车辆电磁安全测试方法、装置、存储介质及程序产品与流程

摘要: 本技术涉及车辆测试,具体而言,涉及一种车辆电磁安全测试方法、装置、存储介质及程序产品。背景技术:1、随着新能源汽车产业加速向电动化、网联化、智能化深度转型,智能...
车辆电磁安全测试方法、装置、存储介质及程序产品与流程

本技术涉及车辆测试,具体而言,涉及一种车辆电磁安全测试方法、装置、存储介质及程序产品。

背景技术:

1、随着新能源汽车产业加速向电动化、网联化、智能化深度转型,智能网联汽车的电磁兼容性问题已从传统的“电子设备互不干扰”基础合规要求,升级为直接关系到行车功能安全与驾乘人员生命健康的核心技术命题。目前的整车电磁兼容测试仍以电波暗室内的标准化测试为核心手段,依据iso 11451系列、gb/t 33012系列等标准,测试场强通常设定为30v/m、50v/m等离散固定值,干扰信号样式以连续波(cw)、调幅波(am)等理想化数学模型为主。然而,我国典型城市交通枢纽、高速公路服务区等场景的实际电磁环境具有时空动态性、频谱交叠性及调制复杂性,其平均场强及瞬时峰值往往远超实验室标准值,导致通过实验室认证的车辆在实际道路中仍可能出现因电磁干扰诱发的功能异常。

2、为了弥补实车路测成本高、周期长、风险大的缺陷,基于数字仿真的电磁兼容预验证技术得到快速发展,但相关技术在场景生成能力、功能安全与电磁安全的解耦验证以及场景知识沉淀方面存在显著缺陷。首先,现有数字信号模型库依赖人工构建,模型种类有限且参数范围固定,无法根据被测车辆的电子电气架构、传感器配置及功能逻辑进行自适应、对抗式、高覆盖度的场景衍生,导致仿真场景与真实危险场景之间存在“分布漂移”,大量低概率、高后果的长尾风险场景被遗漏。其次,现有测试系统往往将电磁干扰注入与智能驾驶功能表现作为两个独立环节处理,无法在同一框架内闭环验证电磁干扰对智能驾驶功能的影响及车辆的动态响应。最后,相关技术方案尚未将大规模实采的道路电磁环境数据与智能驾驶功能失效案例进行系统性关联分析,未能建立能够系统化采集、表征、复现典型道路电磁环境工况的测试场景体系,缺乏可复用、可溯源、可进化的结构化测试资产,难以实现从“被动符合性验证”到“主动风险挖掘”的测试范式跃升。

3、针对上述的问题,目前尚未提出有效的解决方案。

技术实现思路

1、本技术实施例提供了一种车辆电磁安全测试方法、装置、存储介质及程序产品,以至少解决相关技术中测试场景生成能力不足、无法自适应生成高覆盖度高风险测试场景,同时也无法实现电磁干扰与车辆功能动态响应闭环验证的技术问题。

2、根据本技术实施例的一个方面,提供了一种车辆电磁安全测试方法,包括:获取车辆行驶环境的多源数据,并依据多源数据,构建电磁关联知识图谱,其中,多源数据用于表征车辆行驶环境中的电磁分布及车辆运行状态,电磁关联知识图谱用于表征电磁干扰与车辆功能的失效事件之间的关联关系;对电磁关联知识图谱中的失效事件进行因果归因分析,得到因果关联信息,其中,因果关联信息用于表征电磁干扰与车辆功能失效之间的因果逻辑关系;采用数字孪生模型,以因果关联信息作为先验知识进行对抗博弈,以生成目标测试场景数据,其中,目标测试场景数据用于表征电磁干扰参数与交通环境参数耦合的测试条件;依据目标测试场景数据,对被测车辆进行电磁安全测试,得到测试结果。

3、可选地,多源数据通过多类传感器采集得到,多源数据包括以下至少之一:电磁场强数据、线束传导干扰数据、车辆总线状态数据、智能驾驶感知数据、时空定位数据、通信频谱数据;依据多源数据,构建电磁关联知识图谱包括:对多源数据进行标准化处理及数据对齐处理,其中,标准化处理用于统一数据格式、量纲及坐标基准,数据对齐处理用于将多源数据中的异步数据流对齐至统一的时间基准;从经过标准化处理及数据对齐处后的多源数据中,确定满足预设触发条件的失效事件,其中,预设触发条件包括以下至少之一:智能驾驶功能降级或退出、总线错误帧率超出预设阈值、传感器数据异常、电磁场强变化率超出预设阈值;提取多源数据中与失效事件相对应的时间窗口内的关联数据;将失效事件以及关联数据所表征的关联实体作为图数据库节点,并建立图数据库节点之间的语义关联关系,以形成电磁关联知识图谱。

4、可选地,对电磁关联知识图谱中的失效事件进行因果归因分析,得到因果关联信息包括:从电磁关联知识图谱中提取与失效事件关联的多模态数据,其中,多模态数据包括以下至少之一:时序数据、视觉数据、文本数据;分别对不同模态的多模态数据进行特征提取,得到各模态对应的特征表示,并通过交叉注意力机制对各模态对应的特征表示进行融合,得到融合特征;采用多模态模型,对融合特征进行因果推理,得到因果关联信息,其中,因果关联信息用于描述干扰源、耦合路径、敏感设备及功能失效模式之间的因果逻辑关联,多模态模型是利用包含干扰现象和归因结论的标注数据对初始模型进行低秩适配微调训练得到的。

5、可选地,采用数字孪生模型,以因果关联信息作为先验知识进行对抗博弈,以生成目标测试场景数据包括:构建包含功能模型、电气模型及电磁降阶模型的数字孪生模型,并将数字孪生模型初始化至预设运行状态,以作为对抗博弈的仿真推演环境,其中,功能模型用于模拟车辆动力学及智能驾驶响应,电气模型用于模拟线束电磁耦合特性,电磁降阶模型用于计算车内电磁场响应;依据因果关联信息,配置攻击方与防御方的对抗博弈参数,其中,对抗博弈参数包括攻击方的动作空间、防御方的动作空间、状态空间、及奖励函数,攻击方的动作空间包括电磁干扰参数及环境参数、防御方的动作空间包括维持车辆正常功能的控制参数,奖励函数用于根据车辆功能失效状态分布计算攻击方和防御方的奖励值;基于对抗博弈参数,执行攻击方与防御方的对抗训练,其中,对抗训练用于通过攻击方与防御方在数字孪生模型中的迭代博弈,确定导致车辆功能失效的电磁与功能耦合条件;提取对抗训练过程中导致车辆功能失效的对抗轨迹数据,并依据对抗轨迹数据生成目标测试场景数据,其中,目标测试场景数据包括以下至少之一:车辆初始状态参数、交通流描述参数、电磁干扰注入脚本、预期失效模式。

6、可选地,基于对抗博弈参数,执行攻击方与防御方的对抗训练包括:在对抗训练过程中,由攻击方基于策略网络根据数字孪生模型的当前状态选择干扰动作;由防御方将干扰动作输入数字孪生模型进行仿真推演,输出车辆功能响应结果及下一状态;根据车辆功能响应结果计算奖励值,并依据奖励值更新策略网络的网络参数,重复上述对抗训练过程直至满足预设终止条件。

7、可选地,依据目标测试场景数据,对被测车辆进行电磁安全测试,得到测试结果包括:将目标测试场景数据解析为硬件控制指令,其中,硬件控制指令包括以下至少之一:车辆承载装置控制指令、虚拟交通流初始状态指令、电磁干扰注入脚本;通过同步控制器输出同步信号,触发车辆承载装置、虚拟交通流仿真系统按照硬件控制指令同步运行,其中,车辆承载装置用于承载被测车辆并模拟道路负载工况,虚拟交通流仿真系统用于渲染虚拟交通场景并向被测车辆注入虚拟传感器信号,以及依据被测车辆输出的控制指令更新虚拟场景;在车辆承载装置驱动被测车辆运行,且虚拟交通流仿真系统已向所被测车辆注入虚拟传感器信号的情况下,控制电磁干扰注入系统向被测车辆施加与电磁干扰注入脚本对应的电磁干扰;监测被测车辆的功能响应及车内电磁状态,判断是否发生功能失效,得到测试结果。

8、可选地,在得到测试结果之后,方法还包括:依据测试结果生成测试报告,其中,测试报告包括以下至少之一:失效模式、干扰注入参数、车辆响应数据;将测试报告作为训练数据回传至用于进行因果归因分析的多模态模型以及用于执行对抗博弈的策略网络,以更新因果关联信息的提取及目标测试场景数据的生成。

9、根据本技术实施例的另一个方面,还提供了一种车辆电磁安全测试装置,包括:图谱构建模块,用于获取车辆行驶环境的多源数据,并依据多源数据,构建电磁关联知识图谱,其中,多源数据用于表征车辆行驶环境中的电磁分布及车辆运行状态,电磁关联知识图谱用于表征电磁干扰与车辆功能的失效事件之间的关联关系;因果归因模块,用于对电磁关联知识图谱中的失效事件进行因果归因分析,得到因果关联信息,其中,因果关联信息用于表征电磁干扰与车辆功能失效之间的因果逻辑关系;对抗生成模块,用于采用数字孪生模型,以因果关联信息作为先验知识进行对抗博弈,以生成目标测试场景数据,其中,目标测试场景数据用于表征电磁干扰参数与交通环境参数耦合的测试条件;测试执行模块,用于依据目标测试场景数据,对被测车辆进行电磁安全测试,得到测试结果。

10、根据本技术实施例的再一方面,还提供了一种非易失性存储介质,非易失性存储介质包括存储的计算机程序,其中,非易失性存储介质所在设备通过运行计算机程序执行车辆电磁安全测试方法。

11、根据本技术实施例的再一方面,还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现车辆电磁安全测试方法的步骤。

12、在本技术实施例中,采用获取车辆行驶环境的多源数据,并依据多源数据,构建电磁关联知识图谱,其中,多源数据用于表征车辆行驶环境中的电磁分布及车辆运行状态,电磁关联知识图谱用于表征电磁干扰与车辆功能的失效事件之间的关联关系;对电磁关联知识图谱中的失效事件进行因果归因分析,得到因果关联信息,其中,因果关联信息用于表征电磁干扰与车辆功能失效之间的因果逻辑关系;采用数字孪生模型,以因果关联信息作为先验知识进行对抗博弈,以生成目标测试场景数据,其中,目标测试场景数据用于表征电磁干扰参数与交通环境参数耦合的测试条件;依据目标测试场景数据,对被测车辆进行电磁安全测试,得到测试结果的方式,通过构建电磁关联知识图谱提取电磁干扰与车辆功能失效的先验知识,利用数字孪生模型进行对抗博弈生成电磁与功能耦合的测试场景,并在虚实融合测试平台中对被测车辆进行闭环电磁安全测试,达到了自主挖掘高风险测试场景并实现电磁干扰与车辆功能动态响应闭环验证的目的,进而解决了相关技术中测试场景生成能力不足、无法自适应生成高覆盖度高风险测试场景,同时也无法实现电磁干扰与车辆功能动态响应闭环验证的技术问题。