Grein, F.: Moderne Werkzeuge für die Entwicklung komplexer Systeme

<BODY> <H1>www.duv24.net : Grein, F.: Moderne Werkzeuge für die Entwicklung komplexer Systeme</H1> <P> <BR> [<A href="/">www.duv24.net</A>] [<A href="../index.html">back</A>] </P> <TABLE WIDTH=100% BORDER=0 CELLSPACING=0 CELLPADDING=0> <TR> <TD VALIGN=top> <TABLE WIDTH=100% BORDER=0 CELLSPACING=0 CELLPADDING=0> <TR> <TD VALIGN=TOP CLASS=detailBereichRedaktion>Bereich > Redaktion > <B><FONT color="#CC3300">Fachbeiträge</FONT></B></TD> <TD ALIGN=right VALIGN=bottom CLASS=detailDatum>18.11.2000</TD> </TR> </TABLE> </TD> <TD VALIGN=top> </TD> <TD VALIGN=top> </TD> </TR> <TR> <TD VALIGN=top CLASS=detailFirma ID=topSpace>The MathWorks Inc.:</TD> <TD VALIGN=top> </TD> <TD VALIGN=top> </TD> </TR> <TR> <TD VALIGN=top CLASS=detailTitel>Grein, F.: Moderne Werkzeuge für die Entwicklung komplexer Systeme</TD> <TD VALIGN=top> </TD> <TD VALIGN=top> </TD> </TR> <TR> <TD VALIGN=top CLASS=detailSubtitel>Entwicklung eines Fahrerassistenzsysteme zur Verbrauchssenkung mittels Simulation und CASE-Tools</TD> <TD VALIGN=top> </TD> <TD VALIGN=top> </TD> </TR> <TR> <TD VALIGN=top> <TABLE BORDER=0 CELLSPACING=0 CELLPADDING=0> <TR> <TD VALIGN=top CLASS=detailContent>Erschienen in DESIGN&VERIFICATION0/2000, S. 62<BR><BR>Weitere Autoren:<BR>Prof. Dr.-Ing. JOCHEN WIEDEMANN, Ordinarius für Kraftfahrwesen am Institut für Verbrennungsmotoren und Kraftfahrwesen (IVK) der Universität Stuttgart und Vorstand Kraftfahrwesen der Stiftung Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart (FKFS)<BR><BR><BR>Vorwort<BR>Neuartige Fahrerassistenzsysteme zur Verbrauchssenkung erfordern verbrauchsoptimierte Fahrstrategien, die das Verkehrsumfeld in einer vorausschauenden Fahrweise berücksichtigen. Die im folgenden vorgestellte Fahrstrategie verwendet hierzu eine entfernungsbeschränkte Vorhersage der Verkehrsumgebung in Verbindung mit fahrzeug- und fahrerbezogenen Daten. Ein wesentlicher Bestandteil dieser Strategie ist neben der eigentlichen Fahranweisung der ereignisgesteuerte Fahrstrategieentscheider, welcher die komplexen Entscheidungsmodelle eines verbrauchsbewußten, vorausschauenden Fahrers abbildet. Diese Entscheidungen basieren auf dem Fahrerwunsch und den Bedingungen des Verkehrsumfelds. Die Entwicklung und Implementierung dieses Fahrstrategieentscheiders mit Hilfe der Werkzeuge Simulink, Stateflow und Realtime Workshop wird beispielhaft vorgestellt.<BR><BR><BR>Die Aufgabe der Kraftstoffeinsparung wird von Kraftfahrzeugherstellern zur Zeit vorwiegend durch konstruktive Maßnahmen, wie den Leichtbau und die Verbesserung der Aerodynamik, sowie durch effizienzoptimierende Steuerungssysteme für Motor und Antriebsstrang gelöst. Entsprechende Technologien und Systeme sind inzwischen weit fortgeschritten, so dass neue Entwicklungen zunehmend teurer werden, während die erreichten Verbesserungen immer kleiner ausfallen. <BR>Allen diesen fahrzeugseitigen Verbesserungen ist ein Problem gemeinsam: Während sie die Wirtschaftlichkeit des Fahrzeugskontinuierlich verbessern, muss der Fahrer, dessen Einfluss auf den Kraftstoffverbrauch nicht vernachlässigt werden darf, selbst eine wirtschaftliche Fahrweise entwickeln. Studien zeigen, dass der Fahrer den Verbrauch um bis zu 50% senken kann. Im alltäglichen Fahrbetrieb scheint ein Einsparpotential von etwa 25% durchaus realistisch [1,2,3].<BR>Ein Assistenzsystem, das dem Fahrer die wirtschaftlichste Fahrweise vorschlagen kann, macht dieses Potential nutzbar. Dazu ist eine Vorhersage der Fahrzeug- und Umgebungsbedingungen für die vorausliegende Fahrstrecke nötig. Diese Vorhersage basiert auf Informationen, die von einem Navigationssystem, telematischen Diensten und eingebauten Sensoren geliefert werden. Zu diesen Daten gehören die Topographie, Geschwindgkeitsbeschränkungen, Geschwindigkeit und Abstand anderer Verkehrsteilnehmer [4].<BR>Als wichtigster Baustein für die Fahrerassistenz ermittelt ein Fahrstrategiesystem aus diesen Verkehrs-, Fahrzeug- und Fahrer-bezogenen Daten die wirtschaftlichste Fahrweise und gibt Fahranweisungen für einen begrenzten Abschnitt der vorausliegenden Fahrstrecke (Abb. 1) als Vorschläge an den Fahrer weiter [5]. <BR>Die Ermittlung des Strategievorschlags aus den vorliegenden Umgebungs- und Fahrzeugdaten besteht aus drei Elementen:<BR><BR>· dem Situationsmanagement, das hauptsächlich die Verkehrsbedingungen und äußere Beschränkungen analysiert<BR>· der Strategieentscheidung, die mögliche Fahranweisungen zusammenstellt<BR>· den tatsächlichen Fahranweisungen, die dem Fahrer unterbreitet werden<BR><BR>Vorausschau und Situationsmanagement<BR><BR>Die Fahrstrategie muss die vorausliegende Fahrstrecke zumindest zum Teil kennen. Hier gibt es zwei Möglichkeiten: Bei Einsatz eines Navigationssystems hat das Strategiesystem Kenntnis von der gesamten Route. Andernfalls muss das Strategiesystem den nächsten Teil der Route vorhersagen. Die Reichweite des Systems, im Folgenden als ‚elektronischer Horizont‘ bezeichnet, ist generell auf einen Bereich variabler Ausdehnung begrenzt, der von der Qualität der Vorhersage der Fahrstrecke und der Entfernung möglicher Zielsituationen abhängt. Die Fahrstrategie berechnet alle Vorschläge innerhalb dieses elektronischen Horizonts. <BR>Für das Situationsmanagement wird der Begriff Situation als eine vor dem Fahrzeug gelegene Geschwindigkeitsbeschränkung definiert, die vom elektronischen Horizont erfasst wird. Die Strategie reagiert auf diese Situationen durch die Bestimmung angemessener, wirtschaftlicher Fahranweisungen. Solche Situationen können zeitlich und örtlich variieren. So definiert etwa ein Verkehrsschild eine in Zeit und Ort konstante Situation, Verkehrsleitsysteme sind dagegen zeitlich veränderlich. Andere Verkehrsteilnehmer können zeit- und ortsvariabel als Situation eingebunden werden. Alle Objekte in der Umgebung des Fahrzeugs, die für die Bestimmung der aktuell angemessenen Geschwindigkeit relevant sind, werden in der Situationsverwaltung berücksichtigt. Das Strategiesystem wählt fortlaufend die nächste Situation, auf die reagiert werden muss, unter Sicherheitsaspekten aus und passt sich so der momentanen Verkehrssituation an.<BR><BR>Strategieentscheidung und Fahranweisungen<BR><BR>Das Strategiesystem an sich besteht aus zwei Hauptmodulen, dem Algorithmus zur Strategieentscheidung und den Fahranweisungen (Abb. 2). Die Strategieentscheidung beinhaltet das Situationsmanagement, die Auswahl von Fahranweisungen und das Überwachen des Fahrerverhaltens. Das Situationsmanagement wählt die relevante Situation aus und speichert sowohl die letzte gültige als auch die nach momentanem Stand nächste Zielsituation, um die zugrunde liegende Basisstrategie daraus abzuleiten.<BR>Diese Basisstrategien sind aus der Annahme hergeleitet, dass sich jede Fahrt in drei grundsätzliche Zustände aufteilen lässt: Beschleunigung, Konstantfahrt und Verzögerung. Jedem dieser Zustände ist ein entsprechender Satz von Fahranweisungen zugeordnet. Zudem überwacht der Fahrstrategieentscheider die Aktionen des Fahrers und passt die Vorschläge der Fahrstrategie den Bedürfnissen des Fahrers an. <BR>Die Strategieentscheidung ist eine Form der Ablaufsteuerung, wie sie üblicherweise mit Hilfe von Zustandsdiagrammen beschrieben wird. Die Aufgabe besteht darin, den richtigen Satz von Fahranweisungen auszuwählen und korrespondierende Situationsdaten zu liefern. Diese beiden Funktionen sind in zwei parallel angeordneten Metazuständen implementiert (Abb. 3).<BR>Neben den drei Zuständen für Beschleunigung, konstante Geschwindigkeit und Verzögerung enthält der Zustandsautomat für die Funktionsteuerung drei weitere Zustände, um einen zeitlich verschobenen Übergang zwischen diesen Zuständen ermöglichen. Dies ist z.B. bei der Reaktion auf eine Geschwindigkeitsbeschränkung notwendig, die erst nach Ablauf einer gewissen Zeitspanne gültig wird. In diesem Fall eines verzögerten Übergangs bleibt der alte Befehls- und Datensatz aktiv, während die Berechnungen für den neuen Befehlssatz bereits anhand der aktuellen Daten, die z.B. eine kommende Geschwindigkeitsbegrenzung berücksichtigen, durchgeführt werden.<BR>Damit steht ein funktionierender Strategieentscheider für eine idealisierte Welt in dem Sinne, dass der Fahrer die Vorschläge der Fahrstrategie stets befolgt, zur Verfügung. <BR>Der Metazustand, der die Situationsdaten zur Verfügung stellt, ist vollständig ereignisgesteuert. Diese Ereignisse werden durch den Metazustand zur Auswahl der Fahranweisungen erzeugt. Es werden dadurch entsprechend der gewählten Fahranweisungen und der Entscheidungshistorie die korrespondierenden Situationsdaten bereitgestellt. Der Funktionsumfang dieses Metazustands zur Bedatung der Fahranweisungsmodule steigt mit der zunehmenden Komplexität der Fahranweisungsauswahl.<BR><BR>Software-in-the-Loop-Simulation <BR><BR>Die Entwicklung des Fahrstrategiesystems erfolgt in drei Hauptschritten:<BR><BR>· Auswahl möglicher Maßnahmen und Abschätzung ihres Einsparpotentials<BR>· Entwicklung der Fahrstrategie-Software und deren Test in Simulationen<BR>· Implementierung in einem Versuchsfahrzeug<BR><BR>Da der erste Schritt eine mehr oder weniger theoretische Aufgabe war, hatte er keinen Einfluss auf die Auswahl der Entwicklungswerkzeuge. Die Notwendigkeit einer Simulationsumgebung für die Strategieentwicklung und die erforderliche CASE-ähnliche (computer-aided software engineering) Softwareentwicklung führten zum Einsatz von ‚Matlab‘ in Kombination mit ‚Simulink‘ und ‚Stateflow‘ als Entwicklungsplattform. Simulink stellt die nötigen grafischen Werkzeuge zur Verfügung, um kontinuierliche und diskrete Systeme zu modellieren, während Stateflow das integrierte Werkzeug darstellt, um ereignisgesteuerte Systeme zu behandeln. Innerhalb dieser Umgebung ermöglicht es der ‚Real-Time Workshop‘, die Software auf Hardware-Prototypen, in diesem Fall ein Industrie-PC, im Versuchsfahrzeug in Form von C-Code zu implementieren. <BR>Es wurden eine Simulationsumgebung mit Streckendaten und Situationsskripten sowie ein modulares Modell des Antriebsstrangserstellt, um den Entwicklungsprozess zu unterstützen.<BR>Die Software-in-the-Loop-Simulation (SiL) ermöglichte es, die Strategiefunktionen bereits in einem frühen Entwicklungsstadium zu testen und zu verifizieren. Eine andere Anwendung der SiL-Simulation ist die Abschätzung des Kosten/Nutzen-Verhältnisses von verschiedenen Änderungen am Strategiesystem vor dessen Umsetzung, insbesondere wenn dies kostspielige Modifikationen des Prototyps zur Folge hätte.<BR>Mit wenig Anpassung kann diese SiL-Testumgebung ebenso eingesetzt werden, um Probleme oder auffälliges Verhalten des Fahrstrategiesystems im Versuchsfahrzeug zu analysieren oder zu reproduzieren. Dazu werden Daten über eine Schnittstelle der Fahrstrategie während der Testfahrten aufgezeichnet. Diese Daten werden anschließend genutzt, um das Verhalten des Assistenzsystems in der Simulation zu reproduzieren und mit den Ergebnissen des Fahrversuchs zu vergleichen. <BR>Während der Simulation mit Simulink ist es möglich, sämtliche Zustände und jede gewünschte Eingabe oder Ausgabe zu überwachen. Weiterhin gibt es für Simulink und Stateflow einen Debugger sowie ein animiertes Zustandsdiagramm, mit dessen Hilfe sich das Verhalten des Fahrstrategiesystems Schritt für Schritt studieren lässt. Diese Funktionen erleichtern es ganz erheblich, die Fahrstrategie zu analysieren.<BR>Im Ergebnis steht mit dem grafischen Simulink-Modell des Fahrerassistenzsystems eine allgemeine Grundlage für die gesamte Entwicklung zur Verfügung. Alle Schritte des Entwicklungsprozesses, vom ersten Entwurfsschritt des Strategiesystems bis hin zur abschließenden Implementierung im Experimentalfahrzeug, basieren auf dieser Beschreibung.<BR><BR>Implementierung im Experimentalfahrzeug und im Echtzeit-Simulator<BR><BR>Das Versuchsfahrzeug ist mit einem Navigationssystem, einem Echtzeit-Rechner für das Fahrstrategiesystem, der erforderlichen Datenverarbeitung sowie der Schnittstellen-Elektronik einschließlich der Signalkonditionierung ausgestattet. Das ursprüngliche Fahrstrategiesystem aus Simulink ist als C-Code auf dem Echtzeit-Rechner eingerichtet. Dieser C-Code wird automatisch im Real-Time Workshop erzeugt.<BR>Zusätzlich wird das Strategiesystem zur Zeit in einem Fahrsimulator implementiert, der am Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart (FKFS) entwickelt und gebaut wurde. Mit diesem Simulator lassen sich interaktive Echtzeit-Simulationen von Aufgaben in der Automobilentwicklung durchführen [6]. Mit dem Fahrsimulator soll das Fahrerassistenzsystem in Bezug auf telematische Funktionen, die noch nicht für Feldversuche zur Verfügung stehen, verbessert werden. Weiterhin dient es zur Erprobung verschiedener Entwürfe der Mensch-Maschine-Schnittstelle.<BR>Der Simulator besteht aus dem Cockpit eines Autos als dem haptischen Teil der Mensch-Maschine-Schnittstelle und einer Animation der Fahrstrecke sowie ihrer Umgebung als visuelles Feedback. Das Fahrzeugmodell wird auf dem Echtzeit-PC mit ‚RealLink32‘, dem Vorläufer des aktuellen ‚xPC-Target‘, erzeugt, das auch die Verbindung zur Cockpit-Hardware und zum Animationsrechner herstellt. Dazu werden dieselben Modelle für das Fahrzeug und die Fahrstrategie eingesetzt, wie in der rein rechnerbasierten Simulation.<BR><BR>Zusammenfassung<BR><BR>In diesem Artikel wurde die komplexe Aufgabe der Entwicklung und Implementierung eines Fahrstrategiesystems zur Fahrerassistenz für die Kraftstoffeinsparung beschrieben. Das Strategiesystem wurde in zwei verschiedenen Umgebungen implementiert und getestet: In einer rechnergestützten Simulation und in einem Versuchsfahrzeug. Wie erwähnt, wird das Strategiesystem ebenfalls in einem Fahrsimulator implementiert. Das Erreichen dieser Zielsetzung erfordert die Programmierung, Tests, die Simulation, die Codeerzeugung für die Echtzeit-Zielsysteme und schließlich die Dokumentation.<BR>Die Matlab/Simulink-Produktfamilie unterstützt alle Schritte dieses Prozesses. Simulink stellt zunächst eine grafische Programmierplattform auf der Basis von Blockdiagrammen zur Verfügung, um die kontinuierlichen und zeitdiskreten Teile der Strategie zu entwerfen, während die integrierte Toolbox Stateflow Zustandsdiagramme als grafisches Werkzeug für ereignisgesteuerte Systeme und Ablaufssteuerungen wie den beschriebenen Algorithmus zur Strategieentscheidung bietet. Jede Umsetzung der Fahrstrategie, sei es für die Simulation oder an Bord des Versuchsfahrzeugs, basiert auf dieser graphischen Beschreibung und ist automatisch mit geeigneten Werkzeugen wie dem Real-Time Workshop erzeugt worden (bzw. wird mit RealLink32/xPC erzeugt). So wird jede Veränderung in der Strategie-Software nur einmal durchgeführtund zwar in der grafischen Beschreibung.<BR>Die übersichtliche grafische Darstellung ist sowohl Voraussetzung für die Wiederverwendbarkeit und Übertragbarkeit als auch der erste Schritt zur Dokumentation. Die abschließende Dokumentation des Strategiesystems wird vom Report-Generator unterstützt, der ebenfalls für automatisierte Tests und Simulationen mit verschiedenen Parametern genutzt werden kann.<BR></TD> </TR> <TR> <TD CLASS=detailQuelle> </TD> </TR> </TABLE> </TD> <TD WIDTH=28 VALIGN=top><IMG NAME="" SRC=/pi/spacer.gif WIDTH=1 HEIGHT=1 ALT=""></TD> <TD WIDTH=174 VALIGN=top></TD> </TR> <TR> <TD VALIGN=top><IMG NAME="" SRC=/pi/spacer.gif WIDTH=393 HEIGHT=1 ALT=""></TD> <TD WIDTH=28 VALIGN=top><IMG NAME="" SRC=/pi/spacer.gif WIDTH=28 HEIGHT=1 ALT=""></TD> <TD WIDTH=174 VALIGN=top><IMG NAME="" SRC=/pi/spacer.gif WIDTH=174 HEIGHT=1 ALT=""></TD> </TR> </TABLE> <P><I>Diese Seite wurde am 25.09.2004, 13:11 Uhr aktualisiert</I></P> </BODY>