Einbindung eines ML-basierten Energiemanagementsystems für Hybridantriebe in eine Fahrzeugsimulation an einem EiL-Prüfstand

Aufgabenbeschreibung

Zur Reduktion von Treibhausgas-Emissionen werden Fahrzeuge vermehrt hybridisiert. Für einen effizienten Betrieb ist die Auslegung des Energiemanagementsystems von zentraler Bedeutung.
Neben herkömmlichen regelbasierten Betriebsstrategien bieten Machine Learning (ML)-Ansätze weiteres Optimierungspotential, auch in Bezug auf die Komplexität bei der Auslegung solcher Strategien.

Zu diesem Zweck wurde am IFKM ein Power-Split-Modell für Hybridfahrzeuge entwickelt. Dieses basiert auf dem Reinforcement Learning (RL)-Ansatz und wurde in Python implementiert.

In dieser Arbeit soll das Modell in eine Fahrzeugsimulation (CarMaker von IPG Automotive) eingebunden werden. Dies umfasst sowohl eine reine Office-Simulation als auch die Anwendung an einem Engine-in-the-Loop (EiL)-Prüfstand, also mit realem Motor als Versuchsträger.

Dazu werden insbesondere Grundkenntnisse in Python vorausgesetzt. In der Einarbeitungsphase wird zudem der Umgang mit CarMaker sowie den relevanten Schnittstellen erlernt.

Fachrichtung: Maschinenbau, Mechatronik, Wirtschaftsingenieur
Beginn:

ab sofort

Art: Simulation
Voraussetzungen:
  • Motivation
  • Zuverlässigkeit
  • Systemdenken
  • Python