2. 自动驾驶系统基础

自动驾驶系统是一个典型的信息物理融合系统，其核心架构可抽象为“感知—决策—执行”三大模块。感知层负责将物理世界的环境信息转化为数字信号，决策层基于这些信号进行态势判断与路径规划，执行层则将控制指令转化为车辆的机械动作。对于HIL（硬件在环）测试工程师而言，理解这三大模块的功能边界与数据流方向，是构建测试用例、设计故障注入点、分析测试结果的前提。本章将系统拆解三大模块的输入输出特性，并重点说明HIL测试中“被测对象（DUT）”与“模拟环境（Plant Model）”之间的接口关系。

上图展示了三大模块之间的数据流关系以及HIL测试的典型对象边界。在HIL系统中，感知模块通常通过传感器模拟器（如CAN信号注入、视频注入、雷达回波模拟）来替代真实物理环境；决策模块（即域控制器或ADAS ECU）是HIL测试的核心DUT；执行模块则通过负载模拟器或真实执行器（如EPS、ESP）进行响应验证。理解这条数据链，是后续设计测试用例的基础。

2.1 感知模块：从物理世界到数字信号的转换

核心原理

感知模块是自动驾驶系统的“眼睛”和“耳朵”，其核心任务是将物理世界的连续信号（光、声波、电磁波）转换为离散的数字特征。以摄像头为例，其内部流程为：光学镜头聚焦→CMOS传感器光电转换→ISP图像信号处理→输出YUV或RAW格式图像→AI加速器进行目标检测→输出目标边界框与类别。毫米波雷达则通过发射77GHz调频连续波，利用多普勒效应测量目标距离、相对速度与方位角。激光雷达通过TOF（飞行时间）原理生成三维点云。

在HIL测试中，感知模块的模拟需要区分信号级模拟与对象级模拟。信号级模拟直接生成摄像头视频流或雷达目标列表，注入到DUT的输入接口；对象级模拟则通过场景软件（如CarSim、VTD）生成目标物位置、速度、尺寸等抽象属性，再通过总线注入。两种方式各有优劣，信号级更接近物理层，但实时性要求高；对象级更灵活，适合算法验证。

传感器类型	输出数据格式	HIL模拟方式	典型接口
摄像头	YUV422 / RAW12	视频注入卡（如Video Interface Box）	MIPI CSI-2 / GMSL2
毫米波雷达	目标列表（距离/速度/角度）	CAN/以太网报文注入	CAN FD / Automotive Ethernet
激光雷达	点云数据（x,y,z,intensity）	UDP点云注入	1000BASE-T1
超声波	回波时间/距离	硬线电平模拟	IO接口
GNSS/IMU	经纬度/速度/姿态	RTK模拟器	CAN / SPI

判断方法与操作流程

在搭建感知模块HIL测试环境时，需按以下步骤操作：

1. 确定传感器配置：根据被测车型的传感器拓扑（如1V5R3L），列出所有传感器类型与数量。
2. 选择模拟方式：对于摄像头，优先选择视频注入卡以覆盖ISP与AI算法全链路；对于雷达，若测试目标是融合算法，可采用对象级注入。
3. 配置同步机制：所有传感器模拟必须与实时仿真机时钟同步，否则会导致时间戳错乱。
4. 标定与对齐：在HIL环境中，需将虚拟传感器的安装位置、视场角、噪声模型与实际车辆标定参数对齐。

常见误区

• 误区一：认为传感器模拟越真实越好。实际上，过度复杂的噪声模型可能导致测试结果难以复现，建议采用“标称+典型扰动”的分级策略。
• 误区二：忽略传感器延迟。摄像头处理延迟约30-50ms，雷达约10-20ms，在HIL中必须注入相应延迟，否则决策模块的时序逻辑无法验证。
• 误区三：将感知模块作为黑盒测试。建议在HIL中增加感知结果的可视化监控（如叠加显示目标框），便于快速定位是感知算法问题还是模拟环境问题。

2.2 决策模块：从环境理解到行为决策

核心原理

决策模块是自动驾驶的“大脑”，其输入是感知模块输出的目标列表、自车状态（车速、横摆角速度）以及高精地图信息，输出是具体的控制指令（目标加速度、目标横摆角速度、转向角）。决策模块通常分为三层：全局规划（路径规划，频率1-10Hz）、行为决策（如跟车、变道、超车，频率10-30Hz）、运动规划（轨迹生成与优化，频率50-100Hz）。在HIL测试中，决策模块是DUT的核心部分，其输入输出均通过CAN或以太网与仿真环境交互。

决策模块的HIL测试重点在于场景覆盖度与实时性。由于决策算法涉及大量条件分支（如交通规则、碰撞风险判断），测试用例需覆盖典型场景、边缘场景与危险场景。实时性方面，决策周期必须严格满足设计指标（如AEB触发时间小于300ms），HIL测试需通过时间戳监控验证。

判断方法与操作流程

决策模块HIL测试的典型流程如下：

1. 场景定义：使用OpenSCENARIO或自定义脚本描述场景（如“前车切入+本车加速”）。
2. 参数化扫描：对关键参数（相对速度、距离、加速度）进行网格化扫描，生成测试矩阵。
3. 实时运行：在实时仿真机中运行车辆动力学模型，通过CAN注入感知数据到DUT。
4. 结果评估：记录DUT输出的控制指令，与参考轨迹对比，计算横向/纵向误差。

案例拆解：ACC自适应巡航控制策略验证

某OEM在开发ACC系统时，需验证“前车静止”场景下的安全停车功能。HIL测试环境配置如下：

• DUT：ACC域控制器（包含融合与决策算法）
• 仿真环境：CarSim车辆动力学模型 + 虚拟雷达目标注入
• 关键参数：本车初始速度80km/h，前车静止，距离120m，路面附着系数0.8

测试过程中，通过实时仿真机控制前车目标从120m处逐步靠近，观察DUT的减速指令。初始测试发现，当距离小于40m时，DUT输出最大制动压力（-8m/s²），但车辆仍以15km/h的速度接近前车，存在碰撞风险。分析日志发现，决策模块的“目标选择”逻辑错误地将左侧车道车辆作为主目标，导致未对静止前车进行充分制动。修复算法后，重新测试，车辆在距离前车2.5m处完全停止，满足安全要求。此案例说明，HIL测试不仅能验证功能，还能暴露算法逻辑缺陷。

常见误区

• 误区一：只关注最终控制指令，不关注决策模块的中间状态（如目标ID、置信度）。
• 误区二：忽略决策模块的降级策略。例如，当感知数据缺失时，DUT应进入安全状态（如减速停车），HIL测试必须覆盖此类故障注入场景。
• 误区三：将决策模块与执行模块分开测试。实际上，决策指令的执行效果（如转向响应延迟）会反向影响决策，建议进行“决策+执行”联合测试。

2.3 执行模块：从控制指令到物理动作

核心原理

执行模块是自动驾驶的“手脚”，包括转向系统（EPS）、制动系统（ESP/One-Box）、驱动系统（VCU/MCU）以及悬架等。其核心功能是将决策模块输出的目标值（如目标转向角、目标减速度）转换为实际的物理量（前轮转角、制动压力、驱动扭矩）。执行模块通常包含底层控制器（如EPS的扭矩控制环）与执行机构（电机、液压泵）。在HIL测试中，执行模块有两种接入方式：真实执行器（通过负载模拟器加载）或虚拟执行器（通过模型模拟）。

执行模块的HIL测试重点在于响应时间、稳态精度与故障容错。例如，EPS系统从接收到转向指令到达到目标转角，通常要求响应时间小于100ms，稳态误差小于0.5°。制动系统则需验证ABS/ESC介入时的压力波动特性。

判断方法与操作流程

执行模块HIL测试的典型配置如下：

1. 选择执行器接入方式：对于EPS，建议使用真实EPS+负载模拟器（模拟轮胎回正力矩）；对于制动系统，可使用液压负载台架。
2. 标定接口参数：确保HIL仿真机输出的转向阻力矩、制动主缸压力与实车一致。
3. 故障注入：通过继电器或电子开关模拟传感器断线、电机短路、CAN通信丢失等故障。
4. 性能评估：记录阶跃响应、正弦跟踪、频率响应等指标。

案例拆解：EPS转向系统HIL测试

某Tier1供应商需验证EPS在“高速变道”工况下的助力特性。测试台架包括：真实EPS总成、负载电机（模拟0-300Nm回正力矩）、角度传感器、扭矩传感器。测试输入为决策模块发出的目标转角序列（正弦扫频，频率0.1-5Hz）。测试结果如下：

频率(Hz)	目标转角(°)	实际转角(°)	相位延迟(ms)	助力电流(A)
0.5	30	29.8	15	12.5
1.0	30	29.2	28	14.2
2.0	30	27.5	55	18.0
3.0	30	24.1	90	22.5

从数据可见，当频率超过2Hz时，转向响应明显滞后，助力电流饱和。进一步分析发现，EPS的电机电流环带宽不足，导致高频跟踪性能下降。通过调整电流环PI参数，将带宽从15Hz提升至25Hz，重新测试后，3Hz处的相位延迟降至45ms，满足整车要求。此案例展示了HIL测试在底层控制器调优中的价值。

常见误区

• 误区一：使用虚拟执行器模型时，模型精度不足。建议在项目初期进行执行器模型标定（对比实车数据）。
• 误区二：忽略执行器的非线性特性（如摩擦、间隙、饱和）。在HIL中应加入这些非线性因素，否则测试结果过于乐观。
• 误区三：未考虑执行器故障对系统级的影响。例如，EPS失效时，决策模块应降级为“仅制动”模式，HIL测试需覆盖此类级联故障。

2.4 三大模块数据流与HIL测试的接口映射

核心原理

在HIL测试中，数据流的方向决定了信号注入与采集的位置。感知数据流从仿真环境流向DUT（输入），决策数据流在DUT内部处理，执行数据流从DUT流向仿真环境（输出）。此外，还有一条反馈数据流：仿真环境根据执行结果更新车辆状态，再反馈给感知模块。因此，HIL系统必须支持双向数据交互，且延迟要尽可能低（通常要求小于1ms）。

接口映射表

数据流方向	信号类型	物理接口	HIL设备	典型延迟要求
感知输入	摄像头视频	GMSL2 / FPD-Link	视频注入卡	< 5ms
感知输入	雷达目标	CAN FD	CAN接口卡	< 2ms
决策输出	转向指令	CAN / FlexRay	CAN接口卡	< 1ms
执行反馈	轮速脉冲	硬线	IO板卡	< 0.5ms
车辆状态	横摆角速度	CAN	CAN接口卡	< 1ms

操作流程

在搭建HIL数据链路时，建议按以下顺序进行：

1. 绘制数据流图：明确每个信号的源、宿、类型、周期。
2. 配置实时仿真模型：将车辆动力学模型、传感器模型、执行器模型部署到实时机。
3. 映射IO通道：将模型输出映射到物理IO通道，并设置信号缩放比例。
4. 验证延迟：使用示波器或时间戳工具测量从模型计算到IO输出的总延迟。
5. 闭环联调：运行典型场景，检查数据流是否完整、时序是否正确。

常见误区

• 误区一：忽视信号缩放与偏移。例如，转向角信号在CAN中以0.1°/bit编码，若HIL中未正确配置缩放，会导致控制精度下降。
• 误区二：未区分“数据流”与“能量流”。执行模块涉及功率信号（如电机电流），HIL中需使用功率级负载模拟器，而非普通信号级IO。
• 误区三：缺乏数据流监控手段。建议在HIL系统中配置总线记录仪（如CANalyzer），实时记录所有总线数据，便于事后分析。

2.5 总结与HIL测试设计要点

本章从感知、决策、执行三大模块的功能与数据流出发，明确了HIL测试的对象边界。核心要点归纳如下：

• 感知模块：HIL测试重点是传感器模拟的保真度与同步性，需区分信号级与对象级模拟。
• 决策模块：HIL测试重点是场景覆盖度与实时性，需关注内部状态的可观测性。
• 执行模块：HIL测试重点是响应时间与故障容错，需考虑非线性特性与安全风险。
• 数据流：HIL测试必须支持双向数据交互，并严格控制延迟与信号映射精度。

理解三大模块的数据流，是HIL测试工程师的基本功。只有清晰掌握每个信号的来源与去向，才能设计出有效的测试用例，快速定位问题，最终保障自动驾驶系统的安全性与可靠性。