智慧汽車功能安全軟體架構
01 E-GAS 安全架構思想
汽車功能安全旨在把電子電氣系統失效而導致的人身危害風險控制在合理範圍內。下圖是常見的電子電氣系統硬體組成圖,一個電子電氣系統的構成要素,除了圖中可見的硬體外,還包含圖中不可見的軟體。
#圖1 常用電子電氣硬體系統
#電子電氣系統的失效,既包含因軟硬體設計錯誤所造成的系統性失效,也包含隨機硬體故障所造成的失效。根據系統架構,需要設計各種安全機制去預防和探測功能故障,並且能夠在故障發生時,避免或降低危害的發生。這就需要一個強壯的功能安全軟體架構來管理和控制這些安全機制,降低功能安全整體開發難度。
目前,E-GAS(Standardized E-Gas Monitoring Concept for Gasoline and Diesel Engine Control Units)無疑是目前使用最廣泛的一個安全軟體架構方案。雖然E-GAS 最初只是針對汽/ 柴油引擎管理系統而提出的安全架構方案,但是經過簡單的適配,也可以用於車身系統,變速箱系統以及新能源的三電系統等,具有非常良好的擴展性,應用非常廣泛。
下圖是E-GAS 的三層軟體架構設計方案,由上到下,軟體分為Level1~3 總共三層,Level1是功能實作層(function level) ,Level2 是功能監控層(function monitoring level),Level3 是控制器監控層(controller monitoring level)。該架構形成了很好的分層監視框架,並有效實現了功能安全分解,通常採用QM(ASIL X) ASIL X(ASIL X)的安全分解策略,即將功能實現軟體(Level1)按照QM 等級開發,功能冗餘軟體或安全措施(Level2、Level3)依照最高的要求等級ASIL X(ASIL X)進行開發,這樣可以有效降低功能軟體的安全開發成本。
#圖2 E-GAS三層監視架構方案
#圖2 E-GAS三層監視架構方案
Level1 功能實現層
#Level1 是功能實現層,完成具體的功能實現,例如對於馬達控制器來說,這一層實現了將請求的扭力轉換為馬達的扭力輸出。
Level2 功能監控層
#圖3 合理性檢定
如上圖所示,Level2 在使用合理性校驗方法判斷Level1 功能是否正常運作時,先根據感測器輸入的訊號,計算控制量允許輸出的合理範圍,再計算從執行器回授的實際輸出量,最後判定Level1 的實際輸出量是否在允許的合理範圍,如果超出了合理的範圍,則判定Level1 功能異常,執行錯誤處理。
Level3 控制器監控層
#############Level3 是控制器監控層,主要由三部分功能構成。 ######電子電氣系統硬體診斷:監控電子電氣系統硬體故障,例如 : 控制器的 CPU 核故障、RAM 故障、ROM 故障等。
獨立監控:控制器相關的故障發生後,此時控制器已經無法可靠地執行安全相關邏輯,為了確保安全性,需要外部額外的獨立監控模組,來確保即使MCU 發生嚴重故障後,仍能進入安全狀態。這個額外的獨立監控模組,通常是整合看門狗的電源管理晶片。
應用程式流程檢查:監控 Level1 和 Level2 的監控程式是否運作正常。此監控功能透過將程式流程檢查和看門狗餵狗綁定實現。如果 Level1 和 Level2 相關的監控程序沒有按照設定的順序運行,或者沒有在規定的時間內執行,則程序流程檢查失敗,無法正常餵狗,從而進入系統安全狀態。
#圖4 Level3功能方塊圖
## 02 國外功能安全軟體架構發展情況
提到功能安全與軟體架構,我們可以從「符合功能安全的軟體架構」 與「功能安全軟體架構」 這兩個維度去看待它們之間的關係。
前者重點在於從軟體開發角度來看我們的軟體架構設計流程對功能安全的符合性,也就是我們的軟體架構設計過程需要滿足ISO 26262 所提出的各種要求,如:標記方法、設計原則、設計要素需求、安全分析需求、錯誤偵測機制需求、錯誤處理機制以及設計驗證方法等,其中,軟體架構層面的安全分析主流手段是「軟體FMEA(Failure Mode and Effects Analysis)” 和“軟體DFA(Dependent Failure Analysis)” 。
後者重點是從內嵌軟體系統角度看對系統級功能安全的支撐。基於E-Gas 安全架構的思想,我們認為「分層監視思想」 、「安全措施」 和「診斷框架」 是「功能安全軟體架構」 的核心,「分層監視思想」和「安全措施」 在上文有說明,本節接下來內容主要圍繞「診斷架構」 進行說明。無論我們使用的基礎軟體開發平台是 AUTOSAR CP、AP 或是非 AUTOSAR,功能安全軟體架的設計想法是類似的,這裡基於 AUTOSAR CP 進行說明。
1)功能安全診斷框架技術需求
圖5 故障回應時間與容錯時間間隔
#######我們結合FTTI(故障容忍時間間隔,fault tolerant time interval)理解故障診斷過程。從故障發生到產生可能危害之間的這段時間就是 FTTI 時間,此期間主要有診斷測試、故障反應過程,並且希望在產生可能危害之前進入安全狀態 ( 圖 4.1-8)。診斷測試過程需要考慮診斷測試觸發、故障確認(去抖)等,###故障回應過程需要考慮進入合理的操作模式(如:Fail safe, Fail operational, Emergency operation 等)、故障儲存等。 ############綜上,「診斷框架」 的核心設計需要考慮覆蓋診斷測試、故障回應過程。主要的功能安全診斷框架技術要求有:#######- 故障統一管理:對E-GAS 多層監視框架各故障監視層上報的故障進行狀態統一管理
- 故障回應時間需求:故障檢出到進入安全狀態需滿足故障容忍時間間隔(FTTI)的要求
- 獨立性要求:片上安全機制與功能有共因問題,需支援獨立性監視(MCU片外監視)
- 多樣化需求:軟體架構必須滿足框架設計通用化和支援安全策略多樣化(不同專案對安全機制有不同要求)
- 診斷測試時機:上下電,週期,條件觸發等
- 故障去抖/ 延時檢查:需支援安全機制的去抖動測試功能,至少支援基於時間和基於計數去抖演算法
- 診斷事件和功能解耦:診斷事件和功能獨立管理,之間存在映射關係
- 故障儲存:支援故障訊息非揮發性儲存
2) 國外診斷框架技術狀況解讀
在對診斷框架技術展開解讀之前,有兩個面向的建議供參考。
① 建議 1:根據需求決定診斷測試的時機
a. 上電時:這裡結合一個典型應用需求來說明。安全機制(safety mechanism)和對應的功能構成了雙點,為了降低潛伏多點故障失效率,一般在系統啟動階段(上電時),安全機制需要做自檢。此外,在多處理器系統中還需要考慮診斷測試同步問題。
b. 執行時期:一般分週期性診斷測試和條件診斷測試。診斷週期的定義需要考慮 FDTI(fault detection time interval)的約束,而條件診斷測試一般是發生狀態遷移時或在啟動某個功能前對功能進行的診斷。
c. 下電時:可以選擇執行一些比較耗時的測試,而測試結果一般放在下次啟動時處理。
② 建議2:進行分組診斷測試
#為了便於診斷管理(包括診斷觸發和故障回應等),根據臨界故障/非臨界故障,診斷測試時機等因素進行分組。上電時如果檢出臨界故障(Critical fault),例如:核故障(Core Fault)、易失性記憶體測試故障(Ram Test Fault)等,這時故障響應可以選擇處在一個靜默狀態處理(如: MCU 處在連續重設狀態)。
#圖6 「功能安全診斷架構」與「功能性診斷控制流程」
E-Gas 三層監視框架的Level1(function level) 及Level2(function monitoring level) 位於ASW(application software, 即: 圖4.1-9 中的SWC) 層,Level33 (controller monitoring level) 位於BSW(basic software) 層。 「診斷架構」 同樣也位於 BSW 層,如上所述主要涵蓋診斷測試、故障回應過程,下文對其構成和工作過程展開介紹:
#- BswM、 EcuM 主要負責上電管理,在STARTUP、UP、SHUTDOWN 階段分別進行上電時、運行時、下電時的診斷測試
- #ASW-Level1(E-Gas Level1)涵蓋功能輸入/ 輸出的診斷;ASW-Level2(E-Gas Level2)一般實現為ASW-Level1 功能的冗餘演算法,實現ASW-Level1 ASIL 等級的分解;TestLib (E-GasLevel3)監控ECU、MCU 層面的硬體失效(建議參考ISO26262(2018)-Part5 Annex D 及MCU安全手冊),覆蓋Level1 和Level2 共因失效的診斷,並和「監視控制器」 實現用於邏輯及時間獨立性診斷的問答看門狗機制
- TestManager 負責對TestLib 安全機制的診斷測試觸發及相應測試結果的收集
- #DEM 收集E-Gas Level1/2/3 的測試結果,診斷事件去抖,標記故障碼及透過NvM 進行故障訊息儲存。 FiM 根據 DEM 診斷測試結果(去抖動後)標記已配置的功能,功能軟體(ASW-Level1)根據標記來決定功能的抑制。
以上是智慧汽車功能安全軟體架構的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

好強大的AI模仿能力,真的防不住,完全防不住。現在AI的發展已經達到這種程度了嗎?你前腳讓自己的五官亂飛,後腳,一模一樣的表情就被復現出來,瞪眼、挑眉、噘嘴,不管多麼誇張的表情,都模仿的非常到位。加大難度,讓眉毛挑的再高些,眼睛睜的再大些,甚至連嘴型都是歪的,虛擬人物頭像也能完美復現表情。當你在左邊調整參數時,右邊的虛擬頭像也會相應地改變動作給嘴巴、眼睛一個特寫,模仿的不能說完全相同,只能說表情一模一樣(最右邊)。這項研究來自慕尼黑工業大學等機構,他們提出了GaussianAvatars,這種

本文經自動駕駛之心公眾號授權轉載,轉載請洽出處。原標題:MotionLM:Multi-AgentMotionForecastingasLanguageModeling論文連結:https://arxiv.org/pdf/2309.16534.pdf作者單位:Waymo會議:ICCV2023論文想法:對於自動駕駛車輛安全規劃來說,可靠地預測道路代理未來行為是至關重要的。本研究將連續軌跡表示為離散運動令牌序列,並將多智能體運動預測視為語言建模任務。我們提出的模型MotionLM有以下幾個優點:首

《ComputerWorld》雜誌曾經寫過一篇文章,說“編程到1960年就會消失”,因為IBM開發了一種新語言FORTRAN,這種新語言可以讓工程師寫出他們所需的數學公式,然後提交給電腦運行,所以程式設計就會終結。圖片又過了幾年,我們聽到了一種新說法:任何業務人員都可以使用業務術語來描述自己的問題,告訴電腦要做什麼,使用這種叫做COBOL的程式語言,公司不再需要程式設計師了。後來,據說IBM開發了一門名為RPG的新程式語言,可以讓員工填寫表格並產生報告,因此大部分企業的程式設計需求都可以透過它來完成圖

軌跡預測近兩年風頭正猛,但大都聚焦於車輛軌跡預測方向,自動駕駛之心今天就為大家分享頂會NeurIPS上關於行人軌跡預測的演算法—SHENet,在受限場景中人類的移動模式通常在一定程度上符合有限的規律。基於這個假設,SHENet透過學習隱含的場景規律來預測一個人的未來軌跡。文章已經授權自動駕駛之心原創!作者的個人理解由於人類運動的隨機性和主觀性,目前預測一個人的未來軌跡仍然是一個具有挑戰性的問題。然而,由於場景限制(例如平面圖、道路和障礙物)以及人與人或人與物體的互動性,在受限場景中人類的移動模式通

身高1.65米,體重55公斤,全身44個自由度,能夠快速行走、敏捷避障、穩健上下坡、抗衝擊幹擾的人形機器人,現在可以帶回家了!傅利葉智慧的通用人形機器人GR-1已開啟預售機器人大講堂傅利葉智慧FourierGR-1通用人形機器人現已開放預售。 GR-1擁有高度仿生的軀幹構型和擬人化的運動控制,全身44個自由度,具備行走、避障、越障、上下坡、抗干擾、適應不同路面等運動能力,是通用人工智慧的理想載體。官網預售頁:www.fftai.cn/order#FourierGR-1#傅利葉智能需要改寫的內

近日,華為宣布將於9月推出搭載玄璣感知系統的全新智慧穿戴新品,預計為華為的最新智慧手錶。該新品將整合先進的情緒健康監測功能,玄璣感知系統以其六大特性——準確性、全面性、快速性、靈活性、開放性和延展性——為用戶提供全方位的健康評估。系統採用超感知模組,優化了多通道光路架構技術,大幅提升了心率、血氧和呼吸速率等基礎指標的監測精度。此外,玄璣感知系統也拓展了以心率資料為基礎的情緒狀態研究,不僅限於生理指標,還能評估使用者的情緒狀態和壓力水平,並支持超過60項運動健康指標監測,涵蓋心血管、呼吸、神經、內分泌、

如果您的智慧手錶無法開機怎麼辦?以下是可用於恢復您心愛的智慧手錶壽命的選項。檢查電源播放:想像一下,一個星光熠熠的舞台,您的智慧手錶作為頭條新聞,但窗簾沒有升起,因為它忘記了電池!在我們深入研究細節之前,請確保您的智慧型手錶不只是在煙霧中運行。給它一個適當的充電時間,如果你覺得有點額外,給它一個時尚的新電纜——時尚前衛的那種!神奇的重啟:如有疑問,請給它一點R&R——那就是重啟和復興!按住這些按鈕,就像指揮交響樂的大師一樣。不同的智慧手錶都有自己的重啟儀式——Google是你的指南。這是一

原標題:UniOcc:UnifyingVision-Centric3DOccupancyPredictionwithGeometricandSemanticRendering請點擊以下連結查看論文:https://arxiv.org/pdf/2306.09117.pdf論文想法:在這篇技術報告中,我們提出了一個名為UniOCC的解決方案,用於在CVPR2023nuScenesOpenDatasetChallenge中進行以視覺為中心的3D佔用預測軌跡。現有的佔用預測方法主要專注於使用三維佔用標籤
