Entwicklung prädiktiver Fahrfunktionen mit Hilfe der 3F-Methodik
Thorsten Meister
Für die gezielte Nutzung von Flottendaten, die eine Vielzahl von Fahr- und Systemzuständen der Fahrzeugdynamik, Komforteigenschaften und Umfelderfassung abdecken, gilt es effiziente Analysewerkzeuge zu entwickeln. Sie stellen die Ausgangsbasis eines datengetriebenen Ansatzes für potenzielle Anwendungen in der Funktionsentwicklung und -applikation dar. Diese Dissertation umfasst eine Methodik, die Flottendaten untersucht, um basierend auf den erlangten Erkenntnissen eine Assistenzfunktion zur vorausschauenden Geschwindigkeitsanpassung unter Einbeziehung von digitalen Karten auszulegen. Bei den gewählten Manövern werden typische Geschwindigkeitswechsel auf Landstraßen betrachtet und die Güte aus Nutzersicht funktional bewertet. Für das Messdatenmanagement sowie die Extraktion der Zielparameter für die Geschwindigkeitsregelung, welche ein vom Fahrer abgeleitetes Verhalten in ausgewählten Fahrmanövern reflektieren, wird eine durchgängige Werkzeugkette entwickelt. Die Aufprägung der Systemcharakteristik auf den Fuzzy-Regler erfolgt mittels Model-in-the-Loop Simulation. Innerhalb dieses Applikationsprozesses werden die idealen Reglerparameter für drei verschiedene Fahrmodi anhand der definierten Sollvorgaben ermittelt. Die Realisierung des Reglers im Versuchsträger findet via Rapid Control Prototyping statt. Weiterhin wird ein Konzept zur Visualisierung der Funktion entworfen, simulativ getestet und anschließend ins Fahrzeug implementiert. Die drei Auslegungsvarianten der Geschwindigkeitsregelung werden im Straßenverkehr erprobt und nachfolgend durch Probanden hinsichtlich der Bewertungsfelder Komfort und Dynamik beurteilt. Die erzielten Ergebnisse zeigen, dass die gewählten Varianten eine hohe Güte aufweisen und damit auf eine breite Akzeptanz bei den Anwendern stoßen.
