Dieses Bild zeigt

Projektpartner Daimler AG

Personalisierte Prädiktive Fahrstrategie EV

Mittels adaptiver längsdynamischer Fahrermodelle werden prädiktive energieoptimale Fahrstrategien für Elektrofahrzeuge entwickelt.
[Foto: DAIMLER AG]

Beschreibung

Effizienz und Nachhaltigkeit sind seit vielen Jahren zentrale Forschungsschwerpunkte der Automobilindustrie. Elektro- und Hybridfahrzeuge (EV/HEV) können dazu beitragen, die stetig strenger werdenden Anforderungen an Emissionen und Verbrauch einzuhalten. In Verbindung mit einem "Advanced Driver Assistance System" (ADAS), welches Kartendaten über den vorausliegenden Streckenabschnitt bereitstellt, kann das gesamte Potential der alternativen und hybriden Antriebsstränge ausgenutzt werden. 

ADAS-Kartendaten über den vorausliegenden Streckenabschnitt werden genutzt, um verbrauchsoptimale Geschwindigkeitstrajektorien für Elektro- und Hybridfahrzeuge, sowie Gangtrajektorien, Drehmomentenaufteilung und Motor Start/Stop-Zeitpunkte für Hybridfahrzeuge zu berechnen. In vorausgegangenen Projekten wurde eine komplexe Längsdynamik-Simulationsumgebung erstellt. Die Trajektoriengenerierung wurde mittels eines onlinefähigen lokalen Optimierungsalgorithmus implementiert und mit einer global optimalen Lösung aus einer Dynamischen Programmierung verglichen.

Aufgrund der hohen Rechenleistung und des nichtdeterministischen Verhaltens ist der Einsatz von Optimierungsalgorithmen in Serienfahrzeugen eher unerwünscht. Daher sollen im Rahmen dieses Projekts, aufbauend auf den optimierungsbasierten Ansätzen, prädiktive Heuristiken zur Generierung verbrauchsoptimaler Trajektorien entwickelt werden. Die ermittelten Trajektorien sollen in Form von Fahrempfehlungen an den Fahrer weitergegeben werden. 

Der zweite Hauptgegenstand dieses Projekts liegt darin, ein adaptives Fahrermodell zu entwickeln, welches anhand der Reaktion des Fahrers auf Fahrempfehlungen die längsdynamischen Fahrcharakteristiken des Fahrers erfasst. Diese Anforderungen und Wünsche an das längsdynamische Verhalten sollen dann genutzt werden, um die entwickelten prädiktiven Heuristiken online anzupassen, auf den spezifischen Fahrer zuzuschneiden und somit für maximale Fahrerakzeptanz zu sorgen. 

Bearbeiter

Dieses Bild zeigt Morlock
M.Sc.

Florian Morlock

Wissenschaftlicher Mitarbeiter