Kurzfassung:

"Drei der aktuell wichtigen Trends der Automobilindustrie sind: E-Mobilität, autonomes Fahren und das vernetzte Fahrzeug. Während der elektrifizierte Antriebsstrang Prognosen zu Folge immer größeren Marktanteil bei Neuwagen einnehmen wird, sind die nächsten Schritte von aktuellen Fahrerassistenzsystemen zum autonomen Fahren vorgegeben. Das Einbeziehen von neuen Informationsquellen außerhalb der Fahrzeugsensorik
durch unterschiedliche Vernetzungen des Fahrzeugs mit der Außenwelt erschließt unbekannte Möglichkeiten.
Diese Arbeit verbindet diese Trends in einem Entwurf für ein Fahrerassistenzsystem für Hybridfahrzeuge, das die Geschwindigkeitsregelung als auch die Regelung des Energiemanagements optimal übernimmt. Um eine optimale Regelung des Gesamtsystems zu erzielen sind performante Optimerungsalgorithmen notwendig, die
zum einen die gleichzeitige Betrachtung von mehrere Zielkriterien wie Komfort, Zeit und Effizienz erlauben und zum anderen möglichst geringe Rechenzeiten bei kleinem Speicherbedarf benötigen. Eine sogenannte Echtzeitoptimierung wird erreicht, indem die Dynamische Programmierung als numerisches Lösungsverfahren durch iterative, heuristische und approximative Berechnungsformen erweitert wird. Da alle verfügbaren Informationen entlang der Strecke bis zum Fahrziel in der Optimierung berücksichtigt werden sollen, wird der Ansatz der Modellbasierten Prädiktiven Regelung durch eine Parallelisierung erweitert. In mehreren Stufen werden so die Informationen unterschiedlicher Prädiktionshorizonte in die Optimierung einbezogen und eine
optimale Regelung aller Zielkriterien ist gewährleistet.
In der Simulation wird der entwickelte mehrdimensionale Optimierungsansatz mit der in einem Versuchsfahrzeug installierten heuristischen Strategie zur Steuerung des Energiemanagements verglichen. Dabei kann der Kraftstoffverbrauch durch eine Streckenvorausschau und ohne Längsregelung um 11 % reduziert werden. Wird die Geschwindigkeit in der Optimierung berücksichtigt, kann der Kraftstoffverbrauch bei ähnlich gewählter Durchschnittsgeschwindigkeit um 18 % reduziert werden oder die Durchschnittsgeschwindigkeit bei gleichem Verbrauch um 21 % erhöht werden. Testfahrten im Versuchsfahrzeug verdeutlichen die Relevanz von genauen Echtzeitverkehrsdaten entlang der gewünschten Route. Aktuelle Verkehrsgeschwindigkeiten aus der Navigation sowie Verkehrsprädiktionsmodelle werden in die Optimierung integriert und analysiert.
Mit aufgezeichneten Verkehrsgeschwindigkeiten auf langen Routen in Mitteleuropa wird die Robustheit der entwickelten Optimierungsalgorithmen zur Regelung des Energiemanagements nachgewiesen und abschließend allgemeine Aussagen zum Potenzial eines Plug-in Hybridfahrzeugs auf Langstrecken getroffen."