Forschung schafft Wissen, von dem unsere Kunden profitieren

Das Europäische Klimagesetz legt als Zwischenziel fest, die Netto-Treibhausgasemissionen bis 2030 um mindestens 55 % zu senken und die europäische Wirtschaft und Gesellschaft bis 2050 klimaneutral zu machen. Zur Erreichung dieser ambitionierten Ziele müssen die bestehenden offene Standards sowie Modellierungs- und Simulationsumgebungen für die Untersuchung großskaliger Modelle mit verteilter Regelung ertüchtigt werden, um den Energiebedarf und die Treibhausgasemission komplexer Energieversorgungssysteme minimieren zu können.

Die Erkenntnisse von OpenScaling sollen anhand industrienaher Anwendungsfälle aus den Bereichen

• Energieversorgung
• Gebäude
• Luftfahrt
• und Automotive

anhand der Erzeugung grünen Wasserstoffs, effizienterer Wärmepumpen, Brennstoffzellen basierter Antriebe und elektrischer Fahrzeuge demonstriert werden.

Gleichzeitig soll die handhabbare Größe der im virtuellen Entwicklungsprozess genutzten Systemmodelle durch die Weiterentwicklung der offenen Standards Modelica, FMI, eFMI und SSP wesentlich gesteigert werden.

Dies beinhaltet:

• die Verringerung der für Kompilierung und Simulation benötigten Zeit
• die Beschleunigung von Simulationen durch Verwendung schnell rechnender Ersatzmodelle, die mit Methoden des maschinellen Lernens erstellt werden
• eine Tool-Unterstützung nachvollziehbarer Modellierungs- und Simulationsprozesse mit belastbarer Genauigkeitsinformation
   

PARTNER

Das ITEA4-Projekt wird in enger Kooperation mit europäischen Partnern aus sechs Ländern durchgeführt.

Das Fahrzeug der Zukunft ist „smart“. Mit zunehmender Selbstverständlichkeit wird erwartet, dass ein Fahrzeug auf Veränderungen in seiner Umgebung flexibel reagieren und selbstständig Entscheidungen fällen kann, um sich optimal an verändernde Randbedingungen anzupassen. Dies bedeutet ein hohes Maß an „self-awareness“, also die Fähigkeit die Auswirkung des eigenen Verhaltens in der Interaktion mit der Umgebung zu prädizieren. Derartige Modelle seiner selbst und der Umgebung schnell, kosteneffizient und in Abwägung von Fidelity und Performanz erstellen zu können ist eine Schlüsselkompetenz. Klassische modelbasierte Ansätze sind häufig mit hohen Entwicklungsaufwänden verbunden. Fortschritte im Bereich der künstlichen Intelligenz eröffnen neue Optionen sind aber daten-intensiv und bergen andere Risiken. In diesem Projekt sollen hybride (daten- und physikbasierte) Ansätze in konkreten Anwendungen evaluiert werden, um unter Nutzung von vorhandenem physikalischem Vorwissen in dateneffizienter Weise skalierbare „Proper Models“ generieren zu können. Dies wird es zukünftig ermöglichen innovative Produkteigenschaften in wesentlich kürzerer Zeit zu entwickeln und im Fahrzeug zu realisieren.

XRG liefert in diesem Projekt ein physikalisches Fahrzeugkabinenmodell, aus dem ein echtzeitfähiges Modell abgeleitet werden soll. Das beschleunigte Modell bietet vielfältige Anwendungsmöglichkeiten in HiL-Applikationen und ermöglicht den Transfer der relevanten Modellinformation auf Regelungshardware. Gleichzeitig eröffnet es die Möglichkeit konzeptionelle Optimierungen wesentlich zu beschleunigen. XRG wird mit seinen Projektpartnern Methoden entwickeln und danach als prototypische Erweiterung für die XRG Software SCORE implementieren. Die entwickelten Routinen bilden die Grundlage für die finale Demonstration der Erstellung eines Proper Models unter Berücksichtigung der mehrerer unterschiedlicher Werkzeugketten.

PARTNER

Das Projekt wird in enger Kooperation mit folgenden Partnern durchgeführt:

• Robert Bosch GmbH, Stuttgart,
• Universität Augsburg, Augsburg,
• Technische Universität Braunschweig, Braunschweig,
• Fachhochschule Bielefeld, Bielefeld,
• TLK-Thermo GmbH, Braunschweig,
• ESI ITI GmbH, Dresden,
• LTX Simulation GmbH, München,
• Modelon Deutschland GmbH, Hamburg.

Forschungsförderung

Das Forschungsprojekt PHyMoS, welches durch das Bundesministerium für Wirtschaft und Energie unter dem Förderkennzeichen [19I20022F] gefördert wird, beginnt im März 2021 und endet im Feb. 2024.