english  | Home | Impressum | KIT

Entwicklung und Evaluation einer Model-in-the-Loop Simulation zur iterativen Optimierung von automobilen E/E-Architekturen

Entwicklung und Evaluation einer Model-in-the-Loop Simulation zur iterativen Optimierung von automobilen E/E-Architekturen
Forschungsthema:E/E-Architekturen, Optimierung, Modell-basierte Simualtion
Typ:Bachelor-/ Masterarbeit
Datum:offen (zu vergeben)
Betreuer:

M. Sc. Harald Bucher

Entwicklung und Evaluation einer Model-in-the-Loop Simulation zur iterativen Optimierung von automobilen E/E-Architekturen

Umfeld

Im automobilen Umfeld steigt die Anzahl von Komfort- und Sicherheitsfunktionen stetig an. Um die Komplexität der daraus resultierenden Bordnetzarchitektur bzw. Elektrik/Elektronik-Architektur und deren Varianten beherrschen zu können, haben sich modell-basierte Ansätze zur übergreifenden Modellierung einer E/E-Architektur auf Systemebene etabliert.

Hier wird die Entwicklung in mehrere Schichten beginnend bei den Anforderungen & Funktionsarchitektur über Netzwerktopologie bis hin zum Leitungssatz aufgeteilt. Ein de-facto Standardwerkzeug stellt hier das Tool PREEvision® der Vector Informatik GmbH dar. Eine Vorarbeit zur automatisierten Synthese einer ausführbaren Spezifikation zur simulativen Verifikation der E/E-Architektur auf Systemebene ergänzt die rein statische Modellbildung. 

 

Aufgabe

In dieser Arbeit soll eine Model-in-the-Loop (MiL) Simulation zur Optimierung von automobilen E/E-Architekturen entwickelt und evaluiert werden. Wichtige Parameter hierbei sind z.B. das Abbilden der Funktionen auf Steuergeräte und die daraus entstehenden Latenzen. Auf Basis der Vorarbeit sollen zunächst die wichtigsten Simulationsergebnisse wie z.B. Kommunikationslatenzen aus der Simulation extrahiert und in einem sog. Metrik-Framework von PREEvision zur Optimierung zugänglich gemacht werden. Dazu ist ein geeignetes Interface zwischen der integrierten Simulation und dem Metrik-Framework zu entwickeln, um eine MiL Simulation zur ermöglichen. Die zurückgespeisten Parameter stellen die Eingangsdaten für die im nächsten Schritt zu entwickelnden Optimierungsalgorithmen dar, die z.B. iterativ die Funktionsabbildung ändern. Abschießend soll der Ansatz anhand von Beispielfunktionen (z. B. Abstandsregelautomat (ACC)) auf seine Grenzen und Chancen hin evaluiert werden. 

 

Voraussetzungen

Gute Java-Kenntnisse von Vorteil.