Optimierte Fuzzy-Regelung steigert Rekuperationseffizienz bei Elektrofahrzeugen
In der dynamischen Welt der Elektromobilität steht die Maximierung der Energieeffizienz im Mittelpunkt technologischer Innovation. Während die Nachfrage nach nachhaltigen Verkehrslösungen weltweit steigt, konzentrieren sich Forschungsteams intensiv auf die Verbesserung der Rekuperationsbremsung – einen Prozess, bei dem kinetische Energie während des Bremsvorgangs zurückgewonnen und in elektrische Energie umgewandelt wird. Ein bahnbrechender Beitrag in diesem Bereich stammt von einem Ingenieurteam der Yunnan Minzu University, das eine neuartige Regelungsstrategie entwickelt hat, die die Energiegewinnung bei reinen Elektrofahrzeugen (BEV) erheblich verbessert. Durch die Kombination intelligenter Algorithmen mit Fahrzeugdynamik präsentiert die Studie ein optimiertes Fuzzy-Logik-System, das mittels eines verbesserten Whale-Optimierungsalgorithmus kalibriert wurde und somit neue Maßstäbe in der Energiemanagement-Technologie für Elektrofahrzeuge setzt.
Die Forschung, veröffentlicht im peer-reviewed Journal Modern Manufacturing Engineering, beschreibt einen umfassenden Ansatz zur Verbesserung der Rekuperationsbremsung durch die dynamische Anpassung der Bremskraftverteilung zwischen dem vorderen Elektromotor und dem mechanischen Bremssystem. Der Kern der Innovation liegt in der intelligenten Steuerung des Rekuperationskoeffizienten K, der bestimmt, welcher Anteil der benötigten Bremskraft vom Elektromotor und welcher von den hydraulischen Bremsen bereitgestellt wird. Dieser Koeffizient wird nicht länger statisch oder regelbasiert festgelegt, sondern in Echtzeit dynamisch angepasst – abhängig von Fahrbedingungen wie Fahrzeuggeschwindigkeit, Bremsintensität und dem Ladezustand der Batterie (State of Charge, SOC).
Die Leitung der Forschung lag bei Li Huaxin, unterstützt von Chen Fangfang, Xu Tianqi und Cheng Sanbang von der Yunnan Minzu University sowie Mao Yisheng von Huadian Chongqing New Energy Co., Ltd. Das Team entwarf ein Fuzzy-Regelungssystem, das SOC, Geschwindigkeit und Bremsintensität als Eingangsparameter nutzt. Das System bewertet verschiedene Fahrszenarien und bestimmt die optimale Rekuperationsleistung, ohne dabei Sicherheit oder Fahrkomfort zu beeinträchtigen. Im Gegensatz zu herkömmlichen Strategien, die auf festen Schwellwerten oder einfachen logischen Regeln basieren, passt sich dieser neue Ansatz an wechselnde Straßenverhältnisse und Fahrverhalten an, um eine maximale Energierückgewinnung während der Verzögerungsphasen zu gewährleisten.
Ein zentrales Problem traditioneller Fuzzy-Regelungssysteme ist ihre Abhängigkeit von manuell definierten Zugehörigkeitsfunktionen – mathematischen Darstellungen, die festlegen, wie Eingangsvariablen innerhalb des Fuzzy-Logik-Frameworks interpretiert werden. Diese Funktionen werden oft manuell abgestimmt, was aufgrund menschlicher Voreingenommenheit oder unvollständiger Modellierung komplexer Fahrzeugdynamiken zu suboptimalen Ergebnissen führen kann. Um dieses Problem zu lösen, setzte das Team einen verbesserten Whale-Optimierungsalgorithmus (WOA) ein, eine naturinspirierte Metaheuristik, die das Jagdverhalten von Buckelwalen nachahmt. Der Standard-WOA ist zwar effektiv, neigt jedoch dazu, vorzeitig in lokale Optima zu konvergieren, was zu suboptimalen Lösungen führt. Die Forscher adressierten dieses Problem durch die Einführung eines adaptiven Trägheitsgewichtsmechanismus, der das Suchverhalten des Algorithmus während des Optimierungsprozesses dynamisch anpasst.
Dieses adaptive Gewicht ermöglicht es dem Algorithmus, ein Gleichgewicht zwischen Exploration – der Suche nach neuen Bereichen des Lösungsraums – und Exploitation – der Verfeinerung bekannter guter Lösungen – zu halten. Dadurch vermeidet der Optimierungsprozess, in lokalen Optima stecken zu bleiben, und konvergiert schneller zu global optimalen Parametern für die Zugehörigkeitsfunktionen. Der verbesserte Algorithmus wurde genutzt, um Form und Position der Zugehörigkeitsfunktionen für SOC, Geschwindigkeit und Bremsintensität präzise zu kalibrieren, was letztlich zu einem reaktionsschnelleren und effizienteren Regelungssystem führte.
Der Optimierungsprozess konzentrierte sich darauf, den Anteil der Bremskraft, der vom vorderen Achsmotor bereitgestellt wird, zu maximieren – ein besonderer Vorteil bei Frontantriebs-Elektrofahrzeugen, die eine verbreitete Konfiguration im heutigen EV-Markt darstellen. Indem der Beitrag des Elektromotors während des Bremsvorgangs erhöht wird, wird mehr kinetische Energie in elektrische Energie umgewandelt und in der Batterie gespeichert, wodurch die Gesamtenergieeffizienz gesteigert wird. Dies muss jedoch innerhalb strenger Sicherheitsvorgaben erfolgen, wie sie in internationalen Normen wie der ECE R13-Bremsverordnung und der theoretischen I-Kurve definiert sind. Die I-Kurve beschreibt die ideale Verteilung der Bremskräfte zwischen Vorder- und Hinterachse, um Blockieren der Räder und Verlust der Fahrzeugstabilität zu verhindern.
Um die Einhaltung dieser Sicherheitsanforderungen sicherzustellen, teilt die Regelungsstrategie den Bremsvorgang in vier Phasen basierend auf der Bremsintensität (Z) ein. Bei leichtem Bremsen (Z ≤ 0,19) übernimmt allein die Vorderachse die Verzögerung, was eine vollständige Nutzung der Rekuperationsbremsung ermöglicht. Mit steigender Bremsintensität (0,19 < Z ≤ 0,51) beginnt die Hinterachse, mechanisch beizutragen, um die regulatorischen Mindestanforderungen zu erfüllen, während der vordere Motor weiterhin den Großteil der Bremskraft bereitstellt. Im mittleren bis hohen Bremsbereich (0,51 < Z ≤ 0,70) priorisiert das System Sicherheit, indem die mechanische Bremsung an der Hinterachse erhöht wird, ermöglicht aber weiterhin einen erheblichen rekuperativen Beitrag von der Vorderachse. Erst wenn die Bremsintensität 0,70 überschreitet – was auf Notbremsmanöver hindeutet – wird die Rekuperationsbremsung vollständig abgeschaltet und die volle Bremsleistung allein durch konventionelle Reibungsbremsen sichergestellt, um maximale Stoppkraft und Stabilität zu gewährleisten.
Dieser mehrstufige Ansatz findet ein ausgewogenes Verhältnis zwischen Energiegewinnung und Sicherheit und stellt sicher, dass das Fahrzeug internationalen Standards entspricht, während gleichzeitig die Effizienz unter normalen Fahrbedingungen maximiert wird. Die Forscher validierten ihre Strategie durch MATLAB/Simulink-Simulationen im New European Driving Cycle (NEDC), einem standardisierten Testzyklus zur Bewertung der Fahrzeugleistung und Emissionen. Die Ergebnisse waren beeindruckend: Im Vergleich zu traditionellen Rekuperationsstrategien erhöhte das optimierte Fuzzy-Regelungssystem die Energiegewinnung um 44,44 %. Im Vergleich zum gleichen Fuzzy-Regelungssystem vor der Optimierung lag die Verbesserung bei zusätzlichen 39,98 %, was die erhebliche Wirkung des verbesserten Whale-Algorithmus unterstreicht.
Die Analyse des Batterie-SOC bestätigte die Effektivität der Strategie weiter. Während des NEDC-Simulationszyklus sank der Ladezustand der Batterie von 0,80 auf 0,6917 – der geringste Rückgang aller getesteten Strategien. Dies zeigt nicht nur eine höhere Energiegewinnung, sondern auch eine reduzierte Belastung der Batterie, was potenziell deren Lebensdauer verlängern kann. Die insgesamt zurückgewonnene Energie erreichte 389 kJ und übertraf damit deutlich sowohl die traditionelle Strategie (192,4 kJ) als auch die nicht optimierte Fuzzy-Regelung (277,9 kJ).
Über die reinen Zahlen hinaus hebt die Studie die Bedeutung intelligenter Algorithmen in der nächsten Generation von Fahrzeugregelungssystemen hervor. Während Elektrofahrzeuge immer komplexer werden, wird die Rolle von künstlicher Intelligenz und maschinellem Lernen bei der Steuerung von Energieflüssen, thermischen Systemen und Fahrerassistenzfunktionen weiter zunehmen. Diese Forschung ist ein Paradebeispiel dafür, wie biologisch inspirierte Optimierungstechniken erfolgreich auf reale ingenieurtechnische Probleme angewendet werden können, um praktische Lösungen zu bieten, die Leistung und Nachhaltigkeit verbessern.
Die Implikationen dieser Arbeit gehen über akademisches Interesse hinaus. Für Automobilhersteller könnte die Übernahme solcher optimierten Regelungsstrategien zu spürbaren Verbesserungen der Fahrzeugreichweite führen, ohne dass größere Batterien erforderlich wären – eine kostspielige und ressourcenintensive Lösung. Für Verbraucher bedeutet dies längere Fahrstrecken mit einer einzigen Ladung und niedrigere Betriebskosten. Für die Umwelt übersetzt sich dies in einen reduzierten Energieverbrauch und geringere Kohlenstoffemissionen über den gesamten Lebenszyklus des Fahrzeugs.
Darüber hinaus ist die in dieser Arbeit vorgestellte Methodik nicht auf Fahrzeuge mit Frontantrieb beschränkt. Mit entsprechenden Modifikationen könnte sie für Allrad- oder Heckantriebskonfigurationen angepasst werden, wodurch ihre Anwendbarkeit auf verschiedene Fahrzeugsegmente erweitert wird. Die modulare Natur des Fuzzy-Regelungssystems macht es zudem mit verschiedenen Batteriechemien und Motortypen kompatibel, was seine Vielseitigkeit auf dem vielfältigen und sich rasant entwickelnden EV-Markt erhöht.
Ein weiterer bemerkenswerter Aspekt der Forschung ist die Betonung der Echtzeitfähigkeit. Die Rechenlast des optimierten Fuzzy-Controllers bleibt innerhalb akzeptabler Grenzen für die Implementierung in eingebetteten Fahrzeugsteuergeräten (VCU). Dies stellt sicher, dass die Vorteile der Strategie in Serienfahrzeugen realisiert werden können, ohne dass prohibitiv teure Hardware-Upgrades erforderlich sind. Die Verwendung einer festen Anzahl von Zugehörigkeitsfunktionen und einer klar definierten Regelbasis trägt zur Robustheit und Vorhersagbarkeit des Systems bei, wesentliche Qualitäten für sicherheitskritische automobilspezifische Anwendungen.
Aus einer breiteren Perspektive passt diese Studie zu globalen Trends hin zu intelligenteren und effizienteren Verkehrssystemen. Während Städte in intelligente Infrastruktur und vernetzte Fahrzeugtechnologien investieren, wird die Fähigkeit von Elektrofahrzeugen, Energie intelligent zu managen, zunehmend wichtig. Fahrzeuge, die mit fortschrittlichen Rekuperationsbremsystemen wie dem hier beschriebenen ausgestattet sind, werden besser positioniert sein, um sich in netzbasierte Energiemanagementplattformen zu integrieren, an Vehicle-to-Grid-(V2G)-Programmen teilzunehmen und zur allgemeinen Energieversorgungssicherheit beizutragen.
Der Erfolg dieses Projekts unterstreicht auch den Wert interdisziplinärer Zusammenarbeit. Die Kombination von Fachwissen aus Elektrotechnik, Regelungstheorie und computergestützter Optimierung ermöglichte es dem Forschungsteam, ein komplexes Problem aus mehreren Blickwinkeln zu betrachten. Die Beteiligung sowohl akademischer als auch industrieller Partner – der Yunnan Minzu University und der Huadian Chongqing New Energy Co., Ltd. – stellt sicher, dass die Forschung an praktischen ingenieurtechnischen Herausforderungen ausgerichtet bleibt, während gleichzeitig die Grenzen der theoretischen Innovation überschritten werden.
Für die Zukunft schlagen die Forscher mehrere Ansätze vor. Eine Möglichkeit besteht darin, die Regelungsstrategie um prädiktive Elemente zu erweitern, beispielsweise durch die Nutzung von Navigationsdaten oder Informationen zu Ampelsignalen, um bevorstehende Stopps vorherzusagen und die Rekuperationsbremsung entsprechend zu optimieren. Eine weitere Möglichkeit ist die Integration von maschinellem Lernen, um dem System die Anpassung an individuelle Fahrergewohnheiten im Laufe der Zeit zu ermöglichen und die Leistung der Energierückgewinnung weiter zu personalisieren.
Zusätzlich wäre eine reale Erprobung an physischen Prototypen eine wertvolle Validierung jenseits von Simulationsumgebungen. Feldtests könnten die Leistung des Systems unter unterschiedlichen Wetterbedingungen, Straßenbelägen und Fahrprofilen bewerten und Einblicke in die langfristige Haltbarkeit und Akzeptanz durch den Nutzer geben. Solche Tests würden auch helfen, unvorhergesehene Wechselwirkungen zwischen dem optimierten Regelungssystem und anderen Fahrzeugunterkomponenten, wie z. B. der Stabilitätsregelung oder der adaptiven Geschwindigkeitsregelung, zu identifizieren.
Zusammenfassend stellt die von Li Huaxin und seinem Team durchgeführte Forschung einen bedeutenden Fortschritt auf dem Weg zu effizienteren Elektrofahrzeugen dar. Durch die Verfeinerung der Fuzzy-Regelung mittels eines verbesserten Whale-Optimierungsalgorithmus haben sie eine praktische und effektive Methode zur Steigerung der Rekuperationsbremsleistung demonstriert. Ihre Arbeit trägt nicht nur zum Stand der Technik im Energiemanagement von Elektrofahrzeugen bei, sondern liefert auch einen Fahrplan dafür, wie intelligente Algorithmen genutzt werden können, um komplexe ingenieurtechnische Herausforderungen im Bereich der nachhaltigen Mobilität zu lösen.
Während die Automobilindustrie ihren Übergang zur Elektrifizierung fortsetzt, werden Innovationen wie diese eine entscheidende Rolle dabei spielen, die Zukunft der Mobilität zu gestalten. Indem sie Elektrofahrzeuge effizienter, zuverlässiger und benutzerfreundlicher machen, tragen solche Fortschritte dazu bei, die weltweite Akzeptanz sauberer Verkehrstechnologien zu beschleunigen. Die Studie ist ein eindrucksvolles Beispiel dafür, wie akademische Forschung, wenn sie mit praktischem ingenieurtechnischem Know-how kombiniert wird, bedeutungsvolle Lösungen für einige der drängendsten technologischen und ökologischen Herausforderungen unserer Zeit liefern kann.
Li Huaxin, Chen Fangfang, Xu Tianqi, Cheng Sanbang, Mao Yisheng, Yunnan Minzu University, Huadian Chongqing New Energy Co., Ltd., Modern Manufacturing Engineering, DOI: 10.16731/j.cnki.1671-3133.2024.11.013