新技术趋势下汽车工业中的系统仿真技术

任卫群，杜常清

(1.东风商用车有限公司技术中心，湖北 武汉 430056；2.武汉理工大学，湖北，武汉，430070)

1 引言

二十多年前谈论系统仿真技术与汽车设计制造，那时汽车工业是已经发展到了一个完备自足的状态，所有的研发手段都和整个工业的价值链相匹配，而汽车作为一个以机械为主、带有电子和电控系统的工业产品，从其本身的技术发展上似乎也到达一个系统完整的状态，加之国外汽车作为生活必需品已达市场饱和(尽管当时国内保有量还较低、整个技术水平与国外差距较大)，汽车工业似乎已经是“夕阳工业”。那时对于系统仿真技术在汽车设计制造中应用的研究，主要是缩短与国外先进技术间的差距，如计算机辅助设计(CAD-Computer Aided Design)从二维转向三维、以便使得仿真分析即计算机辅助工程(CAE-Computer Aided Engineering)能够得以实施，以及电控系统的仿真分析及其工具手段逐步成熟化等[1，2]；而对于汽车工业和技术本身，似乎已经到了一个完善的状态、再往前发展的空间和余地已经不多了。

十多年前重新讨论仿真技术，是因为汽车里面已经集成了更多种类的物理系统，从最初汽车仅仅是机械系统(车辆工程一直是机械工程一级学科下面的二级学科)，发展到运用了更多的电子电器系统、液压/气动系统和控制系统。尤其是电控系统发展迅速，从二十年前国外汽车各重要部件上已广泛采用电控系统、到十年前迅速在国内汽车中普及，汽车上几乎所有的总成都带有了电控，主要的电控系统包括动力总成系统电控(发动机电控、自动变速箱电控等)、底盘系统电控(转向、制动、悬架等系统的电控)、车身电子/电控等。随之而来的是电控系统开发和仿真工具也逐渐完善，并且对于汽车整体这个集成了多种不同种类物理系统的综合体，适合采用多领域物理系统统一建模与仿真工具来很好地解决一体化仿真分析问题[3，4]。

最近十多年来，随着新技术的迅猛发展及其逐步应用到汽车领域，汽车工业重新被注入了新的活力。目前在汽车领域被深入研究并日益广泛应用的新技术，被总结为 “新四化”，即电动化、智能化、网联化、共享化；从学科门类上，可以总结为能源动力技术、智能控制技术和信息通信技术。其实这些新技术的发端是在20年前，只是近10年来随着政策与法规的导向和驱动、市场与客户需求的变化、技术发展日益成熟等因素，而逐步落地、日益广泛地成熟化应用和落实到了汽车上。

第一是能源动力技术，就是在以往内燃机驱动的车辆中、越来越多地采用整车级的电力驱动，形成电动化。电动化可以是对内燃机驱动的补充和辅助、形成混合动力，也可以是在适当的应用场景下采用其它能源路线、如纯电和氢燃料电池等动力驱动。随之而来的，在驱动技术方面增加了电机驱动，在动力来源方面增加了电池储能、氢燃料电池能源转化等。新的能源路线为传统汽车的机械工业特色添加了更多物理、化学等领域的新输入，给汽车工业也带来了显著变化。由之带来的对于电动化部件所涉及的新领域的仿真分析，无疑扩大了汽车仿真领域的边界。

第二是智能控制技术，就是在汽车电控技术的基础上引入更多智能控制，并进而产生整车的自动驾驶，形成智能化。事实上在二十多年前整个汽车工业还是传统产业特色的时候，那时候在汽车工业内部已经开始越来越多地用到电控技术，在总成级别上越来越多的控制器为提升总成的性能、进而达成提升整车的性能做出了越来越多的贡献。这二十年来，从整车控制角度，主要是整车的电子电气架构不断进化，电控系统有更加集中的趋势；而从控制技术本身的角度，则是人工智能技术飞速发展，给电控系统带来了新的革命。最新的进展，就是整车控制器逐步局部或全部地替代人类驾驶员，形成自动驾驶。由此带来的传感器和感知模型技术、智能决策技术、控制执行技术等，为汽车工业注入了新的要素，同时也对汽车仿真技术提出了更多更新的要求。

第三是信息通信技术，就是网络和通信技术的发展，车辆与外部的通信、地图与定位、大数据应用等，带来了汽车与外部的更多联结，形成网联化、共享化。这不仅是为汽车感知系统提供了另一种解决方案、能减轻自车感知的负担；更为重要的是，与外部的联结，带来交通运输方式的变革，使得汽车由一个相对完备独立的工业产品，变为了通信的结点，变为了互联互通的交通运输系统的一个组成部分。这不仅对整个汽车工业和交通运输方式产生了深远的影响，而且对于汽车置身于整个完整交通体系的仿真分析提出了更高的要求。并且，伴随着控制技术和通信技术的发展，车内、车外都产生大量数据；而对于数据的分析、处理，及引入数据分析的结果到智能控制系统，都是建模、仿真领域新的阵地，并且越来越多的受到人工智能技术的影响。

2 电动化对仿真技术的需求

汽车的动力技术，是伴随着几次工业革命以及创新技术的逐步成熟化而发展起来的。汽车动力技术产生于前两次工业革命(机械化、电气化)之后，经历了机械化/蒸汽机和电力驱动的变革之后，最后稳定于目前所用的基于卡诺循环的活塞式内燃机，就是现在所说的传统汽车、燃油汽车(后来第三次工业革命即数字化或者说电控化，产生电控技术，促使汽车动力技术不断升级和进步)。事实上在汽车产生的早期就尝试过电力驱动，但受限于当时电力储存和传输技术的限制，最终只产生了有轨或无轨、具有固定电线供电的电车。到上世纪70年代石油危机后，伴随着物理学和化学的研究成果，锂离子电池的储能技术日益成熟，逐渐成功应用于手机并进而发展到电动汽车中；在锂离子电池的成熟化、产业化进程中做出卓越贡献的三位学者，也因此获得2019年诺贝尔化学奖。

整车电动化，目前主要有混合动力汽车、纯电动汽车、燃料电池汽车等三种形式。混合动力是在传统燃油汽车基础上，加上一点程度的电动，电动程度从启停、驱动附件，到弱混、中混直至强混。根据是否外接插电充电，分为非插电式和插电式混动。目前国内分类仅把具有一定纯电续驶里程的插电混动归入“新能源汽车”的范畴，其它则属于“节能汽车”，不过可以把所有具有电动与传统燃油混合的形式都广义地定义为“电动化”。纯电动汽车是单纯以电池储能(目前较为成熟广泛采用的是锂离子电池)、由电机驱动的汽车，不再有传统燃油的内燃机存在，并且车上也不存在产生能量的装置，只是存储和使用电能；燃料电池汽车目前较为成熟的是质子交换膜氢燃料电池汽车，是以氢气为能量来源，在以质子交换膜为电解质介质的结构中发生化学反应、从而产生电能、并通过电机驱动汽车，其中车载燃料电池系统是产生驱动能量的装置，并且通常还要配合以锂电池系统。

在以上整车电动化的三种形式中，产生了区别于以往传统燃油车的关键总成。其中电动化的核心关键总成俗称“大三电”，就是电池、电机、电控。电池主要是目前广泛使用的锂离子电池，其关键技术包括电芯、模组、电池系统(pack)和电池管理系统(BMS-Battery Manegement System)。电机主要是目前广泛使用的永磁电机，其关键技术包括电机本体和电机控制器，其中电机控制器包括功率电子器件(PEU-Power Electronic Unit)。电控是指电动化整车控制器，包括控制器软件和硬件，其中控制器软件主要考虑控制策略(控制算法)方面的仿真需求。以上主要是在纯电和混动车型中的关键技术，考虑燃料电池汽车后还要加入燃料电池系统，其中包括电堆、附件系统、总体系统集成和燃料电池控制系统等。除以上主要总成之外，由于电动化后没有或者不能持续地采用内燃机的动力驱动，因此催生了转向、制动、空调系统的电动化，就是所谓“小三电”，并且小三电与电机驱动控制结合而产生了多合一控制器等形式。

由以上对于电动化整车和关键总成的描述，就可以看出，在传统燃油车基础上，电动化增加了一些完全不同于传统燃油车的系统、形成纯电、混动、燃料电池等解决方案，由此扩充了对于仿真分析的需求[5-8]。在整车设计层面，在进行整车方案设计和关键总成选型的时候，就要对整车性能及关键总成对性能的影响进行仿真分析。由于电动化主要是针对驱动和动力系统，故而首先，需要关注的是整车动力经济性。传统燃油车是输入发动机的扭矩-转速关系(map图)、以及整车动力性或者燃油经济性所对应的工况，然后来仿真分析动力性或者燃油经济性的指标数值。电动化之后的整车动力经济性仿真，就需要加入电机、电池、燃料电池系统等的模型，并在有整车的新能源控制系统所采用的控制策略(控制算法)下，对整车对应工况下的性能进行仿真分析，进而指导设计如何增强动力性、降低能耗(油耗、电耗、氢耗等)。这里产生的最大问题就是，电动化系统的综合性很强，除了传统汽车作为机械系统为主、加上一些电控系统之外，还加入了电机、电池等的复杂物理化学特性(当然传统内燃机系统的详细分析也包括了燃烧、流场等的分析，以及与机械和电控的耦合，也是比较综合的仿真分析)。因此，对于电动化汽车的动力经济性仿真分析，非常适合采用多领域物理系统统一建模和仿真的工具来进行。

其次，是整车还有些其它特性，如操纵稳定性，NVH，可靠性/耐久性，热管理，电磁兼容等，在传统燃油车上的仿真分析方法及手段已经比较完善；加入电动化后，不是像动力经济性那样由于动力驱动系统的完全改变而使得仿真分析产生较大变化，而是电动化会对仿真分析的方法、手段、侧重的方面等产生一些影响，需要去研究和考虑[9-13]。比如电动化会使得整车的重量分配产生变化，从而对操纵稳定性产生一些影响；电动化部件如电机、电动压缩机等的振动噪声特性会有些特殊规律，从而对整车NVH产生特殊的影响；电动化部件尤其像锂电池这样的物理化学期间，其可靠性和耐久性有些特殊规律，从而会对整车可靠性/耐久性产生影响；电动化总成如电机电池等需要冷却和/或加热，对整车热管理提出了新的要求；传统车电器及控制器需要考虑电池兼容的问题，电动化之后增加的高压电器部件对电磁兼容问题提出了更高的要求。这些在仿真方法和手段层面没有大的改变，但是需要注意到电动化部件的特殊规律，在仿真模型的建立、仿真分析的执行、仿真结果的分析等过程中加以考虑。

另外，作为以上整车性能仿真分析的基础，对于电动化关键零部件系统如电机系统、电池系统、燃料电池系统等，其特性研究和建模仿真也非常重要[14-18]。比如，电机和电机控制器，不仅涉及机械和电控方面，对于电机本身的详细分析还涉及到电磁分析、流场及热分析等；电池和电池管理系统(BMS-Battery Management System)，电池本身详细分析涉及电化学分析、流场和热分析等，并且电池的特性还受到其充放电的倍率、原有电量、环境温度等多方面影响，再加上BMS控制策略的综合影响；此外还有充电系统、无线充电系统等其它附件，都是综合性很强的系统。对于电动化部件的建模和仿真分析，要建立在对研究对象本身机理的深入了解，对其物理及化学特性要有定量掌握、有些还需要大量试验积累数据，在此基础上建立能准确反映电动化部件特性的模型，才能更好地用于整车性能的仿真分析。电动化部件的是典型的多领域物理系统，非常适合采用多领域物理系统统一建模和仿真的工具来进行。当然，模型的复杂程度是与分析的目的相对应的，不同层级的仿真分析会用到不同复杂程度的模型。

3 智能化对仿真技术的需求

汽车电子/电控技术，是在第三次工业革命(数字化)之后，基于系统论、控制论、信息论的理论研究成果，伴随着晶体管、集成电路和芯片等的产生发展而发展起来的。电控系统主要有传感器-控制器-执行器三部分组成，其中控制器最为关键，包含了硬件和软件等方面，软件即所谓的控制算法、控制策略受到基础学科发展的深远影响。近年来伴随着第四次工业革命(智能化)的影响，更是融入了更多互联网和人工智能(AI-Artificial Intelligent)技术发展的新成果。在整车上的控制器日益增多后，必须考虑整车电子电器架构(EEA-Electric and Electronics Architecture)问题，逐步由分布式控制器、到域控制器、到中央集成控制器的方向发展。汽车电控系统的开发，除了模型和仿真分析的精度、效率外，重点还有代码的生成及其有效性。所以电控系统的开发，除了采用基于模型的开发方法(MBD-Model-based Development)和基于纯软件的仿真分析(模型在环MiL-Model in the Loop和软件代码在环SiL-Software in the Loop)外，还需要进行硬件在环仿真(HiL-Hardware in the Loop)，即把控制器实物接入整车的计算机模型中进行仿真，考查控制器实物的实时性能、故障诊断等。

在汽车控制技术迅猛发展后，加之智能控制、人工智能技术的迅速发展，很自然就产生了由整车控制来替代人类驾驶员、从而使汽车自动运行的想法[19]。这个想法要能变成现实，得益于几个方面技术的发展作为基础。首先是传感器技术，需要足够稳定可靠的传感器来替代人类的眼耳等感知器官，如毫米波雷达、摄像头、激光雷达等多个传感器，并且传感器本身有其控制系统进行数据的处理，还需要不同的多个控制器的数据进行数据融合，最终构成环境感知模型，才能一定程度地替代驾驶员对环境的感知，并且环境感知技术的实现也越来越受到人工智能(AI)技术的影响，包括视觉、听觉等各个方面的感知技术。其次是人工智能(AI)技术的发展，使得在整车层面的整车智能决策，能够更全面深入地替代人类驾驶员的决策，包括宏观的驾驶行为决策、和微观的运动规划等。第三是需要线控底盘的支持，在驱动、制动、转向等系统中需要有控制执行层面的实现，这方面就要以如前所述的汽车电控系统作为基础。在具备了前述环境感知-智能决策-控制执行这三方面技术实现后，整车就能实现自主自动驾驶，根据国内外通行的标准，智能汽车划分为L0-L5级[20，21]，从完全人类驾驶员(L0)、到驾驶辅助(L1)、部分自动驾驶(L2)、有条件自动驾驶(L3)、高度自动驾驶(L4)、到完全自动驾驶(L5)。

在智能化方面，智能汽车仿真分析的基础，是基于一般力学的基础理论建立起来的整车多体动力学模型，这是在传统汽车的整车操纵稳定性仿真分析中经常用到的仿真分析方法，不过在此基础上又有了新的延伸和扩展，产生了一些新的特点[22]。首先，是在传统的整车动力学模型基础之上，需要加上控制系统的模型，也就是把机械系统的模型和电控系统的模型结合起来，有时还要再加之与作为电控系统执行机构的液力、气动、电力等系统结合起来，这样也是形成了一个高度综合性的多领域物理系统，适合采用在多体系统动力学模型基础上增加电控系统模块的联合仿真方法、或者直接采用更为适合的多领域物理系统联合仿真方法和工具来进行仿真分析。

其次，是由于自动驾驶引入了多种不同的传感器，在智能网联汽车的仿真分析中需要更多地引入传感器的模型来进行仿真分析、并需要更多考虑传感器信号处理和数据融合的算法效果[23-25]。有时甚至可以在控制系统的HiL仿真中直接将实物传感器及其信号、以及传感器所需的控制系统(对传感器信号进行处理的控制器)或其算法导入进来，这样就能考察传感器及其控制系统对整车自动驾驶的影响，例如最直接和常用的是将摄像头的视觉信号直接引入仿真模型中，考察传感器信号处理软件算法的效果、以及通过图像识别形成环境感知模型的效果。此外对于广泛使用的激光雷达系统，需要更多地运用模型化方法考察系统中传感器信号处理算法的效果。

另外，是更多场景的引入，较之传统操纵稳定性仿真分析中广泛采用的虚拟试车场(VPG-Virtual Proving Ground)方法，自动驾驶的仿真分析引入了更多实际车辆使用时的典型场景、并形成典型场景数据库，用于自动驾驶车辆的仿真分析及虚拟评价[26-28]。这里的重点是场景不仅包括了典型的试验测试工况、而且包括了自动驾驶更为关注的正常交通环境加以典型化形成的更为丰富的场景库。这些丰富的场景库可以更好地用于校核环境感知、智能决策和控制执行等各个环节的效果；尤其是在广泛使用人工智能AI算法之后，AI算法如机器学习与深度学习依赖于场景及驾驶员反应的数据积累，AI算法效果的验证也更依赖于丰富场景下各种不同的工况。

4 网联化与共享化对仿真技术的需求

随着信息通信技术的发展，车辆更多地产生了与外部的联结，在空间无线通信网络的基础上，形成了V2X(Vehicle-to-x车与其它)，包括V2V(Vehicle-to-vehicle车与车)、V2I(Vehicle-to-infrastructure车与基础设施)、V2N(Vehicle-to-net车与网络)、V2P(Vehicle-to-pedsdtrian车与行人)等。此外，车辆与外部的联结关系，还包含了一层，就是在地图和导航信息基础上，形成了车辆定位和导航技术，可看做是V2X的延伸和扩展；同时，高精度地图和高精度定位技术本身，也需要依赖于信息通信技术本身。以上这些车与外部联结的信息，第一个层级是网联信息提供给驾驶员、此时仍由驾驶员控制；第二个层级是网联信息直接提供给车载控制器，并参与到与车载传感器的信息融合，作为车载控制器进行自车决策与控制的输入，从而大大减小自车传感器的负担，此时由驾驶员和自动驾驶系统控制；第三个层级则是更进一步形成各交通参与者之间的协同决策与控制，此时由驾驶员和自动驾驶系统控制，形成整个交通网络的协同控制决策、形成真正的智能运输系统(ITS-Intelligent Transportation System)[29]。根据国内形成共识的划分，网联汽车划分为L1-L3级[30]，从网联辅助信息交互(L1)，到网联协同感知(L2)，到网联协同控制决策(L3)。

首先，在网联化方面，网联汽车的仿真分析，需要将整车的动力学与控制相结合的模型，与通信系统的模型结合起来，考虑网联和通信方面的特性对于整个智能网联汽车的影响、以及而对于整体交通运输系统的影响，进而发展到通过云控系统实现网联协同控制决策[31-，37]。这里广义的网联和通信技术，也包括了高精度地图和高精度定位技术。这种对于网联汽车的仿真分析，就是要在智能汽车仿真分析的场景库中，加入网联与通信、高精度地图与高精度定位等，考察这些要素对于网联汽车、乃至交通运输系统的影响。对于网联化V2X的仿真，就是要在智能化汽车模型(包括其控制系统)及场景库基础上，加入自车之外其它汽车发来的网联通信信息(V2V)、基础设施对车发送的信息(V2I)、行人对车发送的信息(V2P)、以及地图和定位信息等，考察这些通信信息对车辆的影响。作为V2X的典型应用，卡车的网联协同编队(Platooning)具有非常重要的意义，国内外进行了很多关于卡车网联协同编队的仿真分析[38，39]。对于卡车网联协同编队的仿真，首先是不同车辆的控制系统通过网联信息进行联结，这些网联车辆及其控制系统的仿真对于编队效果、安全性影响等的虚拟评估都具有重要的意义；其次是网联协同编队可使得车辆间的距离在保证安全的条件下缩到最短，从而改善车队行驶时的外部空气动力学性能、有效降低风阻从而降低油耗(降低CO2排放)，这对于整个车队乃至整个交通运输系统的燃油经济性(及降低CO2排放)都有重要意义，仿真分析在该研究中的意义重大；再次也是最为重要的，是对于整个交通系统进行仿真分析、包括对于其中包含的多个通过网联信息联结起来而协同工作的车辆进行仿真，这对于优化设计整个智能运输系统、从而提高整个交通系统的运输效率及有效降低整个交通运输系统的油耗(降低CO2排放)，都具有非常重要的意义。

其次，在大数据方面，伴随着电控技术、智能化、网联化的发展，产生了大量数据；其中也包括由于网联化而产生的一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合、就是所谓的大数据[40-43]。对于这些数据(乃至大数据)的分析和处理，需要建立模型、研究算法，这也是广义仿真分析的范畴。传统的数据分析采用统计分析为主的方法，试图发现大量数据中存在的规律，揭示数据间的相关性，从而使数据分析和处理能创造出更多价值；在网联环境下，对于大数据的处理，又发展了边缘计算等新的算法思路。人工智能(AI)技术的发展，也给大数据分析和处理带来了新的方法和手段，如机器学习、深度学习等。此外，在这种事后的、离线的数据分析之外，伴随着数据处理速度的提高，还产生了实时的、在线的数据分析和处理技术，将实时数据处理的结果直接引入汽车中的控制系统、对控制策略进行优化，从而进一步提高汽车的性能。

另外，在共享化方面，网联化的发展，也给交通运输行业带来了新的改变，形成了所谓共享化的交通运输模式改变。网联化，使得运输对象(人、货物等)和运输工具(汽车，以及飞机、轮船、火车等)之间产生了联结，从而彻底改变了传统的出行方式和运输方式，使得交通运输作为一种服务、更注重端到端的整体化一站式服务；而共享化，就是为这种服务提供了工具和载体。对于人员交通出行，确定了起点和终点，就可以通过网联化和共享化来定制多种交通工具的无缝连接，构成整体的出行服务体系；对于货物运输，确定了起点和终点，就可以通过网联化和共享化来匹配运输工具、以及实现多种运输工具的无缝连接，构成整体的运输服务体系。作为网联式共享化交通运输服务体系的技术支持，是所谓的MaaS(Mobility as a Service 移动即服务)技术[44]；而MaaS技术的实现，需要依赖于仿真分析技术，将人-车(以及其它交通运输工具)-路-网进行综合考虑，对完整的交通运输体系(智能运输系统ITS)进行综合性仿真分析，从而为系统的设计和控制提供支持，最终实现真正的交通运输系统的智能化服务。

5 智能制造对仿真技术的需求

伴随着汽车设计领域的三维计算机辅助设计CAD和计算机辅助工程CAE技术，在汽车制造领域也同时出现了计算机辅助制造CAM(Compter Aided Manufacturing)和计算机辅助过程规划CAPP(Computer Aided Process Planning)。CAM的重点是基于三维CAD模型来进行单个零件加工制造的设计和仿真，从而生成针对加工这个零件的数控设备的刀具加工轨迹及数控设备的控制程序(狭义CAM)；而CAPP的重点是零件的整体加工制造过程的工艺规划，重点在于加工流程的设计和仿真。作为CAM和CAPP的基础，就是出现了制造加工的数控设备，这也是第三次工业革命(数字化或者说电控化)在制造领域的重大影响。基于数控技术，加上CAD/CAM/CAPP技术的广泛应用，再加上对物料进行管理的管理信息系统(MIS-Management Information System)，构成了计算机集成制造系统(CIMS-Computer Integrated Manufacturing System)，从而形成了初步的数字化制造系统、可看成智能制造技术的初级阶段。这样一个体系对于仿真分析的需求，涵盖了单个零件加工方法的仿真、数控设备的仿真与控制系统设计、零件加工过程的仿真、物料流动和生产排程及加工节拍的管理与仿真、工厂布局和所有零件整体加工制造体系的管理与仿真，等等。

伴随着第四次工业革命(智能化)，也给制造技术带来了网联化和智能化的影响[45，46]。一是网联化的影响，基于物联网IoT(Internet of Things)技术发展了“互联网+”制造，网络将人、流程、数据和事物(包括设备、物料、相关环境等)连接起来，形成企业内/企业间的协同及与社会资源的共享与集成。二是智能化的影响，基于人工智能(AI)技术的发展，先进制造技术与新一代人工智能技术深度结合，使系统产生更强的“学习”能力，使制造领域的知识产生、获取、应用和传承效率发生革命性变化，形成真正意义上的智能制造。智能制造技术是基于最新的传感技术、移动通信技术、云计算技术、大数据技术、基于AI应用的分析技术、安全技术(功能安全、信息安全等)等等而形成的，对仿真分析提出了更高的要求。

在智能制造日益发展成熟的背景下，对于制造系统和管理系统的建模和仿真分析也迅速发展起来[47，48]。首先，是网联化带来的制造过程及设备的网络化管理，需要通过仿真分析手段，对于通过网络相连接的流程、数据、人、设备、物料、相关环境等的运营效果进行仿真分析；其次，是运用智能化所带来的先进工具和手段，对以上各个方面的运行效果进行分析，并形成对制造系统的质量、效率、成本等的全面评估和确认；另外，对于制造系统及设备的实际运行进行网联化监控，并根据监控数据及进一步的仿真分析，来实时调整制造系统的参数设置、物料流动的管理、设备运营维护及维修的计划等等，从而形成智能化和预见性的运营、制造、设备维护/维修等。智能制造的全方位有效实现，更离不开高复杂性、高可信度、高效率的仿真分析技术了。

6 总结

汽车新技术的发展，表现为基于能源动力技术发展的电动化趋势、基于电控和智能控制技术发展的智能化趋势、及基于网络和通信信息技术发展的网联化和共享化趋势。电动化带来整车燃油经济性的改变，并影响到整车其它性能，还有电动化的关键总成和零部件，都需要仿真分析技术有新的应对。智能化基于传统的整车动力学，并加入更多电控及传感器技术、人工智能技术和多场景评估，需要仿真技术有新的应对。网联化和共享化基于网络和数据通信信息技术，也对仿真分析提出了新的需求。此外，电控化、网联化、智能化也体现与制造技术的升级，形成了真正的智能制造技术，也对仿真分析提出了新的需求。这些都促进和推动了仿真分析技术不断发展，不断适应和满足新的需求。