当前的乘用车市场总体向电动化、智能化方向发展。 随着电动化、智能化的发展，汽车热管理系统变得越来越复杂，对汽车安全、智能、舒适、节能等影响越来越大。 热管理已成为新能源智能汽车最重要的系统之一。

在智能体验的新趋势下，传统的热管理控制系统也必须掌握新的方法论，实现功能扩展、架构升级，并利用车辆服务、数字孪生、机器学习等新技术理念来打造热管理系统变得更加智能、主动，增强其安全性、智能性、舒适性和节能性能。

新能源热管理系统的控制对象主要包括：冷却风扇、水泵、水阀、制冷剂阀（开关截止阀、电子膨胀阀）和电动压缩机等。传统的热管理控制系统开发方法需要大量的多次标定测试，完成各部件的算法控制和优化。 在当前激烈的竞争环境下控制风扇转速的软件，整车项目的开发周期由原来的5年变为3年，有的甚至变为2年、1年。 显然，如果继续遵循传统的开发思路，无法满足项目的需求，必须花费更高的代价才能完成项目的开发。 很多时候，大家都会选择使用环境舱或者进行淡季实验。

那么如何高效地完成热管理控制系统的算法迭代和优化呢？ 我们借鉴了数字孪生的方法论，引入了虚拟校准技术。 例如：

1）预测冷凝风机的目标压力，得到目标压力的最优解，从而进行风机PI控制；

2）预测客舱冷却目标出风温度的压缩机转速，进行前馈控制；

3）电池目标水温的压缩机转速预测如下表1和表2所示，以进行前馈控制，评估定时充电和定时保温所需的控制时间；

4）预测热管理系统在不同工况下的工作能耗，从而优化模式管理控制算法等。

表 1 道路制冷虚拟标定压缩机转速 (rpm) 前馈值

表2 超快充虚拟标定压缩机转速（rpm）前馈值

事实上，第一个在智能制造领域使用数字孪生概念的人是美国航空航天局（NASA）。 在阿波罗计划中，NASA利用航天器的数字孪生对飞行中的航天器进行仿真分析、监测和控制。 预测航天器的飞行状态，协助地面控制人员做出正确决策。 在2016年西门子工业论坛上，西门子认为数字孪生的组成部分包括：产品数字孪生、生产过程数字孪生、设备数字孪生。 数字孪生完全真实地再现了整个企业。 近年来，“数字孪生”热度持续走高，引起行业内外关注。 自概念提出以来，数字孪生技术持续快速发展，极大地促进了产品设计、制造和服务。 数字孪生通过设计工具、仿真工具、物联网虚拟现实等多种数字手段，将物理设备的各种属性映射到虚拟空间，使其可拆卸、可复制、可转移、可删除、可重复。 数字镜像大大加速了操作者对物理实体的理解，可以使许多因物理条件限制而无法完成、必须依赖真实物理实体的操作，如模拟、批量复制、虚拟装配等，成为现实。触手可及的工具可以激励人们探索优化设计、制造和服务的新方法。

下面通过一个小案例来说明如何利用虚拟标定技术来获取客舱制冷压缩机转速前馈控制目标值。 我们都知道，目标气温的控制要求是快速、准确、稳定，大多采用前馈PID控制方法。 控制量=前馈值+PID。 前馈实际上利用了对象的特性，属于开环控制。 优点是提高系统响应速度，降低反馈控制压力。 如果对象特征不明确，则不能使用前馈。 传统思路是在环境舱中进行环模测试，获得不同风量下的压缩机转速前馈值以及不同环境温度下的目标空气温度。 这项工作大约需要50-60h，也就是大约7天的测试时间才能完成。 环模成本3000元/小时（预计优惠价）。 预计压缩机前馈校准环模试模成本为15W-18W左右。 新思路是通过对被控对象进行详细的物理建模并与实车热管理控制软件耦合，利用数字孪生技术来预测不同工况下的压缩机转速值。 这种方法加上建模时间总共只需要3-5天就可以得到理想的预测结果。 摘要：传统的热管理方法严重依赖车辆和环模等资源。 而利用数字孪生技术可以在项目前期完成对受控对象的预测、分析和优化，从而缩短产品开发周期，节省开发成本。 。

接下来介绍一下本次采用的虚拟标定技术方法。

第一步是整理所需的组件性能参数和SPC文件，并梳理热管理系统架构。

第二步是根据需要建立相应的物理模型。 这里强调的是，物理模型必须相应简化。 完整的热管理物理模型如下图1所示。 然而，这项工作仅涉及热管理空调系统回路，控制模型涉及压缩机、制冷剂阀和冷却风扇三个控制模块。 为了保证计算速度的同时兼顾预测精度控制风扇转速的软件，需要删除模型。 最终简化的物理模型如下图2所示。

图1 完整的热管理物理模型

图2 简化的压缩机前馈标定物理模型

第三步是校准物理模型。 标定模型时，应重点关注各部件和管道的流阻，以及冷凝器和蒸发器的传热情况。 同时，还应对压缩机的容积效率、机械效率、等熵效率进行标定。 通过AMESIM构建的热管理空调系统模型的精度如下表3和图3所示。

表3 压缩机排气压力预测精度对比

图3 压缩机功率预测精度对比

第四步，通过FMU工具将AMESIM模型生成的FMU文件导入到SIMUlink模型中。 导出AMESIM模型时选择联合仿真模式。 中文解释是联合仿真，如下图4所示。 这样做的目的是为了保证模型解的准确性。 采用AMESIM求解器求解热管理空调系统模型，采用Simulink模型求解控制模型。 迭代时间步长根据实际车辆控制时间设定。 这次设置为0.1s，涉及到交互。 数据在 Simulink 模型文件中交换。

图4 Amesim FMU文件模型导出设置

这里简单介绍一下什么是FMU/FMI？ 在汽车工业、航空、机电设备等领域，有不同的应用和建模系统用于解决不同的问题。 为了对整个系统进行仿真，往往需要不同仿真程序之间进行交互，而系统的集成必须来自不同厂商的仿真环境必须协同工作才能完成调试，这就产生了模型交互的需求，但没有标准化接口。 因此，为了解决这个问题，开发了FMU/FMI。 独立于工具的标准用于支持动态模型交互和联合仿真，以解决汽车行业的模型互操作性问题。 它最初是由欧盟资助、戴姆勒承担的Modelisar项目。 第一个版本于 2010 年发布，改进版本于 2014 年发布，由 Modelica 协会积极开发。

（1）FMI是Functional Mock-up Interface的缩写，意为功能模型接口。 它是一个独立于工具的标准。 作为模型交换规范版本，FMI 定义了系统仿真环境和系统仿真模型之间的标准化接口。 XML文件和编译的C代码的融合支持动态模型的交互和联合调试。

（2）FMU是定义的系统模型的外部格式和压缩文件（*.fmu），其中包含XML格式的接口数据描述和函数（用C代码或二进制实现）； 所谓FMU是使用FMI接口开发的软件元素（组件）。

FMU工作模式：（1）对于模型交互，其意图是建模环境能够以输入/输出模块的形式生成动态系统模型的C代码，可供其他建模环境使用。 模型（无求解器）使用微分方程、代数方程和离散方程进行描述，包括时间、状态和速度。 (2) 对于协作工作，目的是在协作工作环境中将两个或多个模型与求解器耦合。 子系统之间的数据交换仅限于离散的通信点。 在两个通信点之间的时间内，子系统由各自的求解器相互独立地求解。 主算法控制子系统之间的数据交换以及所有从仿真求解器的同步。 该接口支持标准和高级主算法，例如使用可变通信步长、高阶信号外推和误差控制。

FMI/FMU可以实现Amesim、GT、Matlab、Adams、Motion recurdyn、Labview等软件之间的联合通讯，避免了复杂的接口设置和软件障碍。 并且只需要使用GCC编译器即可完成编译，无需依赖VS等软件。

最后在Simulink控制模型中进行全工况扫描，通过改变输入工况（环境温度、目标蒸发温度、鼓风机风量、内外循环比）得到相应的压缩机转速前馈值。 下面的表4显示了一些预测结果与实际车辆测试条件之间的比较。 从分析结果来看，两者之间的误差很小，结果可以用来预测压缩机前馈标定值。

表4 压缩机前馈值预测结果与测试结果对比

在智能体验的新趋势下，将一些新的方法论融入到传统热管理控制系统的开发中，对于项目的开发有很大的帮助。 本文简要介绍了虚拟标定技术在热管理控制系统开发中的一些应用场景。 该技术用于真实再现实车特性表现，能够高效完成热管理控制系统的算法迭代和优化，满足项目开发需求，节省项目开发成本。