汽车工程软件

车辆性能与车辆的整体能力、效率和功能有关，包括加速、电池续航里程、安全性、空气动力学和水管理、高级驾驶辅助系统 （ADAS）、能源和热管理、噪音、振动和声振粗糙度 （NVH） 和声学、强度和耐久性、车辆控制和车辆操控等方面。

汽车性能工程由业务需求驱动，通过持续的虚拟测试和监控循环提供端到端的系统优化。汽车制造商和供应商采用 左移策略，旨在通过在开发周期的早期发现潜在问题来提供更好的商业价值。通过在设计过程的早期使用仿真并虚拟测试产品是否满足要求，他们可以及早发现问题并在可理解的数字孪生中纠正问题。此外，他们可以在设计阶段的早期探索设计替代方案，此时更改设计更容易且破坏性更小。

多物理场仿真是指分析一个或多个系统的多个同时发生的物理现象以及它们之间的相互作用。在消费者需求和业务需求的驱动下，多物理场汽车工程软件旨在更快地设计出安全、高性能的产品。它使人们能够对复杂性进行建模，探索产品在真实条件下运行的可能性，并在开发周期的早期发现潜在问题。

例如， 汽车电池开发、设计和工程团队需要整合电化学、电气、热和结构工程。针对这些单独属性运行孤立的营销活动将生成冗余的模型和数据集，有时甚至是相互冲突的模型和数据集。相反，使用一体化多物理场方法可以让您准确了解组件在与其他组件集成时的性能，并确保即使是第一个原型也能按计划工作。

在原型上进行汽车（系统）测试的时代早已一去不复返了。如今，开发并没有在V周期结束时停止。取而代之的是，它通过使用历史数据、测试数据和使用中的车辆数据来创建基于测试的模型，以定义车辆特性与其性能之间的关系，从而在无限循环中继续进行。

一个很好的例子是基于模型的系统测试 （MBST）。MBST是一个工程框架，采用三种关键解决方案：虚拟模型、虚拟物理系统和物理原型。它利用测试数据来构建、验证和改进仿真模型，通过 XiL 识别各种场景中的交互，并通过物理原型的仿真模型增强测试数据。使用 MBST 的制造商效率更高、速度更快，并避免了数据传输或后处理中的错误。

另一个突出的例子是 虚拟原型设计。虚拟原型设计是一种有效的测试方法，允许在构建物理原型之前探索车辆装配替代方案。它专门针对 NVH 性能，并使用基于组件的传输路径分析 （TPA） 来快速评估各种设计，通过及早检测和控制问题来节省成本。

传统的设计和工程方法难以应对当今复杂的工作流程。利用人工智能 （AI） 和机器学习 （ML） 可以加快决策速度，提高工程团队的生产力，并在更短的时间内开发创新产品。Simcenter适合开发周期的任何阶段，提供了一个应用人工智能的框架，以利用历史数据、避免错误、加快分析速度并充满信心地优化设计。

例如，在自动驾驶汽车系统中，人工智能和机器学习用于将人类行为嵌入到机器感知中。虽然目前的自动驾驶汽车感知系统几乎可以与人类的感官能力相匹配，尤其是在标准条件下，但它们在极端天气和复杂场景中却存在不足。Simcenter 场景创建流程 有助于为 OEM 和音视频供应商生成关键场景，确保符合预期功能安全性 （SOTIF） 等安全标准。