Autonomes Fahren im Nutzfahrzeugbereich bei Lastkraftwagen

Smarte Sensorik, Machine Learning und digitale Zwillinge

Wie können smarte Trailer dazu beitragen, dass Lkw autonom und zugleich sicher sowie wirtschaftlich unterwegs sind? Mit diesen Fragen beschäftigen wir uns gemeinsam mit sieben Partnerunternehmen aus Forschung und Industrie. Ein wichtiger Baustein und zentrales Teilziel ist der Aufbau eines echtzeitfähigen digitalen Online-Zwillings. Dieser ist in das Trailer-Datennetzwerk integriert und besteht aus einem reduzierten, echtzeitfähigen Trailermodell. Der Online-Zwilling verarbeitet die erhaltenen Sensordaten direkt über erprobte Methoden der Sensordatenfusion und des Maschinellen Lernens. Darüber hinaus soll im Rahmen des Vorhabens als weitere wichtige Komponente der Aufbau und die Einbindung eines physikalischen, nicht-echtzeitfähigen digitalen Offline-Zwillings realisiert werden. Dieser besteht aus einem Mehrkörpersimulationsmodell (MKS-Modell), das dynamik-, sicherheits- und verschleißrelevante Komponenten möglichst präzise abbildet.

Fahrdynamik und Datenanalyse

Das erste inhaltliche Ziel ist, dass der Trailer fahrdynamikrelevante Informationen für die Zugmaschine bereitstellt. Zum Beispiel wie schwer er gerade ist, wo der Schwerpunkt der Ladung liegt, wie die Achslasten verteilt sind. Diese Daten sind heute noch nicht verfügbar – aber die Analyse dieser Daten ist relevant, wenn es darum geht, das autonome Fahren sicherer zu machen. Die erfassten Daten sollen mit dem zu entwickelnden IdenT-System gezielt genutzt werden: Sensordaten werden in Echtzeit von einem mathematischen Modell des Sattelzugs – also einem digitalen Zwilling – ausgewertet und weiterverarbeitet. Während der Fahrt online gesammelte Informationen sendet der Truck zudem über eine Cloud-Infrastruktur an einen Offline-Zwilling, der mithilfe detaillierterer Fahrzeugmodelle beispielsweise den Komponentenverschleiß berechnet und dem Online-Zwilling zurückmeldet. Ein vom leitenden Projektpartner BPW Bergische Achsen zur Verfügung gestelltes Versuchsfahrzeug ist bereits im Einsatz: Der Auflieger dient dazu, das System im realen Fahrbetrieb zu erproben und liefert die ersten Daten.

Unsere Aufgabenschwerpunkte und mathematische Expertise aus dem Hause ITWM

Wir sind hauptsächlich in zwei Arbeitsbereichen beteiligt:

• der Online-Erkennung von Straßenzuständen, inklusive der damit verbundenen Selektion kritischer Abschnitte
• an Aufbau, Straßenanregung und Betrieb des Offline-Zwillings

Eine wesentliche Komponente im ersten Bereich ist dabei das Vorgehen, Straßenzustände für besonders beanspruchende Abschnitte basierend auf am Trailer gemessenen Zustandsgrößen zu erkennen. Für solche Abschnitte bestimmen wir mithilfe maßgeschneiderter Algorithmen und stochastischer Straßenmodelle sogenannte Rauigkeitskennwerte. Eine besondere Herausforderung dabei ist hier eine notwendige rechnerische Effizienz des Ansatzes, welcher online, auf dem Trailer, realisiert werden muss.

Wir greifen hier auf umfangreiche Expertise und jahrelange Anwendungserfahrungen auf den Feldern Systemtheorie, optimale Steuerung und Maschinelles Lernen zurück und wenden Verfahren und Methoden aus diesen Bereichen an, um effizient, während des Trailerbetriebs, Straßenprofile bzw. Straßenrauigkeiten zu schätzen. Diese Rauigkeitsinformationen – in Form von skalaren Indexzahlen für einzelne Straßenabschnitte – dienen dann als Klassifikation für die Trailerbeanspruchung und sollen für besonders beanspruchende Abschnitte eine detailliertere Simulation der Trailerzustände durch den Offlinezwilling auslösen.

Offline- und Online-Zwillinge im Zusammenspiel

Für den Betrieb des Offline-Zwillings sind einerseits hinreichend detaillierte Straßenanregungen nötig, sowie dazu konsistente Reifenmodelle. Wir bringen uns mit unseren Kompetenzen auf diesem Gebiet in die Erstellung, Anpassung und Optimierung des Offline-Zwillings ein und stellen darüber hinaus das am ITWM entwickelte Reifenmodell CDTire bereit. Ein Hauptfokus unserer Arbeiten besteht weiter in der Bestimmung eines geeigneten Straßenprofils für die Anregung des Offline-Zwillings – hier sind wesentlich höhere Anforderungen an die Genauigkeit zu stellen als dies für die zuvor beschriebene Online-Schätzung der Straßenrauigkeit nötig ist.

Auf der anderen Seite muss die Berechnung an dieser Stelle nicht mehr online erfolgen, sondern kann zusammen mit dem geplanten Cloud-Betrieb des Offline-Zwillings mit einem beschränkten Zeitversatz erfolgen, was hier komplexere Berechnungsverfahren erlaubt. Wir setzen dabei auf Methoden der nichtlinearen optimalen Steuerung und Systeminversion, um basierend auf Trailermessungen bzw. auf vom Online-Zwilling generierten Größen und im Zusammenspiel mit dem Offline-Zwilling selbst ein detailliertes Straßenprofil zu bestimmen.

Projektpartner:

• BPW Bergische Achsen (konsortialführend)
• Fraunhofer ITWM
• Fraunhofer LBF
• Institut für Mechatronische Systeme der Universität Hannover
• OKIT GmbH
• Industrial Science GmbH
• ts3 the smart system solution GmbH
• Viscoda GmbH

Projektlaufzeit:

Februar 2020 bis 2023

Das vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderte Projekt mit einem Gesamtvolumen von 4,7 Millionen Euro ist auf drei Jahre angelegt und trägt dazu bei, die Transformation des Transports mit innovativen Lösungen aktiv voranzutreiben.