Zustands- und Parameterschätzverfahren für modellbasierte Fahrdynamikfunktionen

Von:

Kelvin Wittmer

Beschreibung

Format auswählen

Kartonierter EinbandCHF 65.60

Kartonierter Einband

CHF65.60

TIEFPREIS

CHF65.60

Noch nicht erschienen. Erhältlich ab 12.02.2026

Kostenlose Lieferung

Kein Rückgaberecht

Beschreibung

Die Entwicklung moderner Fahrzeuge konzentriert sich zunehmend auf intelligente, aktive Fahrerassistenzsysteme, durch die eine Verbesserung der Fahrsicherheit, des Fahrkomforts und der Fahragilität erreicht werden kann. Während des Betriebs können jedoch veränderliche Fahrzeugeigenschaften, wie die Fahrzeugbeladung oder der Reifen-Fahrbahn-Kontakt, zu stark variierendem Fahrzeugverhalten führen. Da diese Änderungen nicht vorhersehbar sind, werden Fahrdynamikfunktionen klassischerweise konservativ für alle möglichen Fahrzeugzustände ausgelegt, was zu einer Reduktion ihrer Performance führt. Ziel dieser Arbeit ist daher die Online-Schätzung solcher unbekannten und veränderlichen Fahrzeugeigenschaften anhand der fahrzeuginternen Sensorik. Dadurch können Fahrdynamikfunktionen abhängig von den aktuellen Fahrzeugeigenschaften adaptiert werden. Konkret werden zum einen Schätzalgorithmen für die Fahrzeugbeladung, charakterisiert durch die Masse und Schwerpunktlage des Fahrzeugaufbaus, untersucht. Dazu wird ein Vertikaldynamikmodell und ein Joint Extended Kalman-Filter genutzt, welches sich sowohl für Fahrzeuge mit Stahl- als auch Luftfederfahrwerken anwenden lässt. Zum anderen werden die Schlupf- und Schräglaufsteifigkeiten der Reifen betrachtet, welche das Fahrverhalten im linearen Fahrbereich beschreiben. Dafür werden modellbasierte Schätzalgorithmen hergeleitet, welche das nichtlineare Reifenverhalten berücksichtigen und ausschließlich serienmäßig verbaute Sensorik von Fahrzeugen des Kooperationspartners Audi AG verwenden, um perspektivisch eine Anwendbarkeit in Serienfahrzeugen zu ermöglichen. So lässt sich die Performance bereits vorhandener und zukünftiger modellbasierter Fahrdynamikfunktionen verbessern.