国际能源署（IEA）的全球能源行业2050年净零碳排放路线图指出，电动汽车预计到2030年将占全球新车销量的60%。IEA致力于和政府及行业合作开展可持续发展计划，据该组织称，2023年电动汽车约占新车销量的五分之一。目前有4,000万辆电动汽车上路行驶：其中60%在中国，近25%在欧洲，以及10%在美国。可见，整体销售额仍然十分有限。大多数汽车制造商都需要加速开发，才能满足行业目标。然而，设计和制造能力的匮乏带来了重大挑战。
在当前环境下，消费者对内燃机（ICE）技术车辆仍然有较强需求。这使原始设备制造商（OEM）陷入了两难境地，即需要在开发新型电动汽车技术和现有成熟的ICE汽车计划之间取得平衡。
严格来说，电动汽车制造商的情况则并不完全相同——他们能够另起炉灶，非常快速地开始创新，而无需考虑维护现有业务的重担，因为他们不必在技术平台上分配资源。许多企业正在取得更快的进展，而无需从电气化计划中分出时间和资源，以支持现有的车辆计划。
为了跟上加速的步伐，OEM厂商必须在设计工作流程早期阶段实现“设计左移”，或将任务、流程和职责进行转移，以同时进行新产品开发和新技术引入。
Ansys高级首席应用工程师Tushar Sambharam说道：“OEM厂商一方面需要维系已有100多年历史的ICE业务模式，同时，还需要推进其电气化目标，那么他们如何能够应对这种复杂性以保持竞争力呢？这就需要他们打破常规，以成功开发并实施电动汽车技术。”
加速电动汽车产品研发的下一个前沿领域，将是使用虚拟工厂模型和实际控制器算法在仿真环境中执行早期需求验证。如果要在早期阶段实现虚拟集成、测试和验证关键性能指标（包括续航里程、功耗和加速度），就需要使用面向系统级研究的快速准确的工厂模型。
我们来了解一下Ansys Twin Builder基于仿真的数字孪生平台如何用于虚拟验证，并帮助加快电动汽车技术的上市进程，以满足汽车制造需求。
面向ASIL D认证的基于物理的电池仿真中的连接要求
虚拟模型为早期验证铺平了道路
在传统的设计工作流程中，OEM厂商通常默认采用孤立的方法来开发车辆软件和硬件。这两者的集成通常出现在硬件在环（HIL）（软件系统）工作台测试过程中，或者出现在实际车辆装配过程中。这一流程虽然比较高效，但并非没有风险，因为在这一阶段遇到的任何问题，都可能会使计划推迟七到八个月时间，用于改进架构问题。
此时，通过仿真进行早期验证非常重要，因为它提供了更大的灵活性，可以在不投入任何成本的情况下动态地进行变更。然而，这种方法通常会孤立地分别考虑基于物理场的各具体挑战。相比之下，数字孪生并不专注于单一学科，而是整合了多个多物理场工具和求解器来对整个系统进行建模。这使工程师能够同时分析整体组件或车辆系统在流体、机械、电磁等多种系统动力学作用下的整体表现。
数字孪生是一种以特定频率和保真度与现实世界物理实体和流程同步的虚拟表示。根据这里的定义，“虚拟表示”是一组相关的数字模型和支持数据，它们共同提供了关于其对象的整体、一致性信息。所有数字孪生都具有同步机制，使其能够在仿真环境中更准确地反映现实世界物理实体。
这里需要注意的是，数字孪生有两种类型：设计孪生和运营孪生。运营数字孪生通过传感器连接到运行中的物理资产并与之交互，但设计数字孪生并非如此，这使得其在早期设计开发阶段尤为有价值，因为那时车辆系统的细节仍处于变化之中，尚未最终确定。在Twin Builder软件的帮助下，可以采用虚拟数字设计或运营孪生来加速开发，这对于电动汽车的成功至关重要。
例如，从现有平台设计中调用各种组件，您就可以构建新的车辆设计。使用Twin Builder软件，可以将该设计放入物理系统的虚拟模型（也称为控制对象模型）中，然后在该模型中集成控制算法或数学规范，以测试该模型的各个方面。也就是说，您不必等物理原型被制造出来后再验证整个车辆系统。
在部署新创建的物理系统模型时，您获得的是一种能够在各个阶段快速、持续集成和验证软硬件设计的方法，并且可以充分利用所掌握的全部产品信息。使用Twin Builder软件，可以构建早期阶段的虚拟模型，然后进行验证和优化。在此基础上，随着产品研发周期的不断推进，模型的质量和准确性也都在不断发展。
最终，通过这种方法，汽车制造商可以对其电动汽车设计在现场的性能表现更有信心——在追求新颖、快速发展的技术时，这项优势备受汽车制造商的青睐。基于物理的控制对象模型可以在系统级虚拟捕获组件行为，从而减少对大量（且成本高昂的）台架测试的需求。
基于数据和物理的降阶模型（ROM）
使用降阶模型进行系统级分解
如前所述，创建数字孪生的一个最大优势是，它使工程师能够在考虑多种物理场因素的情况下全面评估设计。举例来说，如果您仅从电化学的角度使用仿真来构建电池模型，那么可能只能捕获充电状态（SOC），而如果无法捕获电池与SOC相关的热行为，您将无法清楚地了解热响应的表现方式。
因此，需要一种从该模型中提取更多信息的方法。具体而言，基于物理场的降阶模型（ROM）方法能够帮助您实现上述目标。Twin Builder软件支持导入ROM，或物理系统复杂高保真度模型的简化版本，以捕获系统仿真环境中源模型的行为。其目的是降低全阶、高保真度模型的复杂性，以便工程师能够更好地研究系统的主要效应，同时减少所需的计算资源。
连接的ROM并不只分析设计中的单一要素，而是将设计分解成多个物理模型，并捕获它们之间的复杂相互作用。这使您能够在数字孪生环境中，实时预测这些物理实体在整个车辆系统中的性能，并显著缩短设计周期，从而实现更高质量的产品。
电动动力总成非常适合这种方法，因为它是一个多学科的层级系统，且软件开发与硬件设计之间存在复杂的交互关系。在基于ROM的环境中完成分析，才能为整个动力总成实现更高而且显著的效率和运营提升。
Ansys数字孪生软件架构
强大的现有仿真数据让您事半功倍
如今，我们的许多汽车客户都在利用大量Ansys多物理场求解器产品组合，来执行电池设计的计算流体力学（CFD）仿真、电机设计的电磁仿真，以及大量机械仿真等。他们进行的所有这些仿真都是整个工作流程的一部分，该工作流程可用于生成非常重要的信息，从而帮助他们更深入地了解产品的各个方面。
但在初始分析结束后，整个工作流程中生成的所有数据会如何呢？这些数据通常不会流向下游。工程师会使用这些数据单独设计组件，然后将数据丢弃。不过，使用Twin Builder软件，您就可以在系统级重复利用这些信息，以了解更复杂的相互作用。
例如，如果您从该工作流程中获取电池信息，并将其与电池管理系统模型相连接，则可以进行模型在环（MiL）分析或基于模型的测试，以查看其中一个电芯是否存在与该附加数据相关的温度升高。然后，您可以确定电池管理系统（BMS）是否在所需的时间内运行，以断开该电芯并避免热失控。
ROM在电动汽车验证过程中特别有用，因为其可以在多个层级进行抽象，以便通过进一步的数据分析更好地了解性能。
Sambharam表示：“对于OEM厂商而言，此类分析可解决有关车辆性能的重要问题，例如车辆的续航里程、真实的驾驶行为和每个驱动循环的系统效率。如果将ROM抽象到车辆级别，OEM厂商可以通过将组件模型提升到子系统级别来构建车辆的虚拟模型。完成子系统验证后，可以再次抽象模型（和数据），根据加速度或续航里程性能以及安全性等性能参数进行车辆级验证。”
电动汽车的虚拟轨道测试
扩展仿真环境，揭示电动汽车性能
此外，OEM厂商还可以使用Twin Builder软件在虚拟环境中运行所有可能的测试用例，以了解车辆性能。这有助于了解测试验证的成功次数、失败次数以及失败原因。借助这些额外的洞察信息，汽车制造商可以决定哪些设计方案能够实际进行原型制造和测试。
当您拥有所有ROM后，通过数字孪生将其连接到开放式集成平台，这样您能够扩展仿真环境，以分析特定驾驶场景中的车辆性能。通过这种级别的数据交换，可以在所有开发阶段，以及在各种虚拟测试场景或边缘案例中，针对自动驾驶、高级驾驶辅助系统（ADAS）、动力总成和车辆动力学无缝测试和验证模型的性能。
Sambharam表示：“从本质上讲，OEM厂商需要一款能够在虚拟环境中尽可能模拟基于需求的测试矩阵的工具。而这正是Twin Builder软件的灵活性和准确性，ROM，以及多物理场功能的用武之地。将这些功能集成到第三方驾驶仿真器中，使汽车制造商能够捕获边缘案例，其考虑了各种基于物理场的相互作用（机械、流体、电磁等），软件和硬件之间的相互作用以及车辆与驾驶环境之间的相互作用。”
了解更多
数字孪生方兴未艾，但一些OEM厂商并未充分利用这种技术来更快地推进电气化目标。如欲了解更多信息，欢迎观看使用Ansys Twin Builder软件的虚拟验证助力加速电动汽车研发以及面向电动汽车的数字孪生。您还可以下载Twin Builder软件的免费试用版。
