Software für die Automobiltechnik

Die Fahrzeugleistung bezieht sich auf die Gesamtfähigkeit, Effizienz und Funktionalität eines Fahrzeugs und umfasst Aspekte wie Beschleunigung, Batteriereichweite, Sicherheit, Aerodynamik und Wassermanagement, fortschrittliche Fahrerassistenzsysteme (ADAS), Energie- und Wärmemanagement, Geräusche, Vibrationen und Rauheit (NVH) und Akustik, Festigkeit und Haltbarkeit, Fahrzeugsteuerung und Fahrzeughandling.

Das Performance Engineering in der Automobilindustrie orientiert sich an den Geschäftsanforderungen und bietet eine End-to-End-Systemoptimierung durch eine kontinuierliche virtuelle Test- und Überwachungsschleife. Mit einer Shift-Left-Strategie zielen Automobilhersteller und Zulieferer darauf ab, einen besseren Geschäftswert zu erzielen, indem sie potenzielle Probleme frühzeitig im Entwicklungszyklus erkennen. Durch den Einsatz von Simulationen frühzeitig im Konstruktionsprozess und das virtuelle Testen, ob Produkte die Anforderungen erfüllen, können sie Probleme frühzeitig erkennen und in einem nachvollziehbaren digitalen Zwilling beheben. Darüber hinaus können sie Designalternativen zu einem früheren Zeitpunkt in der Designphase erkunden, wenn das Ändern von Designs einfacher und weniger störend ist.

Eine multiphysikalische Simulation bezieht sich auf die Analyse mehrerer, gleichzeitiger physikalischer Phänomene eines Systems oder von Systemen und der Wechselwirkungen zwischen ihnen. Angetrieben von den Anforderungen der Verbraucher und der Geschäftsanforderungen zielt die multiphysikalische Software für die Automobiltechnik darauf ab, sichere, leistungsstarke Produkte schneller zu entwickeln. Sie ermöglicht es, die Komplexität zu modellieren, die Möglichkeiten von Produkten unter realen Bedingungen zu erforschen und potenzielle Probleme frühzeitig im Entwicklungszyklus zu erkennen.

Nehmen wir zum Beispiel die Entwicklungs-, Design- und Engineering-Teams für Fahrzeugbatterien, die elektrochemische, elektrische, thermische und strukturelle Konstruktionen integrieren müssen. Das Ausführen isolierter Kampagnen, die auf diese separaten Attribute abzielen, führt zu redundanten und manchmal widersprüchlichen Modellen und Datensätzen. Stattdessen können Sie mit einem All-in-One-Multiphysik-Ansatz genau verstehen, wie sich Komponenten verhalten, wenn sie in andere integriert werden, und sicherstellen, dass selbst der erste Prototyp wie geplant funktioniert.

Die Zeiten, in denen Automobil(system)tests an Prototypen durchgeführt wurden, sind lange vorbei. Heute hört die Entwicklung nicht am Ende des V-Zyklus auf. Stattdessen wird es in einer Unendlichkeitsschleife fortgesetzt, indem historische Daten, Testdaten und Daten von Fahrzeugen im Einsatz verwendet werden, um testbasierte Modelle zu erstellen, die die Beziehung zwischen Fahrzeugeigenschaften und seiner Leistung definieren.

Ein gutes Beispiel ist das modellbasierte Systemtesten (MBST). MBST ist ein Engineering-Framework, das drei Schlüssellösungen verwendet: virtuelle Modelle, virtuell-physische Systeme und physische Prototypen. Es nutzt Testdaten, um Simulationsmodelle zu erstellen, zu validieren und zu verbessern, identifiziert Wechselwirkungen durch XiL in verschiedenen Szenarien und reichert Testdaten mit Simulationsmodellen für physische Prototypen an. Hersteller, die MBST einsetzen, sind effizienter, schneller und vermeiden Fehler bei der Datenübertragung oder Nachbearbeitung.

Ein weiteres herausragendes Beispiel ist das virtuelle Prototyping. Virtuelles Prototyping ist eine effiziente Testmethode, die es ermöglicht, Alternativen zur Fahrzeugmontage zu erkunden, bevor physische Prototypen gebaut werden. Es befasst sich speziell mit der NVH-Leistung und verwendet komponentenbasierte Transferpfadanalyse (TPA), um verschiedene Designs schnell zu bewerten und Kosten zu sparen, indem Probleme frühzeitig erkannt und kontrolliert werden.

Traditionelle Design- und Engineering-Methoden haben mit den komplexen Arbeitsabläufen von heute zu kämpfen. Der Einsatz von künstlicher Intelligenz (KI) und maschinellem Lernen (ML) beschleunigt die Entscheidungsfindung, steigert die Produktivität der Entwicklungsteams und entwickelt innovative Produkte in kürzeren Zeiträumen. Simcenter eignet sich für jede Phase des Entwicklungszyklus und bietet ein Framework für die Anwendung künstlicher Intelligenz, um historische Daten zu nutzen, Fehler zu vermeiden, die Analyse zu beschleunigen und Designs zuverlässig zu optimieren.

In autonomen Fahrzeugsystemen werden beispielsweise KI und ML eingesetzt, um menschliches Verhalten in die maschinelle Wahrnehmung einzubetten. Während die derzeitigen Wahrnehmungssysteme autonomer Fahrzeuge den menschlichen sensorischen Fähigkeiten nahe kommen, insbesondere unter Standardbedingungen, sind sie bei extremen Wetterbedingungen und komplexen Szenarien unzureichend. Der Szenario-Erstellungsprozess von Simcenter hilft bei der Generierung kritischer Szenarien für OEMs und AV-Zulieferer und stellt die Einhaltung von Sicherheitsstandards wie der Sicherheit der beabsichtigten Funktionalität (SOTIF) sicher.