Jump to ContentJump to Main Navigation
Show Summary Details
More options …

at - Automatisierungstechnik

Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik

[AT - Automation Technology: Methods and Applications of Control, Regulation, and Information Technology
]

Editor-in-Chief: Jumar, Ulrich

12 Issues per year


IMPACT FACTOR 2017: 0.503

CiteScore 2017: 0.47

SCImago Journal Rank (SJR) 2017: 0.212
Source Normalized Impact per Paper (SNIP) 2017: 0.546

Online
ISSN
2196-677X
See all formats and pricing
More options …
Volume 66, Issue 9

Issues

Modellprädiktives Energiemanagement mit Steuerung der Fahrzeugführung für automatisiertes Fahren

Model predictive energy management with vehicle control for automated driving

Kirill Gorelik
  • Corresponding author
  • Zentralbereich Forschung und Vorausentwicklung, Robert Bosch GmbH, 71272 Renningen, Deutschland
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Ahmet Kilic / Roman Obermaisser / Norbert Müller
Published Online: 2018-09-13 | DOI: https://doi.org/10.1515/auto-2018-0025

Zusammenfassung

Mit der Einführung des autonomen Fahrens steigen die Anforderungen an Funktionen, die zum Übergang in den sicheren Zustand im Fehlerfall benötigt werden. Dabei spielt das Bordnetz, das eine zuverlässige Energieversorgung sicherstellen soll, für die funktionale Sicherheit eine wichtige Rolle. Der erste Teil dieser Arbeit erklärt neue Anforderungen an Bordnetze sowie eine fehlertolerante Topologie. Zur Steuerung von solchen Bordnetzen werden neue Betriebsstrategien benötigt, die den Betrieb im Normal- und Fehlerfall sicherstellen. Mit dem Einsatz einer prädiktiven und adaptiven Energieverteilung, die in die Antriebssteuerung eingebunden ist, wird eine modellprädiktive Fahrzeugsteuerung mit automatisierter Wahl des Szenarios zum Übergang in den sicheren Zustand realisiert, deren Architektur und Funktionalität beschrieben und anhand Fehlersimulation verifiziert wird.

Abstract

With the introduction of automated driving new requirements arise for the functions involved in the automated transition to a safe state in case of a failure. The vehicle power net, which is responsible for the reliable power supply also in case of a failure, is of high importance for the functional safety of the automated driving systems. In the first part of this paper, new requirements for the power nets as well as a fail-operational power net topology fulfilling these requirements are presented. For the control of fail-operational power nets also new control strategies are required, providing a reliable power supply for normal and failure case operation. With the use of predictive and adaptive energy flow distribution, which can be integrated in the control of the powertrain, model predictive vehicle control with automated selection of the best scenario for the safe state transition is realized. The architecture of such a system as well as fault injection simulation results verifying the functionality are presented in this paper.

Schlagwörter: automatisiertes Fahren; Energiemanagement; fehlertolerante Bordnetze; funktionale Sicherheit; modellprädiktive Steuerung

Keywords: automated driving; energy management; fail-operational power nets; functional safety; model predictive control

Literatur

  • 1.

    Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles, SAE Std. J3016, 2016.

  • 2.

    Kirill Gorelik, Ahmet Kilic und Roman Obermaisser, Energy management system for automated driving: Optimal and adaptive control strategy for normal and failure case operation, in: Annual IEEE International Systems Conference, April 2017.Google Scholar

  • 3.

    Tunan Shen, Ahmet Kilic und Kirill Gorelik, Dimensioning of Power Net for Automated Driving, in: The 30th International Electric Vehicle Symposium & Exhibition, S. 1–11, Oktober 2017.Google Scholar

  • 4.

    Jean-Luc Augier, Thorsten Huck, Ahmet Kilic, Wolfgang Müller und Gabriele Pieraccini, Efficient, Safe and Reliable Powernet for AD, in: Elektrik/Elektronik in Hybrid- und Elektrofahrzeugen und elektrisches Energiemanagement VII, S. 398–411, Juni 2016.Google Scholar

  • 5.

    Ahmet Kilic, Tunan Shen und Kirill Gorelik, Entwicklung eines fail-operational Bordnetzes für autonomes Fahren, in: VDI/VDE AUTOREG 2017 – Automatisiertes Fahren und vernetzte Mobilität, Juli 2017.Google Scholar

  • 6.

    Road vehicles – Functional safety – Part 3: Concept phase, ISO Std. 26 262-3:2011, 2011.

  • 7.

    Road vehicles – Functional safety – Part 5: Product development at the hardware level, ISO Std. 26 262-5:2011, 2011.

  • 8.

    Kirill Gorelik, Ahmet Kilic und Roman Obermaisser, Modeling and simulation of optimal and adaptive real-time energy management system for automated driving, in: IEEE Transportation Electrification Conference and Expo, S. 356–363, Juni 2017.Google Scholar

  • 9.

    Kirill Gorelik, Ahmet Kilic und Roman Obermaisser, Dynamic and Route Based Range Prediction for Automated Electric Vehicles: Connected Energy Management System with Range Extension for Improved Safety, in: IEEE Vehicle Power and Propulsion Conference, Dezember 2017.Google Scholar

  • 10.

    Lino Guzzella und Antonio Sciarretta, Vehicle Propulsion Systems, 3. Auflage, Springer-Verlag Berlin, Heidelberg, 2013.Google Scholar

  • 11.

    Christian Ress, Dirk Balzer, Alexander Bracht, Sinisa Durekovic und Jan Löwenau, ADASIS Protocol for Advanced In-Vehicle Applications, in: 15th World Congress on Intelligent Transport Systems, November 2008.Google Scholar

  • 12.

    Jürgen Ludwig, Elektronischer Horizont für vorausschauende Kartendaten, ATZelektronik, 7, Oktober 2014, 24–27.Google Scholar

  • 13.

    Massimo Ceraolo, New dynamical models of lead-acid batteries, IEEE Transactions on Power Systems, 15(4), 2000, 1184–1190.CrossrefGoogle Scholar

  • 14.

    Guangming Liu, Minggao Ouyang, Languang Lu, Jianqiu Li und Jianfeng Hua, A highly accurate predictive-adaptive method for lithium-ion battery remaining discharge energy prediction in electric vehicle applications, Applied Energy, 149, 2015, 297–314.Web of ScienceCrossrefGoogle Scholar

About the article

Kirill Gorelik

Dipl.-Ing. Kirill Gorelik ist Forschungsingenieur im Zentralbereich Forschung und Vorausentwicklung bei der Robert Bosch GmbH in Renningen und arbeitet aktuell an seiner Dissertation zum Thema „Energiemanagement für Autonomes Fahren“ als Promotionsstudent an der Universität Siegen. Er studierte Elektro- und Informationstechnik an der Universität Stuttgart und bekam seinen Diplomabschluss im Jahr 2012. Nach dem Studium arbeitete er als Hardware-Entwicklungsingenieur für Getriebesteuergeräte bei der Robert Bosch GmbH. Zu seinen Forschungsinteressen gehören prädiktive Steuerstrategien für fehlertolerante Bordnetze und Antriebsstränge sowie deren Umsetzung mit Echtzeit-Algorithmen.

Ahmet Kilic

Dr. Ahmet Kilic ist Teamleiter für das Projekt „Antriebsstrang für autonomes Fahren“ im Zentralbereich Forschung und Vorausentwicklung bei der Robert Bosch GmbH in Renningen. Er studierte an der Otto von Guericke Universität Magdeburg und erlangte seinen Diplomabschluss im Jahr 1997. Nach dem Studium promovierte er zum Thema „Untersuchung der Einzelstrahlmengen an Diesel – Common – Rail – Systeme“ an der Otto von Guericke Universität Magdeburg und beendete seine Promotion im Jahr 2003. Während seiner beruflichen Laufbahn war er unter anderem als Teamleiter für HEV Entwicklung bei Siemens VDO Automotive AG und für Hochvolt-Sicherheit bei der MBtech Group GmbH & Co. KGaA zuständig. Zu seinen Forschungsinteressen gehören fehlertolerante Antriebsstränge, Bordnetze, funktionale Sicherheit für autonomes Fahren sowie E/E-Architektur.

Roman Obermaisser

Prof. Dr. Roman Obermaisser ist Professor am Lehrstuhl für eingebettete Systeme der Universität Siegen. Er hat an der Technischen Universität Wien studiert und seinen Masterabschluss im Jahr 2001 erlangt. 2004 hat Roman Obermaisser seine Promotion in Fachgebiet Technische Informatik an der Technischen Universität Wien mit Auszeichnung beendet. 2009 erlangte Roman Obermaisser die Habilitation (“Venia docendi”) im Fachgebiet Technische Informatik. Seine Forschungsarbeiten beschäftigen sich mit Systemarchitekturen für zuverlässige eingebettete Echtzeitsysteme. Er schrieb Bücher über zeitgesteuerte Architekturen, welche beim Springer-Verlag und bei CRC-Press veröffentlicht wurden. Er ist der Autor zahlreicher Artikel in Journalen und bei Konferenzen. Er war außerdem in zahlreichen europäischen und nationalen Forschungsprojekten tätig (DFG, BMBF, FP7, H2020, Shift2Rail). Roman Obermaisser war der Koordinator der europäischen Projekte DREAMS, GENESYS und ACROSS zur Entwicklung von Systemarchitekturen für sicherheitsrelevante Echtzeitsysteme.

Norbert Müller

Dr. Norbert Müller leitet die Abteilung „Powertrain and eMobility Systems“ im Zentralbereich Forschung und Vorausentwicklung bei der Robert Bosch GmbH in Renningen. Er studierte Elektrotechnik an der Technischen Universität in Karlsruhe (KIT) und erlangte seinen Diplomabschluss im Jahr 1997. Nach dem Studium promovierte er mit Auszeichnung an der Universität Darmstadt bei Prof. Isermann zum Thema „Adaptive Motorregelung beim Ottomotor unter Verwendung von Brennraumdruck-Sensoren“. Seit 2002 war er bei der Robert Bosch GmbH unter anderem in der System- und Serienentwicklung für Einspritzsysteme tätig, leitete ab 2009 die Konzeptentwicklung für Powertrain-Hybridkonzepte, bis er 2014 in den Zentralbereich Forschung und Vorausentwicklung wechselte, wo er sich mit der Konzeptentwicklung von batterie- und brennstoffzellen-betriebenen Fahrzeugen einschließlich deren Infrastruktur beschäftigt.


Received: 2018-03-02

Accepted: 2018-06-07

Published Online: 2018-09-13

Published in Print: 2018-09-25


Citation Information: at - Automatisierungstechnik, Volume 66, Issue 9, Pages 735–744, ISSN (Online) 2196-677X, ISSN (Print) 0178-2312, DOI: https://doi.org/10.1515/auto-2018-0025.

Export Citation

© 2018 Walter de Gruyter GmbH, Berlin/Boston.Get Permission

Comments (0)

Please log in or register to comment.
Log in