AT527508A1 - Verfahren und System zum Ermitteln physikalischer Parameter für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells - Google Patents

Abstract

Die Erfindung betrifft ein computerimplementiertes Verfahren (200) zum Ermitteln physikalischer Parameter (Y) eines zu analysierenden Fahrzeugs (1) für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells (T), wobei eine Fahrzeugspezifikation des zu analysierenden Fahrzeugs (1) erfasst wird (201), wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften (X) des zu analysierenden Fahrzeugs (1) charakterisiert ist, wobei Werte der physikalischen Parameter (Y) des zu analysierenden Fahrzeugs (1) mittels einer Mehrzahl von unterschiedlichen Untermodellen (A,B,C,D) des Transformationsmodells (T) auf der Grundlage der Werte der technischen Eigenschaften (X) ermittelt werden (202), wobei die Werte der physikalischen Parameter (Y) des zu analysierenden Fahrzeugs (1) ausgegeben werden (203).

Description

15

20

25

30

PP34084AT 12.09.2023

Verfahren und System zum Ermitteln physikalischer Parameter für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells

Die Erfindung betrifft ein computerimplementiertes Verfahren und ein entsprechendes System zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für

verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells.

Eine Vielzahl von physikalischen Parametern eines Fahrzeugs können bei Tests, insbesondere bei Crash-Tests, nur schwer oder nur mit sehr hohem Aufwand gemessen

werden.

Die Erfindung hat zur Aufgabe Messgrößen am Fahrzeug, die nur schwer oder mit großem Aufwand gemessen werden können, bestimmbar zu machen, insbesondere in einer frühen

Phase bei der Fahrzeugentwicklung.

Diese Aufgabe wird durch die Lehre der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen finden sich in den Unteransprüchen.

Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Trainieren eines Transformationsmodells, welches mehrere Untermodelle aufweist, zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen, folgende Arbeitsschritte aufweisend:

Erfassen von Fahrzeugspezifikationen eines Fahrzeugs, insbesondere des zu analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften des Fahrzeugs charakterisiert ist;

Simulieren eines Betriebs des Fahrzeugs, vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario, mittels Simulationsmodellen unter Berücksichtigung von Messdaten wenigstens eines realen

Fahrzeugs, wobei die Simulationsmodelle ein virtuelles Fahrzeug abbilden, wobei das

2764

15

20

25

30

PP34084AT 12.09.2023 _D_

Simulieren mehrmals mit jeweils unterschiedlicher Fahrzeugspezifikation des Fahrzeugs durchgeführt wird und wobei Betriebsdaten erzeugt werden;

Ableiten von Werten der physikalischen Parameter des Fahrzeugs aus den Betriebsdaten; Bereitstellen der Werte der physikalischen Parameter, welche mittels der Simulationsmodelle erzeugt wurden, und der jeweils dazugehörigen Fahrzeugspezifikationen, insbesondere an einer Datenschnittstelle; und

Trainieren von Ausgleichsrechnungen, insbesondere künstlichen neuronalen Netzen, mittels der Werte der physikalischen Parameter und der jeweils dazugehörigen Fahrzeugspezifikationen, wobei jede Ausgleichsrechnung die Grundlage für jeweils eines der Untermodelle bildet, wobei aus unterschiedlichen Simulationsmodellen abgeleitete physikalische Parameter jeweils in unterschiedliche künstliche neuronale Netze

eingelesen werden.

Ein zweiter Aspekt der Erfindung betrifft ein computerimplementiertes Verfahren zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells, folgende Arbeitsschritte aufweisend:

Erfassen einer Fahrzeugspezifikation des zu analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften des zu analysierenden Fahrzeugs charakterisiert ist;

Ermitteln von Werten der physikalischen Parameter des zu analysierenden Fahrzeugs mittels einer Mehrzahl von unterschiedlichen Untermodellen des Transformationsmodells auf der Grundlage der Werte der technischen Eigenschaften, wobei die Untermodelle jeweils eine Zuordnungsvorschrift zwischen Fahrzeugspezifikationen und wenigstens einem physikalischen Parameter des zu analysierenden Fahrzeugs aufweisen und jeweils auf einer Ausgleichsrechnung bezüglich Simulationsergebnissen beruhen, welche aus mehreren Betriebs-Simulationen mittels Simulationsmodellen, welche ein virtuelles Fahrzeug abbilden, unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs mit jeweils unterschiedlicher Fahrzeugspezifikation des virtuellen Fahrzeugs resultieren, wobei in unterschiedliche Ausgleichsrechnungen die Simulationsergebnisse jeweils anderer Simulationsmodelle eingehen und wobei wenigstens zwei der Ausgleichsrechnungen künstliche neuronale Netze sind, welche vorzugsweise mittels eines Verfahrens gemäß dem ersten Aspekt der Erfindung trainiert wurden; und Ausgeben der Werte der physikalischen Parameter des zu analysierenden Fahrzeugs.

15

20

25

30

PP34084AT 12.09.2023

Ein dritter Aspekt der Erfindung betrifft ein computerimplementiertes Verfahren zum Ermitteln von Fahrzeugspezifikationen eines zu analysierenden Fahrzeugs für einen Satz an physikalischen Parametern mittels eines Transformationsmodells, folgende Arbeitsschritte aufweisend:

Erfassen von Werten einer Mehrzahl von physikalischen Parametern des zu analysierenden Fahrzeugs;

Ermitteln einer Fahrzeugspezifikation, welche durch eine Ausprägung der Werte von technischen Eigenschaften des zu analysierenden Fahrzeugs charakterisiert ist, mittels eines Gradientenabstiegsverfahrens ausgehend von Default-Werten für die Fahrzeugspezifikation, wobei innerhalb des Gradientenabstiegsverfahrens vorzugsweise das Verfahren gemäß dem zweiten Aspekt der Erfindung mehrfach ausgeführt wird, um die Fahrzeugspezifikation zu ermitteln; und

Ausgeben der Fahrzeugspezifikation des wenigstens einen zu analysierenden Fahrzeugs.

Ein vierter Aspekt der Erfindung betrifft ein Computerprogramm oder ein Computerprogrammprodukt, wobei das Computerprogramm oder Computerprogrammprodukt, insbesondere auf einem computerlesbaren und/oder nichtflüchtigen Speichermedium gespeicherte, Anweisungen enthält, welche, wenn sie von einem Computer oder einem System ausgeführt werden, den Computer oder das System dazu veranlassen, die Schritte eines Verfahrens gemäß dem ersten, zweiten oder dritten

Aspekt durchzuführen.

Ein fünfter Aspekt der Erfindung betrifft ein System zum Trainieren eines Transformationsmodells, welches mehrere Untermodelle aufweist, zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen, aufweisend:

eine erste Schnittstelle, insbesondere Datenschnittstelle, zum Erfassen von Fahrzeugspezifikationen eines Fahrzeugs, insbesondere des zu analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften des Fahrzeugs charakterisiert ist;

Mittel zum Simulieren eines Betriebs des Fahrzeugs, vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario,

mittels Simulationsmodellen unter Berücksichtigung von Messdaten wenigstens eines

15

20

25

30

PP34084AT 12.09.2023 _4-

realen Fahrzeugs, wobei die Simulationsmodelle ein virtuelles Fahrzeug abbilden, wobei das Simulieren mehrmals mit jeweils unterschiedlicher Fahrzeugspezifikation des Fahrzeugs durchgeführt wird und wobei Betriebsdaten erzeugt werden;

Mittel zum Ableiten von Werten der physikalischen Parameter des Fahrzeugs aus den Betriebsdaten;

eine zweite Schnittstelle, insbesondere Datenschnittstelle, zum Bereitstellen der Werte der physikalischen Parameter, welche mittels der Simulationsmodelle erzeugt wurden, und der jeweils dazugehörigen Fahrzeugspezifikationen zum Trainieren von Ausgleichsrechnungen, insbesondere künstlichen neuronalen Netzen, wobei jede Ausgleichsrechnung die Grundlage für jeweils eines der Untermodelle bildet, wobei aus unterschiedlichen Simulationsmodellen abgeleitete physikalische Parameter jeweils in

unterschiedliche künstliche neuronale Netze eingelesen werden.

Ein sechster Aspekt der Erfindung betrifft ein System zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells, folgende Arbeitsschritte aufweisend:

eine Schnittstelle, insbesondere Datenschnittstele, zum Erfassen einer Fahrzeugspezifikation des zu —analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften des zu analysierenden Fahrzeugs charakterisiert ist und zum Ausgeben der Werte der physikalischen Parameter des zu analysierenden Fahrzeugs; und

Mittel zum Ermitteln von Werten der physikalischen Parameter des zu analysierenden Fahrzeugs mittels einer Mehrzahl von unterschiedlichen Untermodellen des Transformationsmodells auf der Grundlage der Werte der technischen Eigenschaften, wobei die Untermodelle jeweils eine XZuordnungsvorschrift zwischen Fahrzeugspezifikationen und wenigstens einem physikalischen Parameter des zu analysierenden Fahrzeugs aufweisen und jeweils auf einer Ausgleichsrechnung bezüglich Simulationsergebnissen beruhen, welche aus mehreren Betriebs-Simulationen mittels Simulationsmodellen, welche ein virtuelles Fahrzeug abbilden, unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs mit jeweils unterschiedlicher Fahrzeugspezifikation des virtuellen Fahrzeugs resultieren, wobei in unterschiedliche Ausgleichsrechnungen die Simulationsergebnisse jeweils anderer Simulationsmodelle eingehen und wobei wenigstens zwei der Ausgleichsrechnungen künstliche neuronale Netze sind.

15

20

25

30

PP34084AT 12.09.2023

Ein siebter Aspekt der Erfindung betrifft ein computerimplementiertes Maschinenlernmodell, insbesondere künstliches neuronales Netz, zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen, wobei das Maschinenlernmodell konfiguriert worden ist, indem für jede Trainingseingabe die Arbeitsschritte eines Verfahrens gemäß dem ersten Aspekt

der Erfindung durchgeführt wurden.

Eine Fahrzeugspezifikation im Sinne der Erfindung ist vorzugsweise eine Ausprägung einer Mehrzahl von technischen Eigenschaften eines Fahrzeugs. Weiter vorzugsweise ist diese eine detaillierte Beschreibung der technischen Eigenschaften eines Fahrzeugs, die

technische Informationen und Merkmale des Fahrzeugs enthält.

Technische Eigenschaften im Sinne der Erfindung sind vorzugsweise Merkmale einer

Einrichtung, welche geeignet sind, diese zu charakterisieren.

Eine Gattung von Einheiten im Sinne der Erfindung ist vorzugsweise eine Gesamtheit von Einheiten, welche in ihren wesentlichen technischen Eigenschaften innerhalb eines definierten Wertebereichs liegen oder vorzugsweise übereinstimmen. Eine bestimmte

Einheit ist mithin vorzugsweise eine Realisierung der Gattung von Einheiten.

Ein Transformationsmodell im Sinne der Erfindung stellt vorzugsweise einen Zusammenhang zwischen Beobachtungsgrößen und Zielgrößen oder einer Gruppe aus Zielgrößen her. Insbesondere stellt ein Transformationsmodell einen Zusammenhang zwischen wenigstens einem physikalischen Parameter und wenigstens einer technischen Eigenschaft wenigstens eines Fahrzeugs her. Vorzugsweise ist das Transformationsmodell nicht Zzeitaufgelöst. Weiter vorzugsweise beruht das Transformationsmodell selbst jedoch auf einer zeitaufgelösten Simulation des Betriebs eines Fahrzeugs mit einer Vielzahl von unterschiedlichen Fahrzeugspezifikationen.

Ein Simulieren eines Betriebs einer Einheit im Sinne der Erfindung ist vorzugsweise eine zeitaufgelöste oder streckenaufgelöste oder fregquenzaufgelöste oder statische Simulation des Betriebsverhaltens einer Einheit, insbesondere eines Fahrzeugs, mittels eines Simulationsmodells. Ein Betrieb einer Einheit wird insbesondere durch

15

20

25

30

PP34084AT 12.09.2023 —6-

Beobachtungsgrößen, wie Drehzahl, Drehmoment, Massenflüsse, Drücke, Temperaturen, Energieverbrauch, Verbrauch von Betriebsmitteln, Emissionen, OBD-Werte,

Geschwindigkeit, Gangwahl etc., charakterisiert.

Eine Ausgleichsrechnung im Sinne der Erfindung ist vorzugsweise ein Regressionsverfahren oder ein Mustererkennungsverfahren, insbesondere auf der Grundlage eines künstlichen neuronalen Netzes oder ein künstliches neuronales Netz,

und/oder eine Kombination aus beiden, insbesondere im Sinne der statistischen Lehre.

Erfassen von Messdaten im Sinne der Erfindung ist vorzugsweise ein Einlesen von Messdaten über eine Datenschnittstelle. Alternativ oder zusätzlich beinhaltet ein Erfassen eine Bestimmung eines Messsignals mittels eines Sensors und/oder eine

Nachbearbeitung eines Messignals zum Erzeugen der Messdaten.

Ausgeben im Sinne der Erfindung ist vorzugsweise ein Bereitstellen. Vorzugsweise erfolgt das Bereitstellen über eine Datenschnittstelle. Insbesondere ist es aber auch möglich, eine

Information über eine Benutzerschnittstelle, beispielsweise einen Bildschirm, auszugeben.

Ein Betriebszyklus im Sinne der Erfindung ist vorzugsweise eine zeitaufgelöste und/oder

streckenaufgelöste Abfolge von Betriebspunkten eines Betriebs einer Einheit.

Ein Szenario im Sinne der Erfindung wird vorzugsweise aus einer zeitaufgelösten und/oder streckenaufgelösten Abfolge von Betriebspunkten, die einen bestimmten Lastfall charakterisieren, gebildet.

Ein Fahrzeug im Sinne der Erfindung ist jede Art von Land-, Wasser-, Luft- oder

Raumfahrzeug, insbesondere ein Kraftfahrzeug.

Ein Mittel im Sinne der vorliegenden Erfindung kann vorzugsweise hard- und/oder softwaretechnisch ausgebildet sein, insbesondere ein, vorzugsweise mit einem Speicherund/oder Bussystem daten- bzw. signalverbundene, insbesondere digitale, Verarbeitungs‚ insbesondere Mikroprozessoreinheit (CPU) und/oder ein oder mehrere Programme oder Programmmodule, aufweisen. Die Mikroprozessoreinheit kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind,

71764

15

20

25

30

PP34084AT 12.09.2023 _7—

abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus abzugeben. Ein Speichersystem kann ein oder mehrere, insbesondere verschiedene, Speichermedien, insbesondere optische, magnetische, Festkörper- und/oder andere nicht-flüchtige Medien, aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, so dass die Mikroprozessoreinheit die Schritte solcher Verfahren ausführen und damit insbesondere wenigstens eine Einrichtung

analysieren oder ein Transformationsmodell trainieren kann.

Die Erfindung basiert auf dem Ansatz, physikalische Parameter eines Fahrzeugs, welche nur schwer oder mit sehr großem Aufwand ermittelt werden können, auf der Grundlage einer begrenzten Anzahl an Messungen an wenigstens einem realen Fahrzeug ermitteln

zu können.

Dies wird erreicht, indem auf der Grundlage der begrenzten Anzahl an Messungen ein Berechnungsmodell, genannt Transformationsmodell, erzeugt wird, mit welchem die Vorhersagen der schwer zu bestimmenden physikalischen Parameter in einem vergleichsweise großen Gültigkeitsbereich des Berechnungsmodells ermittelt werden

können.

Um ein solches Berechnungsmodell oder auch Transformationsmodell zu erzeugen, werden zunächst parametrierbare virtuelle Prototypen erstellt. Diese weisen eine ganze Reihe an Simulationsmodellen, zum Beispiel 3D-CAD-Modelle, Crashmodelle, Fahrdynamik-Simulationsmodelle, etc. auf. Mittels dieser virtuellen Prototypen werden virtuelle Versuche, also insbesondere virtuelle Testfahrten, durchgeführt, wobei Betriebsdaten erzeugt werden. Bei diesen Betriebsdaten handelt es sich zunächst um Signale, welche bezüglich anderer Parameter diskretisiert sind, also von diesen abhängen. Meist werden zeitdiskrete Signale erzeugt, aber auch andere Signalarten sind denkbar, zum Beispiel Abhängigkeiten von einer zurückgelegten Strecke, einer Anregungsfrequenz oder auch einem Biegestress. Die virtuellen Versuche können auch ganz bestimmte Aspekte eines Fahrzeugbetriebs abdecken, zum Beispiel eine

Fahrdynamik-Simulation oder eine Crash-Simulation.

15

20

25

30

PP34084AT 12.09.2023 —_8-—

Aus den parameterdiskretisierten Betriebsdaten werden Kennzahlen hergeleitet, welche Werte von physikalischen Parametern repräsentieren und vorzugsweise Skalare sind. Diese Kennzahlen werden mit Messdaten der physikalischen Parameter von realen Fahrzeugen, vorzugsweise aus realen Testfahrten, verglichen. Die Messdaten können unmittelbar mit Sensoren gemessen oder auch aus Messungen hergeleitet sein. Auf der Grundlage dieses Vergleichs wird der virtuelle Prototyp, also dessen Simulationsmodelle, solange verändert oder kalibriert, bis eine ausreichende Übereinstimmung zwischen den Messdaten und den mittels der virtuellen Prototypen ermittelten physikalischen Parameter hergestellt ist, insbesondere bis ein Abweichungsmaß in Bezug auf die physikalischen

Parameter unter einem definierten Grenzwert liegt.

Auf der Grundlage dieser kalibrierten virtuellen Prototypen werden dann Parametervariationen durchgeführt, also die Spezifikation und/oder die Werte des virtuellen Prototyps verändert. Bei dieser Parametervariation kommt vorzugsweise ein statistischer Versuchsplan zum Einsatz, um eine möglichst gute Abdeckung des

Parameterraums mit vergleichsweise geringer Anzahl an Variationen zu erreichen.

Wiederum werden dann definierte virtuelle Szenarien abgearbeitet, welche dieselben Szenarien sind, wie in den virtuellen Versuchen, welche eingangs ausgeführt wurden. Hierdurch werden wiederum Betriebsdaten und, nach Auswertung bzw. einer Datennachbearbeitung dieser Betriebsdaten, Werte von physikalischen Parametern

erzeugt.

Die Werte der physikalischen Parameter, welche mittels der virtuellen Prototypen erzeugt bzw. aus diesen abgeleitet wurden, und die jeweils dazugehörige Fahrzeugspezifikation

werden an einer Datenschnittstelle bereitgestellt.

Diese Daten gehen in eine Ausgleichsrechnung ein, welche die Grundlage für jeweils ein Untermodell bildet. Auf diese Weise werden Untermodelle trainiert. Vorzugsweise handelt es sich bei diesen Ausgleichsrechnungen um künstliche neuronale Netze. In diesem Fall werden die Werte der physikalischen Parameter an der Ausgabeschicht (englisch: output layer) und die dazugehörige Fahrzeugspezifikation an der Eingabeschicht (englisch: input

layer) bereitgestellt, so dass das künstliche neuronale Netz entsprechende Gewichtungen

15

20

25

30

PP34084AT 12.09.2023 _9—

und Ausrichtungen (englisch: weights and biases) ausbilden kann, um die entsprechenden Zusammenhänge abzubilden.

Mittels des Vorhersagemodells oder Transformationsmodells können jene physikalischen Parameter, anhand welcher das Vorhersage- bzw. Transformationsmodell trainiert wurde, bestimmt werden, indem Fahrzeugspezifikationen als Eingabe in das Vorhersage- bzw. Transformationsmodell eingespeist werden. Die physikalischen Parameter müssen weder selbst gemessen werden noch sind weitere Messungen anderer Parameter notwendig, um

die physikalischen Parameter abzuleiten.

Die Erfindung bietet einen wesentlichen Vorteil gegenüber einem unmittelbaren Training der Vorhersage- bzw. Transformationsmodelle auf der Grundlage von Messdaten von realen Fahrzeugen. Sollen beispielsweise Crash-Versuche simuliert werden, so müssten eine Vielzahl von Fahrzeugen (insbesondere mehr als 1.000 von unterschiealicher Masse, Batteriekapazität und Radstand) jeweils in Crash-Versuchen geopfert werden, um einen Zusammenhang zwischen den Spezifikationen dieser Fahrzeuge und der maximalen Beschleunigung auf einen Crashtest-Dummy zu ermitteln. Dies würde im Endeffekt ebenfalls die notwendigen Trainingsdaten für die Vorhersage- bzw. Transformationsmodelle ergeben, wäre aber offensichtlich wesentlich aufwändiger und nur durchführbar, wenn die notwendige Anzahl an Fahrzeugen zur Zerstörung zur Verfügung steht.

In einer vorteilhaften Ausgestaltung weist das Verfahren des Weiteren wenigstens einen der folgenden Arbeitsschritte auf:

Simulieren eines Betriebs eines virtuellen Fahrzeugs mittels der, vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario, wobei die Simulationsmodelle das virtuelle Fahrzeug abbilden, und wobei Betriebsdaten erzeugt werden;

Ableiten von Werten von physikalischen Parametern des virtuellen Fahrzeugs aus den Betriebsdaten;

Erfassen der Messdaten der physikalischen Parameter wenigstens eines realen Fahrzeugs;

Vergleichen der abgeleiteten Werte mit den Messdaten der physikalischen Parameter; und

15

20

25

30

PP34084AT 12.09.2023 — 10 -

Kalibrieren der Simulationsmodelle, falls ein Abweichungsmaß in Bezug auf die physikalischen Parameter über einem definierten Grenzwert liegt.

Durch das Berücksichtigen der Messdaten beim Kalibrieren der Simulationsmodelle

können besonders Realitätsnahe Simulationsmodelle erstellt werden.

In einer weiteren vorteilhaften Ausgestaltung weist das Verfahren den folgenden Arbeitsschritt auf:

Auswählen der Fahrzeugspezifikationen, welche zur Betriebssimulation mittels unterschiedlicher Simulationsmodelle eingesetzt werden, für jedes Simulationsmodell eines statistischen Versuchsplans.

Durch die Anwendung eines statistischen Versuchsplans kann die Anzahl an

Betriebssimulationen verringert werden.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden beim Ableiten aus den Betriebsdaten, welche von einem Parameter abhängen, insbesondere zeitabhängig sind, mittels Datennachverarbeitung Skalare als Werte der physikalischen Parameter erzeugt.

Durch den Einsatz von Skalaren kann eine Informationsverdichtung erreicht werden.

Daher können die Transformationsmodelle wesentlich vereinfacht werden.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens werden beim Ableiten aus den Betriebsdaten durch Datennachbearbeitung aus zeitbasierten Daten ereignisbasierte

physikalische Parameter erzeugt. Durch den Einsatz von ereignisbasierten physikalischen Parametern kann eine Informationsverdichtung erreicht werden. Daher können die Transformationsmodelle

wesentlich vereinfacht werden.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens wird der Parameterraum

beim Simulieren des Betriebs in der Weise beschränkt, dass Fahrzeugspezifikationen oder

15

20

25

30

PP34084AT 12.09.2023 —_11-

Betriebszustände, die eine große Abweichung von Fahrzeugen der jeweiligen Fahrzeuggattung aufweisen, nicht auftreten.

Hierdurch kann das mittels der aus den Betriebsdaten abgeleitete Transformationsmodell vergleichsweise einfach gehalten werden. Technisch nicht mehr sinnvolle Betriebsbereiche können ausgeklammert werden.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens deckt der simulierte Betrieb des Fahrzeugs eine Vielzahl von Fahrmanövern und/oder definierten virtuellen Szenarien ab.

Hierdurch wird der zu untersuchende Parameterraum besonders gut abgedeckt. Dies

erhöht die Qualität der Untermodelle des Transformationsmodells.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens geht wenigstens ein mittels eines ersten Untermodells bestimmte physikalische Kennzahl als Eingangsparameter in

ein zweites Untermodell ein.

Durch eine solche Verschachtelung der Untermodelle lässt sich ein besonders effizientes

Transformationsmodell realisieren.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens sind die Betriebsdaten

verschiedener Simulationsmodelle gleichzeitig oder zeitlich versetzt erzeugt.

Hierdurch lassen sich vorhandene Rechenkapazitäten je nach Verfügbarkeit optimal

ausnutzen.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens sind die technischen Eigenschaften, welche zur Betriebssimulation mittels unterschiedlicher Simulationsmodelle eingesetzt werden, identisch oder verschieden oder überlappend.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens ist wenigstens eine

technische Eigenschaft ein Eingangsparameter für mehrere Untermodelle, insbesondere

Untermodelle unterschiedlicher Transformationsmodelle.

15

20

25

30

PP34084AT 12.09.2023 _12-—

Dadurch ist möglich, die Auswirkungen von unterschiedlichen Werten technischer Eigenschaften als Eingangsparameter auf unterschiedliche physikalische Parameter des Fahrzeugs als Ausgangsparameter mittels eines oder mehrerer Transformationsmodelle zu bestimmen und insbesondere im Rahmen der Rückrechnung den optimalen Wert einer technischen Eigenschaft für unterschiedliche, teilweise widersprüchliche, Sollwerte der physikalischen Parameter zu bestimmen. Insbesondere kann auf diese Weise eine gesamthafte Optimierung für sich entgegenstehende Optimierungsziele vorgenommen

werden.

In einer weiteren vorteilhaften Ausgestaltung des Verfahrens weisen unterschiedliche Untermodelle jeweils andere physikalische Parameter als Ausgangsparameter auf.

Die in Bezug auf den ersten Aspekt der Erfindung beschriebenen Merkmale und Vorteile für den zweiten, dritten, vierten, fünften, sechsten und siebten Aspekt der Erfindung gelten

entsprechend und umgekehrt.

Weitere Merkmale und Vorteile ergeben sich aus der nachfolgenden Beschreibung in

Bezug auf die Figuren. Diese zeigen wenigstens teilweise schematisch:

Figur 1: ist eine Darstellung eines Ausführungsbeispiels eines Datenflusses beim Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen;

Figur 2: ist ein Flussdiagramm eines Ausführungsbeispiels eines Verfahrens zum Trainieren eines Transformationsmodells zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene

Fahrzeugspezifikationen;

Figur 3: ist ein Flussdiagramm eines Ausführungsbeispiels eines computergestützten Verfahrens zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen mittels eines

Transformationsmodells;

Figur 4: ist ein computergestütztes Verfahren zum Ermitteln von Fahrzeugspezifikationen eines zu analysierenden Fahrzeugs für verschiedene physikalische Parameter mittels eines Transformationsmodells;

15

20

25

30

PP34084AT 12.09.2023 — 13 -—

Figur 5: ist eine Darstellung eines Ausführungsbeispiels eines Systems zum Trainieren eines Transformationsmodells zum Ermitteln physikalischer Parameter eines

zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen;

Figur 6: ist eine Darstellung eines Ausführungsbeispiels eines Systems zum Ermitteln physikalischer Parameter eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells.

Figur 1 ist ein Ausführungsbeispiels eines Datenflusses beim Ermitteln physikalischer Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... eines zu analysierenden Fahrzeugs 1 für verschiedene Fahrzeugspezifikationen.

In einer ersten Phase simuliert ein virtuelles Fahrzeug 2, welches durch eine Mehrzahl von Simulationsmodellen a, b, c, d gebildet wird, einen Fahrzeugbetrieb gemäß Betriebszyklen in virtuellen Szenarien. Das virtuelle Fahrzeug ist hierbei vorzugsweise von derselben Gattung wie jene Art von zu analysierendem Fahrzeug 1, dessen physikalische Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2,... später ermittelt werden sollen.

Die mittels des virtuellen Prototyps oder Fahrzeugs 2 erzeugten Betriebsdaten werden ausgewertet, so dass physikalische Parameter Y14,Y24,..., Y1pe,Y2p,..., Y1c,Y20,..., Y1,,Y2,... aus diesen abgeleitet werden können. Bei den Simulationsmodellen handelt es sich beispielsweise um 3D-CAD-Modelle, Crashmodelle, FahrdynamikSimulationsmodelle, etc. Crashmodelle sind vorzugsweise aus vorgegebenen FiniteElemente-Modellen für klassentypische Fahrzeuge, d.h. Fahrzeuge derselben Gattung

wie ein zu analysierendes Fahrzeug 1, abgeleitet.

Soll beispielsweise die elektrische Reichweite eines Fahrzeugs untersucht werden, so sind die physikalischen Parameter Y14,Y2a,..., Yıs, Y2g,..., Y1c,Y2oc,..., Y1o,Y2p,... eine Reichweite in Kilometern und eine Effizienz in Kilowattstunde pro 100 km. Diese physikalischen Parameter Y14,Y2A4,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... können beispielsweise in einem Szenario "WLTP shortened" bestimmt werden. Des Weiteren können diese physikalischen Parameter auch in weiteren Szenarien, zum Beispiel dem Szenarium "MCT (EPA 2-Cycle)" bestimmt werden. Soll die Unfallsicherheit untersucht

werden, so können diese physikalischen Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,...,

15

20

25

30

PP34084AT 12.09.2023 _ 14 —

Y15,,Y2,... beispielsweise der Mittelwert des Impulses in Meter pro Sekundenquadrat oder auch eine Verformung der Passagierkabine in Meter sein. Hierfür kommen vorzugsweise die Szenarien "US NCAP" mit "frontal 56 km/h" und das Szenario "Offset-deformable barrier-ODB 40%-64 km/h" in Frage. Die mittels des virtuellen Prototyps 2 ermittelten Werte dieser physikalischen Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1p,Y2Dp,... werden mit Messdaten dieser physikalischen Parameter Y14,Y2a,..., Y1e,Y2g,..., Y1c,Y2c,..., Y1p,Y2p,... an realen Fahrzeugen 3 verglichen. Daher gehen die Messdaten, angedeutet durch die gestrichelte Linie in Figur 1, in die Simulationsmodelle a, b, c, d des virtuellen Prototyps 2 ein. Auf der Grundlage eines Abgleichs der Werte werden diese

Simulationsmodelle a, b, c, d kalibriert bzw. angepasst.

Die Straßenmessungen werden mittels eines oder mehrerer realer Fahrzeuge 3, vorzugsweise in realen Testfahrten, weiter vorzugsweise auf dem Prüfstand oder auf einer

realen Straße, insbesondere im realen Straßenverkehr, erzeugt.

Mittels dem auf diese Weise anhand von den Messdaten realer Fahrzeuge 3 erzeugten virtuellen Prototyp 2 werden wiederum Betriebssimulationen vorgenommen. Bei diesen Betriebssimulationen wird der Betrieb des zu analysierenden Fahrzeugs 1 simuliert, indem dem virtuellen Prototyp 2, d.h. dessen Simulationsmodellen a, b, c, d, eine Fahrzeugspezifikation des zu analysierenden Fahrzeugs 1 bereitgestellt wird. Dies wird in Figur 1 durch gestrichpunktete Verbindungslinien angedeutet. Jede Fahrzeugspezifikation ist durch eine Ausprägung bzw. Realisierung der Werte von technischen Eigenschaften X14,X2A,..., X1B,X280,..., X1Bc,X20,..., X1p, X2p,... des Fahrzeugs charakterisiert. Die Betriebssimulationen werden mittels dem anhand von realen Messdaten kalibrierten virtuellen Prototyp und den sich aus der Fahrzeugspezifikation ergebenden Werten für technische Eigenschaften X14,X2A4,..., X18,X280,..., X18c,X2c,..., X1p, X2p,... des Fahrzeugs 1, welche auf den Prototyp2 übertragen werden, durchgeführt. Die Betriebssimulationen werden mehrmals mit jeweils unterschiedlicher Fahrzeugspezifikation durchgeführt, wobei wiederum durch die Simulationsmodelle a, b,

c, d Betriebsdaten erzeugt werden.

Wiederum werden aus diesen Betriebsdaten durch eine Datennachverarbeitung Werte

von physikalischen Parametern Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2,... abgeleitet.

15

20

25

30

PP34084AT 12.09.2023 — 15 —

Wie in Figur 1 dargestellt, werden diese Werte der physikalischen Parameter Y14,Y2A,..., Y18, Y2e,..., Y1c,Y2c,..., Y1p,Y2p,... sowie die jeweils dazugehörige Fahrzeugspezifikation, d.h. jene Fahrzeugspezifikation, mittels welcher die jeweiligen Werte erzeugt wurden, den Untermodellen A, B, C, D des Transformationsmodells T bereitgestellt. Hierdurch werden die Untermodelle A, B, C, D, welche vorzugsweise auf einem künstlichen neuronalen Netz oder einer Regression beruhen, trainiert.

Wie ebenfalls in Figur 1 dargestellt, können in einer zweiten Phase diesem trainierten Transformationsmodell nun Fahrzeugspezifikationen eines zu analysierenden Fahrzeugs 1 direkt zur Verfügung gestellt werden, wie in Figur 1 ebenfalls durch gestrichpunktete Linien angedeutet. Diese Fahrzeugspezifikationen müssen nicht mit jenen Fahrzeugspezifikationen identisch sein, welche in der ersten Phase dem virtuellen Prototyp 2 zur Verfügung gestellt wurden. Jedoch sollten diese innerhalb eines Gültigkeitsbereichs des Transformationsmodells T liegen.

Dieser Gültigkeitsbereich ist vorzugsweise jener Bereich des Transformationsmodells, in

welchem die Untermodelle mit Messdaten von realen Fahrzeugen kalibriert wurden.

Wird den Untermodelle A, B, C, D des Transformationsmodells T eine Spezifikation eines zu analysierenden Fahrzeugs als Eingabe bereitgestellt, geben diese die Werte der physikalischen Parameter Y14,Y24,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2o,... als indirekte

Messwerte aus.

Wie aus Figur 1 hervorgeht, kann eine technische Eigenschaft X2gc, X1ec ein Eingangsparameter für mehrere Untermodelle, in diesem Fall B, C sein. Unterschiedliche Untermodelle A, B, C, D des Transformationsmodells T weisen jedoch jeweils andere physikalische Parameter Y14,Y2a4,..., VY1e,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... als

Ausgangsparameter auf.

Beispiele für Transformationsmodelle T sind ein Crash-Transformationsmodell T, welches physikalische Parameter Y14,Y2,..., Y1p, Y2g,..., Y1c,Y2o,..., Y1o,Y2,... in Bezug auf die Unfallsicherheit ausgibt, ein Handhabungs-/Fahrbarkeits-Transformationsmodell T, welches physikalische Parameter Y14,Y24,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... in Bezug auf die Fahrbarkeit ausgibt, ein Brems-Transformationsmodell T, welches physikalische

15

20

PP34084AT 12.09.2023 — 16 -

Parameter Y14,Y2A4,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... in Bezug auf das Bremsverhalten des Fahrzeugs ausgibt, ein Fahrbarkeits-Transformationsmodell T, welches physikalische Parameter Y14,Y24,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... in Bezug auf das Fahrverhalten des Fahrzeugs ausgibt, ein Leistungs-Transformationsmodell, welches physikalische Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... in Bezug auf die Fahrleistung ausgibt, sowie ein Energiemanagement-Transformationsmodell T, welches physikalische Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... in Bezug

auf den Energieverbrauch des Fahrzeugs ausgibt.

Eine beispielhafte Liste technischer Eigenschaften X14,X2A,..., X15,X2B0,..., X18c,X2c;..., X1p, X2p,.., welche als Eingangsparameter für die Untermodelle A, B, C, D des CrashTransformationsmodells T ausgewählt werden können, sind in Tabelle 1 gegeben, welche nachfolgend wiedergegeben wird. Zusätzlich sind in Tabelle 1 Default-Werte für die technischen Eigenschaften X14,X2A,..., X1,,X2Bc;..., X18c,X2c,..., X1p, X2p,.. und Minimalund Maximalwerte angegeben, wo anwendbar. Die Default-Werte kommen vorzugsweise bei der erstmaligen Betriebssimulation des virtuellen Fahrzeugs 2 mittels der Simulationsmodelle a, b, c, d zum Einsatz. Auch die jeweilige Einheit der technischen Eigenschaft X14,X2A4,..., X1e,X2sBc,..., X1sc,X2c,..., X1p, X2p,.. ist in der Tabelle 1 angegeben. Bei dimensionslosen Eigenschaften ist ein Strich eingefügt.

Tabelle 1:

Fahrzeuggewicht, Leergewicht

(einschließlich Flüssigkeiten) X 1500 4500 | kg

Frontpartition (Gewicht auf der Vorderachse) [2] - zur X 40 60 % Bestimmung der CG-X-Position.

Repartition hinten (Gewicht auf der Hinterachse) - zur Bestimmung X 40 60 % der CG-X-Position.

Höhe des Schwerpunkts der

Fahrzeugmasse X 0,2 1,0 Mm Fahrzeuglänge X 4 6 m Fahrzeugbreite X 1,5 2,5 m Radstand X 2,5 3,3 m

Spurweite - abgeleitet aus 1> und Reifenabmessungen X 1,5 2,0 m Antriebsstrang (Front/Heck/4-Rad. X Antrieb) "Pakettyp" - abgeleiteter Parameter aus paketbezogenen X LXXX-Werten "Paketdichte" - abgeleiteter Parameter aus paketbezogenen X 0,5 1 m®9/m® LXXX-Werten Hauptkörpermaterial (tbd.) - als Steifigkeitsmodifikator Hilfsrahmenmaterial - als Steifigkeitsmodifikator Reifengröße, vorne - zur Ableitung der Reifen- und Felgendimensionen in Millimetern [8] Reifengröße, hinten - zum Ableiten von Reifen- und X Felgendimensionen in Millimetern Aufhängungstyp - relevant in späteren Entwicklungsphasen (z. X B. für SOB-Lastfall) Bruchfestigkeit des B-Punktes (der Aufhängung) - relevant in späteren Entwicklungsphasen (z. B. für X KN SOB-Lastfall) Bruchfestigkeit des A-Punktes (der Aufhängung) - relevant in späteren x KN Entwicklungsphasen (z. B. für SOB-Lastfall) als Steifigkeitsmodifikator für den Aufhängungsbereich - relevant für X die spätere Entwicklung. Phase Überhang vorne X 0 2 m Überhang hinten X 0 2 m Vorderrad C/L nach BOF - Vorne X 0 2 m Vorderrad C/L zu Front SgRP X 0 2 m Fahrzeugbreite X 0 2 m Fahrzeughöhe - Aufbau X 0 2 m Bodenfreiheit X 0 2 m

1> und Reifenabmessungen X 1,5 2,0 m Antriebsstrang (Front/Heck/4-Rad-

. X Antrieb) "Pakettyp" - abgeleiteter Parameter aus paketbezogenen X -

LXXX-Werten

"Paketdichte" - abgeleiteter Parameter aus paketbezogenen X 0,5 1 m®9/m® LXXX-Werten

Hauptkörpermaterial (tbd.) - als Steifigkeitsmodifikator

Hilfsrahmenmaterial - als Steifigkeitsmodifikator

Reifengröße, vorne - zur Ableitung der Reifen- und Felgendimensionen in Millimetern [8]

Reifengröße, hinten - zum Ableiten von Reifen- und X Felgendimensionen in Millimetern

Aufhängungstyp - relevant in späteren Entwicklungsphasen (z. X B. für SOB-Lastfall)

Bruchfestigkeit des B-Punktes (der Aufhängung) - relevant in späteren

Entwicklungsphasen (z. B. für X KN SOB-Lastfall)

Bruchfestigkeit des A-Punktes (der

Aufhängung) - relevant in späteren x KN

Entwicklungsphasen (z. B. für SOB-Lastfall)

als Steifigkeitsmodifikator für den Aufhängungsbereich - relevant für X die spätere Entwicklung. Phase

Überhang vorne X 0 2 m Überhang hinten X 0 2 m Vorderrad C/L nach BOF - Vorne X 0 2 m Vorderrad C/L zu Front SgRP X 0 2 m Fahrzeugbreite X 0 2 m Fahrzeughöhe - Aufbau X 0 2 m Bodenfreiheit X 0 2 m

Fahrzeugfront - oberes PedPro

(Schaumstoff) (Abschnitt A-A) X 9 2 m Fahrzeugfront - unterer PedPro x 0 2 m (Schaumstoff) (Abschnitt A-A) Abschnitt A-A Obere Crash-Dosen X 0 2 m Abschnitt A-A Untere Crash-

X 0 2 m Dosen Abschnitt A-A Längsträger X 0 2 m Vorderachse bis Längsträger x 0 2 m vorne Stirnwand bis Längsträger vorne X 0 2 m Abschnitt A-A x 0 2 m Aufhängevorrichtung Abschnitt A-A Vorderachse bis Vorderkante Aufhängung X 0 2 m

(abhängig von der X-Achse)

Abschnitt A-A Vorderachse bis Hinterkante Aufhängung X 0 2 m (abhängig von der X-Achse)

Abschnitt A-A Brandmauer bis

Vorderachse (abhängig von der X- X 0 2 m Achse)

Abschnitt B-B x 0 9 m Stoßfängerquerträger hoch

Abschnitt B-B

Stoßfängerquerträger niedrig X 0 2 Mm Fahrzeugfront zum oberen x 0 2 m PedPro-Schaum (Sectio B-B)

Fahrzeugfront zum unteren x 0 2 m PedPro-Schaum (Abschnitt B-B)

oberer PedPro-Schaumstoff x 0 2 m (Abschnitt B-B)

unterer PedPro-Schaum x 0 2 m (Abschnitt B-B)

Oberer Schaumstoff (Abschnitt A-

A) X 0 2 m Unterer Schaumstoff (Abschnitt A-

A) X 0 2 m Oberer Querträger x-Länge

(Abschnitt A-A) X 0 2 m Unterer Querträger x-Länge x 0 2 m

(Abschnitt A-A)

Abstand zwischen den unteren

Aufpralldosen und der Mittellinie X 0 2 m der Vorderräder (Abschnitt A-A)

Gesamtlänge des vorderen Hilfsrahmens

Abstand des vorderen Hilfsrahmens zur X 0 2 m Vorderradmittellinie

Abstand vorderer Hilfsrahmen zur

Batterievorderkante (Abschnitt B- X 0 2 m B) Abstand Vorderachse zu Rocker X 0 2 m

Abstand Vorderachse bis tiefster Punkt Strebe

Abstand Vorderachse zum vordersten Punkt der Motorhaube X 0 2 m (Abschnitt B-B)

Abstand Vorderachse zu Ecke von Windschutzscheibe

Abstand Vorderachse zu Windschutzscheibe unten Mitte X 0 2 m (Abschnitt B-B)

Abstand Vorderachse bis oberer

Punkt Brandmauer X 0 2 m Abstand Vorderachse zu oberem x 0 2 Querträger (Abschnitt B-B) m Abstand Vorderachse zu unterem x 0 2 Querträger (Abschnitt B-B) Mm Abstand Vorderachse zu x 0 2 Radquerlenkerschraube m Abstand Vorderachse zu x 0 2 Querlenkerschraube vorne m Abstand Vorderachse zu x 0 2 Querlenkerschraube hinten m Abstand Vorderachse zu

Schraube Hilfsrahmen- X 0 2 m Längsträger

Breite des oberen Querträgers X 0 2 m Breite des unteren Querträgers X 0 2 m Tiefe des oberen Querträgers X 0 2 m Tiefe des unteren Querträgers X 0 2 m Breite der oberen Sturzbüchsen X 0 2 m

Niedrigere Breite der

Aufpralldosen X 9 2 m Längsträger Abstand vorne X 0 2 m Längsträgerbreite vorn X 0 2 m Längsträger Abstand hinten X 0 2 m Längsträgerbreite hinten X 0 2 m Versatz: Wippe außen zum

Längsträger X 0 2 Mm Breite der Wippe X 0 2 m Breite höchster Punkt Federbein X 0 2 m Breite unterster Punkt Federbein X 0 2 m Breite A-Säulen- x 0 2 Windschutzscheibe m Breite vorderer Hilfsrahmen - 0 2

vorne X Mm Breite vorderer Hilfsrahmen - x 0 2

hinten Mm Breite Querlenkerschraube vorne X 0 2 m Breite Querlenkerschraube hinten X 0 2 m Breite Querlenker-Schneckenrad X 0 2 m Breite Schraube Hilfsrahmen-

Seitenträger (vorderste vertikale X 0 2 m Verbindung)

Höhe des oberen Querträgers zum x 0 2

Boden m Untere Querträgerhöhe zum

Boden X 0 2 Mm Höhe des oberen Querträgers zur x 0 2 Vorderachse m Untere Querträgerhöhe zur x 0 2 Vorderachse m Höhe des oberen Querträgers bis x 0 2 m zum tiefsten Punkt des Aufbaus

Untere Querträgerhöhe bis zum x 0 2

tiefsten Punkt des Aufbaus m Höhe des oberen x 0 2 Stoßfängerquerträgers Mm Höhe des unteren x 0 2 Stoßfängerquerträgers Mm Obere Höhe der Sturzbüchsen X 0 2 m Niedrigere Höhe der Aufpralldosen X 0 2 m

Höhe der Längsträger vorne bis

zum Boden X 9 2 m Längsträgerhöhe vorne bis zur

Vorderachse X 9 2 m Höhe der Längsträger vorn bis

zum niedrigsten Punkt des X 0 2 m Aufbaus

Längsträgerhöhe vorne X 0 2 m Höhe der Längsträger hinten bis x 0 2 m zum Boden

Längsträgerhöhe hinten bis zur

Vorderachse X 9 2 m Höhe der Längsträger hinten bis

zum niedrigsten Punkt des X 0 2 m Aufbaus

Längsträger Höhe hinten X 0 2 m Versatz: Schwellerunterkante zu x 0 2 m

Längsträgerunterkante -> Front

Höhe des vorderen Hilfsrahmens über dem Boden an der Mittellinie X 0 2 m der Vorderräder

Höhe Vorderachse bis zum höchsten Punkt des Federbeins

Höhe Vorderachse bis zum tiefsten Punkt des Federbeins

Höhe Vorderachse bis zum vordersten Punkt der Motorhaube X 0 2 m (Abschnitt B-B)

Lichte Höhe Vorderachse bis zweiter Lastweg (baulich)

Höhe Vorderachse bis Windschutzecke/A-Säule

Höhe Vorderachse bis Windschutzscheibe unten Mitte X 0 2 m (Abschnitt B-B)

Höhe Vorderachse bis oberster Punkt Brandmauer

E-Absorber, StoßfängerQuerträger, Crash-Cans

Blockbauteile z.B. Kühler X 0 2 m

Freie Crash-Länge zwischen Kühler und Motor

Länge der Batterie X 0 2 m

Breite der Batterie X 0 2 m Höhe der Batterie (Seitenfläche) X 0 2 m Vorderseite zum Batteriegehäuse X 0 2 m Frontseite zur Batteriezellenwand X 0 2 m Länge Vorderachse bis x 0 2 m Vorderkante Batterie

Breite des "mittleren Teils" der

Batterie X 0 2 Mm Vorderachse bis Außenecke (nur

für abgeschrägte Batterieecken) X 9 2 m Tiefster Punkt Vorderbatterie bis

Vorderachse z-Maß X 0 2 Mm Dim erpackung Positionsvektor x x 0 2 m Dim erpackung Positionsvektor y x 0 2 m Dim erpackung Positionsvektor z x 0 2 m Gesamtlänge der Kühlerpackung X 0 2 m Gesamtbreite der Kühlerpackung X 0 2 m Gesamthöhe der Kühlerpackung X 0 2 m Gewicht der Kühlerpackung X 0 100 kg VKM-Lagevektor x X 0 2 m VKM-Lagevektor y X 0 2 m VKM-Lagevektor z X 0 2 m VKM-Gesamtlänge X 0 2 m VKM-Gesamtbreite X 0 2 m VKM-Gesamthöhe X 0 2 m VKM-Gewicht X 0 100 kg Lagevektor des E-Motors x X 0 2 m Lagevektor des E-Motors y X 0 2 m Lagevektor des E-Motors z X 0 2 m Gesamtlänge des E-Motors X 0 2 m Gesamtbreite des E-Motors X 0 2 m Gesamthöhe des E-Motors X 0 2 m Gewicht des E-Motors X 0 100 kg Positionsvektor des DC-DC-

Wandlers x X 0 2 m

Positionsvektor des DC-DCG-

Wandlers y X 9 2 m Positionsvektor des DC-DC- 0 2 Wandlers z X m DC-DC-Wandler Gesamtlänge X 0 2 m DC-DC-Wandler Gesamtbreite X 0 2 m DC-DC-Wandler Gesamthöhe X 0 2 m DC-DC-Wandler Gewicht X 0 100 kg Positionsvektor des x 0 2 Wechselrichtersystems x Mm Positionsvektor des x 0 2 Wechselrichtersystems y m Positionsvektor des x 0 2 Wechselrichtersystems z m Gesamtlänge des x 0 2 Wechselrichtersystems m Gesamtbreite des x 0 2 Wechselrichtersystems m Gesamthöhe des x 0 2 Wechselrichtersystems m Gewicht des Wechselrichtersystems X 9 100 kg Positionsvektor des HV- x 0 2 m Ladesystems x Positionsvektor des HV- x 0 2 m Ladesystems y Positionsvektor des HV- x 0 2 Ladesystems z m HV-Ladesystem Gesamtlänge X 0 2 m HV-Ladesystem Gesamtbreite X 0 2 m HV-Ladesystem Gesamthöhe X 0 2 m HV-Ladesystem Gewicht X 0 100 kg Getriebe/Differentialstellungs- x 0 2 vektor x m Getriebe/Differentialstellungs- x 0 2 vektor y m Getriebe/Differentialstellungs- x 0 2 vektor z m Gesamtlänge des x 0 2 m Getriebes/Differentials Gesamtbreite des

X 0 2 m

Getriebes/Differentials

24 / 64

Gesamthöhe des

Getriebes/Differenzials X 0 2 Mm Gewicht des

Getriebes/Differentials X 0 100 Kg 12V-Batterie Lagevektor x X 0 2 m 12V-Batterie Lagevektor y X 0 2 m 12V-Batterie Lagevektor z X 0 2 m Gesamtlänge der 12V-Batterie X 0 2 m 12V Batterie Gesamtbreite X 0 2 m 12V-Batterie Gesamthöhe X 0 2 m Gewicht der 12V-Batterie X 0 100 kg Positionsvektor des x 0 2 m Bremssystems x

Positionsvektor des x 0 2 m Bremssystems y

Positionsvektor des x 0 2 m Bremssystems z

Gesamtlänge des Bremssystems X 0 2 m Breite des Bremssystems X 0 2 m Gesamthöhe des Bremssystems X 0 2 m Gewicht des Bremssystems X 0 100 kg Lagevektor

des AC-Kompressors x X 0 2 Mm Lagevektor

des AC-Kompressors y X 9 2 m Lagevektor

des AC-Kompressors z X 9 2 m Gesamtlänge des

AC-Kompressors X 9 2 m Gesamtbreite des x 0 2 m AC-Kompressors

Gesamthöhe des x 0 2 m AC-Kompressors

Gewicht des AC-Kompressors X 0 100 kg Positionsvektor des x 0 2 m AC-Empfangstrockners x

Positionsvektor des x 0 2 m AC-Empfangstrockners y

Positionsvektor des x 0 2 m AC-Empfangstrockners z

Gesamtlänge des x 0 2 m

AC-Empfangstrockners

Gesamtbreite des

AC-Empfangstrockners X 9 2 m Gesamthöhe des x 0 2 m AC-Empfangstrockners

Gewicht des

AC-Empfangstrockners X 9 100 kg Positionsvektor der x 0 2 m Heizungsanlage x

Positionsvektor der x 0 2 m Heizungsanlage y

Lagevektor der Heizungsanlage z X 0 2 m Gesamtlänge der Heizungsanlage X 0 2 m Gesamtbreite der Heizungsanlage X 0 2 m Gesamthöhe der Heizungsanlage X 0 2 m Gewicht der Heizungsanlage X 0 100 kg Positionsvektor des x 0 2 m AC-Wärmetauschers x

AC-Wärmetauscher- x 0 2 m Positionsvektor y

Positionsvektor des x 0 2 m AC-Wärmetauschers z

Gesamtlänge des x 0 2 m AC-Wärmetauschers

Gesamtbreite des x 0 2 m AC-Wärmetauschers

Gesamthöhe des x 0 2 m AC-Wärmetauschers

Gewicht des AC-Wärmetauschers X 0 100 kg BB14 Positionsvektor x - für

zusätzliche Paketkomponente, X 0 2 m falls erforderlich

BB14 Positionsvektor y - für

zusätzliches Packstückteil, X 0 2 m falls erforderlich

BB14 Wärmetauscher-

Positionsvektor z - ggf. für X 0 2 m

zusätzliche Paketkomponente

BB14 Gesamtlänge - für zusätzliches Packstück, X 0 2 m falls erforderlich

BB14 F264 Gesamtbreite - für zusätzliches Bauteil, X 0 2 m falls erforderlich

BB14 Gesamthöhe - für zusätzliches Bauteil, X 0 2 m falls erforderlich

BB14 Gewicht - für zusätzlichen Packungsbestandteil, X 0 100 kg falls erforderlich

Die technischen Eigenschaften X14,X2A,..., X1,,X2B0c,..., X18c,X2c,..., X1p, X2p,.. für die jeweiligen Transformationsmodelle T für Handhabung/Handling, Bremsen, Fahrbarkeit/Fahrverhalten, Leistung und Energiemanagement können aus der Liste nachfolgender Tabelle 2 ausgewählt werden. Auch hier sind jeweils der Default-, der

Minimal- und der Maximalwert sowie die Einheit angegeben.

Tabelle 2:

Leergewicht X X X X X 2200 | 1800 | 2500 kg

Gewichts-

verteilung X X X X 50 40 60 %

vorne

COG-Höhe X X X X 0.6 0,4 0,6 m

Radstand X X X X 2,9 2,7 3,3 m

Radspur x 165 16 | 18 | m

vorne

PadSpur x 165 16 | 18 | m inten

Luftwider-

stands- x x x x _

koeffizient

(cd)

Frontal- 2

bereich X X X X Mm

Durchmesser X mm

Material X -

Breite X mm

Durchmesser X mm

Material X -

Breite X mm Steifigkeit X 40 25 80 N/mm Einhaltung

der Spur X 0,07 | -0,05 | 0,1 deg ARB

Einhaltung _ _ _

der Spur Fy X 0,3 0,25 | -0,4 deg Merkmale X N/(m/s) Anti-Lift X % Deltasturz X -0,6 -1 -0,5 deg Höhe des X 140 | 100 | 180 | mm Rollzentrums

Statische x 0.12 0 0,2 deg Spur

Lenk- x 15 10 | 15 übersetzung

Lenkspur X -0,2 -0,3 -0,1 deg Typ X 0 0 3 Steifigkeit X X 35 20 60 N/mm Steifigkeit X 25 15 40 N/mm Einhaltung

der Spur X 0,012 | 0,01 | 0,02 deg ARB

Einhaltung

der Spur Fy X 0,06 0,04 | 0,08 deg Merkmale X N/(m/s) Anti-Squat X % Delta-Spur X 0,15 0,1 0,3 deg Höhe des x 160 | 130 | 200 | mm Rollzentrums

Statische x 0.15 | 0,1 | 0,2 deg Spur

Typ X 0 0 1 Steifigkeit X X 50 25 70 N/mm Muster X X 0 0 1 Roll- X X X X 0 0 1 kg/Ton widerstand NE Rollradius x X X m des Reifens

Reifentraktionskoeffizient

(U peak)

Breite des Abschnitts

Breite des Abschnitts

Steifigkeit X Nm/deg Steifigkeit X Nm/deg Layout X X X 0 0 2 -

X X 250 240 300 mm

X X 250 240 300 mm

Verzögerung X Ss

Gradient des Drehmoment X Yıls aufbaus

Durchschnittli cher HVBatteriewirku ngsgrad

Max.

Kontinuie-

rliche Akku- X kW Entlade-

leistung

Max. PeakEntladung Batterieleistung

Nutzbare Batterie- X kWh energie

Durchschnittlicher DCDCWirkungsgrad Durchschnittliche EDUEffizienz Generator

Durchschnittlicher EDUWirkungsgrad - Motor bei Max. Dauerbetrieb

Durchschnitt-

licher EDU-

Wirkungs-

grad - Motor X X % bei Max.

Spitzen-

betrieb

Durchschnitt-

licher

Getriebe-

wirkungsgrad X X X %

(E-Motor zu Rad)

Übersetzungsverhältnis X X X 7

(E-Motor zu Rad)

Max. Cont. E-Motor + Umrichterleistung

Max. E-Motor + Umrichter- X X X Nm Drehmoment

Max. Spitzenleistung E-Motor + Wechselrichter

Effizienz der AC-Ladung

ACLadeleistung

Durchschnitt-

licher HV-

Hilfs- X W verbrauch

AC-Ladung

Durchschnitt-

licher HV-

Hilfs- X W verbrauch

DC-Ladung

Durchschnittlicher HVHilfsverbrauch Volllastbeschleunigung

Durchschnitt-

licher HV-

Hilfsstrom-

verbrauch X W jedoax.

Kontinuier-

licher Betrieb

Effizienz der DC-Ladung

DCLadeleistung

Erholungseff ektivität

Prozentsatz der Erholungsphase

Durchschnitt-

licher LV-

Hilfs- X W verbrauch

AC-Ladung

Durchschnitt-

licher LV-

Hilfs- X W verbrauch

DC-Ladung

Durchschnittlicher LVHilfsverbrauch Volllastbe_ schleunigung

Durchschnitt-

licher LV-

Hilfsstrom-

verbrauch X W Max.

Kontinuier-

licher Betrieb

VolllastBeschleunigung Gewicht Beschleunigung für die Steigfähigkeit X m/s? auf Auto-

bahnen

Maximale Dauer für 0-10km/h für die Steigfähigkeit beim Start Geschwindigkeit für die Steigfähigkeit X km/h auf Auto-

bahnen

X 4,0 3,0 10,0 Ss

Geschwindigkeit für die Steigfähigkeit beim Start

Steigfähigkeit auf Autobahnen Gewicht

Steigfähigkeit beim Start X kg Gewicht

Durchschnitt-

licher HV-

Hilfs- X W verbrauch

MCT

Durchschnitt-

licher LV-

Hilfs- X W verbrauch

MCT

Durchschnitt-

licher HV-

Hilfs- X W verbrauch

WLTC 23°C

X km/h

15

PP34084AT 12.09.2023 — 392 -—

Durchschnitt-

licher LV-

Hilfs- X W verbrauch

WLTC 23°C

Legislative

Testmasse X 2400 1800 3500 kg

Die Kreuze in den Tabellen 1 und 2 geben jeweils an, welche technische Eigenschaft als

Eingangsgröße für welches Transformationsmodell T zum Einsatz kommen kann.

Aus der nachfolgenden Liste der Tabelle 3 können jeweils die physikalischen Parameter Y14,Y2a,..., Ye, Y2p,..., Y1c,Y2o,..., Y1o,Y2p,... ausgewählt werden, deren Werte durch das jeweilige Transformationsmodell T ausgegeben werden soll. Auch in dieser Tabelle sind die Einheiten der physikalischen Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y20,..., Y1o,Y2,,... angegeben. Darüber hinaus ist angegeben, welche Eigenschaft eines Fahrzeugs der jeweilige physikalische Parameter Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1,,Y2,... betrifft sowie das Szenario oder Fahrmanöver, in welchem der physikalische Parameter Y14,Y2a,..., Y1p,Y2pg,..., Y1c,Y2c.,..., Y1p,Y2p,... während der Betriebssimulation des Fahrzeugs mittels der Simulationsmodelle a, b, c, d ermittelt, d.h. aus den Betriebsdaten abgeleitet werden kann.

Tabelle 3

Crash- US-NCAP über die Crash Performance gesamte Breite der X(Y,Z)-Impuls-Mittelwert -ff m/s? Frontpartie 56 km/h Crash- US-NCAP über die Crash Performance gesamte Breite der Impulsdauer T-ff Ss Frontpartie 56 km/h US-NCAP über die gesamte Breite der Mittlere Intrusion RCL-ff m Frontpartie 56 km/h Crashrash Cras Performance

Crash- US-NCAP über die Crash Performance gesamte Breite der Impulsdauer T-ff Ss Frontpartie 56 km/h

US-NCAP über die gesamte Breite der Mittlere Intrusion RCL-ff m Frontpartie 56 km/h

Crash-

rash Cras Performance

Crash- US-NCAP über die Crash Performance gesamte Breite der Frontpartie 56 km/h

Crash- US-NCAP über die Crash Performance gesamte Breite der Frontpartie 56 km/h

US-NCAP über die

Kriterium der Insassenbelastung OLC-ff 9

maximaler Quetschabstand maxCLff

Crash De aehe gesamte Breite der Rückhalteenergie RE-ff Nm, J Frontpartie 56 km/h Crash- US-NCAP über die Crash gesamte Breite der Kabineneindringung CABint-ff m Performance Frontpartie 56 km/h Crash- ° ; 2 Crash ODB-40% - 64km/h Impuls-Mittelwert -odb m/s Performance CrashCrash Performance ODB-40% - 64km/h Puls-Dauer T-odb Ss Crash- ° Mean-Intrusion (auf der Crash Performance | ©DB-40% - 64km/h Aufpraliseite) RCL-odb Mm Crash- LAN. Z-Drehung(Geschwindigkeit) Crash Performance | 9DB-40% - 64kmyh (Gier-Drehung) alpha-odb deg, deg/s Crash Crash- | ODB-40% - 64km/h |OLC (auf der Aufprallseite) OLC-odb g Performance Crash- maximaler Quetschabstand Crash Performance | ©ODB-40% - 64km/h maxCL-odb m Crash- Eindringen in die Kabine Crash Performance ODB-40% - 64km/h CABint-odb Mm = ana = = SET bh ; EEE EEE EEE EEE EEE Bremsen Bremse trocken Bremsabstand 100-0kph m Leistung der | Bremstest 100-0kph 2 Bremsen Bremse trocken MFDD m/s Bremsen | Leistung der | Bremstest 100-0kph Bremsabstand 100-0kph m Bremse nass Leistung der | Bremstest 100-0kph 2 Bremsen Bremse nass MFDD m/s Thermische AMSBremsen Leistung der | Hochgeschwindig- | Temperatur der Bremsscheibe max. °C Bremse keits-Fadingtest Fahrbarkeit/ ; Fahr- Beschteunigu volle Ladung ax max m/s? verhalten 9 Energie- | Reichweite WLTP verkürzt Bereich km management Energie- Reichweite |MCT (EPA 2-Zyklus) Bereich Meilen management

Verbrauch Energie- von . . kWh/100 management | elektrischer WLTP verkürzt Wirkungsgrad km Energie Verbrauch Energie- von N kWh/100 management | elektrischer MCT (EPA 2-Zyklus) Wirkungsgrad Meilen Energie Energiemanagement AC-Ladung Aufladen AC-Ladedauer (leer-voll) Stunden Energie- _ _ ano. management DC-Ladung Aufladen DC-Ladedauer (10-80%) Protokoll Handling/ Langsam Handhabun Stabilität beschleunigte Max. seitliche Beschleunigung m/s? 9 Kurvenfahrt . Langsam HD Stabilität beschleunigte Untersteuerungsgradient deg/(m/s?) 9 Kurvenfahrt ; Langsam Ze HR | Stabilität beschleunigte | SChlupfsteifigkelt der Vorderachse | qag (ms?) 9 Kurvenfahrt . Langsam Da Handling/ urn ; Grenze der Schlupfsteifigkeit der Stabilität beschleunigte deg/(m/s?) Handhabung Kurvenfahrt Vorderachse . Langsam . HR | Stabilität beschleunigte | SChlupfsteiflgkeil der Hinterachse | qeg (ms?) 9 Kurvenfahrt ; Langsam EL HR | Stabilität beschleunigte Grenze der Sehlupistelfigkeit der | qag/ (ms?) 9 Kurvenfahrt . langsam ” . . Handling/ Wu . Schräglaufwinkel der Hinterachse Stabilität beschleunigte deg Handhabung Kurvenfahrt max. . N langsam Handling/ Körper- . . . . » Handhabung | bewegung DES HaS Rollwinkelgradient linear deg/(m/s?) . N langsam Handling/ Körper- . . Handhabung | bewegung DES HaS Rollwinkel max. deg Handling/ Beweglich- . . . . Handhabung keit Einschalten Gierreaktionszeit Ss Handling/ Beweglich- . . ” Handhabung kei Einschalten Gierratenverstärkung 1/s . Beschleuni- Beschleunigung . _Leistung gung 0-100 km/h Beschleunigungszeit 0-100 km/h Ss

15

20

25

PP34084AT 12.09.2023 —35 —

konstante . en . U ed Maximale kontinuierliche Leistung Steigfähigkeit Geschwindigkeit Geschwindigkeit am Hang km/h eigung . EL Neigung der EA . ° Leistung Steigfähigkeit Beschleunigung Steigfähigkeit beim Start nach vorn Yo max. konstante. Leistung Geschwindig- | Geschwindigkeit auf | Maximale Spitzengeschwindigkeit km/h keit ebener Straße

Figur 2 zeigt ein Ausführungsbeispiel eines Verfahrens 100 zum Trainieren eines Transformationsmodells T. Das erfindungsgemäße Verfahren 100 wird dabei beispielhaft zum Trainieren eines Crash-Transformationsmodells T und eines EnergiemanagementTransformationsmodells T beschrieben. Es ist für den Fachmann jedoch ersichtlich, dass auch andere Transformationsmodelle T, wie beispielsweise für Bremsen,

Fahrbarkeit/Fahrverhalten, Handling/Handhabung und Leistung anwendbar ist.

In einem ersten Arbeitsschritt 101 wird vorzugsweise ein Betrieb eines virtuellen Fahrzeugs 2 mittels Simulationsmodellen a, b, c, d simuliert. Vorzugsweise erfolgt diese Simulation in einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario. Ein definiertes virtuelles Szenario ist zum Beispiel ein Crash-Szenario, wie zum Beispiel das Szenario "US NCAP full with frontal 56 km/h" oder auch "Offset deformal-barrier ODB-40%-64 km/h", jeweils zum Trainieren eines CGrash-

Transformationsmodells T.

Für ein Energiemanagement-Transformationsmodell T kann zum Beispiel das virtuelle Szenario "WLTP shortened" oder das virtuelle Szenario "MCT EBA 2-Cycle" zum Einsatz kommen. Beispiele für solche Simulationsmodelle a, b, c, d sind ein 3D CAD-Modell, Crash-Modelle sowie Fahrdynamik-Simulationsmodelle. Die Simulation von Fahrzeugen mittels Simulationsmodellen ist im Stand der Technik bekannt und es gibt eine Vielzahl

von Anbietern für solche Modelle. Technische Eigenschaften X14,X2A4,..., X18,X28c,..., X18c,X20,..., X1p, X2p,.. von

Fahrzeugspezifikationen, welche zum Trainieren eines Crash-Transformationsmodells T

eingesetzt werden können, sind beispielsweise die Fahrzeugmasse, die Fahrzeughöhe,

15

20

25

30

PP34084AT 12.09.2023 —36 -

die Fahrzeugbreite, die Bodenfreiheit oder auch die Baugröße der Batterie. Zusätzlich sei diesbezüglich auf Tabelle 1 verwiesen.

Technische Eigenschaften X14,X2A4,..., X15,X2B0,..., X18c,X2c,..., X1p, X2p,.. von Fahrzeugspezifikationen, welche zum Trainieren eines EnergiemanagementTransformationsmodells T eingesetzt werden, sind beispielsweise die Fahrzeugmasse, der Fahrwiderstand sowie die nutzbare Batteriekapazität. Der Fahrwiderstand eines Kraftfahrzeugs kann beispielsweise durch den Luftwiderstandsbeiwert cW, die Stirnfläche und den Rollwiderstand ermittelt werden. Zusätzlich sei diesbezüglich auf Tabelle 2

verwiesen.

Beim erstmaligen Simulieren in Arbeitsschritt 101 kommen vorzugsweise Default-Werte

für die Fahrzeugkonfiguration zum Einsatz.

In einem zweiten Arbeitsschritt 102 werden Werte von physikalischen Parametern Y14,Y2a,..., Ylp,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. des zu analysierenden Fahrzeugs 1 aus den Betriebsdaten abgeleitet. In Bezug auf ein Crash-Transformationsmodell T können solche physikalischen Parametern Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1op,Y2p,.. beispielsweise der Mittelwert des Impulses oder auch eine Kabineneindringung bei einem Crash sein. Bei einem Energiemanagement- Transformationsmodell T können dies die Reichweite sowie die Energieeffizienz sein. Darüber hinaus sei bezüglich der physikalischen Parametern Y14,Y2a,..., Yı1e,Y2p,..., Y1c,Y2c,..., Y1o,Y2o,.. für die

jeweiligen Transformationsmodelle T auf die Tabelle 3 verwiesen.

In einem dritten Arbeitsschritt 103 werden Messdaten von physikalischen Parametern Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,.. wenigstens eines realen Fahrzeugs 3 erfasst. Die Messdaten stammen hierbei vorzugsweise aus einem realen Betrieb des wenigstens einen realen Fahrzeugs 3, vorzugsweise auf einem Prüfstand oder auf der Straße.

In einem vierten Arbeitsschritt 104 werden die abgeleiteten Werte der physikalischen Parametern Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. vorzugsweise mit den Messdaten der physikalischen Parametern Y14,Y2a,..., Yıp,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. verglichen.

15

20

25

30

PP34084AT 12.09.2023 87 -—

In einem fünften Arbeitsschritt 105 werden die Simulationsmodelle a, b, c, d kalibriert. D.h., die Werte der technischen Eigenschaften X14,X24,..., X18,X2gc,..., X18c,X2c,..., X1p, X2p,.. und/oder weiterer Parameter und Koeffizienten der Simulationsmodelle a, b, c, d werden

verändert, um diese den realen Messdaten anzunähern.

Die ersten bis fünften Arbeitsschritte 101 bis 105 werden hierbei vorzugsweise wiederholt, bis eine Abweichung der abgeleiteten Werte geringer als ein definierter Grenzwert ist. Vorzugsweise ist der Grenzwert abhängig von dem jeweils betrachteten physikalischen Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2o,..., Y1o,Y2p,... . Weiter vorzugsweise liegen typische Grenzwerte 0,5 % bis 10 %, vorzugsweise bis 5 %, ober- und/oder unterhalb in

Bezug auf die Werte der Messdaten.

Die abgeleiteten physikalischen Parameter Y14,Y2A,..., Y1p, Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. sind vorzugsweise skalare Kennzahlen, welche in einer Datennachbearbeitung aus den Betriebsdaten abgeleitet werden.

Anhand der ersten bis fünften Arbeitsschritte 101 bis 105 kann auch die Signifikanz der einzelnen technischen Eigenschaften X14,X2A4,..., X1B,X28c;..., X180,X20,..., X1p, X2p,.. eines Fahrzeugs, welche üblicherweise in einer Fahrzeugspezifikation zusammengefasst werden, für verschiedene physikalische Parameter Y14,Y2A,..., Y1p,Y2p,..., Y1c,Y2c,...,

Y1,,Y2>,.. hin untersucht werden.

In einem sechsten Arbeitsschritt 106 werden jene Fahrzeugspezifikationen, welche nachfolgend für weitere Betriebssimulationen zum Einsatz kommen, mittels eines statistischen Versuchsplans ausgewählt. In dem statistischen Versuchsplans kann auch die vorher ermittelte Signifikanz der einzelnen technischen Eigenschaften X14A,X2A,..., X1B,X2B0,..., X1Bc,X2c,..., X1p, X2p,... für jeweilige physikalische Parameter Y14,Y2A,..., Y1p, Y2p,..., Y1c,Y2c,..., Y1p,Y2p,.. berücksichtigt werden.

In einem siebten Arbeitsschritt 107 werden die ausgewählten Fahrzeugspezifikationen des

zu analysierenden Fahrzeugs 1 erfasst.

15

20

25

30

PP34084AT 12.09.2023 —38 -—

In einem achten Arbeitsschritt 108 wird ein Betrieb des zu analysierenden Fahrzeugs 1 mittels Simulationsmodellen a, b, c, d simuliert. Die Simulationsmodelle a, b, c, d wurden, wie im Vorhergehenden beschrieben, auf der Grundlage von Messdaten eines realen Fahrzeugs 3 ermittelt. Vorzugsweise finden auch diese Simulationen bei definierten Fahrmanövern und/oder in wenigstens einem definierten Szenario statt. Vorzugsweise wird die Simulation für alle erfassten Fahrzeugspezifikationen durchgeführt und auch für alle virtuellen Szenarien, welche in Bezug auf die jeweils zu ermittelnden physikalischen Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,.. relevant sind. Die Simulationsmodelle a, b, c, d bilden hierbei ein virtuelles Fahrzeug 2 ab, welches

möglichst gut dem zu analysierenden Fahrzeug 1 entspricht.

In einem neunten Arbeitsschritt 109 werden Werte der physikalischen Parameter Y14,Y2a,..., Ylp, Y2p,..., Y1c,Y2c,..., Y1o,Y2o,.. aus den Betriebsdaten abgeleitet. Hierfür durchlaufen die Betriebsdaten vorzugsweise eine Datennachverarbeitung. Insbesondere werden hierbei aus den parameterdiskreten Signalen, insbesondere zeitdiskreten Signalen, der Betriebsdaten Skalare als Werte der physikalischen Parameter Y14,Y24,..., Y1e, Y2e,..., Y1c,Y2c,..., Y1o,Y2p,.. erzeugt. Auch können aus zeitbasierten Betriebsdaten ereignisbasierte physikalische Parameter Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2oc,..., Y1p,Y2p,..

erzeugt werden.

In einem zehnten Arbeitsschritt 110 werden die Werte der physikalischen Parameter Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... und der jeweils dazugehörigen Fahrzeugspezifikationen, insbesondere an einer Datenschnittstelle, bereitgestellt. Die dazugehörigen Fahrzeugspezifikationen bedeutet jene Fahrzeugspezifikationen, welche beim Simulieren jenes Fahrzeugbetriebs, aus welchem dann die physikalischen Parameter Y14,Y2a,..., Y1p, Y2p,..., Y1c,Y2oc,..., Y1p,Y2p,.. abgeleitet wurden, zum Einsatz

kamen.

In einem elften Arbeitsschritt 111 werden dann Ausgleichsrechnungen, insbesondere künstliche neuronale Netze, welche jeweils eines der Untermodelle A, B, C, D des jeweiligen Transformationsmodells T bildet, trainiert. Vorzugsweise werden hierbei aus unterschiedlichen Simulationsmodellen a, b, c, d abgeleitete physikalische Parameter Y14,Y2a,..., VY1p,Y2B,..., Y1c,Y2c,..., Y1p,Y2o,.. jeweils in Unterschiedliche

15

20

25

30

PP34084AT 12.09.2023 —39 —

Ausgleichsrechnungen eingelesen. Die Ausgleichrechnungen können hierbei künstliche neuronale Netze oder auch Regressionen sein.

Zum Trainieren werden auf der Eingangsseite der Ausgleichsrechnung, beispielsweise einem Input Layer eines künstlichen neuronalen Netzes, die technischen Eigenschaften X14,X2A,..., X1B,X2B0,..., X1B0,X2c,..., X1p, X2p,... der Fahrzeugspezifikation eingegeben und auf der Ausgangsseite der Ausgleichrechnung, insbesondere einem Output Layer eines künstlichen neuronalen Netzes, werden die dazugehörigen Werte der physikalischen Parameter Y14,Y2a,..., Y1e,Y2gp,..., Y1c,Y2c,..., Y1p,Y2p,.. in die Ausgleichsrechnung eingegeben, welche mittels der Betriebssimulationen ermittelt

wurden.

Vorzugsweise werden in einem zwölften Arbeitsschritt 112 auch mittels der trainierten Untermodelle A, B, C, D bestimmte Werte der physikalischen Parameter Y14,Y2a,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,.. mit Messdaten von physikalischen Parametern Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2o wenigstens eines realen Fahrzeugs 3, insbesondere den Messdaten aus dem dritten Arbeitsschritt 103 verglichen. Auch diese Messdaten stammen hierbei vorzugsweise aus einem realen Betrieb des wenigstens

einen realen Fahrzeugs 3, vorzugsweise auf einem Prüfstand oder auf der Straße.

Die sechsten bis elften Arbeitsschritte 106 bis 111 werden dann vorzugsweise so lange wiederholt, bis eine Abweichung der mittels der Untermodelle A, B, C, D bestimmten Werte von den Messdaten geringer als ein definierter Grenzwert ist. Vorzugsweise ist der Grenzwert abhängig von dem jeweils betrachteten physikalischen Parameter Y14,Y2A,..., Y18, Y2e,..., Y1c,Y2c,..., Y1o,Y2s,... . Weiter vorzugsweise liegen typische Grenzwerte 0,5 % bis 10 %, vorzugsweise bis 5 %, ober und/oder unterhalb in Bezug auf die Werte der

Messdaten.

Vorzugsweise wird bei jeder Wiederholung die Anzahl der mittels des statistischen Versuchsplans ausgewählten Fahrzeugspezifikationen, für welche in dem achten Arbeitsschritt 108 Simulationen durchgeführt werden, jeweils vergrößert, bis die mittels der physikalischen Parameter Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2oc,..., Y1o,Y2p, welche aus den

mittels der Simulationen erzeugten Betriebsdaten abgeleitet sind, trainierten Untermodelle

40 / 64

15

20

25

30

PP34084AT 12.09.2023 — 40 -—

A, B, C, D ausreichend genau sind, d.h. bis die oben genannte Abweichung innerhalb des Grenzwerts liegt.

Das Verfahren 100 zum Trainieren eines Transformationsmodells T wird vorzugsweise computerimplementiert durchgeführt. Insbesondere der siebte bis elfte Arbeitsschritt 107 bis 111 werden computerimplementiert durchgeführt, auch wenn von den Arbeitsschritten wenigstens einer nicht computerimplementiert durchgeführt wird. Die im Vorhergehenden angegebene Reihenfolge der Arbeitsschritte ist nur beispielhaft und kann für verschiedene

Anwendungen verändert werden.

Figur 3 zeigt ein Ausführungsbeispiel eines computerimplementierten Verfahrens 200 zum Ermitteln physikalischer Parameter Y14,Y2a,..., Y1s,Y2g,..., Y1c,Y2oc,..., Y1o,Y2o,..

eines zu analysierenden Fahrzeugs 1 mittels eines Transformationsmodells T.

Wiederum wird dieses Verfahren 200 für ein Crash- oder EnergiemanagementTransformationsmodell T erläutert. Wie das Verfahren 100 ist dieses jedoch auch für

andere Transformationsmodelle T anwendbar.

In einem ersten Arbeitsschritt 201 wird eine Fahrzeugspezifikation des zu analysierenden

Fahrzeugs 1 erfasst.

In einem zweiten Arbeitsschritt 202 werden Werte der physikalischen Parameter Y14,Y2a,..., Y1p, Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. des zu analysierenden Fahrzeugs 1 mittels der trainierten Untermodelle A, B, C, D des Transformationsmodells T auf der Grundlage der Fahrzeugspezifikation des zu analysierenden Fahrzeugs 1 ermittelt. Das analysierte Fahrzeug 1 ist hierbei nicht identisch mit dem zu analysierenden Fahrzeug des Verfahrens 100, sondern es handelt sich vielmehr um ein Fahrzeug derselben Gattung wie das zu analysierende Fahrzeug 1 des Verfahrens 100. Dies bedeutet, dass die Fahrzeugspezifikationen des zu analysierenden Fahrzeugs 1 des Verfahrens 200 nicht identisch mit jener Fahrzeugspezifikation des zu analysierenden Fahrzeugs 1 aus dem Verfahren 100 sein müssen. Eine Gattung von Fahrzeug ist beispielsweise eine Limousine, ein SUV, ein Van, ein Kompaktwagen, etc. Indem beim Trainieren und beim Analysieren Fahrzeuge 1 der gleichen Gattung herangezogen werden, kann die Gültigkeit des Transformationsmodells T gewährleistet werden.

15

20

25

30

PP34084AT 12.09.2023 _41-

In einem dritten Arbeitsschritt 203 werden die ermittelten Werte der physikalischen Parameter Y14,Y2a,..., Y1e,Y2gp,..., Y1c,Y2c,..., Y1o,Y2p,.. des zu analysierenden Fahrzeugs 1, insbesondere an einer Datenschnittstelle oder einer Benutzerschnittstelle,

ausgegeben.

Vorzugsweise wird das Verfahren 200 unter Anwendung eines einzelnen Transformationsmodells T ausgeführt. Somit werden beispielsweise in einem ersten Durchgang physikalische Parameter Y14,Y2Aa,..., Y1s, Y2g,..., Y1c,Y2oc,..., Y1o,Y2p,.. In Bezug auf ein Crash-Transformationsmodell T bestimmt und einem zweiten Durchgang physikalische Parameter Y14,Y2.,..., Y1s, Y2g,..., Y1c,Y2c,..., Y1o,Y2p,.. in Bezug auf ein

Energiemanagement-Transformationsmodell T.

Besonders bevorzugt können die verschiedenen Transformationsmodelle T, welche jeweils unterschiedliche physikalische Parameter Y14A,Y2a,..., Y1p,Y2pg,..., Y1c,Y20,..., Y1,,Y2,,.. ausgeben, jedoch durch eine Identifikation von identischen bzw. abhängigen technischen Eigenschaften X1A4,X2aA,..., X1B,X280,..., X18c,X2c,..., X1p, X2p,... ‚welche als Eingangsparameter in die Transformationsmodelle T eingehen, verknüpft werden. In Bezug auf einen Crash-Test und das Energiemanagement ist dies beispielsweise die

Fahrzeugmasse.

Hierdurch können die jeweiligen physikalischen Parameter Y14,Y2a,..., Y1e,Y2g,..., Y1c,Y2c,..., Y1o,Y2p,.. auf der Grundlage einer angepassten Fahrzeugspezifikation gleichzeitig durch ein Grash-Transformationsmodell T und ein EnergiemanagementTransformationsmodell T bestimmt werden. Auch andere Transformationsmodelle T

können hierbei zusätzlich oder alternativ berücksichtigt werden.

Dies ist insbesondere von Vorteil, wenn eine gesamthafte Optimierung in Bezug auf die physikalischen Parameter Y14,Y2a,..., Y1e,Y2g,..., Y1c,Y2c,..., Y1o,Y2p,.. eines zu

analysierenden Fahrzeugs 1 vorgenommen werden soll. In Bezug auf das Beispiel der Berücksichtigung eines Crash-Transformationsmodells T

und eines Energiemanagement-Transformationsmodells T kann beispielsweise eine

gleichzeitige Vorhersage von Reichweite und Unfallsicherheit anhand der definierten

15

20

25

30

PP34084AT 12.09.2023 _42-—

physikalischen Parameter Y14,Y24,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1o,Y2,.. für beliebige Spezifikationen (im Rahmen des Gültigkeitsbereichs der Transformationsmodelle T) in Echtzeit vorgenommen werden. Hierdurch kann vorzugsweise auch eine Beurteilung einer Zielerreichung, zum Beispiel maximale Reichweite gegenüber einer maximalen Sicherheit, auf Gesamtfahrzeug-Ebene über Mittelwertbildung oder Extremwertgewichtung vorgenommen werden. Auch ist hiermit eine Bestimmung der Sensitivität, d.h. der Abhängigkeit der physikalischen Parameter Y1A4, Y2a,..., Y1s,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,.. von Einflussfaktoren, und der Signifikanz, d.h. der relativen Auswirkung aller Einflussfaktoren auf einen physikalischen Parameter Y14,Y2a,..., Y1e,Y2g,..., Y1c,Y2c,...,

Y1,,Y2,,.. zur Vorbereitung einer Optimierung möglich.

Schließlich kann eine gleichzeitige Optimierung der physikalischen Parameter Y14,Y2a,..., Y12, Y2pg,..., Y1c,Y2c,..., Y1o,Y2p,.. des Energiemanagements- und eines Crash-Tests anhand der Transformationsmodelle T durch Veränderung der Einflussfaktoren, insbesondere der Fahrzeugspezifikationen, vorgenommen werden. Dies wird im

Englischen als sogenanntes "constraint multiobjective optimization" bezeichnet.

Figur 4 zeigt ein Ausführungsbeispiel zum Ermitteln von Fahrzeugspezifikationen eines zu analysierenden Fahrzeugs 1 anhand physikalischer Parametern Y14,Y2A,...,

Y1e,Y2e.,..., Y1c,Y2o,..., Y1p,Y2p,.. mittels eines Transformationsmodells T.

In einem ersten Arbeitsschritt 301 werden Werte einer Mehrzahl von physikalischen Parametern Y14,Y2a,..., Y1s,Y2p,..., Y1c,Y2oc,..., Y1p,Y2p,.. des zu analysierenden Fahrzeugs 1 erfasst. Wiederum ist das zu analysierende Fahrzeug 1 nicht notwendigerweise identisch mit jenem Fahrzeug, welches zum Trainieren des Transformationsmodells T eingesetzt wurde. Vielmehr sollten diese, wie vorstehend

erläutert, lediglich von derselben Gattung sein.

In einem zweiten Arbeitsschritt 302 wird eine Fahrzeugspezifikation mittels eines Gradientenabstiegsverfahrens ausgehend von Default-Werten für die Fahrzeugspezifikation ermittelt. Innerhalb dieses Gradientenabstiegsverfahrens wird das

Verfahren 100 mehrfach ausgeführt, um die Fahrzeugspezifikation zu ermitteln.

15

20

25

30

PP34084AT 12.09.2023 — 43 -—

In einem dritten Arbeitsschritt 103 werden die Fahrzeugspezifikationen des wenigstens einen zu analysierenden Fahrzeugs 1, insbesondere an einer Datenschnittstelle oder

einer Benutzerschnittstelle, ausgegeben.

Figur5 ist ein Ausführungsbeispiel eines Systems 10 zum Trainieren eines Transformationsmodells T.

Vorzugsweise weist das Transformationsmodell T eine erste Schnittstelle 11, insbesondere Datenschnittstelle, zum Erfassen von Fahrzeugspezifikationen eines

Fahrzeugs 1, insbesondere des zu analysierenden Fahrzeugs, auf.

Des Weiteren weist das System 10 vorzugsweise Mittel zum Simulieren 12 eines Betriebs des Fahrzeugs 1, vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder wenigstens in einem definierten Szenario, mittels Simulationsmodellen a, b, c, d unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs 3 auf, wobei die Simulationsmodelle a, b, c, d ein virtuelles Fahrzeug 2 abbilden, wobei das Simulieren mehrmals mit unterschiedlicher Fahrzeugspezifikation des Fahrzeugs 1 durchgeführt wird

und wobei die Betriebsdaten erzeugt werden.

Des Weiteren weist das System 10 vorzugsweise Mittel zum Ableiten 13 von Werten der physikalischen Parameter Y14,Y2A4,..., Y18,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,... des

Fahrzeugs 1 aus den Betriebsdaten auf.

Weiter vorzugsweise weist das System 10 eine zweite Schnittstelle 14 auf, insbesondere eine Datenschnittstelle, zum Bereitstellen der Werte der physikalischen Parameter Y14,Y2a,..., Y1p, Y2p,..., Y1c,Y2c,..., Y1p,Y2p,.., welche mittels der Simulationsmodelle a, b, c, d erzeugt wurden, und der jeweils dazugehörigen Fahrzeugspezifikationen zum Trainieren von Ausgleichsrechnungen, insbesondere künstlichen neuronalen Netzen, wobei jede Ausgleichsrechnung die Grundlage für jeweils eines der Untermodelle A, B, GC, D bildet, wobei aus unterschiedlichen Simulationsmodellen a, b, c, d abgeleitete physikalische Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... jeweils in

unterschiedliche Untermodelle A, B, C, D eingelesen werden.

44 / 64

15

20

25

30

PP34084AT 12.09.2023 _ 44 —

Figur 6 zeigt ein Ausführungsbeispiel eines Systems 20 zum Ermitteln physikalischer Parameter Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2p,... eines zu analysierenden Fahrzeugs 1 für verschiedene Fahrzeugspezifikationen mittels eines

Transformationsmodells T.

Vorzugsweise weist das System 20 eine Schnittstelle 21, insbesondere Datenschnittstelle, zum Erfassen einer Fahrzeugspezifikation des zu analysierenden Fahrzeugs 1 auf, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften X14,X2A4,..., X15,X280c,..., X18c,X2c,..., X1p, X2p,... des zu analysierenden Fahrzeugs 1 charakterisiert ist und zum Ausgeben der Werte der physikalischen Parameter Y14,Y2a,..., Y1p,Y2gp,..., Y1c,Y2c,..., Y1p,Y2p,... des zu analysierenden

Fahrzeugs 1.

Darüber hinaus weist das System 20 vorzugsweise Mittel zum Ermitteln von Werten der physikalischen Parameter Y14,Y2a,..., Y1e,Y2g,..., Y1c,Y2c,..., Y1p,Y2p,... des zu analysierenden Fahrzeugs 1 mittels einer Mehrzahl von _unterschiedlichen Untermodellen A, B, C, D des Transformationsmodells T auf der Grundlage der Werte der technischen Eigenschaften X14,X2A,..., X1B,X280c,..., X18c,X20c,..., X1p, X2p,... auf.

Es wird darauf hingewiesen, dass es sich bei den Ausführungsbeispielen lediglich um Beispiele handelt, die den Schutzbereich, die Anwendung und den Aufbau in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung mindestens eines Ausführungsbeispiels gegeben, wobei diverse Änderungen, insbesondere im Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich zu verlassen, wie er sich aus den Ansprüchen und diesen äquivalenten

Merkmalskombinationen ergibt.

15

PP34084AT

A, B,C, D

a,b,c,d X1,X2... Y1,Y2... 10 11 12 13 14 20 21 22

— 45 —

Bezugszeichenliste

Fahrzeug

virtuelles Fahrzeug

reales Fahrzeug

Untermodell

Transformationsmodell

Simulationsmodell

technischen Eigenschaft

physikalische Parameter

System zum Trainieren eines Transformationsmodells erste Schnittstelle

Mittel zum Simulieren

Mittel zum Ableiten

zweite Schnittstelle

System zum Ermitteln physikalischer Parameter Schnittstelle

Mittel zum Ermitteln

46 / 64

12.09.2023

Claims (1)

15

20

25

30

PP34084AT 12.09.2023 — 46 -

Patentansprüche

1. Verfahren (100) zum Trainieren eines Transformationsmodells (T), welches mehrere Untermodelle (A, B, C, D) aufweist, zum Ermitteln physikalischer Parameter (Y14,Y2A,..., VY1s,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,...) eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen, folgende Arbeitsschritte aufweisend:

Erfassen (107) von Fahrzeugspezifikationen eines Fahrzeugs (1), insbesondere des zu analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften (X14,X24,..., X15,X28c;..., X1Bc,X2c,..., X1p, X2p,...) des Fahrzeugs (1) charakterisiert ist;

Simulieren (108) eines Betriebs des Fahrzeugs (1), vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario, mittels Simulationsmodellen (a, b, c, d) unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs (3), wobei die Simulationsmodelle (a, b, c, d) ein virtuelles Fahrzeug (2) abbilden, wobei das Simulieren mehrmals mit jeweils unterschiedlicher Fahrzeugspezifikation des Fahrzeugs (1) durchgeführt wird und wobei Betriebsdaten erzeugt werden;

Ableiten (109) von Werten der physikalischen Parameter (Y14,Y2A,..., Y1p,Y2B,..., Y1c,Y2c,..., Y1p,Y2o,...) des Fahrzeugs (1) aus den Betriebsdaten;

Bereitstellen (110) der Werte der physikalischen Parameter (Y14,Y2A,..., Y18, Y2ge,..., Y1c,Y2c,..., Y1p,Y2p,...), welche mittels der Simulationsmodelle (a, b, c, d) erzeugt wurden, und der jeweils dazugehörigen Fahrzeugspezifikationen, insbesondere an einer Datenschnittstelle; und

Trainieren (111) von Ausgleichsrechnungen, insbesondere künstlichen neuronalen Netzen, mittels der Werte der physikalischen Parameter (Y14A,Y2a,..., Y1p, Y2g,..., Y1c,Y2c,..., Y1o,Y2p,...) und der jeweils dazugehörigen Fahrzeugspezifikationen, wobei jede Ausgleichsrechnung die Grundlage für jeweils eines der Untermodelle (A, B, C, D) bildet, wobei aus unterschiedlichen Simulationsmodellen (a, b, c, d) abgeleitete physikalische Parameter (Y14A,Y2A,..., Y1gp,Y2B,..., Y1c,Y20,..., Y1p,Y2o,...) Jeweils in unterschiedliche künstliche neuronale Netze eingelesen

werden.

15

20

25

30

PP34084AT 12.09.2023 _47 -—

2. Verfahren (100) nach Anspruch 1, des Weiteren die folgenden Arbeitsschritte

aufweisend:

Simulieren (101) eines Betriebs eines virtuellen Fahrzeugs (2) mittels der Simulationsmodelle (a, b, c, d), vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario, wobei die Simulationsmodelle (a, b, c, d) das virtuelle Fahrzeug (2) abbilden, und wobei Betriebsdaten erzeugt werden;

Ableiten (102) von Werten von physikalischen Parametern (Y1A,Y2a,..., Y1p,Y2g,..., Y1c,Y2c,..., Y1o,Y2p,...) des virtuellen Fahrzeugs (2) aus den Betriebsdaten;

Erfassen (103) der Messdaten der physikalischen Parameter (Y14,Y2a,..., Y1s,Y2ge,..., Y1c,Y2c,..., Y1o,Y2p,...) wenigstens eines realen Fahrzeugs (3); Vergleichen (104) der abgeleiteten Werte mit den Messdaten der physikalischen Parameter (Y14,Y2a,..., Y1p, Y2p,..., Y1c,Y2c,..., Y1p,Y2p,...); und

Kalibrieren (105) der Simulationsmodelle (a, b, c, d), falls ein Abweichungsmaß in Bezug auf die physikalischen Parameter (Y14,Y2A,..., Y1p,Y2p,..., Y1c,Y2c,...,

Y1,,Y2.,...) über einem definierten Grenzwert liegt.

3. Verfahren nach Anspruch 1 oder 2, des Weiteren den Arbeitsschritt aufweisend:

Auswählen (106) der Fahrzeugspezifikationen, welche zur Betriebssimulation mittels unterschiedlicher Simulationsmodelle (a, b, c, d) eingesetzt werden, für

jedes Simulationsmodell (a, b, c, d) mittels eines statistischen Versuchsplans.

4. Verfahren nach einem der vorhergehenden Ansprüche, wobei beim Ableiten aus

den Betriebsdaten, welche von einem Parameter abhängen, insbesondere zeitabhängig sind, mittels Datennachverarbeitung Skalare als Werte der physikalischen Parameter (Y14,Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2o,...) erzeugt

werden.

5. Verfahren nach einem der vorhergehenden Ansprüche, wobei beim Ableiten aus

den Betriebsdaten durch Datennachbearbeitung aus Zzeitbasierten Daten ereignisbasierte physikalische Parameter (Y14A,Y2a,..., Y1p,Y2B,..., Y1c,Y2c,..., Y1p,Y2o,...) erzeugt werden.

48 / 64

15

20

25

30

PP34084AT 12.09.2023 — 48 -—

6. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Parameterraum

beim Simulieren des Betriebs in der Weise beschränkt wird, dass Betriebszustände, die eine große Abweichung vom Stand der Technik bezogen auf

die jeweilige Fahrzeuggattung aufweisen, nicht auftreten...

7. Verfahren nach einem der vorhergehenden Ansprüche, wobei der simulierte

Betrieb des Fahrzeugs (2) eine Vielzahl von Fahrmanövern und/oder definierten

virtuellen Szenarien abdeckt.

8. Computerimplementiertes Verfahren (200) zum Ermitteln physikalischer Parameter

(Y14, Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2o,...) eines zu analysierenden Fahrzeugs (1) für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells (T), folgende Arbeitsschritte aufweisend:

Erfassen (201) einer Fahrzeugspezifikation des zu analysierenden Fahrzeugs (1), wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften (X14,X24,..., X1B,X2B0;..., X1Bc,X20,..., X1p, X2p,...) des zu analysierenden Fahrzeugs (1) charakterisiert ist;

Ermitteln (202) von Werten der physikalischen Parameter (Y14,Y2a,..., Y1p,Y2B,..., Y1c,Y2c,..., Y1o,Y2p,...) des zu analysierenden Fahrzeugs (1) mittels einer Mehrzahl von unterschiedlichen Untermodellen (A, B, C, D) des Transformationsmodells (T) auf der Grundlage der Werte der technischen Eigenschaften (X14,X2aA,..., X15,X2Bc,..., X1Bc,X2c,..., X1p, X2p,...), wobei die Untermodelle (A, B, C, D) jeweils eine Zuordnungsvorschrift zwischen Fahrzeugspezifikationen und wenigstens einem physikalischen Parameter (Y14A,Y2a,..., Y1p,Y2p,..., Y1c,Y20,..., Y1p,Y2p,...) (Y14,Y2A,..., Y1e,Y2B,..., Y1c, Y2c,..., Y1o,Y2o,...) des zu analysierenden Fahrzeugs aufweisen und jeweils auf einer Ausgleichsrechnung bezüglich Simulationsergebnissen beruhen, welche aus mehreren Betriebs-Simulationen mittels Simulationsmodellen (a, b, c, g), welche ein virtuelles Fahrzeug (2) abbilden, unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs (3) mit jeweils Uunterschiedlicher Fahrzeugspezifikation des virtuellen Fahrzeugs (2) resultieren, wobei in unterschiedliche Ausgleichsrechnungen die Simulationsergebnisse jeweils anderer Simulationsmodelle (a, b, c, d) eingehen und wobei wenigstens zwei der Ausgleichsrechnungen künstliche neuronale Netze sind, welche vorzugsweise

49 / 64

15

20

25

30

PP34084AT 12.09.2023

10.

11.

12.

— 49 -—

mittels eines Verfahrens (100) gemäß einem der Ansprüche 1 bis 7 trainiert

wurden; und

Ausgeben (203) der Werte der physikalischen Parameter (Y14,Y2a,..., Y1p,Y2B,..., Y1c,Y2c,..., Y1p,Y2o,...) des zu analysierenden Fahrzeugs (1).

Computerimplementiertes Verfahren (300) zum Ermitteln von Fahrzeugspezifikationen eines zu analysierenden Fahrzeugs (1) für einen Satz an physikalischen Parametern (Y14,Y24,..., Y1e,Y2p,..., Y1c,Y2c,..., Y1p,Y2p,...) mittels eines Transformationsmodells (T), folgende Arbeitsschritte aufweisend: Erfassen (301) von Werten einer Mehrzahl von physikalischen Parametern (Y14, Y2a,..., Y1p,Y2g,..., Y1c,Y2o,..., Y1o, Y2p,...) des zu analysierenden Fahrzeugs (1);

Ermitteln (302) einer Fahrzeugspezifikation, welche durch eine Ausprägung der Werte von technischen Eigenschaften (X14A,X2A,..., X15,X2B,..., X1c,X2c,..., X1p, X2p,...) des zu analysierenden Fahrzeugs (1) charakterisiert ist, mittels eines Gradientenabstiegsverfahrens ausgehend von Default-Werten für die Fahrzeugspezifikation, wobei innerhalb des Gradientenabstiegsverfahrens das Verfahren (100) gemäß Anspruch 8 mehrfach ausgeführt wird, um die Fahrzeugspezifikation zu ermitteln; und

Ausgeben (303) der Fahrzeugspezifikation des wenigstens einen zu

analysierenden Fahrzeugs.

Verfahren (200; 300) nach Anspruch 8 oder 9, wobei wenigstens ein mittels eines ersten Untermodells (A, B, C, D) bestimmter physikalischer Parameter (Y14,Y2a,..., Y1p, Y2g,..., Y1c,Y2c,..., Y1o,Y2o,...) als Eingangsparameter in ein zweites Untermodell (A, B, C, D) eingeht.

Verfahren nach einem der vorhergehenden Ansprüche, wobei eine technische Eigenschaft (X14,X2a4,..., X1B,X2Bc,..., X18c,X2c,..., X1p, X2p,...) als ein

Eingangsparameter für mehrere Untermodelle (A, B, C, D) verwendet wird.

Computerprogramm oder Computerprogrammprodukt, wobei das Computerprogramm oder Computerprogrammprodukt, insbesondere auf einem

15

20

25

30

PP34084AT 12.09.2023 — 50 —

computerlesbaren und/oder nicht-flüchtigen Speichermedium gespeicherte, Anweisungen enthält, welche, wenn sie von einem Computer oder einem System (10) nach Anspruch 15 ausgeführt werden, den Computer oder das System (10) dazu veranlassen, die Schritte eines Verfahrens (100, 200) gemäß einem der

Ansprüche 1 bis 11 auszuführen.

13. System (10) zum Trainieren eines Transformationsmodells (T), welches mehrere Untermodelle (A, B, C, D) aufweist, zum Ermitteln physikalischer Parameter (Y14, Y2a,..., Y1p,Y2p,..., Y1c,Y2c,..., Y1o,Y2o,...) eines zu analysierenden Fahrzeugs für verschiedene Fahrzeugspezifikationen, aufweisend: eine erste Schnittstelle (11), insbesondere Datenschnittstelle, zum Erfassen von Fahrzeugspezifikationen eines Fahrzeugs (1), insbesondere des zu analysierenden Fahrzeugs, wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften (X14,X24,..., X15,X28c;..., X18c,X2c,..., X1p, X2p,...) des Fahrzeugs (1) charakterisiert ist;

Mittel zum Simulieren (12) eines Betriebs des Fahrzeugs (1), vorzugsweise in wenigstens einem definierten Fahrmanöver und/oder in wenigstens einem definierten virtuellen Szenario, mittels Simulationsmodellen (a, b, c, d) unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs (3), wobei die Simulationsmodelle (a, b, c, d) ein virtuelles Fahrzeug (2) abbilden, wobei das Simulieren mehrmals mit jeweils unterschiedlicher Fahrzeugspezifikation des Fahrzeugs (1) durchgeführt wird und wobei Betriebsdaten erzeugt werden;

Mittel zum Ableiten (13) von Werten der physikalischen Parameter (Y14A,Y2a,..., Y18, Y2e,..., Y1c,Y2o,..., Y1o,Y2p,...) des Fahrzeugs (1) aus den Betriebsdaten; eine zweite Schnittstelle (14), insbesondere Datenschnittstelle, zum Bereitstellen der Werte der physikalischen Parameter (Y14A,Y2A,..., Y1p,Y2g,..., Y1c,Y2c,..., Y1.,Y2>,...), welche mittels der Simulationsmodelle (a, b, c, d) erzeugt wurden, und der jeweils dazugehörigen Fahrzeugspezifikationen zum Trainieren von Ausgleichsrechnungen, insbesondere künstlichen neuronalen Netzen, wobei jede Ausgleichsrechnung die Grundlage für jeweils eines der Untermodelle (A, B, C, D) bildet, wobei aus unterschiedlichen Simulationsmodellen (a, b, c, d) abgeleitete physikalische Parameter (Y14,Y2a,..., Yıs,Y2p,..., Y1c,Y2oc,..., Y1o,Y2,...) Jeweils

in unterschiedliche künstliche neuronale Netze eingelesen werden.

14. System (20) zum Ermitteln physikalischer Parameter (Y14,Y2A,..., Y1p,Y2B,..., Y1c, Y2c,..., Y1p,Y2p,...) eines zu analysierenden Fahrzeugs (1) für verschiedene Fahrzeugspezifikationen mittels eines Transformationsmodells (T), folgende Arbeitsschritte aufweisend:

5 eine Schnittstelle (21), insbesondere Datenschnittstelle, zum Erfassen einer Fahrzeugspezifikation des zu analysierenden Fahrzeugs (1), wobei jede Fahrzeugspezifikation durch eine Ausprägung der Werte von technischen Eigenschaften (X14,X2A4,..., X15,X2B0,..., X18c,X2c,..., X1p, X2p,...) des zu analysierenden Fahrzeugs (1) charakterisiert ist und zum Ausgeben (203) der

10 Werte der physikalischen Parameter (Y14,Y2a,..., Y1e,Y2gp,..., Y1c,Y2c,..., Y1,,Y2>,...) des zu analysierenden Fahrzeugs (1); und Mittel zum Ermitteln (22) von Werten der physikalischen Parameter (Y14,Y2a,..., Y1p, Y2g,..., Y1c,Y2c,..., Y1o,Y2p,...) des zu analysierenden Fahrzeugs (1) mittels einer Mehrzahl von unterschiedlichen Untermodellen (A, B, C, D) des

15 Transformationsmodells (T) auf der Grundlage der Werte der technischen Eigenschaften (X14,X2aA,..., X15,X2Bc,..., X1Bc,X2c,..., X1p, X2p,...), wobei die Untermodelle (A, B, C, D) jeweils eine Zuordnungsvorschrift zwischen Fahrzeugspezifikationen und wenigstens einem physikalischen Parameter (Y14A,Y2a,..., Y1p,Y2p,..., Y1c,Y20,..., Y1p,Y2p,...) (Y14,Y2A,..., Y1e,Y2B,...,

20 Y1c,Y2c,..., Y1p,Y2p,...) des zu analysierenden Fahrzeugs (1) aufweisen und jeweils auf einer Ausgleichsrechnung bezüglich Simulationsergebnissen beruhen, welche aus mehreren Betriebs-Simulationen mittels Simulationsmodellen (a, b, c, d), welche ein virtuelles Fahrzeug (2) abbilden, unter Berücksichtigung von Messdaten wenigstens eines realen Fahrzeugs (3) mit jeweils unterschiedlicher

25 Fahrzeugspezifikation des virtuellen Fahrzeugs (2) resultieren, wobei in unterschiedliche Ausgleichsrechnungen die Simulationsergebnisse jeweils anderer Simulationsmodelle (a, b, c, d) eingehen und wobei wenigstens zwei der

Ausgleichsrechnungen künstliche neuronale Netze sind.

30 15. Computer-implementiertes Maschinenlernmodell, insbesondere künstliches neuronales Netz, zum Ermitteln physikalischer Parameter (Y14,Y2a,..., Y1p,Y2B,..., Y1c, Y2c,..., Y1p,Y2p,...) eines zu analysierenden Fahrzeugs (1) für verschiedene

Fahrzeugspezifikationen, wobei das Maschinenlernmodell konfiguriert worden

ist, indem für Trainingseingaben die Arbeitsschritte eines Verfahrens (100)

gemäß einem der Ansprüche 1 bis 7 durchgeführt wurden.