Opt4E: Multikriterielle Synthese und Optimierung von Antriebssträngen für Elektrische Fahrzeuge

Zeitraum: 2023 – 2026

Kooperation:

TU München – Lehrstuhl für Maschinenelemente/Forschungsstelle für Zahnräder und Getriebesysteme,

Leibniz Universität Hannover – Institut für Maschinenkonstruktion und Tribologie IMKT & Institut für Antriebssysteme IAL,

AVL Deutschland GmbH,

BMW AG,

LSP Innovative Automotive Systems GmbH,

Magna Powertrain B.V. & Co. KG,

Schaeffler Technologies AG & C0. KG,

Strama-MPS Maschinenbau GmbH & Co. KG,

Vitesco Technologies GmbH

Förderung: Bundesministerium für Wirtschaft und Klimaschutz

Projektträger: DLR Deutsches Zentrum für Luft- und Raumfahrt

Das Forschungsprojekt Opt4E stellt sich das ambitionierte Ziel, eine gesamtheitliche Methode zur Synthese und Optimierung von Antriebssträngen für batterieelektrische Fahrzeuge zu entwickeln. Dabei sollen aus Anforderungen abgeleitete Optimierungskriterien als Key-Performance-Indicators berücksichtigt werden. Dazu wurden sechs Arbeitsfelder definiert, in denen jeweils tiefgehende Untersuchungen durchgeführt werden. In den resultierenden Teilprojekten werden Methoden zur Entwicklung von Simulationsmodellen für Subsysteme (wie beispielsweise Leistungselektronik, E-Maschinen und Getriebe) des Antriebsstrangs erarbeitet, welche die Anforderungen an Fertigungstoleranzen, NVH-Verhalten, Thermomanagement, Effizienz und die Fahrbarkeit/ Fahrkomfort berücksichtigen. In den einzelnen Arbeitsfeldern werden wissens- und physikalisch basierte Modelle erarbeitet und mit den Messergebnissen validiert. Als Ziel sollen abgesicherte Methoden und Werkzeuge zur Antriebsstrangsynthese und -optimierung erarbeitet werden. Ein anwendungsfreundlicher Methodenträger wird in Form einer Entwicklungsplattform programmiert, über welche ebenfalls Randbedingungen und Anforderungen an den Antriebsstrang erfasst werden können. Eine intelligente Verknüpfung und Parametrisierung der Simulationsmodelle der Subsysteme ermöglicht eine automatisierte multikriterielle Antriebsstrangauslegung und Optimierung, bei der Machine-Learning-Algorithmen zum Einsatz kommen können. Das IMS übernimmt im Projekt die Leitung des Arbeitsfeldes Fahrkomfort und ebenso die Leitung der Entwicklung und Programmierung des Methodenträgers zur multikriteriellen Optimierung, in dem die Forschungsergebnisse der Projektpartner integriert werden.

Mehr Informationen

Kontakt: Christopher Reus