Die Redaktion der HANSER automotive blickt auf den Juni 2023 zurück.

Der Juni zeigte sich fast überall meteorologisch von seiner besten Seite ─ wie hier am oberbayrischen Walchensee. Aber auch die automotive-Branche beeindruckte durch Veranstaltungen, Werkseröffnungen und nicht zuletzt mit neuen Technologien für die Mobilität der Zukunft.

16:9

Batterien

Energiespeicherung

Software / Betriebssysteme / KI

Elektronik

Kfz-Elektronik

Elektromobilität

Mobilität

KFZ-Regelsysteme (Motor, Fahrwerk, Komfort, Licht, Getriebe)

Fahrerassistenzsysteme / Automatisiertes Fahren

Brennstoffzellen

Entwicklungs-Tools

Connectivity (Bussysteme, Telekommunikation, 4G / 5G, WLAN)

Messtechnik, Testlösungen, Diagnose

Was im Juni aus Automotive-Sicht wichtig war

MicroNova bietet ab sofort ein individuell konfigurierbares, echtzeitfähiges Simulationsmodell für Batteriezellen an.

Das MicroNova Battery Model bildet das elektrische und thermische Verhalten von Batteriezellen in Batterie-Management-Systemen (BMS) genau nach und eignet sich ideal für den Einsatz mit HiL-Systemen zur Validierung von Batteriesteuergeräten.

Laderegelung Elektromobilität

Stromversorgung

Kürzere Entwicklungszeiten von Batteriesteuergeräten

Vector Informatik bietet jetzt volle Funktionalität nach dem Ladestandard NACS.

Vector-Produkte für die Entwicklung und den Betrieb von Elektrofahrzeugen und Ladestationen sind auch mit NACS kompatibel.

E-Mobility Produkte von Vector unterstützen NACS bei der Entwicklung und im Betrieb

Nordsys hat sein Software-Tool waveBee carkit optimiert und erweitert. Das Produkt fungiert als Add-On für andere Nordsys-Lösungen wie waveBee plus und ermöglicht nicht nur die Visualisierung von verfügbaren V2X-Informationen auf einer virtuellen Karte, sondern liefert Referenzimplementierungen für eine Vielzahl von V2X-Anwendungen gleich mit.

Eine der verfügbaren Referenzanwendungen des neuen waveBee carkit von Nordsys ist die Funktion GLOSA – Green Light Optimal Speed Advisory – welche dem Fahrer anhand von Infrastrukturinformationen aus einer Lichtsignalanlage die optimale Fahrgeschwindigkeit für eine „Grüne Welle“ anzeigt.

Erweitertes V2X-Erprobungs- und Entwicklungssystem waveBee carkit

Vitesco Technologies kooperiert mit Vector bei der Software-Entwicklung im Bereich der koordinierten Fahrzeugbewegung mit einem zentralen Master-Controller-Steuergerät.

Software-Kompetenz ist ein wichtiger Erfolgsfaktor bei der Elektrifizierung und Zentralisierung der Fahrzeug-Architektur. Daher arbeiten Vitesco Technologies und Vector künftig zusammen.

Software für zentralen Fahrzeug-Controller entwickeln

Im neuen Release 2022a von MathWorks finden Nutzerinnen und Nutzer viele neue und aktualisierter Features und Funktionen, darunter auch neue Apps und App-Designer Funktionen.

Interaktives Entwerfen von Szenarien für die Simulation und den Test von automatisierten Fahrsystemen mit RoadRunner Scenario, verfügbar in Release 2022a von MathWorks.

MathWorks veröffentlicht Release 2022a von MATLAB und Simulink

Mit der aktuellen Version der Universal Debug Engine stellt PLS Entwicklern ab sofort auch ufür das Multicore-Debugging der RH850/U2A-Automotive-MCU von Renesas zur Verfügung.

Mit der aktuellen Version der Universal Debug Engine (UDE) stellt PLS Entwicklern ab sofort auch umfangreiche Funktionen für das Multicore-Debugging der RH850/U2A-Automotive-MCU von Renesas zur Verfügung.

PLS‘ UDE unterstützt RH850/U2A-Automotive-MCU von Renesas

ETAS und PLC2 Design werden zukünftig eng zusammenarbeiten.

Vertragsunterzeichnung durch Christoph Hartung (vorne links), Vorsitzender der ETAS-Geschäftsführung, und Stefan Krassin (vorne rechts), Geschäftsführer und CEO von PLC2 Design.

ETAS und PLC2 Design gehen Partnerschaft ein

Das NXP Premium Radar SDK bietet Interferenzunterdrückung, MIMO-Wellenformoptimierung und verbessert die Auflösung von Radarsensoren.

Die leistungsfähigen Algorithmen des Premium Radar SDK tragen dazu bei, die Sicherheit und Differenzierung der Radarerkennung weiter zu verbessern.

Development Kit lässt Radarsensoren besser sehen

Eine neue Entwicklungsumgebung von Renesas ermöglicht die schnelle Entwicklung und Evaluierung von Software für Automobilanwendungen.

Die neue Entwicklungsumgebung von Renesas ermöglicht Kunden die rasche Markteinführung von innovativer Software.

Elektronische Bauelemente

Schnelle Software-Entwicklung und -Evaluierung

Die neue Version der LeddarEngine-Software von LeddarTech ermöglicht und beschleunigt die Entwicklung von Lidar-Sensoren.

Die LeddarEngine ist ausgelegt auf die Entwicklung hochintegrierter und flexibler Solid-State-Lidar-Lösungen, die für die Großserienproduktion optimiert sind. Diese Komplettlösung besteht aus dem LeddarCore LCA3-System-on-Chip (SoC) und der LeddarSP Signalverarbeitung.

Sensoren / Aktoren

Flexible und modulare Plattform zur Entwicklung von ADAS- und AD-Sensoren

Die neue Version v6.0r1 des VX-Toolsets für ARM Cortex-M von Tasking unterstützt auch die Mikrocontroller-Familie TRAVEO T2G von Infineon.

Mit der Erweiterung des VX-Toolsets für ARM zur Unterstützung der TRAVEO T2G-Familie bietet Tasking jetzt auch Toolchains für das gesamte MCU-Portfolio von Infineon.

Safety / Security

Tasking erweitert das VX-Toolset für ARM

CogniBit und dSpace arbeiten zusammen, um die Verkehrsszenarien für die Entwicklung und den Test automatisierter Fahrzeuge realistischer zu machen.

dSpace koppelt seine Simulationsumgebung Automotive Simulation Models mit CogniBits KI-basiertem Fahrermodell DriveBot, um unvorhergesehene Verhaltensweisen menschlicher Fahrer in Simulationen einzubeziehen.

CogniBit und dSpace schließen Partnerschaft

Mit Systemfeatures wie der Unterstützung des AUTOSAR Run-Time Interfaces und etlichen weiteren optimierten Tool-Details wartet die neue Major-Version der Universal Debug Engine auf.

PLS UDE 2022 bietet neue hocheffiziente Features für die Systemanalyse und das Debugging von Automotive-Applikationen

PLS‘ UDE 2022 mit Features für Systemanalyse und Debugging von Automotive-Applikationen

Die integrierte Automotive-ECU-Virtualisierungsplattform von Renesas ermöglicht es, mehrere Anwendungen in einer ECU zu integrieren, die sicher voneinander getrennt sind.

Die sofort einsatzbereite Entwicklungsplattform umfasst die High-Performance-Automotive-MCUs RH850/U2x von Renesas zusammen mit der RTA-HVR-Software von Etas.

ECU-Virtualisierungsplattform integriert mehrere Anwendungen in Zonen-ECUs

Virtuelle Generierung von Lastprofilen und -kollektiven zur Entwicklung von E-Autos

Ganzheitlicher modellbasierter Simulationsansatz

Die Konzeption von Antriebssträngen und deren Komponenten ist in Zeiten diverser Antriebsstrangarchitekturen und dem Wunsch nach Modularisierung eine Herausforderung.

Die Konzeption von Antriebssträngen und deren Komponenten ist in Zeiten diverser Antriebsstrangarchitekturen und dem Wunsch nach Modularisierung eine Herausforderung. Um dieser zu begegnen, kann der virtuelle Fahrversuch bei einer agilen Auslegung des Antriebssystems und seiner Komponenten unterstützen.

Die derzeitige Entwicklung von Antriebssystemen und -komponenten ist stark von der fortschreitenden Elektrifizierung geprägt − die Vielfalt an Antriebsstrangkonfigurationen und Software-Paketen nimmt kontinuierlich zu. Gleichzeitig gibt es aufgrund der Komplexität und des Neuheitsgrads elektrifizierter Antriebsstränge im Vergleich zu konventionellen Antriebssträngen deutlich weniger hilfreiche Erfahrungswerte, die eine Grundlage für die Entwicklung bilden könnten.

Im Hinblick auf die Hardware-Komponenten sind Position und Anzahl der Elektromotoren sowie die Kapazität und Auslegung der Traktionsbatterie ausschlaggebend für die mechanischen und elektrischen Lasten. Darüber hinaus haben auch die spezifische Betriebsstrategie sowie die Fahrszenarien einen großen Einfluss auf die Lastprofile und -kollektive sämtlicher Antriebsstrangarchitekturen und -varianten. Diese bilden zugleich die Basis für die nachfolgenden Entwicklungs- und Testprozesse.

Aufgrund dieser Komplexität ist es vorteilhaft, so früh wie möglich im Entwicklungsprozess virtuelle Testfahrten durchzuführen, um eine agile Auslegung des Antriebssystems mitsamt den zugehörigen Komponenten zu ermöglichen. Hierbei leistet der Einsatz eines virtuellen Fahrzeugprototyps einen großen Beitrag zu einer kontinuierlichen Integration (Continuous Integration, CI) sowie einer effizienten Zusammenarbeit zwischen den involvierten Entwicklungsteams [1].

Um aussagekräftige Lastdaten für spätere Entwicklungsprozesse zu generieren, kann ein ganzheitlicher modellbasierter Ansatz genutzt werden. Dieser umfasst Fahrer-, Fahrzeug-, Straßen-, Verkehrs- und Umweltmodelle und ermöglicht darauf basierend eine hohe Flexibilität und Kontrolle über sämtliche Testszenarien. Bereits vorhandene Zyklus- und Belastungsprofile lassen sich weiterhin in die Szenarien einbeziehen, weil sie eine spezifische Modellreduktion darstellen. Das ist beispielsweise in Form eines Fahrzeuggeschwindigkeitsprofils umsetzbar, das aus einer bestimmten Kombination von Fahrer, Fahrzeug, Straße und Verkehr abgeleitet ist. Es birgt jedoch gleichzeitig den Nachteil der komplexen und komplizierten Anpassbarkeit an ein anderes Fahrzeug oder Szenario.

Eine offene Integrations- und Testplattform wie CarMaker ermöglicht die Durchführung des virtuellen Fahrversuchs. In diesem können Fahrzeuge mit unterschiedlichen Hardware- und Software-Konfigurationen über sämtliche Entwicklungsstufen hinweg durchgängig und reproduzierbar in verschiedenen Szenarien virtuell getestet werden. Die Flexibilität und Integrationsfähigkeit bietet eine hervorragende Grundlage für die virtuelle Generierung von Lastdaten.

Anwendungsbeispiel:  AWD Torque Vectoring

Zur Lastendatengenerierung wird ein allradgetriebenes Elektrofahrzeug mit einem Elektromotor pro Achse modelliert. Für dieses Fahrzeug kommen zwei verschiedene Torque-Vectoring-Strategien (TVS) zum Einsatz, um die Momente zwischen Vorder- und Hinterachse zu verteilen. Mögliche Einsatzzwecke dafür sind etwa eine optimale Verwendung verschiedener Elektromotoren (Bauart und Leistung) in Hinsicht auf Energieeffizienz oder die Abstimmung der Fahrdynamik in Bezug auf die gewünschte Fahrzeug-DNA des Automobilherstellers.

Die Versuche werden dafür in verschiedenen simulierten Fahrszenarien durchgeführt. Bei dem in diesem Artikel beschriebenen Anwendungsbeispiel liegt der Fokus auf der Testmethodik an sich und nicht auf der exakten und detaillierten Modellierung, Parametrierung und Kalibrierung eines bestimmten, sich auf dem Markt befindlichen Fahrzeugs.

Als Grundlage für das Anwendungsbeispiel dient ein generisches Beispielfahrzeug, das zum Standardumfang der Simulationsumgebung CarMaker gehört. Dessen Chassis orientiert sich an einem Fahrzeug aus dem Sportcoupé-Segment. Das Fahrzeuggewicht beträgt 2.200 kg bei einer maximalen Gesamtleistung von 250 kW. Jeweils ein Elektromotor mit 125 kW Leistung und einem Maximalmoment von 200 Nm treibt über ein Differenzialgetriebe eine Achse an.

Die Leistungsabgabe des Elektromotors einschließlich der Leistungselektronik wird mit einfachen Kennzahlen modelliert. Die maximale Leistung ist dabei im motorischen Betrieb höher als im generatorischen Betrieb, weil letztere über die maximale Ladeleistung der Batterie begrenzt wird. In diesem Anwendungsbeispiel ist die generatorische Leistung auf 50 Prozent der motorischen Leistung limitiert. Die Batterie wird mit einem Ersatzschaltbild modelliert [2]. Das verwendete Reifenmodell – RTTire von IPG Automotive – berechnet eine Kraft auf Basis eines Schlupffaktors und berücksichtigt darüber hinaus Nichtlinearitäten an der Haftungsgrenze [3].

Die beiden erwähnten TVS werden angewandt, um die Momente zwischen der Vorder- und Hinterachse zu verteilen. Bei einer konstanten TVS wird das gewünschte Antriebsmoment statisch im Verhältnis 1:1 zwischen Vorder- und Hinterachse verteilt. Bei einer variablen TVS wird das Fahrzeug bevorzugt durch den Heckmotor angetrieben. Falls das gewünschte Antriebsmoment das Maximalmoment des Heckmotors übersteigt, wird das fehlende Moment über den Vorderachsmotor bereitgestellt (Bild 1).

Die standardmäßige Bremskraftverteilung zwischen Vorder- und Hinterachse beträgt im Anwendungsbeispiel 2:1. Dabei kommt eine serielle Rekuperationsstrategie zum Einsatz. Die Reibbremse an beiden Achsen kommt nur dann zum Einsatz, wenn das Soll-Bremsmoment an der jeweiligen Achse das maximal mögliche Rekuperationsmoment des Elektromotors übersteigt. Bei Geschwindigkeiten unterhalb von 12,5 km/h findet keine Rekuperation statt.

Beim Testszenario Beschleunigung und Bremsung wird das Fahrzeug unter Volllast auf eine Geschwindigkeit von 100 km/h beschleunigt. Anschließend wird die Geschwindigkeit gehalten, bevor das Fahrzeug bei Geradeausfahrt zum Stillstand gebracht wird. Die Ergebnisse in Bild 2 zeigen einen Ausschnitt der Momentenverläufe. Zunächst werden beide Motoren benötigt, um die Momentenanforderung beim Beschleunigen zu erfüllen. Zum Halten der Geschwindigkeit im zweiten Abschnitt wird nur noch der Heckmotor benötigt. Bei der Verzögerung werden wiederum beide Motoren für die Rekuperation verwendet.

Im zweiten Testszenario Real Driving Emissions (RDE) fährt das Fahrzeug auf einer öffentlichen Strecke mitsamt Straßenverkehr. Die Testfahrt entspricht den aktuellen Fahrdynamikvorschriften für den Test von RDE [4]. Die Ergebnisse für die Häufigkeitsverteilungen sind in Bild 3 dargestellt.

Mit der variablen TVS wird vorwiegend die Hinterachse für den Antrieb eingesetzt. Bei Beschleunigungsphasen wird der Frontmotor hinzugeschaltet, während die Momente mit durchgängig weniger als 50 Nm vergleichsweise niedrig sind. Bei der Verzögerung kommen grundsätzlich beide Motoren zum Einsatz, sodass an der Vorderachse hauptsächlich negative Momente anliegen.

Im Testszenario Nürburgring-Nordschleife fährt das Fahrzeug, gesteuert von einem sportlich agierenden Fahrermodell, eine Runde auf der gleichnamigen Rennstrecke inklusive Anfahrvorgang. Das Fahrermodell gestattet in diesem Fall eine maximale Querbeschleunigung von 9 m/s². Die Rundenzeiten für die beiden Strategien sind nahezu identisch. Bild 4 demonstriert die Ergebnisse für die Häufigkeitsverteilungen.

Im direkten Vergleich zum vorhergegangenen RDE-Szenario sind die Belastungen auf beiden Achsen vergleichbar, weil auf der Rennstrecke meist am Leistungslimit gefahren wird. Entsprechend häufig wird dabei der Frontmotor genutzt, um maximale Beschleunigungen zu erzielen. Darüber hinaus ist ersichtlich, dass geringe und mittlere Momente vergleichsweise selten abgerufen werden.

 Mit einem ganzheitlichen modellbasierten Simulationsansatz ist es möglich, Lastdaten und Lastkollektive auf Gesamtfahrzeugsystem-Ebene zu generieren, ohne dabei auf reale Fahrzeugprototypen angewiesen zu sein. Im exemplarisch dargelegten Projekt wurden zwei TVS für ein allradgetriebenes Elektrofahrzeug implementiert, um ihren Einfluss auf die Last in verschiedenen Fahrszenarien zu untersuchen. Bei der variablen TVS wird der Vorderachsmotor hinzugeschaltet, falls das gewünschte Antriebsmoment nicht vom Heckmotor allein gestellt werden kann.

Die Ergebnisse veranschaulichen den Einfluss der TVS auf das Lastkollektiv, das durch einen frühzeitig durchgeführten virtuellen Fahrversuch herausgearbeitet werden kann. Diese Informationen sind etwa bei der Auslegung verschiedener Elektromotoren wichtig, um die Energieeffizienz zu optimieren oder die Fahrdynamik anhand der gewünschten Fahrzeug-DNA abzustimmen. Des Weiteren lässt sich bei Software-definierten Elektrofahrzeugen der Einfluss der Software auf die Komponentenauslegung frühzeitig abbilden. Für weiterführende Untersuchungen ist es möglich, reale Komponenten auf HiL-Testsystemen in die Simulationsumgebung einzubeziehen. (eck)

<a href="http://www.ipg-automotive.com" target="_blank">www.ipg-automotive.com</a>

Dr.-Ing. Steven Yan arbeitet als Business Development Manager Powertrain bei IPG Automotive. Dr. techn. Pascal Piecha ist Business Development Manager bei IPG Automotive.

[1] Ahlert, Alexander, 2022: The Future of Vehicle Development Using Virtual Prototypes and an Interconnected Software Infrastructure. 22. Internationales Stuttgarter Symposium. Proceedings. Wiesbaden: Springer Vieweg. <a href="https://doi.org/10.1007/978" target="_blank">https://doi.org/10.1007/978</a>–3–658–37009–1_16

[2] Chen, Min, and Rincon-Mora, Gabriel Alfonso, 2006. Accurate electrical battery model capable of predicting runtime and I-V performance. In: IEEE Transactions on Energy Conversion. 21(2), 504–511. <a href="https://doi.org/10.1109/TEC.2006.874229" target="_blank">https://doi.org/10.1109/TEC.2006.874229</a>

[3]  IPG Automotive, 2022: CarMaker Reference Manual Version 11.0. Karlsruhe: IPG Automotive GmbH.

[4] Commission Regulation (EU) 2017/1151.<a href="https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX" target="_blank">https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX</a>:02017R1151–20200125, last accessed 2022/08/18.

IPG Automotive GmbH  

https://www.ipg-automotive.com/de/

Bild 1: Qualitative Verteilung der Antriebsmomente an Vorder- und Hinterachse für eine variable TVS 

Bild 2: Momentenverläufe für variable TVS beim Beschleunigen und Bremsen

Bild 3: Betriebspunktverteilung für konstante und variable TVS im Testszenario „RDE“ 

Bild 4: Betriebspunktverteilung für konstante und variable TVS im Testszenario „Nürburgring-Nordschleife“ 

Dr. techn. Pascal Piecha ist  Business Development Manager bei IPG Automotive.

Dr.-Ing. Steven Yan arbeitet als Business Development Manager Powertrain bei IPG Automotive. 

IPG Automotive

Virtueller Fahrversuch | Elektromobilität | CarMaker | Lastdaten und Lastkollektive auf Gesamtfahrzeugsystem-Ebene ohne reale Fahrzeugprototypen

Entwicklungs-Tools | Integrations- und Testplattform

ausgabe 04/2023

ausgabe 03/2023

ausgabe 02/2023

Ansprechpartner

Kontakt

Zeitschrift

Mediadaten

Unsere Abos

Abo Kündigung

Mein Login

Impressum

AGB / Versandbedingungen für Buchbestellungen & Abonnement-Bedingungen für Fachzeitschriften

Datenschutzerklärung der Carl Hanser Verlag GmbH & Co. KG

Datenschutz

Messen - Testen -Diagnose

Automatisiertes Fahren

Connectivity

Safety & Security

THEMEN

Nachrichten

NACHRICHTEN

Neue Produkte

NEUE PRODUKTE

OEM Supplier

Mobile Automation

Im Blickpunkt

IAA Mobility

Messen - Testen - Diagnose

Fahrerassistenzsysteme & automatisiertes Fahren

electronica

Karriere bei HANSER

HANSER Fachbuch

HANSER eLibrary

HANSER eSolutions

HANSER eCampus

HANSER Corporate

HANSER Literaturverlage

Verlagsangebote

FORM+Werkzeug

Kunststoffe

Plastics Insights

QZ Qualität und Zuverlässigkeit

WB Werkstatt + Betrieb

Weitere Fachportale

Onlinearchiv

Online-Archiv

Newsletter

Verlag

Service Menu

xing

linkedin

Termine

Wer bietet was?

Whitepaper

XingNewsFeed

AM Xing News Feed

Firmenlizenz + Campus-Lizenz

FACHARTIKEL_2019, FACHARTIKEL_2018, FACHARTIKEL_2017, FACHARTIKEL_2016, FACHARTIKEL_2015, FACHARTIKEL_2014, FACHARTIKEL_2013, FACHARTIKEL_2012, FACHARTIKEL_2011, FACHARTIKEL_2010, FACHARTIKEL_2009, FACHARTIKEL_2008, FACHARTIKEL_2007, FACHARTIKEL_2006, FACHARTIKEL_2005, FACHARTIKEL_2004, FACHARTIKEL_2003, FACHARTIKEL_2002, FACHARTIKEL_2001, FACHARTIKEL_2000, FACHARTIKEL_1999, INTERVIEWARTIKEL_2019

Sie haben bereits ein Abonnement? Einfach <hanser-login-link>einloggen/registrieren</hanser-login-link> und weiterlesen!

Hanser Kundencenter

Preise sind inklusive MWSt., ggf. zzgl. Versandkosten

Exklusiver Zugriff auf ausgewählte Inhalte

Zentrale Verwaltung Ihrer persönlichen Daten

Praxisorientierte Fachinformationen bequem von Zuhause aus

Einfach hier <hanser-login-link>einloggen/registrieren</hanser-login-link> und weiterlesen!

Sie wollen wissen, wie es weitergeht? Um diesen Inhalt zu lesen, müssen Sie sich bitte anmelden oder im Hanser Kundencenter registrieren.