Predictive vehicle speed trajectory optimization

  • Prädiktive Optimierung der Fahrzeuggeschwindigkeitstrajektorie

Ye, Ziqi; Pischinger, Stefan (Thesis advisor); Abel, Dirk (Thesis advisor)

Aachen (2019)
Doktorarbeit

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019

Kurzfassung

Klimarelevante Regulierungen und „neue Player“ der Automobilindustrie wie Giganten aus der Unterhaltungselektronik- und Softwareindustrie sowie Hersteller aus Schwellenländern verändern die etablierte Automobilindustrie in Zukunft. „elektrifiziert“, „autonom“ und „vernetzten“ gehören zu den wichtigsten Trends für die Transformation [1]. Vor diesem Hintergrund führt diese Arbeit eine prädiktive Funktion zur Optimierung der Fahrzeuggeschwindigkeitstrajektorie ein, um den Energieverbrauch eines elektrisch betriebenen Fahrzeugs durch Nutzung der Vorteile einer vernetzten und autonomen Antriebsstrangtechnologie zu reduzieren. Dynamische Programmierung mit Vorwärtsrekursion wird verwendet, um das Optimierungsproblem unter Bedingungen unter räumlicher und zeitlicher Domäne zu lösen. Durch die Berücksichtigung von Randbedingungen im Multi-Domain-Bereich kann die optimierte Fahrzeuggeschwindigkeitstrajektorie auf anspruchsvolle Verkehrsbedingungen im innerstädtischen Verkehr reagieren. Um die praktischen Vorteile zu demonstrieren, wird die Funktion in einem batterieelektrisch betriebenen Fahrzeug der Kompaktklasse mit Rapid-Prototyping-Steuergerät implementiert und mit Model in der Loop Umgebung sowie auf der Teststrecke zur Überprüfung der Echtzeitleistung ausgewertet. Mit den in dieser Arbeit ausgewählten Testfällen kann die Funktion eine Reduzierung des Energieverbrauchs um 17,2% unter Berücksichtigung des Verkehrs in einer innerstädtischen Fahrt und 3,3% in einer Autobahnfahrt erreichen. Eine der größten Herausforderungen ist die Validierung der Funktion unter allen Umgebungsbedingungen, die enorme Anstrengungen erfordert, um eine große Menge reproduzierbarer Testfälle zu generieren.

Identifikationsnummern