FORCuDE@BEV

BAYERISCHER FORSCHUNGSVERBUND ZUM CUSTOMIZED DIGITAL ENGINEERING FÜR BAYERISCHE KMU AM BEISPIEL DES ANTRIEBSSTRANGS ELEKTRISCHER FAHRZEUGE

Logo FORCuDE

TP6: Finite-Elemente-Analyse-Tools als virtuelle Sensoren im Antriebsstrang

Arbeitsfeld:

Working Group Tools

 

Für die Auslegung von Systemkomponenten im Antriebsstrang sind relevante Kenngrößen häufig nur durch Prüfstandversuche bestimmbar. Der Einsatz von Sensoren wird dabei wesentlich durch die Zugänglichkeit der interessierenden Prüfstellen und der Kosten für eine Applikation beschränkt. Im Rahmen dieses Teilprojekts werden virtuelle Sensoren auf Basis der Finite-Elemente-Analyse (FEA) entwickelt und als virtuelle Sensoren bereitgestellt. Die im Prüffeld ermittelten Sensordaten können somit um zusätzliche Detailinformationen ergänzt werden (Bild 1). Die virtuellen Sensoren ermöglichen die örtliche Bestimmung auftretender Verformungs-, Spannungs-, und Temperaturergebnisse, woraus relevante Kenngrößen für das Prüffeld und die Auslegungsprozesse abgeleitet werden können. Für den Projektdemonstrator werden mögliche Anwendungsfelder evaluiert und hierfür maßgeschneiderte Lösungen in Form eines Software-Demonstrators erarbeitet.


Bild1: Ermittlung von Prüfdaten unter Einsatz bestehender Messtechnik und eines virtuellen Sensors zur Erfassung der Systemverformung

Im Vordergrund der Entwicklung steht dabei die Ableitung effizienter Berechnungsmodelle, welche das physikalische Verhalten der betrachteten Systemkomponenten bestmöglich wiedergeben, dabei aber die auftretenden Berechnungszeiten weitgehend minimieren. Es werden zudem Einsatzmöglichkeiten des High-Performance-Computing (HPC) geprüft, um auch komplexe und aufwendige Berechnungen zu vertretbaren Berechnungszeiten zu ermöglichen.

Die Übertragbarkeit, der in diesem Projekt entwickelten Tools und Methoden, auf anwendungsnahe Problemstellungen wird durch die übergeordneten Arbeitskreise „Datengetriebene Methoden“ und „Tools“ sichergestellt.

Projektpartner:

Informationen

Gründungsdatum

04.2020

Ende

03.2023

Gefördert durch

Bayerische Forschungsstiftung