主题演讲:自动驾驶和智能系统开发:来自工具供应商的洞察

9:10–9:35

基于模型的设计被广泛地用于各行业控制系统的开发,它在开发高可靠性汽车系统中扮演了非常关键的角色。自动驾驶将控制与感知、规划相融合,引入新的传感器、算法和领域专家。该演讲讨论在系统高度自主趋势下,高可靠性汽车系统开发中的工具和流程。

林晓沧, Embedded Coder产品系列的开发总监, MathWorks总部


主题演讲:L4/L5自动驾驶技术路线与挑战

9:35–10:05

主动安全与自动驾驶技术的终极目标,就是以电子技术协助驾驶人排除任何行车盲点与人为操作失误的可能性,最终直接用机器驾驶取代人类。Aptiv自动驾驶系统以毫米波雷达、摄像头、激光雷达等ADAS传感器为基础,多传感器数据融合,并以包括多域控制器在内的汽车计算平台为中心,依托业界领先的软件实力和系统集成能力,为行业提供符合功能安全标准和网络安全的系统架构,降低整车厂主动安全与自动驾驶系统开发难度,缩短开发时间,进一步推进自动驾驶行业的发展与进步。 本演讲将探讨L4/L5自动驾驶技术路线与挑战。

王洋, 安全事业部亚太区战略与合作总监,安波福中国


人工智能及其在智能汽车中的应用

10:05–10:30

人工智能(AI)将对未来车辆产生巨大的影响,大量人工智能的研发工作都涉及到了在智能汽车中的应用。在人工智能原理和应用需求分析基础上,着重例举了人工智能在智能汽车各部分中的应用。

陈慧, 教授, 同济大学


使用基于模型设计开发符合ISO 26262的车用ECU软件

11:00–11:25

为了给用户提供安全、稳定、可靠的高品质产品,蔚来汽车严格按照ISO 26262的要求执行车载ECU软件开发,在应用层软件开发中,蔚来汽车采用行业内广泛应用的基于模型设计(简称MBD)开发模式。本次演讲将结合ISO 26262软件开发相关的规则,介绍蔚来汽车在MBD开发模式下的应用层软件开发流程,其中包含模型架构设计、模型验证、代码生成以及代码验证等关键环节的设计原则和实现方法。

关键词:基于模型设计,ISO 26262,模型架构,模型验证

陈伟, 高级经理, 上海蔚来汽车有限公司


基于控制策略模型的柴油机虚拟标定技术研究

11:25–11:50

严格的排放法规给发动机及动力总成的开发带来了巨大的工作量和资源投入。为了提高开发效率,缩短开发周期,虚拟标定越来越被重视。常规的虚拟标定开发整车及台架物理模型,集成到HIL中,结合真实的ECU替代传统的标定工作环境。本文基于完整的柴油机控制策略模型,结合高精度的被控对象模型,取消HIL,进一步降低开发资源和开发周期,建立完全基于PC机的虚拟标定环境。

桑海浪, 电控系统策略开发技术总师,高级工程师,玉柴机器股份有限公司


基于MATLAB与AUTOSAR技术的开发及实践

11:50–12:15

AUTOSAR技术在汽车电子开发中已被广泛接受与应用,同时MATLAB®对AUTOSAR的支持也在不断完善与改进;当标准架构与模型设计这两者共同作用于产品开发时,带来的不仅是产品质量与开发效率的提升,同时也带给我们对汽车电子软件设计的模块化、模式化、复用性、甚至工作模式与流程以更多地思考。本演讲将介绍基于MATLAB与AUTOSAR技术的一些开发实践,以及相关的思考。

王柳禕, 模型软件技术经理, 泛亚汽车技术中心有限公司


MathWorks面向汽车应用开发的量身定制工具

12:15–12:40

当代汽车平台越来越多地融合了控制系统设计和信号处理技术,伴随而来的是系统规模和复杂性的大幅增加。为应用层定制化MATLAB®和Simulink®,给汽车行业的工程师们提供了一个更高效使用基于模型设计开发的框架。该演讲介绍了MathWorks为主动安全/自动化驾驶、动力总成开发推出的新的面向应用开发的工具,以及在建模、编码、验证和维护大型系统方面的主要进展。

张灵惠, 亚太地区高级项目支持总监, MathWorks总部

基于模型设计:从项目级应用扩展到企业级部署

14:00-14:30

因为开发进度的要求,国内汽车企业通常是采用基于模型设计的方法快速地成功完成第一个控制软件量产项目之后,再开始考虑把这个方法推广到更多项目开发中去。然而,开发流程的规划往往不是一个线性的过程。随着应用规模的逐步扩大,基于模型设计流程扩展的要求会成倍提高。单个项目的解决方案往往在整体开发效率方面考虑不全,比如软件模块的重用及共享。如今许多企业面临着同样的困惑,也就是如何在多个项目之间高效地重用、共享软件模块,而不需要拷贝来拷贝去。本演讲展示一个汽车行业最佳实践:把传统软件工程实践与基于模型设计相结合,将一个项目上的成功经验有效扩展到大量项目中去,从而建立软件产品平台和产品线,并实现基于模型设计的企业级部署。

李智慧, 高级技术咨询顾问,MathWorks中国


传统开发方式到基于模型设计的转换

14:30-15:00

新项目采用基于模型设计(简称MBD)进行开发是比较方便的。可是面对既有的大量手写代码,采用传统开发方式进行维护费时费力,也很难以此为基础导入MBD进行后续的开发。因此,如何将既有手写代码改造为模型并在其基础上做进一步的开发成为了一个课题。演讲主要介绍如何将既有手写代码转换为模型,并通过基于Simulink®的工具进行一致性验证。为传统开发方式向MBD开发方式的转换,提供了一种可供参考的实践方法。

刘欣, 高级工程师, 南京富士通南大软件技术有限公司


Simulink作为企业级仿真平台的应用

15:30-16:00

企业级仿真平台意指可通过计算来评估系统行为的一个适用于不同规模项目和组织的软件环境。Simulink®的多学科建模能力、仿真集成能力和协同设计能力使其具备了远超出传统的控制系统和嵌入式软件的开发能力而成为真正的企业级仿真平台。本演讲将介绍Simulink在以上三个方面能力的最新进展和案例从而为采用基于模型设计的团队提供应用参考。

龚小平, 高级应用工程师,MathWorks中国


基于Simulink的整车建模、仿真以及优化平台

16:00-16:30

介绍以Powertrain Blockset™ 工具箱为起点来构建整车建模、仿真以及优化平台,可应用于整车性能分析、整车及子部件优化设计以及硬件在环测试。

Powertrain Blockset提供了丰富且开放的库模块,可快速搭建整车模型,可用于系统性能如油耗、驾驶性等等的评估、分析与优化;结合MBC工具箱以及其它 FEA工具可进一步细化特定部件如发动机、电机;通过整车仿真,结合优化工具箱实现各子部件控制器设计分析、优化与验证。

 

杨兴, 项目工程师,MathWorks中国

基于深度学习的感知算法开发与实现

14:00–14:30

深度学习在许多传统机器学习几乎无解的任务上,比如场景中的目标分类,环境中最佳路径的识别等问题,取得了令人印象深刻的成就,精度惊人。

在这次演讲中,你将获得深度学习领域的实用知识,发掘MATLAB®的新特征,简化深度学习任务,并消除底层繁杂的编程。从原型到产品,你可以通过演示看到如何构建、训练神经网络,并参与讨论如何把模型自动转化成 CUDA®源代码,并原生运行于GPU硬件之中。

 

陈建平, 高级应用工程师,MathWorks中国


传感器的数据采集、数据可视化与数据融合

14:30–15:00

针对汽车ADAS应用开发需求,MATLAB®开发了一系列工具帮助用户加速数据采集和可视化,算法开发、仿真、测试与发布。对CAN FD和TCP/IP等硬件数据接口的支持,方便用户记录以及实时获取车辆传感器数据。视频、雷达、激光雷达等可视化工具,为用户在统一的车辆坐标系下展示数据。MATLAB还提供用于ADAS应用的传感器融合算法模块和多目标跟着算法模块。用户可以利用采集记录的数据开发、仿真、测试传感器融合算法。同时算法也能够快速生成C/C++代码,移植到利用传感器实时采集功能搭建的实时测试系统中进一步测试。

 

陈晓挺, 应用工程师,MathWorks中国


基于车辆动力学工具箱的自动驾驶/辅助驾驶开发测试

15:30-16:00

随着汽车行业对自动驾驶(AD)/辅助驾驶(ADAS)的持续投入,自动驾驶/辅助驾驶的算法开发工程师们,迫切需要对开发的各种感知和控制算法进行验证和测试;为了避免实车测试的高安全风险和高成本,就需要在虚拟场景中进行仿真测试,其中车辆动力学模型和虚拟3D环境必不可少。然而,工程师们往往没有足够时间和资源来建立车辆动力学的模型,还需要耗费大量的时间对模型精度进行修正;3D可视化工作也是一项耗时的工作;目前,多个工具链的解决方案成为工程师们工作的障碍,而MathWorks的MATLAB®/SIMULINK®平台上,可以集成感知算法开发,控制算法开发,车辆动力学模型和3D虚拟环境,在一个工具链内完成工作,加快项目进度。 在本次演讲中,MathWorks公司的工程师将展示如何使用Vehicle Dynamics Blockset™的应用案例作为起点,进行车辆动力学的整车模型,建立3D虚拟环境,对自动驾驶(AD)/辅助驾驶(ADAS)进行闭环测试。此演讲中的内容将包括:

  • 基于Vehicle Dynamics Blockset快速搭建车辆动力学整车仿真模型
  • 车辆动力学模型在HIL的复用
  • 集成3D虚拟测试场景的闭环测试,在一个工具链和环境中实现控制开发和测试z

胡洪祥, 高级技术咨询顾问,MathWorks中国


创建智能驾驶测试场景与控制算法的开发和验证

16:00-16:30

主动安全和自动驾驶系统对控制算法提出了更高的要求,伴随而来的问题则是如何开发并验证这些复杂的算法。应对安全事故频出的现状,借助成熟的商业工具MATLAB®和Simulink®,我们能够高效、可靠地开展这些工作:

  • 建立虚拟驾驶场景
  • 开发模型预测控制算法
  • 控制算法闭环仿真
  • 基于模型的算法验证

王鸿钧, 应用工程师,MathWorks中国

预测性维护 - 工业数字化的典型应用

14:00–14:30

预测性维护是工业数字化的典型应用。结合精巧的传感器、高效的网络通信、以及能够处理大数据的运算平台,预测性维护将算法与数据相结合,可以前瞻性地预测机器运转的中断和磨损消耗。预测性维护给企业带了的不仅是减少停机时间以及降低维护成本,同时可以提高企业业绩以及服务水平。

MATLAB软件涵盖了传感器数据收集、数据处理、算法建模、并行计算以及模型部署等预测性维护的全过程。同时MATLAB® 2018a推出了预测性维护工具箱(Predictive Maintenance Toolbox™),将这些过程进行了有效的融合。本次演讲的内容主要介绍如何使用预测性维护工具箱实现设备故障诊断与预测。

马文辉, 高级应用工程师,MathWorks中国


从创意到生产:MATLAB与企业系统集成

14:30–15:00

数百万的工程师和科研人员信赖MATLAB®,利用MATLAB开发出各种算法和应用,如何让你的创意从研究走向生产,MATLAB提供了整套产品和方案,可以将MATLAB代码直接部署到企业系统中,并且可以与数据源和业务系统相集成。同时,MATLAB代码可以与其他语言集成,使您能够在Web和生产系统中部署MATLAB开发的算法和应用程序。

这次演讲着重介绍如何将MATLAB平台和工具箱开发的算法,与MATLAB Production Server™相结合,部署到企业系统中,内容涉及到MATLAB代码在企业系统中部署的全流程。同时,上海电气的工程师将向大家介绍如何利用MATLAB Production Server实现MATLAB开发的算法与他们的分布式能源规划设计平台相集成。

陈建平, 高级应用工程师,MathWorks中国


MATLAB工程大数据分析 - 汽车传感器数据应用案例介绍

15:30–16:30

MATLAB®为复杂的工程数据分析提供了一个强大的平台。此次演讲主要介绍MATLAB在工程数据的分析与价值挖掘上的主要功能,以及这些功能在汽车传感器数据分析上的应用案例。主要展现了MATLAB在数据预处理、数据展示与探查、数据建模、以及分析模型发布方面的方法和功能。同时,此次演讲也展现了MATLAB的包容性与融合性,演示MATLAB如何与主流的大数据平台Spark™/Hadoop®进行无缝集成,利用集群资源实现基于MATLAB的工程大数据分析。

马文辉, 高级应用工程师,MathWorks中国

基于模型的测试和验证

9:00–12:00

介绍MathWorks验证和确认的工具箱如何帮助您在开发的早期发现设计缺陷,MathWorks工具提供了静态和动态验证方法来检查高完整性软件开发流程/验证设计与功能需求的一致性,跟踪需求分析模型测试覆盖度,自动化产生测试报告。

基于模型设计的验证、确认和测试可以应用在开发过程的每个阶段,上机操作将向您展示如何使用相关工具箱:

  1. 使用Simulink Requirments™管理需求、追踪需求变更
  2. 建模风格向导及模型标准检查
  3. 构建测试用例,实现功能测试
  4. 利用形式化方法完成设计校验

周玲, 应用工程师, MathWorks中国

郭文彦, 应用工程师,MathWorks中国


使用MATLAB进行智能驾驶技术开发

9:00–12:00

本主题将介绍如何利用MATLAB®和Simulink®,实际设计一个ADAS功能,包括传感器融合与控制算法。随后建立含车辆动力学和传感器模型的虚拟场景进行仿真,并将控制算法生成代码,和进行基于模型的测试。

王鸿钧, 应用工程师,MathWorks中国


Polyspace代码分析验证

13:00–16:00

介绍MathWorks代码分析验证工具Polyspace®在软件开发中的应用流程,以及对分析结果的审查过程。Polyspace可以在早期验证并发现软件缺陷,检查其与业界标准的符合性,证明代码不存在运行时错误,提供软件圈复杂度、注释率、耦合度等质量度量。

  • 如何创建并运行Polyspace工程
  • 审查软件MISRA®规则违反和缺陷
  • 审查代码度量信息
  • 审查Polyspace Code Prover™分析结果

龚小平, 高级应用工程师,MathWorks中国

严小商, 应用工程师, MathWorks中国