[发明专利]用于对机动车辆，特别是自动驾驶机动车辆的部件进行XiL测试的系统

说明书

本发明涉及一种用于对机动车辆、特别是自动驾驶车辆的部件进行XiL测试的系统(2)，其中系统(2)被设计为加载表示机动车辆的部件的模型的模型数据集(MD)、对模型数据集(MD)进行分类以及使用模型数据集(MD)来确定测试数据集(TS)和与测试数据集(MD)对应的初始数据集(AD)以便对其他部件进行测试。

技术领域

本发明涉及一种用于对机动车辆、特别是自动驾驶机动车辆的部件进行XiL测试的系统。

背景技术

自动驾驶机动车辆(有时也称为自主陆地车辆)是机动车辆，其可以无需人类驾驶员的干预而驾驶、转向和停放(高度自动驾驶或自动驾驶)。在不需要驾驶员进行任何手动控制的情况下，也使用术语机器人车辆。驾驶员座椅可以保持空置；可能没有方向盘、制动踏板以及油门踏板。

自动驾驶机动车辆能够利用不同的传感器检测其环境，并且能够根据获得的信息确定其位置和其他道路使用者的位置，他们可以与导航软件协作前往目的地以及能够避免在途中发生碰撞。

由于自动驾驶机动车辆中的硬件和软件部件的数量增加，所需的测试数量，特别是在原型批准之前所需的测试数量正在增加。

因此需要找到减少进行这种类型的测试所需费用的方法。

发明内容

本发明的目的通过一种用于对机动车辆(特别是自动驾驶车辆)的部件进行XiL测试的系统来实现，其中该系统被设计为加载表示机动车辆的部件的模型的模型数据集、对模型数据集进行分类以及使用模型数据集来确定测试数据集和与测试数据集对应的初始数据集以便对其他部件进行测试。

XiL测试可以是MiL(模型在环)、SiL(软件在环)、PiL(处理器在环)和/或HiL(硬件在环)测试。MiL包括构建用于控制路径的模型和用于行为模拟的ECU，SiL包括创建ECU的目标语言的模型以用于软件开发中的自动测试，PiL包括处理器的测试，并且HiL指定一种方法，在该方法中嵌入式系统(例如实际电子ECU或实际机电部件、硬件)经由其输入和输出连接到匹配的对应物。

在操作中，系统加载机动车辆的部件的多个模型，所述模型由不同的用户创建以执行XiL测试。在第一步骤中，系统分析这些模型并根据它们的特征(例如，根据他们的动态传播行为)对它们进行分类。在另一步骤中，系统使用相应的模型确定每个模型的数据集和对应于相应测试数据集的初始数据集。因此，系统提供了可用于另一测试的测试数据集和初始数据集，在另一测试中，在输入侧上为相应的测试数据集提供被测系统，并将输出侧的变量与对应于其的初始数据集进行比较。

可以因此减少进行这种类型的测试所需的费用。

根据一个实施例，该系统被设计为自我学习。换句话说，该系统被设计用于机器学习。这意指系统可识别模型数据集中的模式和规律。系统也因此可以评估未知的模型数据集。监测或不受监测的学习算法可用于此目的。

根据另一实施例，该系统具有人工神经网络。这种类型的人工神经网络由多个处理单元、人工神经元经由通信信道的互连组成。在操作中，输入变量通常经由非线性函数由人工神经网络内的神经元处理，并且结果经由通信信道转送到其他人工神经元。输出变量表示处理操作的结果。人工神经网络允许高度并行的数据处理。由此能够在输入变量中映射高度复杂的非线性依赖性。

根据另一实施例，人工神经网络是多层神经网络。这可以是没有前馈的具有输入层、一个或多个中间层以及输出层的多层人工神经网络，该输出层在每种情况下可以具有多个人工神经元。系数被分配给每个人工神经元，在存在输入值(例如，激活函数的系数)时定义后者的活动或行为。例如，深度学习算法能够被用于在学习或训练阶段期间确定系数的相应值。然而，也可以使用其他人工神经网络，例如，具有前馈和/或单层人工神经网络的人工神经网络。