Die Betriebsstrategie eines Hybridfahrzeugs ist durch ihre hohe Komplexität und den vielfältigen Querwirkungen auch in der späten Entwicklungsphase nur schwer im Fahrzeug zu parametrieren. In der vorliegenden Arbeit wird eine Methode zur Optimierung der Betriebsstrategie in Hybridelektrofahrzeugen entwickelt und im realen Serienentwicklungsprozess angewendet. Zur Lösung von multikriteriellen Optimierungsproblemen werden ein genetischer Algorithmus und ein Simulationsmodell, welches die realen Steuergerätefunktionen und- parameter beinhaltet, kombiniert. Die vorgestellte Methode wird anhand von ausgewählten Fahrzyklen bewertet. Es werden konkrete Problemstellungen untersucht, bei denen der Kraftstoffverbrauch als wichtigste Zielgröße jeweils im Konflikt mit einem weiteren Zielkriterium steht. Mithilfe eines Pareto-basierten genetischen Algorithmus lassen sich mögliche Kompromisslösungen darstellen und Sensitivitäten zwischen den Entscheidungsvariablen und Zielgrößen aufzeigen. Die approximierten Pareto-Fronten werden mithilfe eines Hybridantriebsprüfstands am realen Antriebsstrang durch Auswertung einzelner Lösungspunkte validiert.      «

Die Betriebsstrategie eines Hybridfahrzeugs ist durch ihre hohe Komplexität und den vielfältigen Querwirkungen auch in der späten Entwicklungsphase nur schwer im Fahrzeug zu parametrieren. In der vorliegenden Arbeit wird eine Methode zur Optimierung der Betriebsstrategie in Hybridelektrofahrzeugen entwickelt und im realen Serienentwicklungsprozess angewendet. Zur Lösung von multikriteriellen Optimierungsproblemen werden ein genetischer Algorithmus und ein Simulationsmodell, welches die realen St...     »

Due to high complexity and its various correlations the parametrization of the operating strategy of hybrid electric vehicles is a difficult task even in the later stages of the development process. This work proposes an approach to optimize the operating strategy of hybrid electric vehicles. The method is applied and tested during a series development process. To solve multi-objective optimization problems a genetic algorithm and a simulation model which includes the real control unit functions and parameters are combined. The introduced method is evaluated on the basis of selected driving cycles. Different practical problems with conflicting goals such as low fuel consumption and high electric drive availability are analyzed. The usage of a pareto-based genetic algorithm provides a set of compromise solutions. Furthermore correlations between parameters and target values are revealed. The optimization results are validated with the help of a hybrid power train test bench.     «

Due to high complexity and its various correlations the parametrization of the operating strategy of hybrid electric vehicles is a difficult task even in the later stages of the development process. This work proposes an approach to optimize the operating strategy of hybrid electric vehicles. The method is applied and tested during a series development process. To solve multi-objective optimization problems a genetic algorithm and a simulation model which includes the real control unit functions...     »