KIRA - KI-Methoden zur optimierten Regelung elektrischer Traktionsantriebe; Teilvorhaben: Effizienzoptimale modellbasierte Pulsmustergenerierung und Regelung

Partnerspezifischer Schlussbericht

dc.contributor.authorBohl, Raimund
dc.contributor.authorJiptner, Michael
dc.contributor.authorKuhnen, Klaus
dc.contributor.authorLamprecht, Dirk
dc.contributor.authorLi, Xiang
dc.contributor.authorLöhning, Martin
dc.contributor.authorManderla, Maximilian
dc.contributor.authorMüller, Fabian
dc.contributor.authorScharfenstein, Daniel
dc.date.accessioned2026-01-15T18:18:04Z
dc.date.available2026-01-15T18:18:04Z
dc.date.issued2025-01-24
dc.description.abstractIm Projekt KIRA wurde die ganzheitliche Optimierung elektrischer Traktionsantriebe durch den Einsatz von Künstlicher Intelligenz (KI) vorangetrieben. In diesem Teilvorhaben lag der Fokus auf der Erhöhung des Wirkungsgrads durch den Einsatz verlustminimaler optimaler Pulsmuster (OPP) als Verbesserung im Vergleich zur konventionellen Raumzeigermodulation (SVPWM). Andere Arbeiten zu OPP zeigen, dass mit diesen beispielsweise besseres NVH-Verhalten durch Minimierung der harmonischen Verzerrung (THD) im Strom erreicht werden kann. Für die Generierung verlustminimaler OPP wurde eine Methode auf Basis gradientenbasierter Optimierung sowie ein entsprechender Optimierungsworkflow entwickelt. Für die Regelung eines Antriebs bei Verwendung von OPP wurde ein modellprädiktives Verfahren entwickelt. Ein wesentlicher Aspekt für die Pulsmusteroptimierung sind gleichzeitig schnelle und sehr genaue Verlustberechnungsverfahren. Hierzu wurde auf Basis einer Feldrekonstruktion mittels Modellordnungsreduktion (MOR) eine entsprechende Methode entwickelt und eingesetzt. Zudem wurden neue (Verlust-)Modelle auf Basis physikalischer Konstitutivmodelle entwickelt, die auf Materialcharakterisierungen basieren. Diese dienen als Referenz für den simulativen Abgleich. Die entwickelten Modelle und Methoden wurden mittels einer Demonstratormaschine auf einem E-Antriebsprüfstand validiert. Im Ergebnis zeigt sich ein simulatives Verlustreduktionspotenzial von bis zu 16 %. Der OPP-Regler weist hohe Dynamik und Genauigkeit auf, seine Implementierung ist zudem echtzeitfähig. Die MOR-Methode erreicht durchgängig >95 % Genauigkeit im Vergleich zur Finite-Elemente-Simulation. Die Konstitutivmodelle können als Referenz in der Simulation eingesetzt werden. Auf dem Prüfstand konnten die angestrebten 10 % Verlustreduktion zum Projektende noch nicht validiert werden. Als eine Ursache wurden bislang noch nicht abgebildete Effekte im Wirkzusammenhang der Verlustentstehung, beispielsweise Stanzkanteneffekte, identifiziert. Zudem stellt die messtechnische Erfassung von Verlusten und insbesondere die Identifikation der einzelnen Verlustkomponenten eine Herausforderung dar. Mit weiteren Arbeiten wird erwartet, dass die angestrebte Verlustreduktion erfüllbar ist und verlustminimale OPPs dann für elektrische Antriebe eingesetzt werden können.ger
dc.description.versionpublishedVersion
dc.identifier.urihttps://oa.tib.eu/renate/handle/123456789/28997
dc.identifier.urihttps://doi.org/10.34657/28066
dc.language.isoger
dc.publisherHannover : Technische Informationsbibliothek
dc.relation.affiliationRobert Bosch GmbH
dc.rights.licenseCreative Commons Attribution-NonDerivs 3.0 Germany
dc.rights.urihttps://creativecommons.org/licenses/by-nd/3.0/de/
dc.subject.ddc000 | Informatik, Information und Wissen, allgemeine Werke
dc.titleKIRA - KI-Methoden zur optimierten Regelung elektrischer Traktionsantriebe; Teilvorhaben: Effizienzoptimale modellbasierte Pulsmustergenerierung und Regelungeng
dc.title.alternativeKIRA – AI Methods for optimized control of electric traction drives. Subproject: Efficiency-optimized model-based pulse pattern generation and controleng
dc.title.subtitlePartnerspezifischer Schlussbericht
dc.typeReport
dcterms.extent149 Seiten
dtf.duration01.08.2021-31.07.2024
dtf.funding.funderBMWE
dtf.funding.program19I21030A
dtf.funding.verbundnummer01237840
tib.accessRightsopenAccess

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
BMBF19I21030A.pdf
Size:
35.22 MB
Format:
Adobe Portable Document Format
Description: