Os veículos elétricos (VEs) de hoje estão se tornando cada vez mais parecidos com data centers em movimento. Para suportar recursos como frenagem inteligente, controle de cruzeiro adaptativo, manutenção preditiva e monitoramento do motorista, os VEs e veículos elétricos híbridos (HEVs) dependem de uma pilha de software cada vez maior para operar com eficiência e segurança.[1] Em vez de ter unidades de controle separadas para funções como frenagem, direção e infoentretenimento, os VEs modernos estão migrando para plataformas centralizadas capazes de gerenciar todas essas operações por meio de software (Figura 1). Essa arquitetura veicular permite atualizações over-the-air (OTA), implantação flexível de recursos e iterações mais rápidas para os fabricantes de equipamentos originais (OEMs).
Essa transição, porém, vem acompanhada de demandas computacionais consideráveis. Os veículos precisam de processamento em tempo real ultraconfiável para tarefas críticas de segurança, machine learning (ML) local para se adaptar em tempo real e virtualização de hardware para consolidar funções sem interferência. Os engenheiros precisam de mais do que potência para acompanhar esse ritmo. Eles precisam de plataformas capazes de fornecer, desde o início, um gerenciamento de carga de trabalho eficiente e adaptativo.
Nesta edição do New Tech Tuesdays, vamos ver como os engenheiros estão atendendo a essas demandas recorrendo a três tecnologias essenciais: processamento em tempo real, aceleração de ML e virtualização de hardware.
Processamento em Tempo Real É Inegociável
Mesmo um atraso mínimo de poucos milissegundos no ajuste de torque pode alterar a sensação de dirigibilidade do veículo. Esse tipo de atraso pode gerar aceleração irregular (ou até mesmo falta de resposta), especialmente durante mudanças rápidas de velocidade ou terreno. Essa natureza reativa e delicada dos VEs é o motivo pelo qual os sistemas de controle de motor, gerenciamento de bateria e conversão de energia dependem de temporização precisa.
Os microcontroladores automotivos (MCUs) modernos precisam lidar tanto com processamento de alta velocidade quanto com tempos de resposta garantidos, mesmo enquanto equilibram múltiplas tarefas. Em tração elétrica, isso pode significar calcular a modulação vetorial enquanto monitora simultaneamente sinais de falha e se comunica por meio de uma rede de área de controlador (CAN) ou rede de interconexão local (LIN).
A Aceleração de ML Proporciona Decisões Mais Inteligentes na Borda
Os veículos de hoje não esperam a nuvem “pensar”. Os modelos de ML que rodam localmente nos VEs auxiliam em tarefas como verificar a saúde da bateria, detectar atividade incomum do motor e ajustar os padrões de frenagem em tempo real. Como os dados não precisam ser enviados para a nuvem, o sistema pode reagir mais rápido para ajustar o desempenho ou sinalizar problemas assim que ocorrem. Isso pode ajudar a prolongar a vida útil da bateria, melhorar as estimativas de autonomia e tornar a experiência de condução mais responsiva.
A tecnologia de ML viabiliza recursos exclusivos nos veículos modernos, mas executar esses modelos pode exigir um enorme poder computacional. Para manter tudo rápido e eficiente, os processadores automotivos agora incluem aceleradores de inteligência artificial (IA) integrados. Isso lhes dá a capacidade de realizar inferência localmente, para que a unidade central de processamento (CPU) principal não fique sobrecarregada, e o sistema consuma menos energia no geral. A aceleração de ML também torna possível que os veículos suportem recursos inteligentes, como manutenção preditiva ou configurações de condução adaptativas, sem depender de conectividade com a nuvem.
A Virtualização de Hardware Isola as Aplicações do VE
À medida que os carros concentram mais recursos em menos chips, esses chips precisam executar diferentes sistemas simultaneamente sem interferir uns nos outros. A virtualização de hardware permite que os engenheiros executem várias aplicações independentes, como controle de motor, diagnóstico e infoentretenimento, no mesmo processador, sem risco de contaminação cruzada ou travamentos.
Em um sistema típico, funções críticas, como o controle de torque, podem rodar ao lado de funções não críticas, como a interface de usuário (UI) do infoentretenimento. A virtualização de hardware permite que ambas compartilhem o mesmo processador permanecendo isoladas, de modo que uma atualização de software no sistema de display não afete os laços de controle em tempo real nem a lógica de segurança. [2]
Os Produtos Mais Novos para Seus Projetos Mais Novos®
A placa de avaliação NXP Semiconductors S32E288-975EVB foi projetada para ajudar engenheiros a prototipar sistemas de controle de VEs e HEVs que exigem alto desempenho, segurança e flexibilidade. Construída em torno do processador em tempo real S32E2, a placa suporta cargas de trabalho complexas com um núcleo Arm® Cortex®-R52 de 32 bits, periféricos integrados de controle de motor e suporte aos níveis de segurança ISO 26262 ASIL D.
A placa suporta virtualização assistida por hardware e cargas de trabalho de ML, tornando-a adequada para veículos definidos por software. Os desenvolvedores podem testar algoritmos de controle sensíveis ao tempo, modelos de inferência de borda e arquiteturas consolidadas — tudo em uma única plataforma.
Com seu conjunto de portas de E/S, conectores de expansão e suporte para depuração, a S32E288-975EVB ajuda a acelerar o desenvolvimento de sistemas automotivos de alta confiabilidade.
Conclusão
Os VEs e HEVs estão cada vez mais inteligentes, e o “cérebro” por trás deles precisa acompanhar esse ritmo. À medida que as arquiteturas se tornam cada vez mais orientadas por software, o hardware de controle precisa suportar processamento em tempo real, isolamento de segurança e IA embarcada em uma plataforma de computação compartilhada. Escolher uma placa de desenvolvimento com esses recursos já integrados pode reduzir a complexidade do sistema e acelerar a validação. Seja para prototipar um inversor de tração, um controlador zonal ou um sistema de diagnóstico, a NXP S32E288-975EVB oferece o desempenho de processamento e o isolamento de hardware necessários para o desenvolvimento em nível de produção.
Fontes
[1]: https://www.mobilityengineeringtech.com/component/content/article/46224-sae-ma-06960
[2]: https://www.nxp.com/docs/en/data-sheet/S32E27.pdf
Artigo escrito por Mouser Technical Content Staff e publicado no blog da Mouser Electronics: New Tech Tuesdays: The Rise of Intelligent EV Hardware
Traduzido pela Equipe Embarcados.
