TU Darmstadt / ULB / TUbiblio

Prädiktionsbasierte Optimierung des Betriebs elektrischer Antriebsstränge unter Nutzung von Silent Testing automatisierter Fahrfunktionen

Lutwitzi, Melina ; Cvok, Ivan ; Peters, Steven (2023)
Prädiktionsbasierte Optimierung des Betriebs elektrischer Antriebsstränge unter Nutzung von Silent Testing automatisierter Fahrfunktionen.
In: ATZelektronik, 18
doi: 10.1007/s35658-023-1551-8
Article, Bibliographie

Abstract

Betriebsstrategien für komplexe elektrische Antriebsstränge mit mehreren E-Maschinen basieren häufig auf stark vereinfachten Regelungsmodellen, um ausreichend schnelle Strategieoptimierungen zu ermöglichen. Im Folgenden stellen die TU Darmstadt und Rimac einen Ansatz vor, der die Umgebungswahrnehmung nutzt, um das zukünftige Fahrverhalten zu prädizieren und so zusätzliche Zeit für die Verwendung genauerer Optimierungsmodelle zu gewinnen. Auf diese Weise können Perzeptions- und Planungsmodule, die derzeit für automatisierte Fahrfunktionen entwickelt werden, in einer nicht sicherheitsrelevanten Funktion eingesetzt werden. Dies ermöglicht eine neue Art des sogenannten Silent Testing bei der ein erlebbarer Mehrwert für die Fahrzeugnutzer entsteht.

Item Type: Article
Erschienen: 2023
Creators: Lutwitzi, Melina ; Cvok, Ivan ; Peters, Steven
Type of entry: Bibliographie
Title: Prädiktionsbasierte Optimierung des Betriebs elektrischer Antriebsstränge unter Nutzung von Silent Testing automatisierter Fahrfunktionen
Language: German
Date: 2023
Place of Publication: Wiesbaden
Publisher: Springer
Journal or Publication Title: ATZelektronik
Volume of the journal: 18
DOI: 10.1007/s35658-023-1551-8
Abstract:

Betriebsstrategien für komplexe elektrische Antriebsstränge mit mehreren E-Maschinen basieren häufig auf stark vereinfachten Regelungsmodellen, um ausreichend schnelle Strategieoptimierungen zu ermöglichen. Im Folgenden stellen die TU Darmstadt und Rimac einen Ansatz vor, der die Umgebungswahrnehmung nutzt, um das zukünftige Fahrverhalten zu prädizieren und so zusätzliche Zeit für die Verwendung genauerer Optimierungsmodelle zu gewinnen. Auf diese Weise können Perzeptions- und Planungsmodule, die derzeit für automatisierte Fahrfunktionen entwickelt werden, in einer nicht sicherheitsrelevanten Funktion eingesetzt werden. Dies ermöglicht eine neue Art des sogenannten Silent Testing bei der ein erlebbarer Mehrwert für die Fahrzeugnutzer entsteht.

Divisions: 16 Department of Mechanical Engineering
16 Department of Mechanical Engineering > Institute of Automotive Engineering (FZD)
Date Deposited: 08 Dec 2023 12:49
Last Modified: 08 Dec 2023 12:49
PPN: 513929967
Export:
Suche nach Titel in: TUfind oder in Google
Send an inquiry Send an inquiry

Options (only for editors)
Show editorial Details Show editorial Details