我们也对于自动化的体系非常感兴趣。比如说自动巡航控制，交通友好型的ICC的控制，这些都是我们未来的想法。我们下面来看看模型。这是一个实验室的模型，是一个基于组件的模型，所有的企业都有一个油门，之后有一个进气气管，有燃料的注射器、喷油器，我们目前也正在开发很多物理的模型。还有火花提前，动力总成，看起来非常简单。我想通过这样一个示意图跟大家介绍一下有很多汽车公司他们已经购买了自己的组件，从供应商那里购买。他们也许会从一个公司购买油门器，从另外一个公司购买注气管。他们会有一些是自己做的，还有一些是OEM的，他们想要控制所有体系，他们想让自己生产出来的汽车拥有自己的特性。他不会让所有供应商做系统设计。这也是为什么在我们看来不同品牌的汽车有自己不同的特点。我们还需要考虑扭矩转换器、驱动轴和整车的情况、变速器的情况。动力总成是一个非常重要的模型，要建模并不是特别简单，但是对于我们来说，我们在建设模型的时候必须是可以实时的在使用。我们在设计控制系统的时候，必须要确保这个模型的使用非常简单。却能够涵盖所有我们关注的点。这也是为什么动力总成的建模不仅是一种科学，还是一种艺术。

　　我们会有一些物理模型，基于化学里物理之上。比如说能量守恒定律，这个模型非常复杂。这种物理模型往往会涉及到很多的等式，它有可能会跟现实情况不符。另一方面，我们也会开发出来一些黑盒子的模型，实验和验证模型。他们要做很多实验，这些参数非常巨大。但是他们在某种特殊工况和某种特殊发动机范围之外，这种实验室的模型几乎是不可适用的。所以对于动力总成，对于发动机，以及变速箱来说，这种事证性的模型有时候会存在很大的局限性。我在这里称之为综合的灰盒子的模型。这种模型是我们希望建立的理想模型。我们希望能够将物理模型和实证模型找到一个完美的结合点。尤其是建造动力总成模型的时候是一个非常好的例子。

　　这里有不同参数、不同组件，我们在实验中要提到很多的参数，对于这样的模型来说我们需要制订非常多的参数，这种参数可能要达到数百个，这些参数还会不断变化，还需要不断增加。但是这种模型对于这种工况、这种实验条件以外的其他情况很少适用。面对这种情况我们需要做什么？这是一个物理模型的例子，非常类似。我们可以做一个质量的平衡计算。可以计算脉冲效应和其他现象。也可以计算一下空气流动以及燃料的注入、喷油的情况。还可以计算一下它的能量守恒情况和能量平衡情况。对于这两种非常简单的模型来说，我们可以在一方面有着非常完整的物理模型，另一方面有着非常完整的实证性的模型。但是对于两种模型来说，他们都存在着不同程度的局限性。我们会在这个地方看到有很多的汽车公司已经开始在考虑，我们如何能够将实证模型、固定模型完美的结合，也就是我所称之为的灰盒子的模型。

　　这是一个很简单的例子，很多人使用的模型都是6个气缸，在这里我不用担心每一个气缸的情况。这里有一个喷油器，有多少燃料是蒸发掉了，还有多少是进入到气缸了。如果这么计算，看起来很简单，但是确实很复杂。这是直接流量，来自于油门的蒸发量。这是时间的常数，在油进入到气缸的时间之后的常数。我们对这个整式进行不断扩展。在汽车实验中纳入整个参数。对燃油的注入进行计算。这里是一个疲劳值，这里是一个注入阀值。这是一个燃料的运输和燃料传输的模型。我们可以理解校准人员的工作负担在日益的加大。八十年代的时候他们只有八个实验室的参数在进行校准，九十年代的时候已经到达了120，2000年的时候实验室校准的参数达到了600个，2010年已经超过了5000个。这也证明了我们内存的规模需要不断增大。现有的PC，尤其是对于很多汽车的微处理器来说，他是落后于PC的微处理器。我们需要考虑在未来校准工作量越来越大，越来越复杂。有一些汽车厂商会从不同的供应商那里获得不同组件，不同型号的组件，他们希望这些组件的输入输出可以用模型加以利用。他们有来自自己内部的模型，但是公司里面还有一些人需要将不同的模型进行组合，这样他们能够对系统进行整合。他们可以对消费者来说，这个车是来自于我的，不是来自于供应商的。

　　验证与核查是非常有趣的，对于核查来说，建造过程是不是正确的，建造的是不是正确的东西，在谈到动力总成的时候，我们谈到的是软件，我们要问的是软件版本是不是正确。对于核查的过程来说，我们需要了解的是，我们是不是建立的是正确的。验证意味着我们是不是建立的东西是正确的。核查意味着我们建造的过程是正确的。所以对于验证和核查来说，我们必须要综合考虑。尤其对于动力总成控制来说这是非常必要的。

　　我们如何来做V模式的方法。他花很长的时间，如果刚开始我们要做错的话，我们重做非常复杂。这里有一些控制的算法。但是我们还需要生成软件，需要了解机器的代码，之后我们还需要来核查所有的软件，我们需要做软件工程师核查的工作。要了解这个地方发生的事情正是我们的控制设计师想让他发生的事情。无论他是一个简化的模式与否，一旦核查之后，我们就要说，下面我们让校准的工作人员做校准。之后我们会验证，看看我们的东西是不是管用的。如果不管用的话，我们要重新开始。对于动力总成工程师来说，这是一个长期的过程。这是我们目前也正在考虑如何能够进一步加快整个流程。我们来看一看我们是不是能够提出一种控制的模型。同时，我们也能够来建造一种基于模型的控制器。在这个模型的过程中一直会担心代码的生成、目标代码的生成。但是通过这样一种简化我们可以通过V&V的方式来进行去有回录的设计。在去有回录的过程中我们需要一个圆形的系统，能够模拟圆形处理器。通过这样一种模拟模型可以做模拟过程，之后将它输入到真正的软件中，无论是什么样的计算机的辅助系统，都可以同时来进行软件实施的回录和设计回录。这是一种非常有用的模型，最后我们会做一个总的测试，也可以通过这样测试的结果同时进行开发的工作。

　　这张幻灯片非常拥挤，但是我们通过这样一种设计可以在早期的时候对模型进行简化。首先要进一步的减少参数的空间。另一方面，需要在做简化的时候需要减少工厂的定单数。另外，我们还需要打造一种灰盒子的模型。最后，还需要设计工程模型用于MBD的工作流。这种工作流必须最大限度的减少校准工作量。在完成了这个模型简化的第一阶段的工作之后，我们需要做的就是来建造这个模型。在建造出来这个模型之后，我们需要对这个模型进行核查。在核查的过程中，我们需要不同核查人员参与，来了解不同软件的有效性。我们需要注入一些数据对模型进行核查。这是我们做的核查的步骤。还有整个设计和控制系统的不同流程图，之后我们也会通过虚拟硬件来做验证的工作。这里是控制器，是一种基于模型的控制器。它希望现在很好的利用这些基于模型的控制器，我们通过这种控制器能够较大的简化工作，也能够做目标代码的生成工作。这些软件的核实进行硬件的校准。之后，进行硬件的验证，在发动机上的硬件的验证。

　　这里是参数空间的简化，通过控制灵敏度的分析，我们来模拟微小变化造成的影响对于控制目标函数带来什么样的影响。我们可以看到，这是白盒子和黑盒子的模型。我们如何将这个模型进行综合来得出灰盒子的模型。这种灰盒子的模型对于过程的简化是非常有利的。将这两种模型加总，就能够得出来一个系列性的灰盒子的模型。这是公式的演变。这是一个灰盒子模型的例子，这是冷启动的流程。我们伯克利在过去几年中和丰田做联合的实验，刚开始的时候也犯了一些错误，有一些参数选择并不是十分正确。我们现在已经做了一个非常简单的模型。绿色的是灰色模型，蓝色是白盒子模型。我们在做白盒子模型发现了这些模型的问题之后，对其进行了修整，最终通过灰色模型，我们看到最终是得到了一个更好的曲线走势。

　　我们需要对一个选中准备的模型进行线性化，之后我们要找到一个变换的矩阵，首先我们要对其中一个选中阶段进行线性化。之后对整个系统进行变化，X将它设为T和V。在第二个步骤的时候，在做转换矩阵的时候，T有什么样的要求？主要是有几个变量。在C的坐标处，他到底对你的控制影响是多少，整个系统的状态在什么程度，观察性有多少，对于系统的状态有多大影响。你需要这两边能够达到一个平衡。在这样的分析中他可以告诉你一个非常正确的顺序。现在C领域在什么样的状态，对你的控制有什么样的影响。在其他的部分，系统处于什么状态，这些都是非常重要的。我想把这些状态进行分析，我对它有一定的控制，这对于输出有一定的影响。我希望能够把这个系统进行分离，把这两个数值分成大值和小值。我再用Z和Y，为什么我们需要这个分离，我们需要创建出一个线性的模型。回到非线性的模型里面去。这是我们找到的非线性模型。它是非常复杂的。我们之前也见过这个模型。这是控制基础之上的一个系统。我们可以看到有系统控制器、速度控制器、喷油系统。点火提前、尾气温度衡量，我需要把这些部门控制来减少尾气的排放，这解决我们研究的目的。我们曾经做过完好性模型的测试，这里不是物理性的状态，是Z4和Z5，但是我们也进行了一些控制方面的平衡分析。不是0，但是他是一个非常小的值。这些部分是5态的系统，和3态系统进行对比。这是我们最具体控制模型的状态，发动机的速度、尾气的温度都在里面。在冷启动的状态下，我们如果需要来控制在尾气中出现的氮气化物的值，我们还是可以通过这个模型来实现这样一个计算和验证的准确性和效率。我们可以来控制在尾气中的量。我们可以只使用我们的空气器来把这部分加热。所以我认为这就是两边的平衡。他得出来的答案完全可以达到我们刚才提过的主题。这就是系统的非线性控制模型。这是我们现实的状态，这里有常态的模型和简化状态的模型。我们可以看到它是非常完美的。我们暂时不能了解到尾气的温度，也就意味着在Z4和Z5的状态要先仍出去。我们只需要考虑他对于真个催化剂的转化就可以了。但是这是一个非常复杂的过程，这个过程中很可能会犯一些错误。但是这是另我一个案例。我们可以非常清楚的看到碳氢化合物的量。