Modellierung und Regelung eines elektrischen Antriebsstrangs von Brennstoffzellen-Range-Extender Bussen mithilfe Maschineller Lernverfahren

Modellierung und Regelung eines elektrischen Antriebsstrangs von Brennstoffzellen-Range-Extender Bussen mithilfe Maschineller Lernverfahren

. Daimler AG
.

Umfeld

Um einen positiven Beitrag zur Einsparung von Schadstoffausstoß im ÖPNV zu leisten werden zunehmend Busse mit alternativen Antrieben eingesetzt. Während rein batterieelektrische Busse eine geringere Reichweite als konventionelle Busse aufweisen, hat sich die Brennstoffzellen-Range-Extendertechnologie (BZ-REX) als passende Alternative gezeigt. Durch die Energiebereitstellung aus der Batterie und der Brennstoffzelle erfüllen BZ-REX Busse die Anforderungen an die jeweils benötigte Reichweite und stellen eine ökonomische Lösung dar. Zur erweiterten Informationsgewinnung über BZ-REX Fahrzeuge wird ein Simulationsmodell u.a. zur Modellierung wesentlicher Energieflüsse implementiert.

Zur Entwicklung des Simulationsmodells wird der elektrische Antriebsstrang modelliert, um den Traktionsenergiebedarf und die Geschwindigkeit des Fahrzeugs unter Berücksichtigung von Fahrwiderständen zu simulieren.

 

Ziele

Im Rahmen der Bachelorarbeit soll der elektrische Antriebsstrang eines BZ-REX Busses sowie dessen Regelung physik- und datenbasiert in Matlab/Simulink modelliert werden. Außerdem soll die Fahrzeuggeschwindigkeit unter Berücksichtigung von Fahrwiderständen simuliert werden. Für die Implementierung von Maschinellen Lernverfahren sind Daten erforderlich, die eigenständig mithilfe geeigneter Simulationssoftware (z.B. CarMaker) synthetisch generiert werden können.

 

Voraussetzungen

  • Erfahrungen mit Python, C++ oder Matlab
  • Grundkenntnisse Maschinelles Lernen
  • Eigenständige und lösungsorientierte Arbeitsweise