Fidelity-Analyse und -Bewertung einer Vehicle-in-the-Loop Testumgebung zur szenariobasierten Validierung von automatisierten Fahrsystemen

Thema der Arbeit

In dieser Arbeit soll die Fidelity (Korrelation von Prüfstandsergebnissen mit Daten aus dem realen Test) einer Vehicle-in-the-Loop analysiert werden. Außerdem soll diese im Vergleich zu einer Hardware-in-the-Loop Testumgebung bewertet werden, unter Berücksichtigung eines vorgegebenen Szenario-Katalogs.

Hintergrund

In der Validierung von automatisierten Fahrfunktionen (z.B. Adaptive Cruise Control, Lane Keep Assist) werden Hardware-in-the-Loop (HiL) und Vehicle-in-the-Loop (ViL) Ansätze verwendet, um frühzeitig Aussagen über die Funktionsweise und Performance der automatisierten Fahrfunktion zu erhalten. Die Umgebung wird bei HiL und ViL virtuell abgebildet, lediglich beim Restfahrzeug bildet ViL dieses physisch ab und bei HiL virtuell. Dadurch ergeben sich verschiedene Abstraktionslevel, die sich vor allem in unterschiedlichen Fidelity-Levels (Abweichung zur Realität) zeigen. Um diese Fidelity zu bestimmen können quantitative Größen wie bspw. die Zielfahrzeugklassifizierung oder Eigenfahrgeschwindigkeit herangezogen werden, um die Abweichung zwischen den verschiedenen Abstraktionsgraden zu bestimmen und damit auch die realitätsnähe. Für eine vorgegebene HiL- und ViL-Testumgebung soll die Bestimmung der Fidelity methodisch gezeigt werden, um eine Bewertung dieser zu ermöglichen. Hierbei wird die Durchführung von Tests zusammen mit einem Industriepartner erfolgen.

Aufgaben

• Einarbeitung in das Thema Vehicle-in-the-Loop, Hardware-in-the-Loop, Fidelity-Analyse und Einlernen in die Bedienung der Testumgebungen
• Durchführung von Tests anhand eines Szenario-Katalogs auf den beiden Testumgebungen
• Dokumentation und Analyse der Testergebnisse im Hinblick auf vorher zu definierende Output-Faktoren
• Bewertung der Fidelity der beiden Testumgebungen

Das bringst du mit

• Grundkenntnisse zur Funktionsweise von automatisierten Fahrsystemen ADAS
• Grundkenntnisse in Python und Datenanalyse
• Grundlegendes Wissen zu Hardware-in-the-Loop und Vehicle-in-the-Loop ist von Vorteil
• Studium im Bereich Maschinenbau, Mechatronik, Wirtschaftsingenieurwesen oder ähnliches

Interesse geweckt? Dann melde dich mit deinem aktuellen Lebenslauf und Notenauszug bei david.fischer∂kit.edu