Motivation
Die Elektrifizierung des Verkehrssektors ist ein wichtiger Beitrag zur Reduktion von Treibhausgasemissionen. Insbesondere bei Nutzfahrzeugherstellern herrscht eine hohe Forschungs- und Entwicklungsdynamik zur Elektrifizierung der Antriebssysteme. In diesem Zusammenhang werden für geringe Reichweiten batteriebasierte und für größere Reichweiten brennstoffzellenbasierte Antriebssysteme als aussichtsreich betrachtet. In beiden Fällen benötigen die Fahrzeuge ein aufwendiges Thermomanagement für elektrische Komponenten, die Fahrgastzelle und die Batterie – im Fall des brennstoffzellenbasierten Antriebs auch für den Brennstoffzellenstapel sowie für die Versorgung mit Luft und H₂. Für das Thermomanagement im Allgemeinen und für das Medienmanagement (H₂, Luft und H₂O) des Brennstoffzellenantriebs ergeben sich viele Freiheitsgrade bezüglich Topologie, Komponentenauswahl und Betriebsstrategie. Die Festlegung der Systemfreiheitsgrade ist komplex und erfordert in der Praxis die Verwendung von Systemmodellen bzw. Systemsimulationen. Es gibt bisher keine Umgebung, in der die Teilprozesse und die erforderlichen Werkzeuge zur Generierung komplexer hybrider Systemmodelle und ihrer Tests zusammengeführt werden. Dieser Mangel führt zu fehleranfälligen, kaum zu automatisierenden Arbeitsabläufen und zu aufwendigen, teils sogar händischen Tests.
Ziele und Vorgehen
Ziel des Projektes „AUTO-GEN“ ist es, eine neuartige Softwareplattform zur teilautomatisierten Generierung von physik- und datenbasierten komplexen hybriden Modellen inklusive der dazugehörigen Tests bereitzustellen. Diese Plattform stellt in einer nutzergeführten, neuartigen und erweiterbaren Form bewertete Methoden zur Planung der Datenerzeugung zur Verfügung. Dabei werden die klassischen Methoden durch zu erforschende Methoden der „Data Fusion“ ergänzt. Die Demonstration und Evaluierung der Plattform wird an der modellbasierten Entwicklung von brennstoffzellen- und batteriebasierten Antriebssträngen erfolgen. Die Innovation des Projekts ist die Kombination verschiedener Modellarten zu sogenannten hybriden Modellen. Dabei werden einerseits solche Simulationsmodelle verwendet, die auf lange bekannten physikalischen Gesetzmäßigkeiten beruhen, und andererseits datenbasierte Modelle, wie beispielsweise neuronale Netzwerke oder Künstliche Intelligenz (KI).
Innovationen und Perspektiven
Im Rahmen des Projekts wird die Datenerhebung durch IoT-Systeme in Kombination mit Laborversuchen geplant und durchgeführt. Ein Forschungsschwerpunkt ist dabei die „Fusion“ der Daten aus verschiedenen Quellen. Die verschiedenen Arbeitsschritte der Softwareplattform werden in eine Werkzeugkette implementiert und anhand eines Brennstoffzellen-Lkws sowie eines batteriebetriebenen Nutzfahrzeugs demonstriert. Das Ergebnis des Projekts ist der Demonstrator einer Softwareplattform, die nach Projektende zu einem Softwareprodukt weiterentwickelt wird. Diese Plattform ermöglicht, die Entwicklungszeiten im Bereich der E-Mobilität erheblich zu reduzieren.