Proper Hybrid Models for Smarter Vehicles; Kürzel: PHyMoS; Teilvorhaben: Methodenentwicklung und Implementierung in OpenModelica

Abstract

1. Stand von Wissenschaft und Technik vor Projektstart Innovative Automobilprodukte erfordern simulationsgestützte Analysen. Doch bestehende Modelle sind oft teuer, rechenintensiv und aufgrund begrenzter Genauigkeit kaum wiederverwendbar. 2. Begründung/Zielsetzung der Untersuchung Passgenaue Modelle mit hoher Genauigkeit und Recheneffizienz sollen automatisiert aus Daten und bestehenden Modellen generiert werden. Hybride Modellstrukturen kombinieren dabei die Stärken physik- und datenbasierter Ansätze. 3. Methode Symbolische Methoden nutzen die Repräsentation von Modelica-Modellen, um gezielt und effizient bestimmte Modellbereiche zu optimieren. Zwei Ansätze wurden für OpenModelica implementiert: Die Algebraic-Loop-Replacement Methode (ALR) ersetzt ausgewählte Gleichungen durch Surrogate, wobei verschiedene Architekturen und Trainingsalgorithmen realisiert wurden. Eine weitere Methode vereinfacht mathematische Ausdrücke mittels E-Graphs, ohne die Modellstruktur zu verändern. 4. Ergebnis Die ALR-Methode wurde erfolgreich an Benchmark-Modellen und Demonstratoren getestet, mit signifikanten Verbesserungen, insbesondere bei Echtzeitanforderungen. Der Einsatz von E-Graphs führt zu effizienterem Simulationscode. 5. Schlussfolgerung/Anwendungsmöglichkeiten Durch das PHyMoS-Projekt konnten neue Methoden zur Generierung beschleunigter Simulationsmodelle entwickelt werden und für die zukünftige Integration in OpenModelica prototypisch umgesetzt werden.