,

Abbildung von Komponenten-Kennfeldern mit neuronalen Netzen

In Kooperation mit der Dr. Ing. h.c. F. Porsche AG arbeitet das Institut für Fahrzeugsystemtechnik
an der Entwicklung und Erprobung von Fahrerassistenzsystemen.

Ansätze zur Berechnung von energieoptimalen Fahrstrategien und Reichweitenmanagement-funktionen für E-Fahrzeuge verwenden mathematische Optimierungsmethoden und erfordern möglichst genaue Antriebsstrangmodelle mit geringer Zugriffszeit. Hierbei ist die Modellierung einer Vielzahl von Komponenten wie Getriebe, (E-)Motor, Batterie, etc. erforderlich, jedoch ist der verfügbare Speicherplatz für online Algorithmen begrenzt. Neuronale Netze haben das Potential diese gegensätzlichen Anforderungen zu erfüllen.

Zunächst sollen gerasterte Kennfeldern in analytische Funktionen überführt werden, die stetig und stetig differenzierbar sind (Flächenspline). Damit ist eine beliebige Abfrage von Daten ohne weitere Interpolationen gewährleistet und unterschiedlich diskretisierte Trainingsdatensätze können erzeugt werden. Es sind unterschiedliche Kombinationen von Trainingsmethoden und Netzarchitekturen hinsichtlich Genauigkeit, Zugriffsgeschwindigkeit und Speicherplatz auf einem Steuergerät zu bewerten.

Die Arbeit gliedert sich in folgende Teilaufgaben:

• Einarbeitung neuronale Netze 
• Literaturrecherche zu Kennfeldabbildung durch neuronale Netze 
• Erstellen von einem Matlab tool zur Umwandlung diskreter Kennfelder in Flächensplines 
• Erstellen eines Versuchsplanes mit unterschiedlichen Trainingsmethoden, etc. 
• Trainieren von neuronalen Netzen 
• Code Generierung in Simulink, embeded Matlab 
• Test auf Steuergerät 
• Wissenschaftliche Aufbereitung und Dokumentation 

• Technisch-naturwissenschaftliches Studium 
• Erfahrung in Matlab/Simulink und idealerweise mit neuronalen Netzen 
• Überdurchschnittliches Interesse am wissenschaftlichen Arbeiten 

Dipl.-Phys. Felix Bleimund
Telefon: 0721 608 4 1884
Email: felix.bleimund@kit.edu