Hy-Nets
Effiziente Hybridantriebe durch Fahrzeugkommunikation
In Hy-Nets wird ein neuer Ansatz zur Erhöhung der Effizienz von vernetzten Hybridfahrzeugen untersucht. Kernansatz ist es, drei unterschiedliche Themenfelder zu bündeln und systemisch zu betrachten:
- Optimierung des Hybridantriebs
- Entwicklung von (teil-)autonomen Fahrfunktionen sowie eines prädiktiven Energiemanagements
- Kommunizierende, kooperative Fahrzeuge in zukünftigen Verkehrsszenarien
Durch die Digitalisierung der Mobilität ergeben sich auf allen drei Themenfeldern neue, bahnbrechende Möglichkeiten. Zurzeit laufen Entwicklungen auf diesen Gebieten meist losgelöst voneinander ab, durch die Wechselwirkung der jeweiligen Teilbereiche können so jedoch nur suboptimale Lösungen erreicht werden.
In„Hy-Nets“ wird ein systemischer Ansatz verfolgt, welcher erstmals clusterübergreifende, simultane Entwicklungen ermöglicht. Antriebsstrangkomponenten als reale Bauteile werden mittels autonomer Fahrfunktionen an komplexe kooperative Verkehrsszenarien gekoppelt.
Hierzu wird ein Hybridantrieb als Prototyp aufgebaut und in einem der modernsten Prüffelder Europas installiert. Dieser Aufbau wird mit einer mikroskopischen Umgebungssimulation des eigenen Fahrzeuges und einer makroskopischen Verkehrsflusssimulation erweitert. Hierdurch wird es ermöglicht den Hybridantrieb virtuell in einem Stadtszenario zu bewegen und hierbei (teil-) autonome Fahrfunktionen, prädiktives Energiemanagement sowie die Fahrzeugkommunikation zu untersuchen.
Erstmals können sowohl direkte Auswirkungen zukünftiger vernetzter Verkehrsszenarien auf einen realen Hybridantrieb gemessen, als auch die Interaktion mit der Umwelt hinsichtlich globalem Energieverbrauch und Verkehrsfluss bewertet werden. Die aus der Interaktion zwischen den Themengebieten gewonnen Erkenntnisse können direkten Weg in zukünftige Serienanwendungen für Antriebe und Entwicklungswerkzeuge der Industriepartner finden sowie wissenschaftlich verwertet werden.
Im Rahmen des Treffens vom 8. November 2016 wurde weiterhin die Masterarbeit von Max Tacke vorgestellt:
Einbindung von Geodaten in eine Umfeldsimulation zum Testen von prädiktiven und automatisierten Fahrfunktionen
Vor dem Hintergrund einer steigenden Komplexität im Bereich der Fahrerassistenzsysteme ist es erforderlich, neu entwickelte Funktionen möglichst früh in dem Entwicklungsprozess in einem realistischem Fahrzeugumfeld reproduzierbar zu testen. Der Aufbau der hierfür benötigten geospezifischen Umfeldsimulation ist ein aufwändiger Prozess, bei dem die Integration der Geodaten zurzeit größtenteils manuell durch den Entwickler erfolgt. Die benötigte Testtiefe aufgrund der Komplexität von Fahrerassistenzsystemen verstärkt das Problem.
Daher wurde im Rahmen dieser Masterarbeit in Kooperation mit dem Unternehmen dSPACE in einem ersten Schritt die zur automatisierten Erstellung einer Simulationsumgebung benötigten Softwarewerkzeuge erweitert. Anschließend wurde eine Referenzstrecke definiert, für die relevante geospezifische Merkmale, wie zum Beispiel Straßenverläufe mit Höhenprofil und Lichtsignalanalagen, aus Datenbanken extrahiert und in den Aufbau der Simulation integriert wurden. In einem weiteren Schritt wurden mit einem Demonstratorfahrzeug Referenzmessungen für diese Strecke aufgenommen. Diese Fahrzeug- und Sensordaten wurden in die Simulation integriert, um andere Verkehrsteilnehmer darzustellen. Abschließend wurde der Prozess zur Erstellung der Simulationsumgebung validiert und für das Ego-Fahrzeug eine prädiktive und automatisierte Fahrfunktion zur Steigerung der Energieeffizienz entwickelt und untersucht. Somit ermöglicht das Vorgehen realitätsnahe Tests zur objektiven Bewertung prädiktiver und automatisierter Fahrfunktionen.
Betreuer: Markus Eisenbarth M. Sc. und Dipl.-Ing. Thorsten Plum, Prüfer: Prof. Dr.-Ing Jakob Andert und Dr.-Ing. Marco Günther
Projektpartner