Diese Seite wurde maschinell übersetzt.
Füllen Sie bitte eine 1-Minuten-Befragung zur Qualität dieser Übersetzung aus.
Automatisierte Fahrsimulationen mit einem digitalen 3D-Zwilling
Ermittlung der tatsächlichen Leistung eines Hybridfahrzeugs im Klassenzimmer
Fast 200 Studenten im zweiten Studienjahr versammelten sich in einem luftigen Hörsaal der Waseda University. Die Studierenden bereiteten ihre Laptops für die Vorlesungsreihe „Projektbasiertes Lernen für Fortgeschrittene“ vor, einen Pflichtkurs der Fakultät für Maschinenbau, in dem durch Projektaufgaben spezielle Problemlösungsfähigkeiten vermittelt werden, um die Kompetenzen zu erweitern.
Der Bereich Umwelt und Mobilität von Professor Jin Kusaka präsentierte ein mit Simulink® und RoadRunner erstelltes Fahrermodell für ein serielles Hybridelektrofahrzeug (SHEV), ein Elektrofahrzeug mit einem Verbrennungsmotor und einem batteriebetriebenen Elektromotor, das eine Schleife in der Nähe der Universität fährt. Die Studierenden lernten, wie sie das integrierte Modell bedienen und Simulationen durchführen, um eine Kraftstoffverbrauchseinstufung zu erhalten. Anschließend diskutierten sie mit ihren Klassenkameraden, wie die Kraftstoffeffizienz verbessert werden kann.
„Die meisten Studenten können sich nicht vorstellen, wie es ist, ein Auto zu fahren, wenn die von einer Fahrzeugsimulation ausgespuckten Zahlen einfach grafisch dargestellt werden“, sagt Kusaka. „Wir wollten ihre Fantasie anregen.“
Kusaka, ein bekannter Professor für Maschinenbau, der die Forschungsorganisation für Fahrzeuge der nächsten Generation der Waseda University leitet, hat Einfluss auf die japanische Automobilindustrie. Zu seinen Aufgaben in der Society of Automotive Engineers of Japan gehören die des Technologiedirektors und des Vizepräsidenten. Während seines Doktorandenstudiums in Waseda forschte er gemeinsam mit Koji Sato, dem Präsidenten der Toyota Motor Corporation, an Methanolmotoren.
Kusaka forderte die Studenten in der Vorlesungsreihe dazu auf, wie Automobilingenieure zu denken, die sich auf die Optimierung des Kraftstoffverbrauchs und der Stromkosten konzentrieren. Ziel ist es, die Studierenden auf eine Karriere in der Automobilindustrie vorzubereiten, mit der die Waseda University enge Verbindungen pflegt. Die Hauptsitze mehrerer großer japanischer Automobilhersteller liegen in der Nähe und zu den Absolventen zählen Spitzenmanager globaler Konzerne wie Toyota, Nissan und Isuzu.
„Wir führen Forschungsprojekte mit Automobilunternehmen, automobilnahen Unternehmen, der Schwerindustrie, Regierungsbehörden und der Automotive Internal Combustion Engine Technology Research Association (AICE) durch“, sagt Kusaka. Sein Labor führt gemeinsam mit AICE ein grünes Innovationsprojekt durch, bei dem es um die Entwicklung eines Katalysators für Hybridfahrzeuge mit E-Fuel geht. Diese nationale Organisation fördert die Zusammenarbeit zwischen Wissenschaft, Regierung und Industrie. Darüber hinaus berät er lokale und nationale Regierungsausschüsse zu Emissionen und Kraftstoffverbrauch.
„Weltweit werden die Emissions- und Kraftstoffverbrauchsvorschriften aus Umweltschutzgründen immer strenger“, sagt Kusaka. „Automobilunternehmen müssen Fahrzeuge bauen, die diese Vorschriften erfüllen.“
Vor diesem Hintergrund nutzten Kusaka und Soraki Harada, ein Masterstudent im zweiten Jahr in Kusakas Labor, der an Automobilantrieben forscht, für die Vorlesungsreihe die MathWorks Campus-Wide License von Waseda und entschieden sich aufgrund ihrer erweiterten Funktionalität und Benutzerfreundlichkeit für Simulink und RoadRunner.
Das Laborteam begann mit der Fahrt in einem Nissan® Note e-POWER Baujahr 2016 auf einer vorgeplanten Route in der Nähe der Universität. Harada hat aus diesen Straßentests Verkehrssignal- und Kartendaten zusammen mit anderen wichtigen öffentlichen Informationen wie Straßenhöhen und Geschwindigkeitsbegrenzungen in ein Simulink Fahrermodell übertragen. Er verwendete RoadRunner, um die Straßenszenen nachzubilden. Harada, Lehrassistenten (TAs) und Mitarbeiter von MathWorks brachten den Studenten die Bedienung des integrierten Modells und das Ausführen von Simulationen bei. Die Schüler konnten reale Straßen- und Verkehrsumgebungen effektiv nachbilden, um den Kraftstoffverbrauch zu ermitteln.
Simuliertes Fahren in RoadRunner. (Videoquelle: Waseda University)
„Die Schüler haben im Unterricht mehrere Ziele erreicht“, reflektierte Kusaka. „Ihre Ideen wurden dadurch ermöglicht, dass sie das Fahrzeug mithilfe von RoadRunner -Animationen tatsächlich beim Umherfahren visualisieren konnten.“
Strenge Tests in der Praxis
Außerhalb des Klassenzimmers sind solche Simulationen äußerst vielversprechend für die Bewertung des Kraftstoffverbrauchs und der Stromkosten neuer Personenkraftwagen und können den Automobilherstellern möglicherweise erhebliche Einsparungen bei Zeit und Kosten in der Forschung und Entwicklung bringen. Automobilingenieure berücksichtigen bei der Berechnung des Kraftstoffverbrauchs die realen Straßenbedingungen. Wesentliche Faktoren sind Fahrzeuggewicht, Beschleunigung, Verzögerung, Steigungswiderstand und Rollwiderstand. Mit zunehmender Fahrzeuggeschwindigkeit spielt auch der Luftwiderstand eine größere Rolle.
Simulationen mit Simulink und RoadRunner ermöglichen die Vorhersage der Leistung. Dadurch entfällt die Notwendigkeit, teure Spezialmessgeräte anzuschaffen und Tests an echten Fahrzeugen durchzuführen.
Kusakas Forschung verglich die neuen Real Driving Emissions (RDE)-Tests mit dem herkömmlichen Worldwide Harmonized Light Duty Vehicle Test Procedure (WLTP) auf einem Rollenprüfstand. RDE-Tests sollen Labortests ergänzen und messen Kohlenmonoxid, unverbrannte Kohlenwasserstoffe, Stickoxide und Partikel mithilfe tragbarer Echtzeit-Überwachungsgeräte in einem auf öffentlichen Straßen gefahrenen Personenkraftwagen. Die Tests finden in unterschiedlichen Umgebungen mit unterschiedlichen Temperaturbereichen, Geschwindigkeitsbegrenzungen, Verkehrsaufkommen und Höhenlagen statt.
„Bei herkömmlichen Rollenprüfstand-Tests und im tatsächlichen Fahrbetrieb besteht eine Diskrepanz zwischen der Abgas- und Kraftstoffeffizienz“, stellt Kusaka fest. „RDE, das genauer gemessen werden kann, wird immer wichtiger.“
In Ländern wie Japan, in denen RDE für Neufahrzeuge vorgeschrieben ist, gibt der Konformitätsfaktor (CF) an, wie stark der Abgaswert bei tatsächlicher Straßenfahrt von dem beim Prüfstandtest gemessenen Wert abweicht. Die Regulierungsbehörden legen den CF-Grenzwert fest und die Automobilhersteller müssen nachweisen, dass der Abgaswert auf realen Straßen diesen nicht überschreitet.
„Während der 90 bis 120 Minuten tatsächlicher Straßenfahrt muss das Fahrzeug auf einem festgelegten Anteil von Stadtstraßen, Landstraßen und Autobahnen gefahren werden. Es gibt noch weitere Einschränkungen, beispielsweise Obergrenzen für Temperatur, Höhe und Höchstgeschwindigkeit“, erklärte Kusaka. „Kostenintensive Nachuntersuchungen sind keine Seltenheit.“
Simulationen mit Simulink und RoadRunner können die Leistung im Voraus vorhersagen, sodass der Kauf teurer Spezialmessgeräte und die Durchführung von Tests an echten Fahrzeugen nicht erforderlich sind, fuhr Kusaka fort. Außerdem ist es unmöglich, Standorte mit denselben Straßen, Temperaturen und Höhen zu finden, die für die RDE-Tests relevant sind.
„RDE-Simulationen mit Model-Based Design sind problemlos durchführbar“, sagt er. Und seine Klasse war gerade dabei, es zu beweisen.
Digitaler 3D-Zwilling
Kusaka entschied sich für einen Nissan Note e-POWER 2016, da bereits ein hochpräzises Modell dafür entwickelt war und er der Meinung war, dass die Studierenden die einfache Struktur des SHEV verstehen würden. Die Teststrecke im Stadtteil Shinjuku in der Nähe der Universität war ein etwa 2,7 Kilometer langer Rundkurs mit unterschiedlichen Steigungen und Gefällen.
Die Fahrtests fanden um 1 Uhr morgens statt, um die Anzahl anderer Fahrzeuge und Fußgänger zu minimieren, die das Laborteam absichtlich nicht in die Kosimulation zwischen RoadRunner Scenario und Simulink einbezogen hatte. Der anfängliche Ladezustand wurde auf 60,0 % eingestellt. Jeder Fahrer ließ das Fahrzeug vor dem Test 20 Minuten lang warmlaufen, um sicherzustellen, dass der Motor warm war. Eine integrierte GoPro erfasste GPS-Informationen, während ein Diagnosetool grundlegende Fahrzeugdaten sammelte.
„Ich habe Kartendaten für das Gebiet von OpenStreetMap und Hangdaten von der Geospatial Information Authority of Japan erhalten. Nachdem ich das auf RoadRunner hochgeladen hatte, erstellte ich einen digitalen 3D-Zwilling, indem ich nur die Straßen extrahierte. Die Arbeit mit der visuellen Benutzeroberfläche war sehr intuitiv.“
Harada erstellte in Simulink ein Fahrermodell und verwendete dabei einen Algorithmus für autonomes Fahren, um zu simulieren, wie ein Mensch auf der Strecke beschleunigen und abbremsen würde.
Er erhielt SHEV-Informationen aus einem Modell, das im Rahmen eines vom Ministerium für Wirtschaft, Handel und Industrie geleiteten Projekts erstellt und veröffentlicht wurde. Anschließend lud er reale Effizienz- und Kontrollflussdaten für die Nissan Note-Komponenten hoch.
Er fügte Daten für alle 16 Verkehrssignale aus mit Zeitstempeln versehenen Teststreckenvideos zu Simulink hinzu. Durch Berechnungen wurde automatisch ermittelt, welche Ampel sich vor dem virtuellen Fahrzeug befand und wie weit es davon entfernt war, ähnlich wie ein menschlicher Fahrer auf die nächste Ampel blickt. Er konstruierte zwei mögliche Szenarien für die Bremssteuerung: eine konstante Verzögerung oder einen abrupten Stopp.
Ampeln konnten in der Simulation nur rot oder grün sein. Die Gelbphasen aus den Videos wurden aufgeteilt, wobei eine Hälfte der Farbe Grün und die andere Hälfte der Farbe Rot zugeordnet wurde. Harada hat in RoadRunner realistische 3D-Straßenszenen entworfen.
„Ich habe Kartendaten für das Gebiet von OpenStreetMap erhalten® und Hangdaten von der Geospatial Information Authority of Japan“, sagt er. „Nachdem ich das auf RoadRunner hochgeladen hatte, erstellte ich einen digitalen 3D-Zwilling, indem ich nur die Straßen extrahierte. Die Arbeit mit der visuellen Benutzeroberfläche war sehr intuitiv.“
Die Studierenden luden das kombinierte Fahrermodell aus der Cloud der Universität herunter. Zurück im Klassenzimmer beantworteten Harada, TAs und das MathWorks Team Fragen zum 3D-digitalen Zwilling. Dann waren die Schüler an der Reihe: Ihre Aufgabe bestand darin, ein Video der gesamten Fahrsimulation mit der Vogelperspektive der Kameraposition basierend auf den letzten drei Ziffern ihrer eindeutigen Studentenausweisnummern zu erstellen. Beispielsweise bedeutet 123, dass sich die Kamera in einer Entfernung von 12 Metern und einer Höhe von 3 Metern befindet.
Zuvor hätten sich Kusakas Studenten auf berechnete Ladezustandsdiagramme verlassen, und einige hätten Schwierigkeiten gehabt, die Berechnungen mit dem tatsächlichen Fahrbetrieb in Verbindung zu bringen, sagt er. Dieses Mal konnten sie die Ergebnisse visualisieren.
Effizienzsteigerung
Durch ihre 3D-Simulationen digitaler Zwillinge lernten die Studierenden die Steuerung des Antriebsstrangs in Bezug auf die Ladetiefe der SHEV-Hochspannungsbatterie durch Änderung der anfänglichen Lademenge kennen. Anschließend konnten sie die Kosten und CO2-Emissionen von Plug-in- und seriellen Hybrid-Elektrofahrzeugen vergleichen.
„Im Gegensatz zu Tests mit echten Fahrzeugen können mit Model-Based Design Fahrzeugunterschiede problemlos getestet werden. Die Kursteilnehmer erfuhren aus erster Hand, wie sich der Kraftstoffverbrauch durch den Einsatz von Plug-in-Hybridfahrzeugen senken lässt“, sagt Kusaka. „Die Möglichkeit, diese Übung einer Bachelor-Klasse im zweiten Studienjahr aufzugeben, war großartig.“
„Im Gegensatz zu Tests mit echten Fahrzeugen können mit Model-Based Design Fahrzeugunterschiede problemlos getestet werden. Die Kursteilnehmer erfuhren aus erster Hand, wie sich der Kraftstoffverbrauch durch den Einsatz von Plug-in-Hybridfahrzeugen senken lässt.“
Kusaka bemerkte, dass sich die Fähigkeiten der Studenten zur Datenanalyse und -interpretation mit Simulink und RoadRunner im Vergleich zu den Vorjahren verbesserten. Sie identifizierten die Veränderung des Rollwiderstands, die Veränderung des Luftwiderstands und die Erhöhung des thermischen Wirkungsgrads des Motors als Faktoren für die Effizienz der Umwandlung von Wärmeenergie. Einige schlugen auch fortschrittliche Ideen zur Motorsteuerung vor.
„Mithilfe von Model-Based Design und Simulink untersuchten die Studenten die Auswirkungen auf die Kraftstoffeffizienz, wenn der thermische Wirkungsgrad auf 50% erhöht oder ein Plug-in-Hybridsystem implementiert würde“, sagt Harada.
Die Gruppe stellte fest, dass eine Erhöhung des thermischen Wirkungsgrads des Motorbetriebsbereichs auf etwa 50% den Kraftstoffverbrauch auf 21,52 Megajoule senken könnte – eine Reduzierung um 37% gegenüber dem Ausgangswert. Die Studierenden erwarben Kenntnisse im Automobilbereich, die sie in der Praxis anwenden konnten.
„Ingenieurabsolventen, die wissen, wie man Model-Based Design für die Automobil-Entwicklung nutzt, wird bereit sein, sofort mit der Arbeit zu beginnen“, sagt Kusaka. Nach seinem Abschluss wird Harada zur Toyota Motor Corporation wechseln, wo er sich darauf freut, Model-Based Design und Gerätetests bei der Entwicklung von Autos einzusetzen und dabei direkt auf seine Laborerfahrungen zurückzugreifen.
Vor Kurzem begann das Kusaka Lab mit der Forschung zur Verbesserung der thermischen Effizienz und der Abgasemissionen von Plug-in-Hybrid-Elektrofahrzeugen durch frühzeitiges Aufwärmen des Motors beim Kaltstart. RDE-Tests decken einen größeren Temperaturbereich ab als WLTP-Tests, daher könnte eine Inbetriebnahme im Winter Dominoeffekte haben. Das Team plant außerdem, das Fahrermodell für die Vorlesungsreihe zu erweitern, um die Auswirkungen von Beschleunigung und Verzögerung auf die Kraftstoffeffizienz zu berücksichtigen. Zu den Faktoren, die bei der Beschleunigung und Verzögerung berücksichtigt werden, gehören Fußgänger, andere Fahrzeuge und Kurven.
Die Forscher gehen davon aus, dass ihre Industriepartner stark von Simulink und RoadRunner profitieren werden. „Wenn alles rund um das Auto in einem gemeinsamen Modell dargestellt wird, das der Automobilhersteller und der Zulieferer verwenden, wird es einfacher, die Leistung vorherzusagen, wenn sich ein Teil ändert“, sagte Kusaka. „Wir sind davon überzeugt, dass Model-Based Design und die damit verbundene Simulation der Fahrzeugentwicklung und der RDE-Tests erheblich zur Kostensenkung für Automobilunternehmen beitragen werden.“
Weitere Berichte lesen
ROBOTIK / AUTOMATISIERTES FAHREN
Gestaltung des WATonoBus, des autonomen Shuttlebusses auf dem Campus
Selbstfahrender Shuttle ist eine ideale Plattform für die Entwicklung von ADAS-Technologie
AUTOMATISIERTES FAHREN / ROBOTIK
Anwendung bewährter Robotiktechniken auf Entwicklungsprozesse der Automobilindustrie
Renault treibt ADAS-Prototyping mit ROS Toolbox und Simulink Integration voran
AUTOMATISIERTES FAHREN
Aptiv implementiert virtuelle Szenarien zur ADAS-Validierung
Workflow hilft bei der Bewertung der Modellleistung, senkt Kosten und steigert die Effizienz