MCU演算最佳化推進效率　雲端邊緣賦予電動車續航力

COVID-19疫情造成石油需求下滑20%，價格也隨之崩跌；雖然價格曾經些許回溫，但分析師同意不太可能會回到過往水準。在最新的「世界能源展望(World Energy Outlook)」之中，預測石油需求已達顛峰，很快就會直線下滑。產業內部普遍認同需求持續疲弱、供過於求，很快就會減少產量。同時公眾、政府及投資人則要求使用替代的潔淨能源。潔淨電力股價近期攀升45%以上，與埃克森美孚(ExxonMobil)的財務狀況形成強烈對比；這家石油業巨擘自1928年加入道瓊工業平均指數(Dow Jones Industrial Average)以來，最近首次遭到除名。

道路交通是全球排放的主要元兇之一，2018年時約占12%，也是石化燃料的主要消費族群；在政府法規的刺激下，汽車製造商投入各種創新技術，試圖減少對內燃機引擎(ICE)的依賴程度。中國是全球最大的汽車市場，已經宣布一項大膽計畫，要引領全球遠離ICE，目標是2035年之前讓新能源汽車(NEV)達到50%至60%的市占率。挪威訂定的目標則是在2025年之前，銷售的所有客車都必須是零排放車輛。至於在其他地方，印度努力在2030年之前達到30%的電動車銷售比例；歐洲地區的法國和英國則打算在2040年全面禁止燃油車，德國則更為積極，將時間訂在2030年。

各項日趨嚴格的目標時程對ICE設計構成挑戰(圖1)，如果沒有電動傳動系統元件就無法克服。因此汽車製造商開始增加電動車(EV)在各種車款之中的比例。

Tesla是目前的市場領導廠商，在2019年市占率達到18%，其中的主要原因在於推出Model 3，不過像是Volvo、Daimler、Volkswagen及Ford等所有主要製造商，都宣布大量投資各種油電混合及電動車開發計畫。所有廠商在未來幾年內，都計畫積極推出眾多新款電動車。

全球電動車銷售近年來強勁成長(從2017到2018年成長65%)，其中歐洲和中國市場表現特別出色。雖然COVID-19疫情影響2020年銷售業績，但電動車的市場滲透率出現實質成長，從2019年的2.5%提升至2020年第一季的2.8%。就此初步跡象看來，電動車正在吞食傳統ICE車款的市占率，而這也確認了長期的預測結果(圖2)；其中預測在2032年之前，50%車輛將使用以傳動系統輔助的電動馬達。

就現實情況而言，油電混合及電動車的實際採用率，將取決於多項社會和經濟因素，其中包括：

1. 汽油和柴油對比電力的相對價格

2. 持續推動的技術進展成果，包括經濟規模、降低電池成本、提升電池容量(進而延長電動車行駛範圍)，以及實作充電基礎設施

3. 各界對環境及氣候變遷的憂慮持續增加，政府為此會如何改變燃油經濟二氧化碳排放及污染的相關法律及規範

4. 消費者行為、擁有車輛的態度，以及電動車技術接受程度等方面的變化

5. 初期擁有各種電動車的使用者，在駕駛、擁有及維修等方面的成功經驗

電動車技術演進發展

圖2說明目前市面上主要的電動車類型，其中涵蓋輕油電混合電動車(MHEV)、全油電混合電動車(FHEV)、插電式油電混合電動車(PHEV)乃至於純電池電動車(BEV)。第一款油電混合車為FHEV，由1997年上市的Toyota Prius掀起風潮。自此之後，電動車出現許多進展成果，例如PHEV新增插電功能實現電池充電，而REEV則是以小型ICE取代行駛中車輪為電池充電。近期的FHEV及PHEV車款則配備兩個電動馬達，其中一個最適合用於再生煞車及電池充電，另一個則最適合提供扭矩及動力推進車輛。電動馬達在低速情況下會產生高扭矩，因此可縮小ICE及/或以更省油的控制策略運轉。

電動車問世多年來，製造商不斷努力尋求各種創新方法提升效率，其中包括：

1. 加強電池管理及監控

2. 增加電池容量

3. 減少電動驅動系統損耗(雖然效率高於ICE，但電動傳動系統仍會損耗16%的能量)

4.增加使用再生煞車：也就是在踩下煞車時回收能量，以車輛慣性轉動電動馬達發電機，產生電力儲存於電池之中

5.減少充電損耗：電池充電時，將電網交流電轉換為電池用直流電時會產生能量損耗，此外還需要克服電池接近容量上限時阻抗增加的問題

6.發展電動馬達科學以減少重量及提升效率

前述持續推動的創新成果，讓現代汽車由多項電子子系統組成，每項子系統各自負責管理不同的車輛安全及功能領域，如圖3所示。

每項子系統都為電動車的安全、舒適及整體駕駛體驗做出貢獻。不過動力系統及車輛動力功能則在車輛能量最佳化扮演重要角色，對行駛距離造成影響。車輛行駛距離是行銷電動車的關鍵因素，因此製造商將重點放在提升傳動系統效率並不令人意外。

汽車電子設計傳統上是以電子控制單元(ECU)概念為基礎，也就是由配備專屬晶片的裝置執行自身軟體或韌體，負責控制特定功能。

網域控制架構進展成果

隨著現代車輛功能日益增加，車內配備100個ECU的情形已相當普遍，形成空間及耗電量等各種相關問題。此外，增加車輛連線與自動駕駛等需求結合在一起，也讓ECU之間更需要分享高頻寬、低延遲的資料。結果電動車電力系統發展為如圖4所示的網域控制架構，其中每個功能區域都分為各自的協同作業子網路，網域控制器則作為車輛的存取點。

在網域控制架構中，電氣階層的各個控制器會協同作業，實作特定網域功能，針對該網域用途制定適當決策。這種代表網域制定決策的概念，可說是網域控制原理的基礎：不是每項決策都需要向上傳送至網域控制器。只要節點能夠存取相關資料，部分作業或功能就不受地點限制。網域控制器居於樞紐地位，能夠從網域存取大部分資料，自然是執行這項決策的理想選擇。

就動力系統及車輛動力網域控制器而言，此節點必須支援能量最佳化所需的運算密集演算法，也必須具備足夠的強大功能，以便在網域架構內部託管整合的ECU功能。實現這項功能的關鍵在於基礎處理硬體及應用虛擬化技術。現代控制器架構使用先進的虛擬化技術，將內部作業分離為虛擬機器，以便保留處理資源(例如記憶體、通訊和計時器等等)並指派給各項作業，保證完全不受干擾。虛擬化對整合式ECU特別重要，因為其中大部份的作業或功能都與安全息息相關，而且可能是由不同的軟體開發團隊或甚至不同公司進行開發。虛擬化技術可讓個別失效作業重設，不會影響裝置上的其他作業，此外存取乙太網路、HSE或EEPROM等共用資源時，也能加以排程及決定優先順序。

雖然虛擬化技術多年來已普遍應用於個人電腦及應用處理器，但直到最近才透過雙層級MPU、VMID指派及VM感知系統層級資源等進階硬體支援機制，導入嵌入式即時微控制器之中。

車輛雲端連線能力實現多項使用

除了前述網域控制架構的強化功能，可靠的車輛連線能力也實現雲端邊緣運算及各種AI技術，讓關鍵汽車應用的功能更加豐富。

無線網路的覆蓋範圍及效能持續提升，特別是在推出5G網路後，讓聯網車輛的概念得以成真。C-V2X是以LTE為基礎的技術標準，由第三代合作夥伴計畫(3GPP)於2016年定義，實現各式各樣的聯網車輛使用案例，其中包括車輛間(V2V)、車輛與基礎設施(V2I)及車輛與行人(V2P)等連線。3GPP第14版針對C-V2X定義兩種傳輸模式：Direct C-V2X可於沒有行動網路的情況下進行通訊；V2N則使用傳統的行動授權頻譜。

各界預估2019年出貨4,400萬台的聯網車輛，其中大部份都配備多個感測器，部分感測器每小時能夠產生4TB以上的資料。如此出色的連線能力為聯網車輛開創各式各樣的其他應用方式及使用案例，例如能量最佳化、保險、車隊管理、預防診斷及入侵偵測(請參閱圖5)。內建感測器能夠與外部分享資料、提升駕駛體驗，並讓車輛收集資訊獨立制定決策自行決斷。

進階車輛連線能力讓更多雲端邊緣處理技術得以部署，讓前述使用案例更加豐富。Tensorflow、Caffe及Pytorch等深度學習架構，可用於訓練雲端之中的機器學習(ML)模型。前述模型可部署至車輛中的處理單元(邊緣節點)，如圖6所示。在邊緣執行的ML模型，是以車輛感測器產生的即時資料運作，利用所謂的推論程序，以接受訓練的模型進行預測。車輛資料持續與雲端同步，因此模型可持續更新。

就預測性維護使用案例而言，雲端邊緣處理支援使用數位分身建模技術，在車輛維護問題產生前加以識別，並找出問題根源。數位分身是以雲端型方式複製實體(在此案例中為汽車)，提供實體運作的各項元素及動態。數位分身模型能以近乎即時的速度，從聯網車輛的感測器資料持續學習並自行更新。數位分身也能從其他輸入資訊學習，例如工程資料、模擬工具、類似車輛資料及環境資料。

就公共安全使用案例而言，將ML模型的推論能力部署於汽車之中，就可自動識別路上的障礙物或物體，或是預測危險事件。

電動車能量最佳化挑戰

電動推進馬達在油電混合車之中的作用，就是在部分行程之中輔助ICE。隨著前述部分行程的比例增加，二氧化碳排放也隨之減少，不過代價是車輛每次充電可行駛的距離(範圍)。

各種持續進行的研發活動，將重點放在提升傳動系統及整體車輛效率，以強化行駛期間扭矩來源決策(亦即ICE或電動馬達)實現這項目標。車輛存在多項扭矩來源會產生三項控制挑戰：

1.決定要使用的扭矩來源

2.在具有多項扭矩來源的車輛中控制穩定度，特別是在安全及失效情境

3.最充分運用車輛電池儲存的固定(有限)能量

現代EV架構中的推進網域控制器(圖7)，其層級在ICE控制、電動馬達控制、電池管理系統及煞車控制器之上，負責執行這項車輛扭矩及能量策略。

雖然基本決策可利用車輛目前情況下的可用資料立即執行，但若能新增更多資訊及延長決策時間涵蓋完整行程，就能大幅提升決策品質，目標是在達到目的地時讓電池完全耗盡。舉例來說，如果能夠掌握精確位置、交通狀況、平均路程速度、預期行駛時間、充電站位置、預定路線坡度以及駕駛風格等所有背景知識，就能預測使用ICE的地點、使用電動馬達的地點，以及使用再生煞車的地點，以提升電池充電狀態。推進網域控制軟體能夠存取內建感測器的豐富資料，包括攝影機及GPS系統，並可將其搭配前述的ML技術加強決策能力。研究顯示推進網域控制器如果能夠獲得更具預測性的控制能力，例如預測檔位選擇(透過對山丘的瞭解或攝影機觀察交通)及速度，就可實現高達30%的節能高效成果(圖8)。這類系統已經上市，於卡車等商業營運中實際節省燃油。

推進控制器除了使用內建感測器產生的資料，也可以在雲端存取其他道路使用者的群眾外包資料，協助強化建模程序及提升效率。例如Jaguar的I-Pace EV可依據所收集的資料接收OTA軟體更新，其中更新的依據為I-Pace Trophy系列賽及真實世界5億哩以上的行程資料。前述更新可精進現有的控制演算法，加強扭矩分配、空氣動力控制、再生煞車及範圍計算等領域。

這類需要密集數學運算的控制策略，必須具備強大的處理能力，只有在內建嵌入式處理能力獲得提升時才能實現。支援這項進階功能的技術非常複雜，只有一些製造商能夠可靠地提供這項技術，以及開發人員必備的各項工具和支援環境。

電動車生態系統關鍵業者

電動車市場迅速演進發展，恩智浦(NXP)利用多項建構基礎因應所有類型電動車的需求，其中包括：

1. 推進網域控制：負責控制分配、能量儲存、引擎及馬達，協助提升xEV動力系統效率

2. 電池管理：控制個別電池芯及整體電池組，在電池芯之間取得平衡實現最佳容量，同時維護安全

3. 轉換器及充電器：DC-DC及AC-DC充電器透過介面與BMS連接，確保安全高效的高電壓轉換

4. 電動馬達驅動器解決方案：著重於安全及馬達控制效率

NXP推進網域控制解決方案是以先進的S32S微控制器為基礎；這款微控制器是ASIL D裝置，以鎖步架構配備四個Arm Cortex-R52處理器，共有八個核心(圖9)。

創新電動車建構基礎

S32S是NXP S32汽車處理平台的一部分，屬於MCU及MPU系列產品，適合汽車及工業應用使用，其架構可因應目前及未來的各種連線、維安及安全挑戰。S32S效能高達NXP前代汽車裝置系列的10倍，可支援HCU控制演算法的進階處理需求，包括虛擬化及Hypervisor在內。這項處理能力整合至系統單封裝(System-in-package)及一系列的周邊裝置功能之中，例如進階計時器以及用於馬達控制的最佳化類比子系統。

汽車MCU一般必須結合CMOS邏輯與非揮發性記憶體，以及高度精準的5V類比和I/O功能。這項技術相當複雜，代表汽車MCU效能最多比摩爾定律的預測結果落後七年。恩智浦將MCU分為各項組成功能，並針對各項功能應用最佳的處理技術，然後將產生的個別晶粒結合在SiP之中，具備基礎CMOS程序的完整效能。

S32G車輛網路處理器源自相同平台，目標是提供即時的應用程式處理及網路加速，用於服務導向閘道、網域控制器及安全協同處理器。S32G與支援邊緣處理需求的網路介面及加速功能整合。

為了支援汽車製造商及其供應商，協助他們在S32平台盡早加速開發次世代的油電混合及電動車應用，推出GreenBox開發平台及GoldBox參考設計等兩項強大工具。GreenBox開發平台可支援次世代的油電混合引擎及電動化。這款高效能的處理平台，可支援設計及測試HCU控制演算法及能量管理作業。

GoldBox參考設計則可補足GreenBox平台的不足之處，支援在S32G MCU平台進行開發。這項工具可實作服務導向閘道，提供雲端邊緣處理執行時所需的連線能力及處理能力(圖10)。

以能量最佳化為目標全球加速電動車發展

氣候變遷效應日漸顯著，全球各地政府正緊縮排放規範，汽車製造商則以更加創新的電動車車款做出回應。

行駛範圍是電動車主要的差異因素，多年來針對電池、再生煞車、電動馬達效能及傳動系統效能等領域所做的大量投資，目標都是為了提升效率。

能量最佳化可說是電動車效率的基礎，因此開發出各種複雜的數學演算法，協助加強對推進電源的即時決策能力。

車輛連線能力持續強化，各種內建的嵌入式處理器可存取雲端型AI功能，並收集其他道路使用者的大數據，透過雲端邊緣處理技術讓前述演算法更為豐富。 恩智浦處於電動車開發的最前線，提供一系列創新的技術建構基礎，推動現代電動車的各種精密功能，瞭解前述建構基礎的複雜度，也知道客戶相當重視上市速度，因此也投資GreenBox及GoldBox開發系統等各項工具，協助加速開發複雜的電動車控制系統。

(本文作者任職於恩智浦半導體)