Digitale Umgebungsdaten

Bei der Auslegung und Beurteilung mechanisch beanspruchter Bauteile hinsichtlich ihrer Betriebsfestigkeit/Zuverlässigkeit spielen statistische Methoden eine zentrale Rolle.

Der zu durchlaufende Prozess beginnt bei der Erfassung, Beschreibung und Modellierung der Nutzungsvariabilität, die sich durch Kombination des unterschiedlichen Verhaltens der Nutzer mit der jeweiligen Umgebung ergibt. Bei den Traktoren einer bestimmten Klasse variieren beispielsweise sowohl die Anwendungen – wie Pflügen, Mähen oder Transport, als auch die regionalen Gegebenheiten – etwa große Felder in der Ebene oder kleine Felder in hügeligem Gelände mit vielen Wendevorgängen. Entsprechend unterschiedlich sind die Beanspruchungen der Maschine oder des Fahrzeugs und müssen durch geeignete statistische Ansätze wie Faktormodelle und Verteilungen mit oft hohen Varianzen beschrieben werden.

Prozess zur Betriebsfestigkeit definieren

Dies beginnt mit der Festlegung der Bemessungsgrundlagen:

  • Wie modelliert man die Kundenbeanspruchung?
  • Wie wertet man Daten aus dem Kundenbetrieb aus?
  • Wie plant man Messkampagnen zur Ermittlung von Beanspruchungsdaten?
  • Wie übersetzt man diese in Teststrecken oder Prüfprogramme?
  • Welche Ausfall(un)wahrscheinlichkeiten muss man wie nachweisen?
Betriebsfestigkeit
© Fraunhofer ITWM
Betriebsfestigkeit

Der nächste Schritt besteht in der Ableitung von Lastannahmen, die als Bemessungsgrundlage für den Entwicklungsprozess gebraucht werden. Hier rechnen wir Messdaten mit Hilfe der Faktormodelle und der Nutzungsmodelle für eine bestimmte Nutzergruppe auf eine Ziellaufzeit hoch. Hohe Quantile dieser Beanspruchungsverteilung werden dann zur Definition von Referenzlasten für die Entwicklung bzw. Freigabe herangezogen.

 

Volkswagen Nutzfahrzeuge profitiert von den Methoden

Diesen Prozess haben wir u.a. in einem gemeinsamen Projekt mit Volkswagen Nutzfahrzeuge durchgeführt und auf der VDI Konferenz Nutzfahrzeuge in Eindhoven vorgestellt. Einige der dabei eingesetzten Methoden – etwa die durch Verwendung geo-referenzierter Informationen angereicherte Auswertung von Messdaten und ihre statistische Aufbereitung mittels Faktormodellen – haben wir detaillierter auf der DVM-Konferenz des AK Betriebsfestigkeit 2016 in Steyr vorgestellt.

 

Ausfallsicherheit nachweisen

Für den Nachweis der erforderlichen Ausfallsicherheit mittels Freigabeversuchen muss man aufgrund der verbleibenden Unsicherheiten gerade in den extremen Rändern der Verteilungen zusätzliche Sicherheitsfaktoren einsetzen, bei deren Schätzung die Streuungen von Beanspruchung und Festigkeit eine wichtige Rolle spielen. Außerdem werden zur Unterstützung der Versuchsplanung die Dauer bzw. Höhe der Belastung und Anzahl der erforderlichen Bauteilversuche einander gegenübergestellt.

Schließlich werten wir die Versuche zum Nachweis der Festigkeit mit statistisch abgesicherten Verfahren aus. Dies gilt für vergleichsweise einfache Bauteilversuche ebenso wie für sehr teure und lang laufende Ganzfahrzeugversuche. Die optimale Planung solcher Versuche ist ein entscheidender Punkt.

  • Sollte man viele kurze Versuche (Durchläufer) machen oder besser sehr wenige längere?
  • Wie kann man aus wenigen Versuchen das Maximum an Information und Nutzen ziehen?

Wir verwenden und entwickeln Methoden zur Lösung all dieser Aufgaben mit Schwerpunkten in der Fahrzeug-, Bau- und Landmaschinenindustrie. Methodisch decken wir aber auch andere Branchen ab – etwa Windenergieanlagen. Weite Teile dieser Ansätze sind auch für Fragen der Energieeffizienz und des Verbrauchs von Fahrzeugen anwendbar und werden in aktuellen Projekten umgesetzt.

Referenzen

  • Weyh, T., Speckert, M., Opalinski, A., Wagner, M.: Planung einer Messkampagne durch Osteuropa mittels der Fraunhofer Software VMC („Virtual Measurement Campaign“), VDI-Bericht: Nutzfahrzeuge 2015 Commercial Vehicles 2015 Truck, Bus, Van, Trailer, VDI-Berichte/VDI-Tagungsbände 2247, Vol. Bericht 2247, 2015.
  • Speckert, M.; K., D.; Lübke, M.; Halfmann, T.: Automatisierte und um GEO-Daten angereicherte Auswertung von Messdaten zur Herleitung von Beanspruchungsverteilungen, DVM Bericht 143, 2016.

 

Anwendungsfelder

 

Autonomes Fahren im Nutzfahrzeugbereich bei Lastkraftwagen

Wir tragen im BMWi-Forschungsprojekt IdenT (Identifikation dynamik- und sicherheitsrelevanter Trailerzustände für automatisiert fahrende Lastkraftwagen) mit unserer mathematischen Expertise dazu bei, die Transformation des autonomen Transports im Bereich Lastkraftwagen voranzutreiben.

Geo-referenzierte Analyse und virtuelle Messkampagne (VMC®)

Seit einigen Jahren beschäftigen wir uns mit der statistischen Analyse von geo-referenzierten Daten zur Unterstützung und Verbesserung der Ableitung von Referenzlasten für die Betriebsfestigkeit und der Auslegung von Fahrzeugen hinsichtlich Energieeffizienz. Der Ansatz ist hauptsächlich motiviert durch den Wunsch, die Nutzungsvariabilität und die damit verbundene große Variation von Lasten und Verbrauch zu verstehen, zu beschreiben und für die zielgerichtete Entwicklung aufzubereiten.

 

Virtuelle Umgebungen zum Entwickeln, Erproben und Absichern von autonomen Fahrzeugfunktionen

Statistische Analyse von geo-referenzierten Daten zur Unterstützung und Verbesserung der virtuellen Auslegung von Fahrzeugen. Das Softwarepaket »VMC® Road and Scene Generator« ermöglicht die virtuelle Entwicklung von Automatisierungssystemen auf Basis realer Umgebungsdaten.

 

REDAR – Road & Environmental Data Acquisition Rover

Um 3D-Umweltdaten als Basis für realitätsnahe Simulationen zu erfassen, haben wir unser Messfahrzeug REDAR mit modernster Lasermesstechnik entwickelt.

 

EU-Projekt »ECOTR AVID«

Das europäische LIFE-Förderprojekt »ECOTRAVID« (»Emission and Consumption Optimized Transport Missions Using Virtual Drives«) zielt darauf ab, die Effizienz eines virtuellen Fahrsimulators zu demonstrieren, der auf der bei uns am Institut entwickelten Software »Virtual Measurement Campaign« (VMC) basiert und den Kraftstoffverbrauch von Schwerlastverkehr und die damit verbundenen CO2-Emissionen reduziert.

Mathematik für die Landwirtschaft

 

Fraunhofer-Leitprojekt COGNAC

Optimierung der landwirtschaftlichen Arbeitsprozesse

durch moderne Methoden der Datenanalyse oder des Maschinellen Lernens.