このページは機械翻訳を使用して翻訳されました。
翻訳品質のアンケートに 1 分ご協力ください。
3D デジタル ツインによる自動運転シミュレーション
教室で実際のハイブリッド車の性能を判定
早稲田大学の広々とした教室に、約 200 人の 2 年生の学部生が集まりました。学生たちは、プロジェクトベース 読み取るラーニングの上級講義シリーズに備えてノートパソコンを準備しています。この講義は、機械工学科の必修科目で、プロジェクト課題を通じて専門的な問題解決能力を養い、スキルを向上させることを目的としています。
草鹿 仁教授の環境・モビリティ研究では、Simulink® と RoadRunner を用いて作成された、シリーズハイブリッド電気自動車 (SHEV) 用のドライバーモデルが披露されました。この電気自動車は、内燃エンジンとバッテリー駆動の電気モーターを搭載しており、大学近辺を周回走行します。学生たちは統合モデルを操作し、シミュレーションを実行して燃費評価を得る方法を学びました。その後、クラスメートと燃費を向上させる方法について話し合いました。
「車両シミュレーションから吐き出された数字を単にグラフ化するだけでは、車を運転する感覚をイメージできる学生はほとんどいません」と草鹿氏は言います。「私たちは彼らの想像力を刺激することを目指しました。」
草鹿氏は、早稲田大学の機械工学科の教授として知られ、同校の次世代自動車研究機構を率いており、日本の自動車業界で影響力を持っています。同氏は自動車技術会で技術部長兼副会長を務めています。早稲田大学大学院在学中には、トヨタ自動車社長の佐藤恒治氏とともにメタノールエンジンの研究を行いました。
草鹿氏は講義シリーズで学生たちに、燃費と電気代を最適化することに重点を置く自動車技師のように考えるよう促しました。目標は、早稲田大学が強いつながりを維持している自動車業界でのキャリアに向けて学生を準備することです。近くには日本の大手自動車メーカーの本社がいくつかあり、卒業生にはトヨタ、日産、いすゞなど世界的企業の経営幹部もいます。
「私たちは自動車会社、自動車関連会社、重工業、政府機関、自動車用内燃機関技術研究組合 (AICE) と共同で研究プロジェクトを実施しています」と草鹿氏は言います。彼の研究室は、AICE と共同で、e-fuel を使用したハイブリッド車用触媒を開発するグリーンイノベーション プロジェクトを行っています。この全国組織は、産官学連携を促進します。同氏はまた、政府や地方自治体の排出ガスと燃費に関する委員会に助言を行っています。
「世界的に、環境保護の観点から、排出ガスや燃費規制はますます厳しくなってきています」と草鹿氏は言います。「自動車会社はこれらの規制を満たす車両を製造する必要があります。」
それを念頭に、草鹿氏と、同氏の研究室で自動車のパワートレインを研究する修士課程 2 年生の原田空樹さんは、講義シリーズに早稲田大学の MathWorks Campus-Wide アクセス を活用し、高度な機能と使いやすさから Simulink と RoadRunner を選択しました。
研究チームは、2016 年式の日産® ノート e-POWER を大学近辺の予め計画されたルートを周回走行させるところから開始しました。原田さんは、これらの道路テストから得た交通信号とマッピングデータを、道路の標高や速度制限などの重要な公開情報とともに Simulink ドライバー モデルに取り込みました。彼はRoadRunnerを使用して街の風景を再現しました。原田さん、教育補助員 (TA)、MathWorks のスタッフが学生たちに統合モデルの操作とシミュレーションの実行方法を教えました。学生は実際の道路や交通環境を効果的に再現し、燃費評価を決定することができました。
RoadRunnerでの運転シミュレーション。(動画著作権: 早稲田大学)
「生徒たちは授業で複数の目標を達成しました」と草鹿氏は振り返ります。「RoadRunnerのアニメーションを通じて、実際に車両が走行している様子を可視化できたという事実から、彼らのアイデアは実現されました。」
厳格な実際の試験
教室外では、このようなシミュレーションは新しい乗用車の燃費と電気代を評価する上で大きな可能性を秘めており、自動車メーカーは研究開発の時間とコストを大幅に削減できるかもしれません。自動車技師は燃費を計算する際に実際の道路状況を考慮に入れます。重要な要素としては、車両重量、加速、減速、勾配抵抗、転がり抵抗などがあります。車両の速度が上がると、空気抵抗も大きな役割を果たします。
Simulink と RoadRunner を使用したシミュレーションでは、事前にパフォーマンスを予測できるため、高価な専用測定機器を購入したり、実際の車両でテストを実施したりする必要がなくなります。
草鹿氏の研究では、シャシーダイナモメーター上で新しい実走行排出ガス試験 (RDE) 試験と従来の世界統一軽自動車試験手順 (WLTP) を比較しました。RDE テストは、実験室でのテストを補完することを目的とし、公道を走行する乗用車に搭載されたポータブルなリアルタイム監視装置を通じて、一酸化炭素、未燃焼炭化水素、窒素酸化物、粒子状物質を測定します。テストは、さまざまな温度範囲、速度制限、交通量、高度などのさまざまな設定で行われます。
「従来のシャシーダイナモテストと実走行では、排気ガスや燃費に乖離がある」と草鹿氏は指摘します。「より正確に測定できるRDEはますます重要になっています。」
日本など新車に RDE を義務付けている国では、適合係数 (CF) は、実際の道路走行時の排気ガス値がベンチテストで測定された値とどれだけ異なるかを示します。規制当局は CF 制限を設定し、自動車会社は実際の道路での排気ガス値がその制限を超えないことを実証する必要があります。
車両テスト用ルートのマッピング。 (画像著作権:早稲田大学)
「実際の道路走行の 90 分から 120 分の間に、車両は市街地の道路、田舎道、高速道路を一定の割合で走行する必要があります。気温や高度、最高速度の上限などの制約もあります」と草鹿氏は説明します。「コストのかかる再テストは珍しいことではありません。」
SimulinkとRoadRunnerを使用したシミュレーションでは、事前にパフォーマンスを予測できるため、高価な専用測定機器を購入したり、実際の車両でテストを実施したりする必要がなくなると、草鹿氏は続けます。さらに、RDE テストの要素となる同じ道路、気温、高度を持つ場所を見つけることは不可能です。
「モデルベースデザイン (MBD、モデルベース開発) による RDE シミュレーションは簡単に実現可能です」と彼は言います。そして、同氏のクラスではそれを証明しようとしていました。
3D デジタ ルツイン
草鹿氏は、高精度なモデルがすでに開発されており、学生が SHEV のシンプルな構造を理解できると考えたため、2016 年型日産ノート e-POWER を選択しました。大学近くの新宿区のテストルートは、約 2.7 キロメートル (1.7 マイル) の周回コースで変化する上り坂と下り坂が特徴です。
運転テストは、他の車両や歩行者を最小限に抑えるために午前 1 時に行われましたが、ラボ チームは RoadRunner Scenario と Simulink のコシミュレーションにこれらを意図的に含めませんでした。初期充電状態は60.0%に設定されました。各ドライバーはテスト前に車両を 20 分間暖め、エンジンが温まっていることを確認しました。車載 GoPro が GPS 情報を取得すると同時に、診断ツールが車両の基本データを収集しました。
「OpenStreetMap から地域の地図データを取得し、国土地理院から傾斜データを入手しました。それを RoadRunner にアップロードした後、道路だけを抽出して 3D デジタルツインの作成を行いました。ビジュアル インターフェースでの作業は非常に直感的でした。」
原田さんは、Simulink でドライバーモデルを作成し、自動運転アルゴリズムを使用して、ルート沿いで人間がどのように加速および減速するかを模倣しました。
SHEV に関する情報は、経済産業省が主導するプロジェクトで作成・公開されたモデルから得ました。次に、日産ノートのコンポーネントの実際の効率と制御フローのデータをアップロードしました。
車両ルートの航空写真と RoadRunner によるシミュレーション ルートとの比較。 (画像著作権:早稲田大学)
彼は、タイムスタンプ付きのテストルートビデオから 16 個の交通信号すべてのデータをSimulinkに追加しました。人間の運転手が最も近い光を見るのと同じように、計算によって仮想車両の前方にある光と最短距離が自動的に決定されました。彼はブレーキ制御に関して、一定の減速と急停止という 2 つのシナリオを想定しました。
シミュレーション内の信号は赤か緑のみになります。ビデオの黄色信号の時間は分割され、半分は緑に、残りの半分は赤に割り当てられました。原田さんは RoadRunner でリアルな 3D ストリートシーンをデザインしました。
「OpenStreetMap® から地域の地図データを取得し、国土地理院から傾斜データを入手しました」と彼は言います。「それを RoadRunner にアップロードした後、道路だけを抽出して 3D デジタル ツインを作成しました。ビジュアル インターフェースでの作業は非常に直感的でした。」
テスト車両、計測機器、テストルート。 (画像著作権:早稲田大学)
学生たちは大学のクラウドから複合ドライバーモデルをダウンロードしました。教室に戻ると、原田さん、TA、MathWorks チームが 3D デジタル ツインに関する質問に答えました。次は学生たちの番です。課題は、学生 ID 番号の下 3 桁に基づいて、上空から地上を見下ろす位置にあるカメラから捉えた運転シミュレーション全体のビデオを作成することでした。たとえば、123 はカメラが 12 メートル離れた位置の 3 メートルの高さにあることを意味します。
これまで、草鹿氏の学生たちは計算された充電状態のグラフに頼っていたので、計算と実際の車両の運転を結び付けるのに苦労していた学生もいたと、草鹿氏は言います。今回は結果を視覚化することができました。
効率性の向上
学生たちは、3D デジタル ツイン シミュレーションを通じて、初期充電量を変更することで、SHEV高電圧バッテリーの充電深度に関連したパワートレイン制御について学びました。その後、プラグイン ハイブリッド電気自動車とシリーズハイブリッド電気自動車のコストと CO2 排出量を比較することができました。
「実際の車両テストとは異なり、モデルベース デザインでは車両の違いを簡単にテストできます。授業を受けた学生たちは、プラグインハイブリッド車を活用することで燃費がいかに改善できるかを実際に体験しました」と草鹿氏は語ります。「この演習を 2 年生のクラスに割り当てることができたのは素晴らしいことでした。」
「実際の車両テストとは異なり、モデルベース デザインでは車両の違いを簡単にテストできます。授業を受けた学生たちは、プラグインハイブリッド車を活用することで燃費をいかに改善できるかを実際に体験しました。」
草鹿氏は、Simulink と RoadRunner によって、学生のデータ解析と解釈のスキルが前年に比べて向上したことに気づきました。彼らは、転がり抵抗の変化、空気抵抗の変化、エンジンの熱効率の向上が熱エネルギー変換効率の要因であると特定しました。エンジン制御に関する先進的なアイデアを提案する人もいました。
「学生たちは MBD と Simulink を活用して、熱効率を 50% に高めた場合やプラグインハイブリッドシステムを実装した場合の燃費への影響を調査しました」と原田さんは言います。
研究チームは、エンジンの動作領域の熱効率を約 50% に高めることで、燃料消費量を 21.52 メガジュールまで削減できることを発見しました。これは基準値から 37% の削減です。学生たちは実社会で応用できる自動車に関する知識を習得しました。
「自動車の研究開発において MBD を使いこなせる工学部卒業生は、就職の際に即戦力となるでしょう」と草鹿氏は言います。原田さんは、卒業後にはトヨタ自動車に入社し、研究室での経験を活かして MBD や設備テストを活用した自動車開発に携わる予定です。
最近、草鹿研究室では、冷間始動時のエンジン早期暖機によるプラグインハイブリッド電気自動車の熱効率と排気ガス排出量の改善に関する研究を開始しました。RDE テストは WLTP テストよりも広い温度範囲をサポートしているため、冬季の始動は波及効果をもたらす可能性があります。チームはまた、加速と減速が燃費に与える影響を組み込むために、講義シリーズのドライバーモデルを拡張する予定です。加速と減速の考慮要素には、歩行者、他の車両、カーブなどがあります。
研究者たちは、産業パートナーが Simulink と RoadRunner から大きな利益を得られると考えています。「自動車メーカーとサプライヤーが扱う共通のモデルで車のすべてを表現できれば、部品が変わったときの性能を予測しやすくなる」と草鹿氏は言います。「MBD と、それによる車両開発およびRDEテストのシミュレーションは、 自動車会社のコスト削減に大きく貢献すると信じています。」
