无人驾驶汽车系统可靠性面临巨大挑战，传统经验不再适用

hua818



互联网时代，很多设备都具备了联网的可能，越来越多的设备或者系统也变得越来越强大。事实上，绝大多数公司可能在简单硬件产品的可靠性方面拥有成熟的经验，但自动驾驶汽车的系统可靠性面临的问题却截然不同。这时，如果我们仍然按照旧的经验来开展系统可靠性工作，那么最终的结果已经不容乐观。

- 莫什

如何提高无人驾驶汽车系统的可靠性？

传统的硬件可靠性比较简单。基本的打法和套路还是可以找到很多参考的，也有很多方法论和经验可以参考。很多产品其实依靠最基本的环保测试就可以满足企业的需求。

随着物联网的快速发展，我们突然发现硬件以外的软件占据了很大的工作量，而这部分在企业中并没有得到太多的重视。在实际工作过程中，它只是延续了传统的软件开发流程，只是一个质量保证体系。即使后来过渡到敏捷开发体系，也没有实质性的提升。

也许有人会说，虽然汽车行业对硬件可靠性的处理方式比较单一，就是通过稳健耐用的方法来保证硬件产品的可靠性水平，但他们对ECU也做了很多硬件功能稳定性测试，特别是使用HiL 系统。模拟产品的工作环境和可能出现的故障情况，保证硬件产品的可靠性水平。

非汽车行业的人，甚至汽车行业非ECU的人，可能不太了解HiL系统。硬件在环（HiL）实时仿真测试使用真实的控制器，使用实时仿真模型来模拟受控对象或系统运行环境，或者使用一些真实对象来进行整个系统仿真测试。从安全性、可行性和经济性的角度来看，HiL测试已经成为ECU开发过程中非常重要的一部分。可以有效提高ECU的软件质量，同时减少实车道路测试次数，缩短开发周期，降低成本。减少 ECU 控制功能的潜在风险。

HiL系统看起来还是很高端，而且似乎很有效。但现在普遍存在的问题是，基本上都是通过硬件的真实信号模拟来实现的，但信号覆盖范围还存在一些限制，这意味着无法实现全覆盖。另外，经验将很大程度上决定硬件信号模拟的效果。基本上是在硬件测试过程中根据输入和响应要求进行实时判断，监控功能是否满足要求。无论硬件信号覆盖范围如何，由于续航测试的时长基本都是从1000小时开始，因此测试过程中的数据量巨大。然而，即使在测试之后，也基本上没有对这些数据进行实时分析。无法有效地处理相应的数据。更好的是使用简单的Excel或工具初步筛选出很少需要确认的信息。然而，很多企业实际上并没有对这些数据进行深入分析。基本上，它被简单地忽略了，这是遗憾的。也许有人会说，你自己看不出来。这其实不是你想不想的问题。数据量巨大。也许实验完成后，一个人的全职数据分析工作一个月是无法完成的，所以他们不会去做。 。

对于自动驾驶来说，雷达和摄像头的输入信号已经无法通过硬件进行模拟，因为它们传输的是二维动态数字信号，必须通过软件模拟环境来实现。也就是说，现有的HiL系统实际上无法支撑自动驾驶的测试需求。这是一个巨大的商机，一旦实现，基本上就可以占领大部分市场。

事实上，如果你是一名互联网软件开发人员，这其实是一个非常轻松的工作。开发一个好的工具来进行实时分析，可以分析关键特征参数的变化以及多个参数之间关系的退化。 。因此，如果你在HiL数据分析方面做得不好，你可以考虑如何开展进一步的工作。

当然，仅仅做到这一点对于自动驾驶来说其实是非常基础的，还远远不够。

我们来谈谈自动驾驶系统的可靠性评估方法。

首先，对于复杂的系统一定要做日志记录和分析，否则是不会成功的。这意味着关键部件本身需要具备日志能力，系统软件也可以根据需要进行日志记录（分为研发和用户两种模式，以适应不同阶段的需求）。硬件日志记录和故障诊断并不困难，现在已经广泛使用，而软件日志记录也已被广泛使用。现在的关键是，两者结合的经验很少，真正成功的也不多。也许更成功的应用可以参考民航行业。

自动驾驶的数据量巨大，需要日志分析更加强大，并且尽可能实时分析结果。对于测试，可以进行实时监控、统计和分析，事后还可以根据历史日志文件进行相应的统计分析。这时就必须考虑实时分析的效率。另一个是它必须能够对所有关键参数进行实时分析和图形显示。最终的目标是根据日志分析获得产品的系统可靠性等级。与硬件可靠性相比，这可以称为系统可靠性或系统稳定性或软件可靠性水平。与传统硬件可靠性相比，这将是一个重大改进。突破。

一旦做到了，下一个挑战就是根据日志分析结果进行故障诊断和健康预测。这时我们发现我们又回来了。我们必须根据硬件的故障机制和大量数据进行建模。当然，说到大数据，我们已经可以基于机器学习来辅助建模，但最关键的是模型的验证和改进。一旦实现，它将成为确保无人驾驶汽车可靠性的有力工具。

HiL针对的是组件层面，目前自动驾驶同行的做法是不断积累正式里程。实现这一目标的方法是让N超过10%并整天在外面跑步。但这种做法其实更多的是针对异常情况的积累。与实验室相比，你无法想象现场会发生什么，对常规场景基本贡献不大。最好在实验室建立一个标准场景来进行测试。效率会比现场测试高很多，而且成本至少低。一个数量级，而且不会有安全隐患，同时可以大批量测试。

传统汽车基本上都是利用嵌入式软件来实现相应的功能，但自动驾驶则不同。相应的功能是通过系统上的应用软件来实现的。对于嵌入式软件来说，基本上不可能进行自动化软件测试。但由于自动驾驶是基于特定系统的，因此可以通过开发自动化测试软件来完成软件的自动化测试，从而在软件开发的早期阶段就可以进行可靠性测试。这时，HiL系统就可以取消了。测试设备成本大幅降低，可以进行大规模测试，发现大样本的软硬件潜在缺陷。这种方法已经在复杂的系统产品中得到了成熟的应用，应用于汽车行业也只是时间问题。

看起来有点混乱。我们简单罗列一下无人驾驶汽车可靠性的一些关键任务：

1. 基于HiL进行全面的系统环境仿真

2、对雷达和摄像头进行全软件仿真，使得可以通过软件输入二维图像信号来代替之前传感器的一位模拟信号，从而在真实道路上进行仿真测试实验室

3. 规范关键部件和软件系统的日志

4. 日志文件自动分析

5、深入分析硬件故障机制

6、收集硬件产品现场使用数据并进行深度分析

7、收集自动驾驶汽车现场实际使用数据，总结产品的系统使用概况

8. 现场路试和实验室测试日志文件的系统分析

9. 根据日志文件对产品的健康水平进行建模和预测

随着时代的发展，我们会发现传统的硬件可靠性方法越来越无法支撑产品级的可靠性保证。一些新方法被引入，这些新方法的实际应用提出了巨大的挑战。我们要想做好产品的可靠性工作，就需要提前做好相应的准备，否则你以后的工作就会受到限制，或者无法将你的可靠性工作提高到更高的水平。

可靠性是一门综合性学科，它所汇集的学科不断增多。我们只能应对变化，否则我们就会被它淘汰。