M. Sc. Simon Ehlers

Mein Forschungsschwerpunkt liegt im Bereich der Online-Informationsgenerierung von LKW-Trailern im laufenden Betrieb. Von Interesse sind fahrdynamisch relevante Informationen des Trailers, wie Schwerpunktsposition, Reifenkräfte, etc., die Fahrbahnbeschaffenheit sowie der Verschleiß von Komponenten über die Lebensdauer des Trailers. Dafür werden Methoden im Bereich der fahrdynamischen Modellierung, des maschinellen Lernens und intelligenter Datenfusion eingesetzt. 

Beschreibung zu meinem Forschungsprojekt:

Vor allem im Bereich der Nutzfahrzeuge ist das wirtschaftliche Potential von automatisiert fahrenden Lastkraftwagen besonders hoch. Damit dieses Vorhaben gelingen kann, muss der LKW-Anhänger (sog. Trailer) deutlich intelligenter werden, als er heute ist. Während das Zugfahrzeug serienmäßig mit viel Sensorik ausgestattet ist, gibt es im Trailer noch deutlichen Nachholbedarf. Im Rahmen dieses Projekts soll mit mehreren Projektpartnern aus Forschung und Industrie erarbeitet werden, wie durch Einsatz von zusätzlicher Sensorik im Trailer die fahrdynamischen und sicherheitsrelevanten Zustände berechnet bzw. geschätzt werden können, um diese anschließend an das Zugfahrzeug weiterzugeben. Ein weiterer Aspekt des Projekts ist die Beurteilung von verschleißbehafteten Komponenten im Trailer wie z.B. Reifen oder Bremsen, um eine Vorhersage zu treffen, wann die Komponenten ausgewechselt werden müssen. Dazu wird ein Online-Zwilling erstellt, der während der Fahrt auf einer Recheneinheit im Trailer fahrdynamische Zustände schätzt. Weiterhin sollen Informationen über die Fahrbahnbeschaffenheit gesammelt und mit Kameras der Rückraum überwacht werden. Die online gesammelten Informationen werden über eine Cloud-Infrastruktur an einen Offline-Zwilling gesendet, der dann mit Hilfe von detaillierten Fahrzeug-Modellen den Komponentenverschleiß berechnet und an den Online-Zwilling zurück sendet. Das Imes wird sich im Rahmen dieses Projekts hauptsächlich mit der Entwicklung des Online-Zwillings erfassen und setzt für die Online-Informationsgenerierung Methoden der fahrdynamischen Modellierung, des maschinellen Lernens und der Informationsfusion ein.