Digitaler Zwilling zur Virtualisierung von Arbeitsprozessen am Powertrain in the Loop Prüfstand

Dabei werden moderne Methoden wie Reinforcement Learning eingesetzt, um Fahrer- und Fahrzeugverhalten realistisch zu modellieren und die Potenziale digitaler Zwillinge zu bewerten. Die zunehmende Verlagerung komplexer Fahrzeugerprobungen auf Hardware-in-the-Loop-Prüfstände reduziert Fahrzeugentwicklungszeiten und -kosten, geht jedoch mit einer gestiegenen Komplexität der Echtzeitsimulation einher. Jannes Schilling untersucht daher, wie digitale Zwillinge zur Virtualisierung von Arbeitsprozessen an Antriebsstrangprüfständen beitragen und dadurch die Effizienz der Erprobung steigern können. Dafür wird ein iterativer Prozess vorgestellt, bei dem basierend auf einem initialen digitalen Zwilling schrittweise operative digitale Zwillinge aufgebaut werden. Diese operativen Zwillinge ermöglichen es, Erprobungen virtuell vorzubereiten und zu analysieren, bevor sie auf den realen Prüfstand übertragen werden. Die Anwendung des Prozesses anhand der Entwicklung eines hochdynamischen Fahrermodells zeigt, dass sich sowohl die Messdatenqualität verbessert als auch die Prüfstandsdurchlaufzeiten verkürzen. Dabei werden moderne Methoden wie Reinforcement Learning eingesetzt, um Fahrer- und Fahrzeugverhalten realistisch zu modellieren und die Potenziale digitaler Zwillinge zu bewerten.