Verbundvorhaben PHyMoS: Proper Hybrid Models for Smarter Vehicles

Abstract

Ziel des Vorhabens war es, sogenannte Proper Models für unterschiedliche Fragestellungen als Simulationsmodelle zur Verfügung zu stellen und Methoden zur Erzeugung dieser zu entwickeln. Proper Models nutzen vorhandenes physikalisches Wissen in dateneffizienter Weise, sollen skalierbar sein und sollen die Vorteile physikbasierter und datenbasierter Modellierungstechniken vereinen. Im Teilvorhaben der TLK-Thermo GmbH wurden Proper Models für Thermomanagementsysteme, insbes. Wärmepumpen, entworfen und evaluiert, sowie Methodiken zur Erzeugung dieser erforscht. Mit Feedforward Neural Networks wurde eine statisch-datenbasierte Methode verwendet, um den Coefficient of Performance einer umschaltbaren Wärmepumpe unter diversen Betriebsbedingungen vorherzusagen. Als dynamisch-datenbasierte Methode wurden echtzeitfähige Neural-ODEs zur Verwendung in der Regelungsentwicklung und -optimierung verwendet. Es wurden signifikante Beschleunigungen in den Rechenzeiten erzielt. Die Methoden zur automatisierten und parallelisierten Erzeugung der Proper Models wurden als Tool-Prototypen innerhalb der TLK-Software MoBA Automation realisiert. Für den Export der schnellen Modelle und Import in andere Simulationsumgebungen wurde ein universell verwendbares Python-Tool entwickelt.