Verbundprojekt: AnRox - Ausfallsicheres und effizientes elektrisches Antriebssystem für Robotertaxis

Abstract

Das Projekt AnRox adressierte intelligente fehleroperable Antriebssysteme für zukünftige automatisierte Fahrzeuge als Basis für sicheren Betrieb, hohe Nutzerakzeptanz sowie wirtschaftliche Geschäftsmodelle der Betreiber. Ziel war die Erforschung und Validierung innovativer ausfallsicherer Antriebssysteme an der Leitanwendung Robotertaxi, bei denen Mehraufwände durch einen erhöhten Anwender- und Betreibernutzen kompensiert werden. Erzielt wurde dies durch ein eng verkettetes Vorgehen über alle relevanten Systemebenen hinweg, ausgehend vom Systemkontext (Anwendungsfall & Fahrzeugebene) bis hin zu der betrachteten Topologie- (Interaktion Antrieb & Chassis) und Komponentenebene (Energiebordnetz, Leistungselektronik & Maschine). Weiterhin wurden Freiheitsgrade von Mehrmotorenantrieben und intelligenten Diagnosekonzepten mit KI-basierten Verfahren ausgeschöpft. Die erarbeiteten Methoden und Ergebnisse sind generell auf alle automatisierten Elektrofahrzeuge übertragbar und wurden an einer durchgängigen Validierungskette vom Komponentenprüfstand bis zum Fahrzeugdemonstrator demonstriert und abgesichert.

Datei-Upload durch TIB

The publicly funded project AnRox addressed intelligent fault-tolerant drivetrain systems for future automated vehicles as a basis for safe operation, high user acceptance, and economical business models for operators. The goal was to research and validate innovative fault-tolerant drivetrain systems with the focus on the use case of robocabs compensating additional efforts by added value for the end user and operator. This was achieved through a closely linked research across all relevant system levels, starting from the system context (use case & vehicle level) to the considered topology level (interaction between drivetrain & chassis) and component level (powernet components, power electronics & electric machine). Furthermore, the degrees of freedom of multi-motor drivetrains and intelligent diagnosis concepts with AI-based methods were utilized. The developed methods and results are generally transferable to all automated electric vehicles and were demonstrated and validated through a coherent validation chain from component test benches to the vehicle demonstrator.