KIRA - KI-Methoden zur optimierten Regelung elektrischer Traktionsantriebe; Teilvorhaben: Innovative Lösungsansätze zur Kompensation von Strom- und Spannungsverzerrungen

Abstract

Das Forschungsvorhaben KIRA adressiert die ganzheitliche Optimierung des Betriebs von elektrischen Traktionsantrieben durch den Einsatz von Methoden basierend auf künstlicher Intelligenz (KI). Haupthebel sind neuartige Ansteuerungs- und Regelungskonzepte, welche eine grundlegende Überarbeitung der gängigen Methoden und Modelle voraussetzen. Mit ihrer Optimierungsmethodik setzt KIRA bei den wesentlichen Schlüsselaspekten des Elektroantriebs für Fahrzeuge an: Erhöhung des Wirkungsgrads, Erhöhung der Leistungsdichte, Reduktion störender Geräuschentwicklung und Erhöhung der Drehmomentgenauigkeit. Dieses Teilvorhaben betrachtet Ungenauigkeiten und Verzerrungen im momentbildenden Strom, die sich unmittelbar auf die Genauigkeit des Drehmoments auswirken und dadurch mittelbar auch auf Verlustleistung und Geräuschentwicklung. Eine wesentliche Störgröße der Stromregelung ist die Halbbrückentotzeit (Blanking Time), die zwischen den Schalthandlungen der Halbleiter einer Halbbrücke eingeführt werden muss, um Zwischenkreiskurzschlüsse zu vermeiden. Ihre negativen Auswirkungen auf die Stromform sind aufgrund des nichtlinearen Charakters nur schwer durch konventionelle Reglungen in den Griff zu bekommen. Daher wurde in diesem Teilvorhaben untersucht, wie weit KI-basierte Ansätze die Auswirkungen der Halbbrückentotzeit identifizieren und abschwächen können. Es wurde jeweils ein Ansatz aus den drei als geeignet identifizieren KI-Kategorien "Künstliche neuronale Netze mit Supervised Learning", "Künstliche neuronale Netze mit Reinforcement Learning" und "Fuzzy Logic" entworfen, umgesetzt und an einem für diesen Zweck aufgebauten Prüfstand evaluiert.