Autonome Lkw Fraunhofer-Forscher überwachen Trailer mit digitalem Zwilling

Anbieter zum Thema

Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF

Disy Informationssysteme GmbH

QUNIS GmbH

Autonom fahrende Lkw werden kommen, glaubt man am Fraunhofer-LBF. Doch wie kann der technisch einwandfreie Zustand des Trailers vor Fahrtantritt überprüft werden? Hier kommt eine Möglichkeit ...

Um autonom fahrende Lkw sicher zu machen, muss deren Straßentauglichkeit überprüft werden. Das, so die Experten vom Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF, betrifft vor allem die Komponenten die für Sicherheit beim Fahren und für die Stabilität des Lkw. Aber auch die Fahreigenschaften des Gespanns, die der Fahrer während des Transports erfühlt und seine Fahrweise darauf einstellt, müssen automatisiert erfasst und durch den Autopiloten berücksichtigt werden, wie die Forscher ergänzen. Im Forschungsprojekt „IdenT- Identifikation dynamik- und sicherheitsrelevanter Trailerzustände für automatisiert fahrende Lastkraftwagen“ unter Federführung der BPW Bergische Achsen KG hat man aber nun eine Antwort für diese Fragen.

Der Kern von dieser ist ein Edge Device auf dem Trailer, der mithilfe eines Sensorennetzwerks verschiedene Messgrößen wie Beschleunigungen, Drücke, oder Kamerabilder erfasst. Im zugehörigen Rechner existiert ein digitaler Online-Zwilling, der die Daten in Echtzeit in einem Fahrdynamikmodell des Trailers verarbeitet. Besondere Fahrsituationen, die einer umfassenderen Analyse bedürften, würden erkannt und automatisch an einen auf der Cloud basierten Offline-Zwilling zur detaillierteren Auswertung übergeben.

Ein Teil des Sensornetzwerkes ist ein Modul, das als Achskapsel eines Trailerrades installiert wird, wie es weiter heißt. Ein kleiner Generator, der durch die Raddrehung gespeist wird, liefert dafür genug Energie für die Versorgung der Sensoren, eines leistungsstarken Controllers und die verschiedenen Funkschnittstellen (Bluetooth oder „LoRaWAN“). Der Achskapselsensor könne als Teil des Sensornetzes Daten für die digitalen Zwillinge sammeln oder als einzelne Einheit Sensordaten erfassen, auswerten und per Funk verschicken.

So checken Offline- und Online-Zwilling den Lkw

Am LBF hat man dazu eine Mehrkörpersimulation (MKS)-Modelle für den digitalen Offline-Zwilling entwickelt und implementiert. Er dient zur numerischen Simulation betriebsfestigkeitsrelevanter Fahrsequenzen, die von dem Online-Zwilling während der Fahrt auf Basis der Sensordaten identifiziert werden, heißt es. Gemessene und vom Online-Zwilling identifizierte Zeitreihen und Parameter werden auf ein Cloud-System gesendet, auf dem der gesamte Prozess des Offline-Zwillings getriggert wird. Dieser besteht aus verschiedenen Funktionen, die von den Projektpartnern entwickelt und zusammen in eine Prozesskette integriert wurden.

Das zentrale Element ist ein detailliertes MKS-Modell des Lkw-Trailers, das für die Simulation eines jeden Abschnittes automatisiert an den aktuellen identifizierten Zustand des realen Fahrzeugs mit entsprechenden Funktionen angepasst wird, wie die Forscher erklären. Im Anschluss an jede Simulation berechneten zusätzliche Funktionen die Prognose des Betriebsfestigkeitszustandes ausgewählter Komponenten. Wesentliche Größen für die Validierung des digitalen Zwillings sind die Kopplungskräfte am sogenannten King Pin, über den der Trailer an die Zugmaschine angehängt wird. Die Modelle wurden mit diesen Messdaten abgeglichen, so dass diese Schnittkräfte zukünftig durch Modelle zuverlässig bestimmt werden.

Mit Schnittkraftmessung und KI-Algorithmen

Im Rahmen des Projekts wurde auch eine Messplattform aufgebaut, die die angreifenden Kräfte und Momente am King Pin im Fahrbetrieb erfasst. Plattform besteht aus Kraftmesszellen und ist dafür vorgesehen, im Entwicklungsprozess oder zu Validierungszwecken eingesetzt zu werden. Beispielsweise werden mit dem Messaufbau Belastungsdaten ermittelt oder genaue Daten zur Abstimmung der Bremssysteme des Trailers erfasst, merken die LBF-Forscher an.

Aber man beschäftigte sich dabei auch mit der Identifikation des Zustands der Fahrwerk-Elastomerlager. Dazu verfolgte man zwei parallele Ansätze: Auf einer Seite wurden auf der Physik basierte Identifikationsalgorithmen entwickelt, die ein vereinfachtes mechanisches Modell der Achse mit Algorithmen zur Parameteridentifikation kombinieren. Das ermögliche die Schätzung der mechanischen Eigenschaften der Elastomerlager, die im Zusammenhang mit dem wirklichen Zustand der Lager stünden. Auf der anderen Seite wurden KI-basierte (KI = künstliche Intelligenz) Identifikationsalgorithmen implementiert, die einen direkten Zusammenhang zwischen verfügbaren Messdaten und dem Elastomerlagerzustand bilden. Beide Wege lieferten im Projekt die gewünschten Informationen, wie das Forscherteam betont.

Dieser Artikel stammt von unserem Partnerportal MM MaschinenMarkt.

(ID:49813659)