Kl-basierte selbstlernende Synthese für elektrifizierte Antriebe

Autoren

A. Sturm, R. Henze, C. Wolgast, P. Eilts, Technische Universität Braunschweig; F. Küçükay, Innovationsgesellschaft Technische Universität Braunschweig mbH, Braunschweig:

Jahr

2024

Druckinfo

Eigenproduktion ÖVK

Zusammenfassung

Im Rahmen der Veröffentlichung wird eine Werkzeugkette zur Synthese von elektrifizierten Antrieben vorgestellt mit einem KI-basierten selbstlernenden Steuerungs- und Optimierungsalgorithmus, welcher sich signifikant vom Stand der Technik abhebt. Der Algorithmus und die Werkzeugkette sind Ergebnisse eines von der DFG-geförderten und in 2023 erfolgreich abgeschlossenen Forschungsprojektes. Die Antriebssynthese besteht aus einer gekoppelten Verbrennungsmotor- und Getriebesynthese sowie syntheseähnliche Optimierungen für Elektromotoren und Batterien. Zunächst wird in der Veröffentlichung die gesamte rechnergestützte Werkzeugkette inklusive der einzelnen Module (Synthesen, Anforderungsüberpüfung, Simulation sowie Bewertung) und der implementierten Modelle und Methoden vorgestellt. Ein besonderer Fokus wird anschließend auf den Steuerung-/ Optimierungsalgorithmus gelegt, welcher im Rahmen des Projektes neu entwickelt wurde. Dieser ist erforderlich, da durch die Vielzahl an veränderbaren Syntheseparametern, wie beispielsweise Anzahl mechanischer Gänge, Hub/Bohrungs-Verhältnis oder Zylinderanzahl, die möglichen Lösungen im Millionenbereich liegen können. Zur Bewältigung der Vielzahl an Kombinationsmöglichkeiten wurde ein neuartiger Algorithmus basierend auf künstlicher Intelligenz entwickelt. In Ergänzung zu den KI-Elementen wird der Algorithmus durch gespeichertes Expertenwissen unterstützt. Die Anwendung des Algorithmus auf ein Optimierungsproblem, welches vorab durch eine vollfaktorielle Simulation beschrieben wurde zeigt, dass der Algorithmus das globale Optimum in 1 % bis 3 % (je nach Einstellung des Algorithmus) aller theoretisch möglichen Simulationen findet und dabei eine sehr gute Überdeckungsrate bei den Top 100 möglichen Lösungen aufweist. Die Werkzeugkette wird abschließend für ein D-Segment Fahrzeug zur Synthese von Hybridantrieben angewendet und die Ergebnisse inklusive der Funktionsweisen des Algorithmus präsentiert.

ISBN

978-3-9504969-3-2

DOI

https://doi.org/10.62626/u74k-c4nx