Forschungsprojekte
|
Aktuelle Forschungsprojekte |
|
| Abgeschlossene Forschungsprojekte |
|
KoopF
| Titel |
Validierung der Umsetzbarkeit und Robustheit energieeffizienter und kooperativer Fahrfunktionen |
|---|---|
| Kurzbezeichnung | KoopF |
| Förderung | Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen |
| Kurzbeschreibung |
Im Rahmen dieses Projektes wird eine zuvor in der Simulation entwickelte Fahrfunktionen für das kooperative Fahren (mindestens zwei automatisierte Fahrzeuge in einem Fahrzeugverbund) durch Fahrversuche validiert. Mithilfe der durchgeführten Arbeiten soll das in der Simulation identifizierte Energieeinsparpotenzial kooperativer Fahrfunktionen im realen Fahrzeug bestätigt sowie Lösungen für die Echtzeitfähigkeit und die Robustheit gegenüber Sensorungenauigkeiten bzw. weiterer Störgrößen entwickelt werden. |
| Laufzeit |
01/2023 - 06/2023 |
| Titel |
Forschungsgruppe 2401 – Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren |
|---|---|
| Kurzbezeichnung | FOR 2401 |
| Förderung | Deutsche Forschungsgemeinschaft (DFG) |
| Kurzbeschreibung |
Ziel der Forschungsgruppe ist es, die zukunftsträchtige NTV in Verbrennungsmotoren mithilfe innovativer Regelungskonzepte technisch nutzbar zu machen. Hierzu verfolgt die Forschergruppe einen neuartigen interdisziplinären Ansatz aus den Bereichen Chemie, Verbrennungs- und Regelungstechnik. Aktuell erforschte Methoden zur NTV-Regelung können als zyklusbasierte Regelungskonzepte klassifiziert werden. Die etablierten Regelungen verwenden Informationen aus vorherigen Zyklen, um zyklusintegrale Surrogatparameter zu bestimmen, die als Regelgröße dienen. Auf deren Basis werden die aktuellen Stellgrößen auf einer Zyklus-zu-Zyklus Basis berechnet. Mit der zyklusbasierten Regelung ist eine prinzipielle Prozessführung möglich, jedoch nur in einem sehr eingeschränkten Kennfeldbereich, der für eine technische Anwendung nicht ausreichend ist. |
| Laufzeit |
10/2016 - 09/2023 |
Heuristic Search and Deep Learning
| Titel |
Heuristic Search and Deep Learning |
|---|---|
| Kurzbezeichnung | Heuristic Search and Deep Learning |
| Förderung | Bundesministerium für Wirtschaft und Klimaschutz (BMWK),
Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) |
| Kurzbeschreibung |
Die Entwicklung transienter Regelfunktionen stellt vor allem für hochkomplexe, stark nicht-lineare Systeme wie das eines Verbrennungsmotors einen großen Entwicklungsaufwand dar. Die hier gegebene Notwendigkeit, viele voneinander unabhängige Parameter zu berücksichtigen erschwert zudem den Optimierungsprozess, wodurch methodische Ansätze neben der reinen Domänenexpertise eine zielführende Unterstützung darstellen können. Aus dem Bereich des maschinellen Lernens stellt Reinforcement Learning einen vielversprechenden Ansatz dar. Bei diesem erlernt ein Agent selbständig eine Strategie, durch die seine erhaltene Belohnung maximiert wird. Durch dieses Methodik können optimierte Regelstrategien vollautomatisiert erlernt werden. |
| Laufzeit |
11/2020 - 10/2023 |
| Titel |
Virtuelle Sensoren aus chemiebasierten Modellen für die intelligente virtuelle Online-Kalibrierung |
|---|---|
| Kurzbezeichnung | VISION |
| Förderung | Bundesministerium für Wirtschaft und Klimaschutz (BMWK) |
| Kurzbeschreibung | Ziel des Projektes ist es, die Software LOGE-RT für die Echtzeit-Emissionsvorhersage auf Basis detaillierter Chemie weiterzuentwickeln und auf die Modellierung von Abgaskrümmern und Motorabgasnachbehandlung zu erweitern. |
| Laufzeit |
07/2022 - 12/2023 |
| Titel |
Roboter für flexibles automatisches Laden von Elektrofahrzeugen |
|---|---|
| Kurzbezeichnung | GINI |
| Förderung |
Bundesministerium für Wirtschaft und Klimaschutz |
| Kurzbeschreibung |
GINI verfolgt das Ziel einen smarten, teilautonom-agierenden, mobilen Laderoboter mit Schnellladetechnik und induktiver Ladeschnittstelle zu entwickeln. Neben der Funktion für das Laden von elektrifizierten Fahrzeugen im städtischen Raum soll zusätzlich das Laden von E-Bike-Sharing-Stationen, sowie die Datenaufnahme, -vorverarbeitung und -analyse im vernetzten Umfeld ermöglicht werden. Somit kann ein signifikanter Beitrag zum dringend benötigten Ausbau kosteneffizienter, leistungsfähiger und flexibler Ladeinfrastruktur für elektrifizierte Mobilitätslösungen geleistet werden. |
| Laufzeit |
09/2021 - 08/2024 |
| Titel |
Large scale system approach for advanced charging solutions |
|---|---|
| Kurzbezeichnung | XL-Connect |
| Förderung |
Europäische Kommission, Horizon Europe |
| Kurzbeschreibung | Die starke Zunahme von Elektrofahrzeugen ist eine große Herausforderung für das Stromnetz in Europa, gleichzeitig aber auch eine Chance, V1G/V2G/V2X-Technologien zu nutzen. Da Fahrzeuge überwiegend parken, können sie als Energiespeicher genutzt werden, um die Netzstabilität zu erhöhen. Das übergeordnete Projektziel ist die Optimierung der gesamten Ladekette - von der Energiebereitstellung bis zum Endverbraucher - um einen klaren Nutzen für alle Beteiligten zu schaffen. |
| Laufzeit |
01/2023 - 06/2026 |
ESCALATE
| Titel |
Powering EU Net Zero Future by Escalating Zero Emission HDVs and Logistic Intelligence |
|---|---|
| Kurzbezeichnung | ESCALATE |
| Förderung |
Europäische Kommission, Horizon Europe |
| Kurzbeschreibung | Im Einklang mit den europäischen 2050-Zielen zielt ESCALATE darauf ab, hocheffiziente zHDV-Antriebsstränge (bis zu 10 % Steigerung) für Langstreckenanwendungen zu demonstrieren, die eine Reichweite von 800 km ohne Betankung/Aufladung bieten und mindestens 500 km im durchschnittlichen täglichen Betrieb (6+ Monate) unter realen Bedingungen zurücklegen. ESCALATE wird dies durch Modularität und Skalierbarkeit erreichen, indem es von der β-Ebene der Hardware- und Software-Innovationen ausgeht und darauf abzielt, die γ-Ebene im ersten Sprint und schließlich die δ-Ebene am Ende des Projekts durch seinen 2 Sprint-V-Zyklus zu erreichen. |
| Laufzeit |
01/2023 - 06/2026 |