Schätzung des maximalen Reibwerts bei fahrdynamischen und aktiven Systemanregungen

Der Einsatz automatisierter und autonomer Fahrfunktionen in modernen Kraftfahrzeugen verspricht eine sichere, effiziente und umweltschonende Mobilität. Vor allem Fahrerassistenzsysteme (FAS) haben das Potenzial, fehlerhaftes Verhalten der fahrzeugführenden Person insbesondere in kritischen Fahrsituationen zu korrigieren und so Verkehrsunfälle zu vermeiden. Für die technische Umsetzung (automatisierter) FAS ist eine zuverlässige Umgebungserkennung essenziell. Vor allem die Fahrbahn ist von hoher Relevanz, da zwischen Reifen und Fahrbahn die einzigen Berührungspunkte des Fahrzeugs zur Umgebung vorliegen. Charakterisierende Größe des Reifen-Fahrbahn-Kontakts ist der maximale Reibwert. Dieser definiert die maximal übertragbaren Reifenkräfte und stellt somit eine physikalische Grenze für das Beschleunigungs-, Brems- und Lenkvermögen des Fahrzeugs dar. Demnach kann die Kenntnis des maximalen Reibwerts wesentlich zur Performanz bestehender FAS sowie zur sicheren Umsetzung automatisierter und autonomer Fahrfunktionen beitragen. Eine direkte Messung des maximalen Reibwerts im Fahrzeug ist technisch aufwändig und wirtschaftlich schwer umsetzbar. Um FAS dennoch Reibwertinformationen zur Verfügung zu stellen, bieten sich modellbasierte, datenbasierte und hybride Verfahren an, die den maximalen Reibwert über die Fahrzeugseriensensorik schätzen. Der bestehende Forschungsstand zeigt Potenzial hinsichtlich der Fahrzeugsensorik und der Schätzverfahren. Demnach wird in dieser Arbeit als erster Beitrag (I) ein modellbasiertes Verfahren basierend auf einer physikalischen Modellierung der Fahrzeugdynamik implementiert und hinsichtlich der Fahrzeugsensoren analysiert. Zudem werden (II) datenbasierte Ansätze, die das Systemverhalten mittels maschineller Lernverfahren anhand von Daten erfassen, entwickelt. Als dritter Beitrag (III) werden hybride Verfahren aus der Kombination modell- und datenbasierter Ansätze vorgestellt. Die Schätzverfahren werden bezüglich der Genauigkeit für experimentelle Fahrmanöver auf unterschiedlichen Fahrbahnen verglichen. Bei ausreichender fahrdynamischer Anregung ist eine Schätzung des maximalen Reibwerts möglich, allerdings sind diese bei alltäglichen Fahrten selten. Folglich bieten sich aktive Systemanregungen an, die bei fehlender fahrdynamischer Anregung über die Aktorik eingreifen. Als vierter Beitrag (IV) werden demnach aktive Systemanregungen für ein experimentelles Versuchsfahrzeug implementiert und untersucht, um bei fehlender fahrdynamischer Anregung eine zuverlässige Reibwertschätzung zu ermöglichen - ohne die Bauteilbeanspruchung oder den Fahrkomfort negativ zu beeinträchtigen. Zusammenfassend werden Fahrzeugsensoren, datenbasierte und hybride Schätzverfahren sowie aktive Systemanregungen untersucht mit dem Ziel die Verfügbarkeit von Reibwertinformationen zu erhöhen, FAS zu verbessern und das automatisierte sowie autonome Fahren voranzutreiben.