车联网中车载网络负载与线束优化＊

何长伟 杨殿阁 张涛 连小珉

（清华大学汽车安全与节能国家重点实验室）

车联网中车载网络负载与线束优化＊

何长伟 杨殿阁 张涛 连小珉

（清华大学汽车安全与节能国家重点实验室）

基于车载分布式智能网络架构，运用独立协调机制，使用状态协调表协调汽车电器状态，建立了完整的车载分布式独立协调智能网络。进一步推导出车载网络负载的约束规划条件，运用回溯法求取最优负载。基于最优化控制建立了车载网络线束的目标函数与约束方程，运用变分法推导出了线束优化的极值条件。通过车载网络样车改造，设计实车试验，验证了该方法的有效性。

1 前言

汽车电器相互之间存在一定的制约关系，整车线束多而复杂，车载网络的出现为汽车电器之间的信息交互、协调工作提供了基础。国内、外学者纷纷展开车载网络技术研究，如天津大学开发了基于CAN总线的车身智能控制系统[1]，通过网络通信实现车内控制系统的信息共享与实时控制，但未对全车大部分电器进行统一化、标准化的网络设计；清华大学的连小珉等提出了一种大客车全分布式车载智能网络，设计了标准化的车载不变线束，有效解决了车内电器的协调工作问题[2]；2012年，清华大学的杨殿阁等建立了一套基于轿车电器系统的智能网络，实现了汽车电器的状态监控和故障诊断[3]，但会导致网络负载率较高、成本较大，而且轿车车内空间较小不利于布线，网络通信能力较差；同年，Dong-Hyun le等人在车载网络基础上建立了网络最大安全概率模型，推导出一种最佳安全的车载网络分配架构[4]，但是由于未考虑到布线需求，导致车内线束布局复杂。目前，车载网络经过点对点式、区域集中式和分布式3种方式的发展，特别是基于中央协调及双中央协调[5]分布式车载网络的形成，实现了汽车电器的网络控制。本文基于分布式车载网络，建立了一种独立协调的车内网，以避免中央协调失效情况下的电器协调工作能力缺失。

2 独立协调车载分布式网络

2.1 独立协调车载分布式网络架构

车载网络架构如图1所示，车载网络S分为n个子网络。

网络节点是子网络中的智能控制器，子网络由一个智能控制器ci和ji个电器eik（k=1,2，···，ji）组成:

通过区域加装智能控制器实时采集电器的状态信息，通过总线传输到网络，实现信息共享。同时，各个子网络接收来自其他子网络的电器状态信息，对本网络的电器进行逻辑协调。

2.2 车载网络电器状态协调

智能控制器作为局域网的中央处理单元，需要从网络中获取所需要的信息，根据获取信息对本局域网电器状态进行协调控制，将本局域网的电器状态信息周期性发送至车载网络进行共享，称为独立协调机制。智能控制器的状态协调过程可以如图2所示。

按照递增顺序排列状态条件与电器状态关系如表1所列，其中φ为空集。从表1可以得到表明电器e在满足状态条件C下处在ei状态。控制器预先保存状态协调表并根据总线上获取的信息实时检查状态条件，根据状态协调表对电器状态进行协调。

表1 状态协调表

实际控制器工作时，控制器检查当前状态条件，然后根据状态协调表判断电器应处的状态，进而做出控制，使电器正常工作。

3 车载网络负载优化

一般而言，控制器控制电器的数量取决于I/O资源。考虑采用同种CPU控制器，控制器I/O包括I/O输入输出接口和AD转化接口。设I/O输入输出接口数为N，AD转化接口数为M。设总计有m个电器，每个电器需xi（i=1,2,…,m）个I/O输入输出接口和yi（i=1,2,…,m）个AD转化接口，则车内网络负载优化问题可以抽象为求约束规划问题:

这是一个非线性约束规划问题，目标函数与约束变量之间不存在显示表达式，因此不能用线性规划算法求解。本文采用回溯算法求解最优负载，算法如下:

a.初始化i=1，A1={1，2，...，i}。

b.条件判断。若

j，以A1∪{i+1}替代A1。否则A1不变，A1寻找结束。开始寻找A2={i+1}，重复以上步骤，对A2进行条件判断。={1，2，...，m}，输出Ai（1≤i≤k），得到一组解。

d.令A1={1，2，...，i-1}，考虑A1∪{i+1}替代A1，重复条件判断，得到新的A1，得到另一组解，所有的A1都重复这个过程，得到所有解。

e.针对每个解，比较k，取其中最小的k及Ai。

c.重复上述步骤，指导寻找到Ak，使得

4 车载网络线束优化

设第i个局域网的电器位置坐标为rij=（xij，yij，zij），记汽车曲面为C，曲面方程为g（x，y，z）=0。

最优控制目标函数为:

L是各个网络节点之间距离以及节点到该子网络所有电器位置距离之和的总和。令考虑变分法，目标泛函取极值满足:

通过分析求解以上方程可以得到节点位置和线束布线的一般原则。

a.布线走向原则

式（5）中H描述线束的曲线方程，代表了线束的走向布置。H所满足的方程是曲面上两点的最短距离，即测地线方程，因此，为满足线束优化效果，车载网络布线应按照曲面测地线的走向布置。

b.电器成组原则

区域附近相距较近的电器成组构成一个子网，使得节点的位置布置可以降低线束长度。

c.节点位置原则

式（5）中xi（1≤i≤n）代表各个子网络节点的位置。费马点是到各个点距离和最短的点，再考虑到各个节点之间的距离，式（5）中网络节点应为子网络电器凸包的费马点附近。

5 试验验证

5.1 负载优化验证

针对一辆某国产品牌车型进行车载网络改造，运用回溯算法求出了最优负载数，采用了STM5288芯片。为了进行线束布置，根据统计电器分类将车上电器分为车前、车中、车后3组，对每组进行负载优化。以汽车发动机前舱部分电器为例，N=26，M= 8，x=[4，4，1，1，1]，y=[4，4，1，1，1]，通过回溯算法求解可行解如下:

因此最优解k=2。同理，对车中及车后电器数量进行回溯计算，结果如表2所列。

表2 各位置电器数量计算结果个

从表2可以看出，由于车后电器较少，只需1个控制器即可。考虑到线束布置，经过手工调整，实际车后网采用2个控制器。改造后的网络分为8个子网络，设计8个智能控制器进行控制，实车网络布局如图3所示。

5.2 车载网络功能验证

设计网关控制器与原车网络进行通信。试验改造8个CAN节点，并验证了各个CAN节点都能正常工作。

5.3 线束优化验证

改造线束采用统一的标准线束。由于采用统一的接插件和线束，因此接插件种类大大减少，由原来的18种减少到2种，减少比例为91.1%。原车大部分电器通过车身控制模块（BCM）控制，而采用车载网络智能化控制之后，电器线束只需要与其附近的控制器连接，可以大大减少线束长度。以车后网改造电器为例，原车线束长度为28m,改造后线束长度为16.5m,线束长度减少41.1%。

6 结束语

构建车载分布式网络，采用独立协调机制，运用状态转移函数实现了各局域网的网络通信和电器正常协调工作。运用回溯法对车载网络负载进行了优化，求出了最优负载数，减少了车载网络智能控制器的数量。最优化控制描述了车载网络线束的优化条件，提出了变分法解决网络线束优化问题，提出了线束布置的网络布局一般原则，为进一步减少车载网络线束提供了理论基础。试验结果表明，车载网络线束经过优化比原车线束长度减少显著。

1郭利进,王化祥,龚进峰.基于CAN总线的车身网络系统及其控制策略研究.汽车工程,2006,28（8）:774～778.

2张新丰,杨殿阁,连小珉.汽车电器系统结构的全分布式设计.同济大学学报:自然科学版,2012,40（7）:118～118.

3范珊珊.轿车智能电器系统网络监控和管理:[学位论文].北京:清华大学，2012.

4 Je D H, Choi Y H, Seo S W. A heuristic task allocation methodology for designing the secure in -vehicle network.Vehicular Communications, Sensing, and Computing（VCSC）, 2012 IEEE 1st International Workshop on. IEEE,2012: 25～30.

5顾铮珉,杨殿阁,陆良,等.中央协调器在汽车电器网络中的应用.第五届中国智能交通年会暨第六届国际节能与新能源汽车创新发展论坛优秀论文集（下册）,2009.

（责任编辑帘青）

修改稿收到日期为2014年8月1日。

Load and Wiring Harness Optimization of In-vehicle Network in Connected Vehicle

He Changwei,Yang Diange,Zhang Tao,Lian Xiaoming
（State Key Laboratory of Automotive Safety and Energy Conservation,Tsinghua University）

Based on vehicle distributed intelligent network architecture and the use of LAN independent coordinating mechanism to coordinate the vehicle electrical state via the state function,we establish a complete vehicle distributed intelligent network with independent coordination.In the next step,we derive the constraint conditions of vehicle network load and obtain the optimal load by backtracking algorithm.Based on the optimal control,we establish the objective function and constraint equations of wiring harness of connected vehicle,then we use variational method to derive the extreme value condition of wiring harness optimization.Finally,we design an vehicle test to prove the effectiveness of the method through transforming a sample car with in-vehicle network.

Connected vehicle,In-vehicle network,Load optimization,Wiring harness optimization

车联网车载网络负载优化线束优化

U463.6

A

1000-3703（2014）09-0001-03

国家高技术研究发展计划:863计划项目（2012AA111901）资助。