Aktuelle Forschungsprojekte

• GINI
  "Roboter für flexibles automatisches Laden von Elektrofahrzeugen"
• FOR 2401
  "Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren"

• Heuristic Search and Deep Learning
  "Vollautomatisiertes Erlernen optimierter Regelstrategien"

• HERCET
  "Entwicklung und Validierung einer kostengünstigen hybrid-elektrischen Antriebslösung für kleine Zweiräder zur Reduzierung der CO2-Emissionen"
• Hy-Nets4all
  "Validierungsumgebung zur Optimierung des elektrifizierten Fahrens im urbanen Raum"
• ALADIN
  "Aktives Lernen zur automatisierten Datenverarbeitung für energieeffiziente Fahrfunktionen"
• CEVOLVER
  "Connected Electric Vehicle Optimized for Life, Value, Efficiency and Range"

Roboter für flexibles automatisches Laden von Elektrofahrzeugen

Bundesministerium für Wirtschaft und Klimaschutz

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.

09/2021 - 08/2024

Forschungsgruppe 2401 – Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren

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.

10/2020 - 09/2023

Heuristic Search and Deep Learning

Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF)

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.

11/2020 - 05/2023

Indo-German Science & Technology Centre (IGSTC)

Das Erreichen der CO2-Ziele erfordert einen reduzierten Kraftstoffverbrauch durch den Einsatz fortschrittlicher Hybridtechnologien, die zudem den Vorteil einer guten Fahrzeugreichweite aufweisen müssen. Um dieses Ziel zu erreichen muss über den Automobilsektor hinausgedacht werden. Vorhersagen haben ergeben, dass auch bei Zweirädern die signifikante Reduzierung der CO2-Emissionen durch den Einsatz von Hybridtechnologien möglich sind. So wurde die Kraftstoffeinsparung in einem Prototyp eines Plugin-Hybrid-Zweirads gezeigt, bei dem ein Radnabenmotor am Vorderrad verwendet wurde, während das Hinterrad von einem Verbrennungsmotor angetrieben wurde. Obwohl die Hybridtechnologie bei Vierrädern bereits ausgereift ist, ist das Zweiradsegment aufgrund der damit verbundenen hohen Kosten und Komplexität noch relativ neu.

04/2020 - 03/2023

Ganzheitliche Entwicklungs- und Validierungsumgebung zur Optimierung des elektrifizierten Fahrens im urbanen Raum

In Hy-Nets4all wird eine Entwicklungs- und Validierungsumgebung aufgebaut, die es ermöglicht, automatisierte Fahrfunktionen für elektrifizierte Fahrzeuge ganzheitlich zu entwickeln und effizient abzusichern. Ziel dabei ist es, den Energiebedarf und Emissionsaustoß von elektrifiizierten Fahrzeugen im urbanen Raum zu verringern, elektrische Komponenten gezielt weiterzuentwickeln, Fahrkonzepte abgestimmt auf verfügbare und zukünftige Ladeinfrastruktur auszulegen, kooperative Fahrszenarien zu optimieren und Verkehrsströme zu verflüssigen.

Aktives Lernen zur Automatisierten Datenverarbeitung für energIeeffiziente FahrfunktioneN

Ministerium für Wirtschaft, Innovation, Digitalisierung und Energie des Landes Nordrhein-Westfalen

-

01/2022 - 07/2022

Connected Electric Vehicle Optimized for Life, Value, Efficiency and Range

Die aktuelle Generation elektrischer Fahrzeuge ist im Allgemeinen immer noch zu teuer und weist nur eine begrenzte Reichweite auf. Daher nutzt das CEVOLVER Projekt einen nutzerzentrierten Ansatz, um batterieelektrische Fahrzeuge zu entwickeln, welche für angenehme, lange Tagesfahrten einsetzbar sind, während die verbaute Batterie kosteneffizient dimensioniert ist. Des Weiteren werden die Fahrzeuge so gestaltet, dass sie die Vorzüge zukünftiger Schnellladeinfrastruktur, die bereits jetzt von vielen Ländern geplant werden, nutzen können.

CEVOLVER nimmt diese Herausforderung an, indem das Fahrzeug zur Effizienzsteigerung nicht nur selbst verbessert wird, sondern auch die Möglichkeiten der gesteigerten Vernetzung genutzt werden. Die Vernetzung wird dabei zur Optimierung der Komponenten- und Systemauslegung sowie der Steuerungs- und Betriebsstrategien genutzt. Im Rahmen dieses Projekts wird demonstriert werden, dass es möglich ist lange Fahrstrecken zu erreichen, ohne dass eine Vergrößerung der Batterie und damit einhergehende Kostensteigerung nötig ist. Die effiziente Übertragbarkeit der Ergebnisse wird für zukünftige Fahrzeuge durch eine Methodik gewährleistet, welche die Vorteile anhand eines frühzeitigen Bewertungsansatzes vor der Implementierung der Maßnahmen in den Demonstratorfahrzeugen aufzeigt.