综上所述，国外企业长期掌握车载控制基础软硬件核心技术，在当今复杂多变的国际形势下，制约了我国智能新能源汽车产业的自主发展。但从国内研究现状来看，我国的车载核心控制芯片的计算能力、车控操作系统的管理能力与车载网络的通信能力难以支持智能网联化发展需求，需要架构创新，且车载控制基础软硬件设计基础相对薄弱，尚未形成统一技术框架，缺少必要的技术手段和评测能力，应发展异构多核车载核心控制芯片与复杂恶劣工况下的环境适应性增强技术，满足智能新能源汽车功能安全与预期功能安全需求；发展多内核车控操作系统，解决软件故障的随机性和多业务不确定性问题，满足车控操作系统从边界到纵深的安全需求；发展多Gbps车载网络分布式光纤通信协议与故障诊断策略，满足智能新能源汽车大容量、高速可靠数据传输需求；发展整车层面、系统层面、软硬件层面的自主产品集成与评测技术，保障自主产品的整车应用及恶劣工况条件下的实车验证。
2车载核心控制芯片的可靠性与功能安全性关键技术
2.1基于环境适应性增强的车控芯片可靠性与功能安全设计理论
2.2神经网络处理器混合计算容错架构
如图2所示，在常规的二维计算阵列外部署了一个点积处理单元DPPU，用于重新计算映射到出现错误的PE的所有操作，其中出错的PE可以在计算阵列的任意位置。当DPPU的大小大于二维计算阵列中故障PE的数量时，DPPU总能在新的权重和输入数据就绪之前完成重计算任务。
2.3基于统计时序的小时延缺陷和精确小信号串扰源故障分析与测试方法
为提升车载核心控制芯片在恶劣工况下工作的可靠性，须考虑分布式小时延缺陷和互连线串扰噪声引起的最长信号传播路径的分析和时延测试［16］。
2.4异构多核的轻锁步功能安全保障架构
基于上述攻关成果，本文采用40nm车规级工艺实现一款车载核心控制芯片，芯片版图见图5。经第三方测试，该芯片集成4核功能安全处理器核，计算性能大于3000DMIPS，智能计算能力大于1TOPS，可靠性达AEC-Q100Grade-1等级，功能安全满足ISO26262ASIL-D等级要求，与现有技术相比，执行效率显著提升近两个数量级，减少多核处理器的吞吐量损失达30%，将安全机制的性能开销和面积开销减少20%以上，在大幅提升计算性能的同时，显著提升芯片的可靠性与功能安全性水平，能够满足未来智能汽车的电子电气架构向集中化演进的技术需求。
3车控操作系统的可靠性与功能安全性关键技术
3.1支持安全控制、智能驾驶的一体化操作系统架构
上述车控操作系统架构的特色体现在既能够兼容ClassicAUTOSAR平台，基于ClassicAUTOSAR平台的扩展满足高安全、强实时控制要求，又能够与AdaptiveAUTOSAR平台适配，满足新能源汽车复杂行驶场景下感知、决策及控制的要求。
3.2车控操作系统关键技术
3.2.1智能新能源汽车高安全决策方法
针对难以得到合适的安全模型函数的困难，提出一种基于控制闸函数能量函数的安全模型。能量函数是从状态空间到实数集合的映射，对于给定的能量函数，安全动作集合的设计是在系统危险时使系统能量下降：
而一个完备的能量函数要求系统在任意时刻安全动作集合都不为空集，即
如果能量函数设计是完备的，该损失函数会降为0。
在安全策略学习的部分，本文建立了一种约束强化学习方法，在最大化期望奖励的同时保证安全控制约束（即使系统安全能量函数下降）：
同时提出使用拉格朗日对偶梯度上升法来求解这样的约束型强化学习问题，构建拉格朗日函数并计算其最优值。
进而可以证明两个问题实际上具有相同的极小值：
在此基础上，构建安全状态增强的强化学习型能量函数生成方法［21］，以及自动驾驶轨迹规划方法［22］，结合周车预测结果动态调整状态约束的不确定性边界，交替迭代更新拉格朗日乘子网络与策略网络，实现了典型多车道场景（包括侧方车辆切入、前车减速、下匝道拥堵等）下安全、灵活、经济的智能决策控制［23］。
3.2.2车控操作系统功能安全机制
本文研发的车控操作系统须满足ISO26262功能安全要求，须据此进行操作系统故障分析及功能安全设计的研究。
进一步在软件故障模型的基础上，建立操作系统安全机制。针对系统软件层，设计了系统健康管理、资源管理隔离、数据通信保护等功能安全组件。针对功能软件层，设计了软件冗余、硬件冗余等安全监控组件。
3.2.3车控操作系统调度算法
一般情况下，一个调度算法不能使上述指标同时达到最优。对于实时性要求较高的系统，调度成功率最重要，应在保证调度成功率的前提下，尽可能提高其他指标，以使系统的整体性能得到优化。
指标确认后，研究优化调度算法实现算法任务的优化运行。设系统中每个资源对应一个入口，拥有两个记录变量。其中一个记录变量负责记录访问该资源的任务数，另一个则负责记录以互斥方式访问该资源的任务数。当生成一个新任务时，根据任务使用资源的情况来修改各资源所对应的这两个记录变量。以该方式分别记录该资源的被访问任务数及访问模式（专用或共享），并用资源列表记录所有资源的信息。优化的目标函数为
总的来说，根据任务集与处理器处理能力之间的匹配关系构建任务及处理器的一般模型，分析任务数量与系统处理能力之间的关系，实现多处理器系统的动态调度。
4车载高速光纤通信的功能安全性关键技术
4.1车载光纤通信协议栈及调度机制设计
4.2多协议通信网关及其管理调度方法
本文提出一种多协议通信网关［26］，如图9所示。该网关原理上主要包括：主干网、子网、管理核心以及多个转发管理核心。管理核心用于接收主干网以及子网输入的消息，将所述消息分配至相应的转发管理核心中的消息队列。转发调度核心用于发送访问内存请求至管理核心，并当接收管理核心发送的访问内存许可之后，将消息队列中的消息按照队列顺序复制消息，再发送消息至相应的主干网或子网。
4.3基于分数型基本周期的网络调度策略
4.4系统学-结构学-最值公式回路时滞分析法
车载网络的广泛应用使车辆控制系统成为网络化控制系统。近年来国内外学者对车辆网络化系统做了一定程度的研究，然而大多数研究止步于对某一特定系统中的网络延时进行分析，这导致其分析方法的应用场景大大受限。基于此，本文中提出了一种针对车辆网络化控制系统的系统学-结构学-最值公式回路时滞分析方法［26，28-29］，如图12所示。
5实车验证
在上述技术攻关成果的基础上，研制了集成车载核心控制芯片和车控操作系统的整车控制器（图13），通过在高温（环境平均温度不低于35℃，最高温度不低于50℃）、高寒（环境平均温度不高于-15℃，最低温度不高于-40℃）、高湿（环境平均温度不低于20℃，平均湿度不低于50%，最大湿度不低于95%）、高原（平均海拔不低于3000m，最高海拔不低于4700m）等典型极端环境条件下的实车（图14）道路验证，构建了支持自主车载核心控制芯片和自主车控操作系统的软硬件一体化集成评测的新能源汽车新技术开放整车验证平台，支持自主车载核心控制芯片、自主车控操作系统、自主车载高速光纤通信系统的快速搭载验证，为正向开发奠定了坚实的基础。
在芯片机制允许访问、不影响芯片正常运行功能和性能的前提下，对车载控制芯片进行实车验证过程中的数据采集，架构如图15所示。当接口通信速率足够大时（比如采用以太网），可支持直接对芯片上寄存器数据的同步采集传送，如图中红色线示意。当接口通信速率较低时，则须增加一个存储器做为数据的存储缓存，分时上传，如图中黑色和褐色线示意。
6结论
以车载核心控制芯片、车控操作系统与车载高速光纤通信系统为核心的车载控制基础软硬件负责整车控制功能，是保障系统可靠性与功能安全性的关键。我国企业尚未全部掌握车载核心控制芯片及车控操作系统的可靠性设计与安全性评测关键技术，严重制约了我国新能源汽车的自主安全发展。
本文针对国产基础软硬件与整车产品高安全性和高可靠性要求的巨大差距，介绍了车载核心控制芯片可靠性与功能安全性、车控操作系统可靠性与功能安全性、车载高速分布式光纤通信功能安全性、车载核心软硬件集成与评测等关键技术的最新研究成果，并基于北汽集团的新能源汽车完成了自主研制的车载核心控制器件和车控操作系统的实车验证，为我国新能源汽车车载控制基础软硬件的自主可控奠定了坚实的基础。
参考文献
[4]英飞凌科技股份公司.TC397器件数据手册［G］.2020.InfineonTechnologiesCo.，Ltd.TC397devicedatamanual［G］.2020.
[5]朱敏慧.瑞萨R-Car系列助力自动驾驶研发［J］.汽车与配件，2021（8）：56.ZHUHM.RezaR-Carseriesassistsinthedevelopmentofautonomousdriving［J］.Automobile&Parts，2021（8）：56.
[9]李鲁苗，周玮.全球车用操作系统发展现状［J］.汽车纵横，2022（1）：39-42.LILM，ZHOUW.Currentsituationofglobalautomotiveoperatingsystemdevelopment［J］.AutoReview，2022（1）：39-42.
[11]郑志超，南金瑞，南江峰.车载网络CANFD总线的应用前景和技术研究［J］.现代电子技术，2021，44（1）：5-9.ZHENGZC，NANJR，NANJF.ResearchonapplicationprospectandtechnologyofCANFDbusofvehiclenetwork［J］.ModernElectronicsTechnique，2021，44（1）：5-9.
[13]HELei，LIUCheng，WANGYing，etal.GCiM：anear-dataprocessingacceleratorforgraphconstruction［C］.ACM/IEEEDesignAutomationConference，2021：205-210.
[14]HANJianhui，FEIXiang，LIZhaolin，etal.Polyhedral-basedcompilationframeworkforin-memoryneuralnetworkaccelerators［J］.ACMJournalonEmergingTechnologyinComputingSystems，2021，18（1）：1-23.
[15]LIUCheng，CHUCheng，XUDawen，etal.HyCA：ahybridcomputingarchitectureforfaulttolerantdeeplearning［J］.IEEETransactionsonComputer-AidedDesignofIntegratedCircuitsandSystems，2021，41（10）：3400-3413.
[16]ZHANGYing，DINGYi，PENGZebo，etal.BMC-basedtemperature-awareSBSTforworst-casedelayfaulttestingunderhightemperature［J］.IEEETrans.VeryLargeScaleIntegrationSystems，2022，30（11）：1677-1690.
[18]KRSTICA，LIOUJingjia，JIANGYimin，etal.Delaytestingconsideringcrosstalk-inducedeffects［C］.ProceedingsofIEEEInternationalTestConference，2001：558-567.
[19]LIWen，WANGYing，LIUCheng，etal.On-linefaultprotectionforreram-basedneuralnetworks［J］.IEEETransactionsonComputers，2023，72（2）：423-437.
[20]MAHaitong，LIUChangliu，LIShengboEben，etal.Jointsynthesisofsafetycertificateandsafecontrolpolicyusingconstrainedreinforcementlearning［J］.PMLR，2022，144：97-109.
[21]ZHENGHaotian，CHENChaoyi，LIShuai，etal.Learning-basedsafecontrolforrobotandautonomousvehicleusingefficientsafetycertificate［J］.IEEEOpenJournalofIntelligentTransportationSystems，2023，4：419-430.
[22]GUZiqing，GAOLingping，MAHaitong，etal.Safe-stateenhancementmethodforautonomousdrivingviadirecthierarchicalreinforcementlearning［C］.IEEETransactionsonIntelligentTransportationSystems，2023.
[23]GUZiqing，YINYuming，LIShengboEben，etal.Integratedeco-drivingautomationofintelligentvehiclesinmulti-lanescenarioviamodel-acceleratedreinforcementlearning［J］.TransportationResearchPartC，2022，144：1-14.
[24]王遵彤，李彩，吴启迪.多处理器系统动态调度负载均衡节约算法［J］.控制与决策，2011，26（11）：5.WANGZT，LIC，WUQD.Load-balancingthriftalgorithmfordynamicschedulingofmultiprocessorsystems［J］.ControlandDecision，2011，26（11）：5.
[25]CAOWanke，WANGLecheng，LIJianwei，etal.AnalysisanddesignofdrivetraincontrolfortheAEVwithnetwork-inducedcompounding-constructionloopdelays［J］.IEEETransactionsonVehicularTechnology，2021，70（6）：5578-5591.
[26]CAOWanke，LUJizhi，LIJianwei，etal.NetworkedmotioncontrolforsmartEVwithmultiple-packagetransmissionsandtime-varying［J］.IEEETransactionsonIndustrialElectronics，2022，69（4）：4076-4086.
[27]CAOWanke，LIUShao，LIJianwei，etal.Analysisanddesignofadaptivecruisecontrolforsmartelectricvehiclewithdomain-basedpoly-serviceloopdelay［J］.IEEETransactionsonIndustrialElectronics，2023，70（1）：866-877.
[28]WANGWenwei，YUShiyao，CAOWanke.Reviewofin-vehicleopticalfibercommunicationtechnology［J］.AutomotiveInnovation，2022，5（3）：272-284.
[29]CAOWanke，YANGMengchao，WEIZhongbao，etal.Autonomousemergencybrakingofelectricvehicleswithhighrobustnesstocyber-physicaluncertaintiesforenhancedbrakingstability［J］.IEEETransactionsonVehicularTechnology，2022，72（4）：4426-4441.