4. 虚实验证工程概述

自动驾驶系统的验证对象横跨感知、决策、控制与整车执行，单一手段很难同时覆盖“高频次、低成本、可复现”和“真实物理、真实时延、真实环境”这两类需求。虚实验证工程的核心思路，是把仿真世界与真实世界通过接口、时基和信号链连接起来，让被测对象在接近真实的工作条件下接受可重复、可观测、可注入故障的测试。它不是“仿真替代实车”，也不是“实车补仿真”，而是按验证目标分层组合：模型在环解决算法逻辑，软件在环解决代码集成，硬件在环解决控制器与执行器接口，车辆在环解决整车动力学与真实道路耦合。

一、虚实结合验证理念：以“被测对象边界”决定虚实切分

虚实结合的第一原则是明确被测对象边界。边界之内是真实件，边界之外用模型或台架替代。边界划得越靠近真实车辆，物理保真度越高，但成本、周期和风险也越高。因此工程上通常按“风险—频次”分配：高风险、低频次场景用车辆在环或实车；中风险、中频次用硬件在环；低风险、高频次用软件在环或模型在环。

第二原则是时基一致。仿真步长、控制器周期、总线周期和传感器更新率必须统一到同一时间基准，否则会出现“仿真里通过、实车里抖动”的假通过。第三原则是信号链可观测，即注入的激励、被测件的输出、模型反馈和故障注入点都要能记录和回放，形成可追溯的证据链。

二、X-in-the-loop分类：从MIL到VIL的连续谱

X-in-the-loop是一组按“真实件比例”递增的验证方法。常见分类包括：

• MIL（Model-in-the-Loop）：控制算法与被控对象均为模型，在Simulink等环境中闭环，用于早期逻辑验证。
• SIL（Software-in-the-Loop）：算法生成C/C++代码，与被控对象模型在同一PC或服务器上运行，验证代码级正确性。
• PIL（Processor-in-the-Loop）：算法代码运行在目标处理器上，被控对象仍为模型，验证编译器、定点化和实时性。
• HIL（Hardware-in-the-Loop）：真实控制器或ECU接入实时仿真机，被控对象、传感器和执行器用I/O板卡模拟，验证接口、时延和故障响应。
• VIL（Vehicle-in-the-Loop）：真实车辆或整车台架接入虚拟交通环境，验证整车动力学、底盘执行与真实道路耦合。

这些方法不是替代关系，而是同一V模型上的不同验证层级。越往右，真实件越多，虚拟环境越需要高保真；越往左，迭代越快，但物理真实性越弱。

三、硬件在环（HIL）基本原理：让ECU“以为”自己在车上

HIL的核心是实时仿真机+真实控制器。实时仿真机以固定步长（常见1 ms或0.5 ms）运行车辆动力学、传感器和执行器模型，通过I/O板卡输出模拟量、数字量、CAN/CAN FD、LIN、以太网等信号给真实ECU。ECU按真实逻辑计算控制指令，再回传给仿真机，形成闭环。

HIL的关键技术点包括：

• 实时性：仿真步长必须小于控制器周期，且抖动可控，否则闭环失稳。
• I/O匹配：电压范围、电流驱动能力、PWM频率、CAN终端电阻必须与真实车辆一致。
• 故障注入：可模拟传感器开路、短路、漂移、总线丢帧、电源跌落等，验证ECU诊断与降级策略。
• 自动化测试：用脚本批量执行场景，自动判定通过/失败并生成报告。

# HIL典型配置片段（示意）
sim_step: 0.001 s          # 实时仿真步长
ecu_cycle: 0.010 s         # ECU控制周期
bus: CAN_FD 500 kbps       # 总线速率
fault_injection:
  - sensor_front_radar: open_circuit @ t=12.0s
  - can_bus: drop_frame 5% @ t=20.0s
logging: all_io + bus + model_state

四、车辆在环（VIL）基本原理：整车与虚拟交通的耦合

VIL把真实车辆或整车台架接入虚拟环境。常见形式有两种：一是整车台架VIL，车辆固定在转鼓或轴耦合台架上，虚拟环境提供道路阻力、坡度、风阻和交通流，车辆真实动力系统与底盘执行器工作；二是实车VIL，真实车辆在封闭场地行驶，虚拟环境通过感知注入或增强现实方式叠加虚拟交通参与者。

VIL的难点在于感知闭环。如果虚拟目标只存在于仿真机中，真实车辆的摄像头和雷达看不到它，就无法形成感知—决策—控制的完整闭环。因此VIL通常采用“感知注入”或“目标模拟”手段，把虚拟目标转换成真实传感器可识别的信号，或者直接向感知输出注入目标级信息。前者保真度高但实现复杂，后者工程可行但需明确其验证边界。

五、方法选择与验证矩阵

六、工程落地建议

第一，先定义验证问题再选方法。要验证的是算法逻辑、代码正确性、接口时序还是整车响应，直接决定切分边界。第二，建立统一场景库与数据格式，让MIL到VIL复用同一场景描述，避免重复建模。第三，把故障注入和边界场景作为必测项，而不是附加项。第四，所有在环测试都要保留时间戳、输入激励、输出响应和判定依据，形成可审计的验证证据。第五，明确每种方法的置信边界，在报告中写清“哪些真实件在环、哪些是模型、哪些信号被注入”，避免把局部结论外推为整车结论。

虚实验证工程的价值，不在于追求某一种“最真实”的手段，而在于用连续谱思维把不同保真度的验证手段组织成证据链：低频高风险场景用VIL/实车兜底，高频回归用HIL/SIL快速迭代，早期设计用MIL探索。只有边界清晰、时基一致、信号可观测，虚实结合才真正可信。