其中最重要的莫过于看似简单的“测试配置”任务。曾经很简单的汽车零部件 - 例如车头灯或汽车座椅 - 现在变成复杂的机电系统,它将ECU、传感器、执行器以及与车辆其他部分的通信结合在一起。现在验证这些子系统的行为需要不同的测试方法。以前车门、车窗、转向柱、照明和座椅的测试都是纯粹的物理测试 - 验证物理性能和生命周期。这些机械测试采用的工具包括振动台、环境室、执行器和数据采集系统。由于这些组件包含了更多的传感、计算和控制功能,物理组件已经演变成车辆子系统,需要的设计和测试方法必须能够反映动力总成的设计行为。随着设计团队适应这一新的现实,建模、软件设计、回归测试,硬件在环(HIL)测试和系统集成所带来的测试挑战并不是花费更长时间或投入更多资金就可以解决的。

解决这一挑战需要专门的工具进行一次性测试,然后过渡到编程工具进行自动化,或者在改变时间长度、温度、天气因素、碰撞力等不同变量的情况下反复进行相同的测试。这种类型的专业化也体现在邻近行业,比如半导体,其中工具专业化降低了测试的总体成本,并允许供应商更快地将产品推广上市四。这一趋势也即将发生在运输行业。事实上,已经有一些产品开始提供这种专业化,比如NI FlexLogger,该软件提供了基于配置的数据记录交互。

集中式还是非集中式(ECU)

随着智能和边缘处理添加到汽车组件中,每辆车的ECU数量呈指数级增长。从逻辑上讲,这意味着组件设计更模块化,故障传播的概率更低。随着我们朝着5级自动驾驶汽车(奥迪已经宣布2019年A8将成为世界上第一辆3级自动驾驶汽车)努力,来自各种传感器系统的数据融合必将给当前分散式ECU趋势造成影响。