22 декабря 2015

Вся разработка – от моделирования и проектирования до верификации – благодаря MATLAB и Simulink была завершена на 6 месяцев раньше запланированного срока.

Scania, ведущий мировой производитель тяжелых грузовиков, автобусов, промышленных и морских двигателей, разработала систему поддержки водителя для экономного расхода топлива с помощью инструментов MathWorks. Использование модельно-ориентированного проектирования позволило компании Scania закончить разработку с опережением графика. С момента внедрения в сентябре 2009 года при помощи системы удалось улучшить технику вождения: увеличить безопасность, снизить износ тормозной системы и других узлов, уменьшить расход топлива.

Неэффективное вождение может увеличить выбросы углерода и привести к увеличению расхода топлива на 10 %. Для решения этой проблемы Scania разработала систему анализа вождения реального времени. Эта система снабжает водителей грузовиков дополнительной информацией об их технике вождения. Для снижения стоимости разработки инженеры фирмы Scania использовали MATLAB, Simulink, MATLAB Compiler, и Real-Time Workshop Embedded Coder для моделирования и имитации системы помощи водителю, разработки прототипа пользовательского интерфейса и генерации встраиваемого кода для прототипа и целевой аппаратуры. Разработанная система обеспечивает непрерывную обратную связь с водителем.

«При помощи Simulink нам удалось опробовать новые идеи и наглядно представить результаты возможного их внедрения», – отметил Джонни Андерссон, инженер-разработчик Scania. «После генерации кода и проведения тестов на транспортном средстве, мы проводили несколько симуляций, улучшали модель и вновь генерировали код для следующей итерации. Такое быстрое прототипирование и повторное использование кода позволили создать первый в мире тренажер для водителей грузовиков, обеспечивающий обратную связь, основанную на актуальных сценариях вождения, зависящих от использования тормоза и выбора передачи. По сравнению с ручным написанием кода, инструменты MathWorks позволили закончить проект на шесть месяцев раньше. Без этих средств нам, возможно, пришлось бы привлечь к проекту еще одного инженера. Однако вместо этого нам удалось уделить больше внимание разработке алгоритма на более высоком уровне».

Благодаря инструментам MathWorks было уменьшено время разработки, стала возможной ранняя проверка на реальном блоке управления, а также Scania удалось разработать и оценить несколько различных типов информационного дисплея системы. В результате блок управления используется на грузовиках Scania серии R. Этот блок непрерывно снабжает водителя рекомендациями, предупреждая о будущих событиях. Сообщение появляется после свершившегося события и исчезает через несколько секунд. Грузовики Scania серии R получили награду International Track of the Year в 2010 годуЖюри посчитало, что система поддержки водителя Scania «является инновационным обучающим средством, обеспечивающим непрерывное и предупреждающее информирование водителя в пути».

«Система поддержки водителя должна обеспечивать мгновенную обратную связь, чтобы помочь водителю улучшить технику вождения», – подчеркнул Джон Фридман, менеджер по маркетингу в области автомобильной промышленности компании MathWorks. «Модельно-ориентированное проектирование позволило компании Scania быстро и экономно внедрить энергосберегающую разработку. Благодаря имитационному моделированию и генерации кода компании удалось уменьшить количество дорожных тестов и прототипов».

Публикация
Видеодетектор огня на основе глубокого обучения
23.06.2021
Новость
Онлайн сессия "Авиационные системы". В рамках конференции "Технологии разработки и отладки сложных технических систем"
23.03.2020
Новость
Онлайн сессия "Автомобильные системы". В рамках конференции "Технологии разработки и отладки сложных технических систем"
19.03.2020
Новость
МГТУ им. Баумана приглашает на Международный конгресс «Моделирование сложных технических систем»
13.03.2020
Видео
MATLAB + Raspberry Pi: 06. Raspberry PI и ThingSpeak.com
13.08.2019
Видео
MATLAB + Raspberry Pi: 05. Реализация алгоритмов компьютерного зрения на Raspberry PI
18.07.2019
Видео
MATLAB + Raspberry Pi: 04. Разрабатываем приложения для чтения и записи ключ-карт
11.07.2019
Видео
MATLAB + Raspberry Pi: 03. Архитектура и компоновка проекта с использованием Raspberry PI
03.07.2019
Видео
Детектирование линий разметки. Часть 1 – алгоритм в MATLAB
12.03.2019
Видео
Видео - Разметка данных для сегментации в MATLAB
06.12.2018