Neue Dämpfungsregelung steigert Komfort bei E-Autos mit Radnabenmotoren
Die Entwicklung moderner Elektrofahrzeuge steht vor einer zentralen Herausforderung: Wie lässt sich die Leistungsfähigkeit innovativer Antriebskonzepte mit dem hohen Anspruch an Fahrkomfort und Fahrzeugstabilität vereinbaren? Eine vielversprechende, aber technisch anspruchsvolle Lösung ist der Einsatz von Radnabenmotoren. Diese ermöglichen eine kompakte Bauweise, eine direkte Kraftübertragung ohne klassische Getriebe und eine hohe Energieeffizienz. Doch diese Vorteile gehen mit einem signifikanten Nachteil einher – der Erhöhung der ungefederten Masse. Dieser Umstand verschlechtert die Fähigkeit der Radaufhängung, Fahrbahnunebenheiten zu filtern, und kann das Fahrverhalten negativ beeinflussen. Hinzu kommt ein weiteres, oft unterschätztes Phänomen: Bei Radnabenmotoren können Unwuchten im Magnetfeld, verursacht durch eine Exzentrizität zwischen Stator und Rotor, zu schädlichen, schwingenden elektromagnetischen Kräften führen, die direkt auf das Rad und die Aufhängung wirken. Diese Kräfte verstärken die Vertikalschwingungen des Fahrzeugs und beeinträchtigen sowohl den Fahrkomfort als auch die Lebensdauer der Komponenten.
Ein Forschungsteam der School of Automotive and Traffic Engineering an der Jiangsu University hat nun einen entscheidenden Schritt zur Lösung dieses Problems unternommen. Unter der Leitung von Professor Zhongxing Li und mit maßgeblicher Beteiligung der Doktorandin Xue Wang sowie der Kollegen Qiqian Cheng und Yi Yu wurde eine neuartige Regelstrategie für Luftfederungen in Elektrofahrzeugen mit Radnabenmotoren entwickelt. Die Studie, veröffentlicht im Journal of Chongqing University of Technology (Natural Science), stellt einen hybriden Regelungsansatz vor, der die klassische LQR-Regelung (Linear Quadratic Regulator) mit einem genetischen Optimierungsalgorithmus kombiniert – die sogenannte GA-LQR-Regelung. Dieses Framework ermöglicht eine dynamische und optimierte Anpassung der Dämpfungskraft der Aufhängung, um die komplexen und oft gegensätzlichen Anforderungen an Komfort, Stabilität und Komponentenschutz unter realen Fahrbedingungen bestmöglich zu erfüllen.
Der Ansatz der Forscher ist durchdacht und systematisch. Statt sich nur auf die Verbesserung einzelner Komponenten zu konzentrieren, betrachten sie das gesamte Fahrzeug als ein dynamisches System, in dem Motor, Aufhängung und Fahrbahn in ständigem Wechselspiel stehen. Der erste Schritt ihrer Arbeit bestand darin, ein äußerst detailliertes Simulationsmodell zu erstellen. Sie entwickelten ein 8-Freiheitsgrade-Halbfahrzeugmodell, das explizit die Komponenten eines Radnabenmotors – einschließlich der Masse des Stators, des Rotors und des Reifens – sowie die spezifischen Eigenschaften einer Luftfederung mit verstellbaren Dämpfern integriert. Dieses Modell geht weit über vereinfachte Viertelfahrzeugmodelle hinaus, da es nicht nur die vertikale Bewegung des Fahrzeugs, sondern auch die Nickbewegung realistisch abbilden kann. Die Genauigkeit dieses Modells ist entscheidend für die Entwicklung und Validierung jeder Regelstrategie.
Um die theoretischen Annahmen des Modells zu überprüfen, führten die Forscher praxisnahe Fahrversuche durch. Ein serienmäßiges Elektrofahrzeug wurde mit einer integrierten Luftfederung ausgestattet, deren Dämpfer auf Basis von magnetorheologischer Flüssigkeit arbeiten. Diese Technologie ermöglicht eine extrem schnelle und präzise Anpassung der Dämpfungskraft durch ein elektrisches Signal. An strategisch wichtigen Stellen, wie den oberen und unteren Befestigungspunkten der Luftfeder, wurden Beschleunigungssensoren angebracht, um die Bewegungen der gefederten und ungefederten Massen direkt zu messen. Die Daten wurden während einer kontrollierten Fahrt über eine künstlich erzeugte, zufällige Fahrbahn (B-Klasse) bei einer konstanten Geschwindigkeit von 30 km/h mit einem professionellen Datenerfassungssystem aufgezeichnet.
Die Analyse der Ergebnisse zeigte eine hohe Übereinstimmung zwischen den simulierten und den tatsächlich gemessenen Beschleunigungsprofilen. Zwar zeigten sich, wie bei jedem physikalischen Modell, geringfügige Abweichungen, die auf unberücksichtigte Faktoren wie die Elastizität von Gummilagern oder Fertigungstoleranzen zurückzuführen sind. Dennoch war die Übereinstimmung der Trends und der Spitzenwerte so gut, dass die Forscher eine hohe Vertrauenswürdigkeit ihres Simulationsmodells attestieren konnten. Diese empirische Validierung bildet das Fundament für alle nachfolgenden Schritte und erhöht die Glaubwürdigkeit der gesamten Studie erheblich.
Mit einem validierten Modell ausgestattet, widmeten sich die Forscher der quantitativen Analyse des Problems: Wie stark beeinflusst die ungleichmäßige elektromagnetische Kraft die Fahrzeugdynamik? Sie führten Simulationen auf einer B-Klasse-Fahrbahn bei Geschwindigkeiten zwischen 50 und 80 km/h durch und verglichen die Ergebnisse mit und ohne Berücksichtigung der elektromagnetischen Anregung. Die Ergebnisse waren eindrucksvoll und unterstreichen die Relevanz des Forschungsansatzes. Bei einer Geschwindigkeit von 80 km/h stieg der Effektivwert (RMS) der vertikalen Beschleunigung der Fahrzeugkarosserie durch die Motorunwucht um 26,63 Prozent, von 0,73 m/s² auf 0,99 m/s². Ähnlich dramatisch waren die Zunahmen bei der Reifendynamiklast (+21,53 %) und der Nickwinkelbeschleunigung (+24,45 %). Diese Zahlen machen deutlich, dass die elektromagnetische Unwucht kein vernachlässigbarer Effekt ist, sondern ein entscheidender Faktor, der bei der Auslegung von Fahrzeugen mit Radnabenmotoren berücksichtigt werden muss.
Die zentrale Innovation der Studie liegt in der Entwicklung der GA-LQR-Regelstrategie. Die LQR-Regelung ist ein etabliertes Verfahren in der optimalen Steuerung, das mehrere Zielgrößen – wie minimale Karosseriebeschleunigung, geringe Reifendynamiklast und begrenzter Federweg – in einer einzigen, mathematisch fundierten Zielfunktion vereint. Der Hauptnachteil traditioneller LQR-Ansätze liegt jedoch in der Wahl der Gewichtungsmatrizen Q und R. Diese Matrizen bestimmen, wie stark die einzelnen Zielgrößen gewichtet werden. Ihre Auswahl erfolgt oft durch Erfahrungswerte oder trial-and-error-Methoden, was zu suboptimalen und subjektiven Ergebnissen führen kann.
Genau hier setzt der Ansatz der Jiangsu-Universität an. Statt die Gewichtungen manuell festzulegen, verwenden sie einen genetischen Algorithmus (GA). Dieser Algorithmus funktioniert nach dem Prinzip der natürlichen Selektion: Er erzeugt eine zufällige Startpopulation von möglichen Gewichtungskombinationen, bewertet deren Leistung anhand einer Fitnessfunktion und erzeugt über mehrere Generationen hinweg durch Prozesse wie Kreuzung und Mutation neue Kombinationen. Die „stärksten“ (also diejenigen mit der besten Leistung) überleben und werden weitervererbt. Auf diese Weise durchsucht der Algorithmus den komplexen Parameterraum systematisch und findet eine nahezu optimale Kombination der Gewichtungsfaktoren, die ein besseres Gesamtergebnis liefert.
Die Fitnessfunktion wurde sorgfältig konzipiert, um die wichtigsten Fahrzeugleistungsmerkmale abzubilden. Sie berücksichtigt die Effektivwerte der vertikalen Karosseriebeschleunigung, der Motor-Exzentrizität, des Federwegs, der Reifendynamiklast und der Nickwinkelbeschleunigung. Um die unterschiedlichen Einheiten und Größenordnungen dieser Größen zu berücksichtigen, wurden die Werte vor der Bewertung normalisiert, indem sie ins Verhältnis zur Leistung eines passiven Federungssystems gesetzt wurden. Dies stellt sicher, dass die Optimierung robust und fair ist.
Ein entscheidender Aspekt der praktischen Umsetzbarkeit ist die Rechenzeit. Genetische Algorithmen sind rechenintensiv und können nicht in Echtzeit auf dem Fahrzeugrechner ausgeführt werden. Die Forscher lösten dieses Problem elegant, indem sie die Optimierung offline durchführten. Für verschiedene Fahrszenarien – wie unterschiedliche Fahrbahnklassen (B und C) und verschiedene Geschwindigkeiten – wurde der optimale Satz von Gewichtungsfaktoren im Voraus berechnet und in einer Nachschlagetabelle gespeichert. Während der Fahrt kann das Fahrzeugsteuergerät dann basierend auf den aktuellen Bedingungen (z. B. erkannte Fahrbahnqualität und Geschwindigkeit) die entsprechenden optimalen Parameter aus dieser Tabelle abrufen und die LQR-Regelung damit in Echtzeit ausführen. Dieser Ansatz kombiniert die globale Optimierungsfähigkeit des GA mit der Echtzeitfähigkeit des klassischen LQR.
Die Simulationsergebnisse sprechen eine deutliche Sprache. Im Vergleich zu einer passiven Federung und einer konventionellen LQR-Regelung mit manuell eingestellten Gewichten zeigt die GA-LQR-Strategie eine deutlich überlegene Leistung. Bei einer Fahrt auf einer B-Klasse-Fahrbahn mit 60 km/h konnte die GA-LQR-Regelung die vertikale Karosseriebeschleunigung um 23,83 % reduzieren, während die Standard-LQR-Regelung nur eine Verbesserung von 10,11 % erzielte. Ähnliche Vorteile zeigten sich bei der Reduzierung der Motor-Exzentrizität (22,90 % vs. 11,63 %) und der Reifendynamiklast (16,36 % vs. 8,68 %). Besonders bemerkenswert ist die Robustheit der GA-LQR-Regelung unter schwierigeren Bedingungen. Auf einer rauen C-Klasse-Fahrbahn, wo die Schwingungsenergie viel höher ist, reduzierte die GA-LQR-Regelung die Karosseriebeschleunigung immer noch um 20,61 %, während die Standard-LQR-Regelung nur eine Verbesserung von 7,73 % erreichte. Dies zeigt, dass die durch den genetischen Algorithmus gefundenen Parameter eine bessere Balance zwischen den verschiedenen Zielgrößen unter extremen Bedingungen ermöglichen.
Die Analyse im Frequenzbereich unterstreicht die Bedeutung dieser Ergebnisse für den menschlichen Komfort. Die internationale Norm ISO 2631-1 identifiziert den Frequenzbereich von 4 bis 8 Hz als besonders empfindlich für vertikale Schwingungen, die schnell zu Ermüdung und Unwohlsein führen können. In diesem kritischen Bereich konnte die GA-LQR-Regelung die Leistungsdichte der Karosseriebeschleunigung um fast 31 % senken, von einem Spitzenwert von 0,13 (m/s²)²/Hz auf 0,09 (m/s²)²/Hz. Ähnliche Verbesserungen wurden bei den anderen Schwingungsquellen beobachtet. Diese Reduktionen im Frequenzbereich, der direkt vom menschlichen Körper wahrgenommen wird, übersetzen sich direkt in ein spürbar ruhigeres und komfortableres Fahrerlebnis.
Die Vorteile dieser Technologie gehen jedoch über den reinen Komfort hinaus. Durch die Reduzierung der Reifendynamiklast wird der Reifendruck gleichmäßiger verteilt, was die Bodenhaftung verbessert und die Brems- und Beschleunigungsleistung, insbesondere auf unebenen Straßen, erhöht. Eine geringere Nickbewegung führt zu einer stabileren Fahrzeuglage, was das Vertrauen des Fahrers stärkt. Zudem kann die Reduzierung der Motor-Exzentrizität die mechanische Belastung der Lager verringern und so deren Lebensdauer verlängern, was wiederum die Zuverlässigkeit und Wartungskosten des Fahrzeugs positiv beeinflusst.
Diese Forschungsarbeit ist ein Paradebeispiel für interdisziplinäres Ingenieurwesen. Sie verbindet tiefgehendes Wissen aus der Elektrotechnik (Modellierung elektromagnetischer Kräfte), der Fahrzeugdynamik (Aufbau komplexer Mehrkörpersysteme), der Regelungstechnik (LQR-Theorie) und der Informatik (genetische Algorithmen). Die vorgestellte GA-LQR-Strategie bietet nicht nur eine konkrete Lösung für die Herausforderungen von Radnabenmotoren, sondern auch ein allgemeines Framework, das auf andere aktive und semi-aktive Federungssysteme übertragen werden kann. In einer Zukunft, in der Fahrzeuge zunehmend mit Sensoren und Vorhersagefunktionen ausgestattet sind, könnte dieses System mit Daten aus Kameras oder Lidar kombiniert werden, um die Straßenbedingungen vorherzusagen und die Federung proaktiv anzupassen. Die Arbeit von Li, Wang, Cheng und Yu leistet damit einen bedeutenden Beitrag zur Weiterentwicklung der Elektromobilität und zeigt, wie intelligente Regelungssysteme dazu beitragen können, die Grenzen der Fahrzeugtechnik zu erweitern und gleichzeitig den höchsten Ansprüchen an Komfort und Sicherheit gerecht zu werden.
Zhongxing Li, Xue Wang, Qiqian Cheng, Yi Yu, School of Automotive and Traffic Engineering, Jiangsu University. Journal of Chongqing University of Technology (Natural Science), doi: 10.3969/j.issn.1674-8425(z).2024.03.002