事例最小構成のモデルベース開発事例 バックナンバー
A/D、D/Aだけを持った装置にPID制御を載せるという最小構成の制御ユニットをモデルベース開発に則って開発するという事例のお話。 途中からインターフェースがA/D、D/AからCANに変わるという、とんでもない仕様変更をくらう若干事実っぽいエピソードも入る。
事例
事例
事例【上流検証】最小構成のモデルベース開発事例 その57【ドライビングシミュレータ⑦】
CARLAにPID制御を組み込めた。 自動車業界で自動運転以外でもPythonの使いどころは多い。 自動テスト環境の一部とか。 コスト構造を意識すると問題点が見えやすい。 これにより何に対して創意工夫をすれば良いかが分かる。 ご拝読ありがとうございました！
事例【上流検証】最小構成のモデルベース開発事例 その56【ドライビングシミュレータ⑥】
PID制御が弱い場合、PゲインかIゲインを調整するのが一般的。 しかし、今回はそもそも想定周期が異なっていた。 時間の刻み(タイムスタンプ)が明確であれば、前回値との差で時間差が特定できる。 この時間差を積分単位時間としてPIDの演算に組み込むことができる。 (無事、伏線回収！)
事例【上流検証】最小構成のモデルベース開発事例 その55【ドライビングシミュレータ⑤】
PythonAPIを叩きすぎると重くなる。 Sleep関数等を使用して処理の頻度を下げることで回避可能。
事例【上流検証】最小構成のモデルベース開発事例 その54【ドライビングシミュレータ④】
CARLAのサンプルのmanual_control.pyに制御を組み込む際はKeyboardControlクラスの_parse_vehicle_keysメソッドあたりに突っ込めば良い。 車速はworld.player.get_velocity()で取得可能 ただし、3次元ベクトルで取得されるのでノルムに変換する必要がある。
事例【上流検証】最小構成のモデルベース開発事例 その53【ドライビングシミュレータ③】
CARLAはWindows向け環境はある程度揃っている。 とりあえず、動かす場合はmanual_control.pyがお手頃。
事例【上流検証】最小構成のモデルベース開発事例 その52【ドライビングシミュレータ②】
CARLAはPythonAPIを使ってPythonから制御できる。 PythonはDLLを呼び出すことができる。 よって、C言語書かれたPID制御をPythonから利用する場合はDLLにした方が良い。
事例【上流検証】最小構成のモデルベース開発事例 その51【ドライビングシミュレータ①】
いつもの小芝居でスタート。 オープンソースドライビングシミュレータのCARLA。 自動運転のトレーニング用。 車両だけでなく人も動かせる。
事例【上流検証】最小構成のモデルベース開発事例 その50【Bypass⑯】
やっとBypass実施。 いままでの内容を振り返った。 一連の流れを大きく把握していれば、ツールが変っても適応できる。
事例【上流検証】最小構成のモデルベース開発事例 その49【Bypass⑮】
CANapeでは計測対象の変数以外にCANape内でのみ読み書き可能なグローバル変数が定義できる。 関数エディタから追加編集可能。 SimulinkにCANapeIOブロックを繋ぐことでCANapeと連携可能なDLLが作成可能。 CANoeと異なり、CANapeIOの変数名はCANapeと合わせる必要はない。 しかし、合わせておいた方が楽ではある。 グローバル変数をモニタすることが可能。 SimulinkDLLの動作確認だけであれば、グローバル変数で見た方が問題が起きた際の実機との切り分けがし易い。