Methodik zur effizienten Applikation automatisierter Fahrfunktionen

Komplexer werdende Fahrerassistenzsysteme, steigende Kundenanforderun- gen und eine wachsende Derivatevielfalt stellen die fahrzeugbasierte Appli- kation vor neue Herausforderungen. Um dem gestiegenen Ressourcenaufwand gerecht zu werden, wird im Rahmen dieser Arbeit eine Methodik vorgestellt, welche das konventionelle Verfahren mit Simulationsmodellen und Ansätzen zur virtuellen Komplexitätsreduktion sowie Optimierung ergänzt.
Die beschriebene Applikationsmethodik basiert auf einem neuartigen Fahr- zeugmodell, welches kurze Feedback-Schleifen zur Absicherung manuell ge- fundener Bedatungen und simulative Parameterstudien mit vertretbarem Re- chenaufwand ermöglicht. ... mehrDurch den Aufbau als Kombination aus analytischem Einspurmodell und neuronalem Netz kann die Komplexität und damit Rechen- zeit gering gehalten und gleichzeitig eine hohe Prädiktionsgüte erreicht werden. Um den Anteil fahrzeugbasierter Applikationen zu senken, wird darüber hinaus eine Methodik zur Komplexitätsreduktion des Parameterraums und Erhöhung des Systemverständnisses basierend auf Sensitivitätsanalysen vorgestellt. Mit Hilfe des dadurch verkleinerten Suchraums erfolgt im Anschluss eine simula- tive Optimierung und Bereitstellung von Anfangsparametrierungen mit hohem Reifegrad für weitergehende Applikationen im Fahrversuch. Neben der Vor- stellung und Erprobung für das Problem geeigneter Optimierungsmethoden erfolgt eine Bewertung der Übertragbarkeit auf den Fahrversuch mit Robust- heitsanalysen.
Die Methodik trägt dazu bei, den hohen Aufwand fahrzeugbasierter Applika- tionen zu senken und gleichzeitig den Prozess zu systematisieren. Entgegen vergleichbarer Ansätze wird der Fahrversuch für die Feinapplikation weiter- hin mit einbezogen, aber mit automatisierten virtuellen Analysen unterstützt. Das hybride Fahrzeugmodell und die Bewertung der Robustheit gegenüber auf der Zielhardware veränderten Bedingungen tragen der Diskrepanz zwischen Realität und Simulation Rechnung.

Increasing complexity of future driver assistance systems, higher customer demands and growing vehicle portfolios of OEMs (original equipment manu- facturers) cause new challenges for the vehicle based calibration. To reduce costs and resources a new calibration method is presented that extends the esta- blished process with simulation models and approaches for virtual complexity reductions and optimizations.
The herein described calibration method is based on a novel vehicle model that enables short feedback loops for continuously assessing manually tuned para- meter sets. ... mehrMoreover, it serves as an accurate and efficient simulation model for virtual parameter studies such as optimization and sensitivity analyses. By combining the analytical single track model with a neural network compara- bly small complexities and thus computation times as well as high prediction accuracies are possible. To further decrease the ratio of costly vehicle based parameterizations a method is described to reduce complexity of the search space and increase system understanding (such as influence information or interdependencies) based on sensitivity analyses. Using the therewith reduced parameter space, virtual optimizations with an improved convergence beha- viour can be performed to provide initial parameterizations with high maturity levels for further calibrations on the target hardware. Therefore, not only diffe- rent optimization algorithms are compared with respect to their applicability for the problem but also the transferability of virtually optimal solutions to the vehicle test is evaluated with robustness analyses.
The methodology contributes to reducing high efforts of vehicle based cali- brations and systematizes the process. On the contrary to existing approaches vehicle tests are still considered for fine tunings but supported by automated virtual analyses. The hybrid vehicle model and the evaluation of robustnesses towards changing environmental conditions on the target hardware take the discrepancy between reality and simulation into account.