PHyMoS - Proper Hybrid Models for Smarter Vehicles; Teilvorhaben: Simulationstoolerweiterung für automatisierte Arbeitsroutinen und Anwendungsbeispiele

Abstract

Derzeitiger Stand von Wissenschaft und Technik Zu Beginn des Teilvorhabens fehlten in Modelica-Tools integrierte Arbeitsabläufe zur Erstellung hybrider physikalisch-datenbasierter Modelle, die mittels Machine-Learning Ansätzen effiziente Produktentwicklung ermöglichen. Begründung/Zielsetzung der Untersuchung Hybride-Modelle sollen auf Basis von bestehenden, detaillierteren Modellen automatisiert generiert werden. Hybride Modellstrukturen sollen die Vorteile physikbasierter und datenbasierter Modellierungstechniken vereinen. Methode Im Teilvorhaben wurden insbesondere Methoden genutzt, die auf Basis von Neuronalen Netzen komplexe Modelle auf die zur Beantwortung spezifischer Aufgaben notwendigen Inputs und Output reduzieren. Ergebnis Im Ergebnis konnten relevante Anwendungsszenarien definiert, Toolprototypen entwickelt und anschließend an Demonstratoren deren Nutzen gezeigt werden. Schlussfolgerung/Anwendungsmöglichkeiten Die Entwickelten Routinen und Methoden sind eine Vielzahl von Fragestellungen zielführend und es wird beabsichtigt, die Integration in die kommerzielle Version von Modelon Impact im Anschluss an das Forschungsvorhaben voranzutreiben und so einer breiten Nutzergruppe Zugang zu effizienteren Produktentwicklungssoftware zu ermöglichen. Datei-Upload durch TIB