通过更快的设置，将恶劣环境中的测试时间缩短多达 12%

不仅仅是性能

制造最好的车辆不仅仅要求性能。为了在全球市场上保持竞争力，汽车必须能够承受强烈的冲击和振动以及广泛的温度范围，以确保耐用性和乘客的安全性和舒适性。客户希望汽车在出现故障之前可以使用数年，但开发团队无法测试车辆数年以确定耐用性。为了有效地测试这一点，现代汽车公司 (Hyundai) 需要确定车辆子系统在其生命周期内的载荷条件。这需要一个坚固的数据采集系统，该系统也可以应对所有这些条件，并且易于安装到车辆中并连接所有需要的传感器。

为了实现这一目标，现代汽车选择了 Simcenter™ 硬件和软件，它们是 Siemens Xcelerator 软件、硬件和服务业务平台的一部分。

测试子系统和整车耐久性

现代汽车耐久性技术团队的目标是创建准确测量车辆子系统耐久性的台架时间表。这些测试计划是根据在其试验场进行道路载荷数据采集 (RLDA) 活动期间测量的振动信号创建的。然后，这些台架测试的输出经过进一步处理和分析，以预测各个子系统（如电动汽车 (EV) 电池系统）的耐久性生命周期。

技术部件经理金钟宇 (Jongwoo Kim) 解释说，开展这些 RLDA 活动的原因有多种：“除了测量加速度以在我们的台架上复制这些之外，我们还测量车轮力、底盘部件传递力和车身变形，以便进行整车测试，”他说。“这些载荷数据还可以作为未来开发中仿真的输入，以进一步优化每个子系统和整个车辆的设计。”

通常，金钟宇的团队会测量 15 到 20 个加速通道，但在执行整车测试时，这个数字很容易增加到 100 个通道。在这种情况下，他们需要在测试设置中添加各种类型的传感器，例如应变计、加速度计、位移传感器、称重传感器和车轮力传感器。

“每次测试大约需要两到三周，”金钟宇说。“这需要大量的时间，因此我们必须确保结果准确，并且测试时间不会超过必要的时间，尤其是在极端环境条件下进行测试时，耐用性测试通常就是这种情况。我们需要最好的工具，让我们的工程师能够方便、轻松地工作。”

在恶劣条件下采集真实测试数据

这些要求使 Simcenter SCADAS™ RS 硬件成为现代汽车的出色工具，因为它专为在恶劣环境中工作而设计，并且可以精确调节和同步各种类型的传感器。嵌入式 Web 应用程序使工程师能够立即在现场验证数据以提高效率并确保仅捕获正确的数据。

它可扩展至 1,000 多个同步通道，并且具有灵活的无线连接，任何工程师都可以随时随地使用任何设备安全地访问测量系统。它与 Simcenter Testlab™ 软件相结合，为工程师提供了获取高保真测试数据和分析结果所需的一切，以实现高效的设计故障排除和根本原因分析。

金钟宇表示，他们选择实施 Simcenter 解决方案之后，立即受益颇丰。“与其他解决方案相比，Simcenter SCADAS RS 的紧凑尺寸使其更容易固定在车辆中并连接所有传感器电缆，”他解释道。“它的坚固性确保它能够承受强烈的冲击和振动，以及耐久性测试典型的广泛工作温度范围。不间断电源装置对于防止意外停机和/或昂贵的测试重新运行非常有帮助。Simcenter Testlab 的安装和使用也非常简单。

“我们发现 Simcenter SCADAS RS 是一种非常准确和可靠的测量解决方案。与各种传感器的连接也更容易。我们甚至可以读取特定通信协议中的车辆总线数据，例如 CAN-FD，这是市场上一些类似解决方案不支持的。用于控制硬件嵌入式 Web 应用程序的无线连接非常有用，模块化系统架构可以轻松优化小型和大型测试活动的设置。”

金钟宇也对售后支持表示感谢：“西门子的技术支持从第一天起就非常出色，”他说。“他们对我们的团队进行了培训，以便我们能够快速提高软件和硬件的工作效率，西门子工程师定期拜访我们，以解释有关系统的更多信息并帮助我们充分利用系统。”

金钟宇表示，自从改用 Simcenter SCADAS RS 以来，他们的效率显著提高了。“就准备阶段设置测量通道所花费的时间而言，我们只需使用模板，而不是每次都从头开始，从而大大减少了这一时间。使用 Web 应用程序实时监控测量进度，使得在实际测量期间查看采集的数据变得更加容易和快速。得益于 Simcenter SCADAS RS 的所有这些功能，我们估计在两到三周的测试计划中可以节省一到两天的时间（节省约 12% 的时间）。”

利用人工智能扩展测试可能性

金钟宇相信 Siemens Digital Industries Software 将继续在公司的产品开发中发挥关键作用。“我们相信西门子的耐久性和系统分析工具以及噪声和振动分析工具非常出色，对于现代汽车在电动汽车、专用车辆、城市空中交通和机器人等领域的未来发展非常重要，”他说。

他还准备利用最新的人工智能 (AI) 技术。“最近，我们与西门子工程和咨询服务团队合作，研究使用简化的 1D 整车模型来预测给定道路情况车轮力的可能性，以便以后在详细的 3D 组件疲劳分析中使用，”金钟宇说。“我们正在考虑使用基于机器学习的车轮力校正器方法，该方法基于真实测量数据和 1D 整车模型，我认为这将成为我们未来在竞争中保持领先地位的重要工具。”