On the Design of Vehicle Architectures for Driving Dynamics subject to Uncertainty and Feasibility Restrictions

The development of new growth potentials against the background of increasing profitability and sales figures requires shorter development times while increasing model diversity. Both action fields aim to win new customers for the brand who did not identify themselves with it so far.</br> The layout design of vehicle dynamics is particularly challenging since it is subject to numerous physical cause-effect relationships including a number of design variables and many requirements that must be satisfied (commonality, function, weight, costs and installation space). Furthermore, in the early stage of development, many boundary conditions are still unclear, although important design decisions must be made.</br> The aim of this work is the development of a new design method that combines the benefits of qualitative and quantitative methods, by which the overall layout design of vehicle dynamics for individual vehicles but also vehicle platforms increases in transparency and efficiency in order to satisfy the future requirements on automotive development.</br> The qualitative procedures are based on the bundling of available knowledge on physical and technical cause-effect relations within dependency graphs that systematically link design variables and overall objective criteria of the vehicle along certain abstraction levels. The quantitative procedures are based on stochastic solution space analysis, target cascading and robust optimization. In order to derive requirements top-down along the V-model within the field of vehicle dynamics, the method to be developed should consider the following issues: uncertainty, feasibility, consistency, and practicality.</br> First, deriving requirements for complex systems is addressed in this work. In the second and third parts, two different and novel methods to evaluate the feasibility of requirements imposed on the subsystems are presented. Then, new methods to develop complex hierarchically decomposed systems along the V-model are presented, before they are extended for the efficient design of vehicle platforms. Finally, the proposed methods are applied to a complex application example in the field of vehicle dynamics.</br> The foundation of the described design method is based on a deep understanding of the vehicle as a system and its design-relevant cause-effect relationships. The identification of the cause-effect relationships is complex. On the one hand, requirements from various categories are imposed upon the vehicle, and on the other hand, a large number of design variables may be tuned in order to satisfy the imposed requirements. In the first step, the vehicle is decomposed in different hierarchical abstraction levels and clusters of properties. The partitioning of the clusters is aligned with the separation of the vehicle in different subsystems. Each subsystem is assigned to a different expert team in the vehicle development process.</br> Thereby a particular vehicle objective is affected by multiple properties of different subsystems which complicates the system design procedure. After partitioning the vehicle system, an extended approach for mapping the identified dependencies by machine learning in a quantitative manner is introduced. Therefore, relevant properties of the subsystems are parametrized by scalar values and varied by Monte Carlo sampling. The results are filtered to create accurate surrogate models. Due to the short calculation time of the surrogate models, requirements may be derived as permissible ranges to all relevant subsystem properties very effectively.</br> The final properties on the subsystem level may be tuned by the related expert teams by adapting design variables on the detail level. Separate conflicting goals occur between the requirements on a particular subsystem, which is why the subsystem properties may not be adjusted freely and independently of each other. In order to ensure consistency of the requirement based development in engineering practice, the feasibility must be considered while deriving requirements to subsystem properties.</br> For complex subsystems, separate subsystem models are necessary to evaluate their feasibility. In this work, different novel approaches for evaluating the feasibility efficiently in the virtual development phase are presented for the tire and suspension subsystem. In order to enable requirement based and objective development of tires, a new method is presented which calculates the overall vehicle properties based on functional tire characteristics. In addition, non-feasible tires are excluded from the solution space computation by applying an additional classifier. A fast calculating surrogate model is created for the suspension system and then implemented into the overall design method to derive feasible requirements on the suspension system.</br> In order to make the process of deriving requirements and finalizing a design as efficient as possible, smart, synchronized algorithms and methods are necessary as well as a highly intuitive interface to the development engineer. Therefore, both a semi-manual and an automated approach are presented. Both approaches have their own advantages and disadvantages. The more appropriate approach for a particular problem statement depends on many factors, such as the accompanying complexity as well as the existing resources and preferences of the development engineer.</br> Therefore, this must be decided case by case. Based on the automated algorithm, an extended version for developing vehicle platforms is presented.</br> The presented methods are applied to complex application examples within the field of vehicle dynamics. Feasible requirements are forwarded to the relevant subsystems: tire, suspension, steering, and vehicle-DNA. In order to ensure practicability, numerous overall vehicle requirements are imposed on the steady-state, dynamic, linear, non-linear and transient behavior of the vehicle. In addition, interdependencies of the subsystems to be designed to fields outside of classical vehicle dynamics, such as steering power design, are considered as well. After applying the introduced method for the design of one particular vehicle, it is also applied to the design of vehicle architectures. The vehicle architectures are based on the same vehicle platform and share components with each other.

Die Erschließung neuer Wachstumspotenziale vor dem Hintergrund der Steigerung von Profitabilität und Verkaufszahlen erfordert kürzere Entwicklungszeiten bei gleichzeitig steigender Modellvielfalt. Beide Handlungsfelder dienen dem Ziel neue Kunden für die Marke zu gewinnen, welche sich bisher nicht mit dieser identifizieren konnten.</br> Die fahrdynamische Grundauslegung ist dabei besonders herausfordernd, da sie zahlreichen physikalischen Wirkzusammenhängen mit vielen Einflussparametern unterliegt und dabei vielen Anforderungen genügen soll (Kommunalität, Funktion, Gewicht, Kosten und Bauraum). Weiterhin sind in der frühen Entwicklungsphase viele Randbedingungen unklar, dennoch müssen wichtige Auslegungsentscheidungen getroffen werden.</br> Das Ziel dieser Arbeit ist die Entwicklung einer neuen Auslegungsmethode, welche die Vorteile von qualitativen und quantitativen Methoden kombiniert und mit der die gesamthafte fahrdynamische Grundauslegung von Fahrzeugen und Baukästen transparenter und effizienter wird, um somit zukünftigen Anforderungen an die Automobilentwicklung gerecht zu werden.</br> Die qualitativen Verfahren basieren auf der Bündelung vorhandenen Wissens über physikalisch technische Zusammenhänge in sogenannten Wirknetzen, in denen systematisch Einstellparameter und Gesamtfahrzeugeigenschaften über mehrere hierarchisch angeordnete Ebenen miteinander verknüpft werden. Die quantitativen Verfahren basieren auf stochastischer Lösungsraumanalyse, Target Cascading und Robust Optimization.</br> Um die Ableitung der Anforderungen von oben nach unten, entlang des V-Models in der Fahrdynamik realisieren zu können, sollte die zu entwickelnde Methode folgende Themen berücksichtigen: Unsicherheit, Realisierbarkeit, Durchgängigkeit, Praxistauglichkeit.</br> Der erste Beitrag dieser Arbeit beschäftigt sich mit der Ableitung von Anforderungen an komplexe Systeme. Im zweiten und dritten Beitrag werden für unterschiedliche Subsysteme zwei verschiedene neue Möglichkeiten präsentiert, die gestellten Anforderungen zu plausibilisieren. Anschließend werden neue Methoden vorgestellt, komplexe hierarchisch zerlegte Systeme entlang des V-Models zu entwickeln, bevor die Methoden für die effiziente Auslegung von Produktfamilien erweitert werden. Abschließend werden die vorgestellten Methoden auf ein komplexes Anwendungsbeispiel der Fahrdynamik angewandt.</br> Die Basis für die Erstellung der beschriebenen Auslegungsmethode ist ein tief greifendes Systemverständnis über das Fahrzeug und dessen auslegungsrelevante Wirkzusammenhänge. Die Identifizierung dieser Wirkzusammenhänge ist jedoch komplex. Einerseits müssen Anforderungen an das Fahrzeug aus verschiedensten Kategorien erfüllt werden und andererseits besteht eine hohe Anzahl an Eigenschaften, welche dazu genutzt werden können, die gestellten Anforderungen zu erfüllen.</br> In einem ersten Schritt wird das Fahrzeug in verschiedene hierarchische Abstraktionsebenen und Eigenschaftscluster unterteilt. Die Partitionierung der Eigenschaftscluster orientiert sich an der Unterteilung des Systems in verschiedene Subsysteme. Jedes Subsystem ist im Fahrzeugentwicklungsprozess einem unterschiedlichen Expertenteam zugeordnet. Auf eine bestimmte Gesamtfahrzeugeigenschaft nehmen dabei meist mehrere Eigenschaften aus verschiedenen Subsystemen Einfluss, was den Systementwurf erschwert.</br> Nach geschehener Partitionierung des Systems Fahrzeug wird ein erweiterter Ansatz vorgestellt, die identifizierten Wirkzusammenhänge eines Fahrzeuges mit Hilfe von Machine Learning quantitativ abzubilden. Dazu werden die relevanten Eigenschaften der Subsysteme über skalare Werte parametrisiert und durch Monte Carlo Sampling variiert. Zur Erstellung akkurater Ersatzmodelle werden die Ergebnisse gefiltert. Aufgrund der kurzen Rechenzeit der Ersatzmodelle können Anforderungen effizient in Form von zulässigen Bereichen an alle relevanten Subsysteme abgeleitet werden.</br> Die tatsächlich realisierten Eigenschaften auf der Subsystem-Ebene können von den jeweiligen Expertenteams durch Anpassung von relevanten Einstellparametern auf der Detail-Ebene beeinflusst werden. Zwischen den Anforderungen an ein einzelnes Subsystem bestehen jedoch zusätzliche Zielkonflikte, weshalb die Subsystemeigenschaften nicht frei und unabhängig voneinander einstellbar sind.</br> Um die Durchgängigkeit des anforderungsbasierten Entwickelns in der Praxis umsetzen zu können, muss bei der Ableitung der Subsystemanforderungen die Realisierbarkeit berücksichtigt werden. Bei komplexen Subsystemen sind für die Überprüfung der Realisierbarkeit eigene Subsystemmodelle notwendig. In dieser Arbeit werden für die Subsysteme Reifen und Fahrwerk verschiedene neue Möglichkeiten vorgestellt, die Realisierbarkeit bereits während der virtuellen Entwicklung effizient zu prüfen.</br> Um die anforderungsbasierte und objektive Reifenentwicklung zu ermöglichen, wird eine neue Methode vorgestellt, Gesamtfahrzeugeigenschaften auf Basis funktionaler Reifeneigenschaften zu berechnen. Nicht realisierbare Bereiche werden dabei mit Hilfe eines Klassifikators von der Lösungsraumsuche ausgeschlossen. Zur Ableitung realisierbarer Anforderungen an das Fahrwerk wird ein schnell rechnendes Ersatzmodell des Subsystems erstellt und in den Prozess der Anforderungsableitung integriert.</br> Um den Prozess der Anforderungsableitung und Finalisierung eines Designs möglichst effizient zu gestalten, bedarf es intelligenter, aufeinander abgestimmter Algorithmen und Methoden sowie einer möglichst intuitiven Schnittstelle zum Entwicklungsingenieur.</br> Dazu werden ein semi-manueller und ein automatisierter Ansatz vorgestellt. Beide Ansätze haben ihre Vor- und Nachteile. Welcher Ansatz für eine konkrete Problemstellung besser geeignet ist, hängt von vielen Faktoren ab, wie zum Beispiel dessen Komplexität sowie vorhandener Ressourcen und Vorlieben des Entwicklungsingenieurs.</br> Aus den genannten Gründen muss von Fall zu Fall entschieden werden. Auf Basis des automatisierten Algorithmus wird eine Erweiterung zur Auslegung von Fahrzeugplattformen präsentiert.</br> Die vorgestellten Methoden werden im Anschluss auf komplexe Anwendungsbeispiele aus der Fahrdynamikauslegung angewandt. Realisierbare Anforderungen werden an die zu entwickelnden Subsysteme: Reifen, Fahrwerk, Lenkung und Fahrzeug-DNA abgeleitet. Zur Gewährleistung der Praxistauglichkeit werden zahlreiche Gesamtfahrzeuganforderungen an das stationäre, dynamische, lineare, nicht-lineare und Übergangsverhalten des Fahrzeuges gestellt. Zusätzlich werden die Wechselwirkungen der auszulegenden Subsysteme auf Eigenschaften außerhalb der Fahrdynamik, wie zum Beispiel Lenkleistung, mitberücksichtigt.</br> Nach Anwendung der vorgestellten Methode zur Auslegung eines einzelnen Fahrzeugs, wird diese auch zur gesamthaften Auslegung von Fahrzeugarchitekturen genutzt. Die Fahrzeugarchitekturen basieren auf der gleichen Fahrzeugplattform und teilen einzelne Komponenten miteinander.

Zitieren

Zitierform:
Zitierform konnte nicht geladen werden.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten