Selbstlernende, zuverlässigkeitsorientierte Prädiktion energetisch relevanter Größen im Kraftfahrzeug

Dieses Buch beschreibt ein System zur Prädiktion energetisch relevanter Größen (z.B. Fahrzeuggeschwindigkeit, Antriebsleistung) im Kraftfahrzeug entlang der vorausliegenden Fahrstrecke. Das System erfasst die gewünschte Größe ständig und erlernt ihren Verlauf bereits nach wenigen Befahrungen einer Strecke. Auf Basis dieses gelernten Wissens wird beim erneuten Befahren eine stochastisch optimale Prädiktion der Größe erstellt. Da die Prädiktion verschiedenen Unsicherheiten unterliegt, wird außerdem ein Gütemaß berechnet, das die Verlässlichkeit der Prädiktion quantifiziert.

Zwei Anwendungen werden näher betrachtet: Durch Lernen des Energieverbrauchs entlang der Strecke kann eine Reichweitenprädiktion realisiert werden. Das Gütemaß gibt dabei den Schwankungsbereich einer konkreten Prädiktion an. Ferner ermöglicht die Prädiktion der Geschwindigkeit und der Antriebskraft eine verbauchsorientierte vorausschauende Betriebsstrategie für Hybridfahrzeuge. Anhand des Gütemaßes kann eine solche Betriebsstrategie entscheiden, wann eine vorausschauende Optimierung erfolgversprechend ist.


Inhalt:
Vorausschausysteme - Selbstlernendes Vorausschausystem - Lernvorgang - Optimale Prädiktion - Prädiktionsgütemaß - Anwendung Reichweitenprädiktion - Anwendung Hybridbetriebsstrategie