 以太网配置 | IP地址、VLAN ID | 192.168.1.100/VID 100 |
| 时间同步源 | GPS/1588/内部晶振 | 1588 PTP |
| 信号标定 | 物理值与原始值转换 | 车速：0.01m/s/bit |
模型运行后，工程师可以通过上位机软件实时查看内部信号、修改参数、录制数据。优秀的实时仿真平台应当支持：参数的上传下载、信号的在线监测、数据波形的实时回放、测试报告的自动生成等功能。这些功能极大地提升了调试效率，让工程师能够快速定位算法问题。
理论架构需要落到具体场景中才能发挥价值。下面介绍几个智能驾驶核心功能的HIL测试实现方法。
ACC是智能驾驶的基础功能，其HIL测试需要验证：
在HIL环境中，ACC测试通常采用"目标模拟器+动力学模型"的方式实现。目标模拟器（可以是雷达目标模拟器或场景仿真软件）生成虚拟前车的距离、相对速度和方位角信息，通过硬线或CAN总线发送给控制器。控制器根据这些信息计算期望加速度，发送给HIL系统的车辆动力学模型。模型计算更新后的车速、位置等信息，再反馈给目标模拟器形成闭环。
车道保持功能的HIL测试对场景仿真的真实性要求更高。测试系统需要提供：
车道线信息：通过场景仿真软件生成符合中国道路标准的车道线（实线、虚线、不同宽度），并模拟车道线的远近距离变化。车道线信息通常通过摄像头仿真注入（Video Injection）或直接发送结构化数据（如CAN消息中的车道线参数）。
车辆状态：包括横摆角速度、侧向加速度、方向盘转角等，这些信号由车辆动力学模型实时计算并输出给控制器。
测试场景库：包括标准弯道、不同曲率弯道、弯道衔接、隧道入口、匝道分流等典型场景，以及驾驶员主动换道的刺激工况。
AEB是智能驾驶安全功能的核心，也是法规强制的测试项目。根据C-NCAP和Euro NCAP规程，测试场景包括：
HIL测试需要精确复现这些场景的时序和空间关系。以行人横穿场景为例，场景仿真软件需要生成行人的运动轨迹（速度、加速度、位置），并将其投影到摄像头的视场中生成图像。同时，毫米波雷达仿真模块需要计算行人的雷达散射截面（RCS）并生成模拟回波。这种多传感器协同仿真确保控制器能够接收到与真实世界一致的感知输入。
HIL测试的价值不仅在于功能验证，更在于测试效率的提升。以下是几个提升HIL测试效率的关键实践。
手工执行测试用例费时费力且容易出错。优秀的HIL测试平台应支持测试用例的自动化编排和执行。通过Python或MATLAB脚本调用测试接口，可以实现：测试场景的自动加载、参数的自动遍历、结果的自动判定、报告的自动生成。
以参数遍历测试为例，工程师可以预先定义参数范围（如车间距2m-10m，间隔1m），系统自动组合所有测试点并依次执行，统计每次测试的通过/失败状态。这种方式能够在短时间内完成数千次参数组合测试，是手工测试无法企及的。
智能驾驶软件迭代频繁，每次更新都需要确保原有功能不被破坏。HIL测试系统应支持持续集成（CI）流程：
这种自动化流程确保了测试的及时性和完整性，让开发团队能够快速获得软件变更的影响反馈。
MIL（软件在环）与HIL（硬件在环）是互补关系。MIL测试成本低、迭代快，适合算法初期的功能验证；HIL测试真实性高，能够验证软硬件集成后的真实行为。两者协同工作才能实现最优的测试覆盖。
实践中，建议采用"MIL优先筛选、HIL精准验证"的策略：先在MIL环境中对大量测试场景进行快速筛选，快速定位潜在问题；再在HIL环境中对关键场景和边界条件进行深入验证。这种策略兼顾了测试效率与测试深度。
面对市场上众多的HIL解决方案，工程师团队如何做出正确的选择？以下是几点建议。
不同阶段的测试需求差异很大。研发初期的功能验证可能只需要简单的信号仿真和动力学模型；而产品化阶段的功能安全认证则需要完整的场景库、传感器仿真和数据分析能力。在选型之前，建议团队梳理清楚：需要覆盖哪些功能？需要验证哪些标准？测试用例数量规模？预算上限是多少？
HIL系统不是孤立的，它需要与企业现有的开发工具链、测试管理系统、数据分析平台对接。选择技术开放性好的平台，意味着更少的集成成本和更长的生命力。具体评估点包括：是否支持第三方模型导入？是否有完整的API文档？能否与企业CI/CD系统集成？
HIL系统在使用过程中会遇到各种技术问题，从模型调试到故障排查都需要厂商支持。国产平台的优势在于响应速度快、技术支持本地化，能够根据客户需求快速定制解决方案。在选型时，建议了解厂商的技术支持政策、响应时间承诺、历史项目经验等。
智能驾驶技术的快速发展对测试能力提出了前所未有的要求。HIL硬件在环测试作为实验室环境下的核心验证手段，正在从“可选工具”演变为“必备能力”。国产实时仿真平台的崛起，打破了进口厂商的技术垄断，为国内车企和供应商提供了高性价比的选择。
从本文的分析可以看出，一套成熟的智能驾驶HIL测试系统需要具备：硬实时仿真能力以满足控制器的时序要求、完善的传感器仿真能力以构建可信的虚拟测试环境、丰富的协议接口以适应多样的控制器类型、自动化的测试执行能力以应对海量测试用例。而凯云ETest/SimuRTS等国产平台正是围绕这些需求设计，能够为智能驾驶测试提供完整的解决方案。
展望未来，随着L3级以上自动驾驶功能的逐步落地，HIL测试的重要性将进一步凸显。高保真场景仿真、整车在环（VIL）测试、基于云的分布式仿真等新技术方向，将推动HIL系统向更高性能、更强能力演进。在这个过程中，国产厂商凭借对本土市场的深入理解和快速响应能力，有望占据越来越重要的地位。
当国产HIL平台已经能做到与进口方案同样的实时性，还在坚持用国外工具的理由，还能剩下几个？
#半实物仿真测试 #硬件在环测试 #国产替代 #HIL #实时仿真 #智能驾驶测试 #Simulink模型部署