The energy consumption of vehicles is heavily depending on the operating environment in which they are used. To be able to create a realistic comparability of different products, legislation defined general conditions for the determination of specific values, such as consumption or emission-restriction. Part of these terms is the conventional driving cycle, a time-speed-profil, which helps to compare every vehicles within comparable terms. The choosen driving cycle has a strong impact on the development of vehicles, as the manufacturer optimize their drive concept in the shown operating range. Therefor it is very crucial that the driving cycle complies with the future field of application of of the vehicle. Only by this the consumption and the emission during operation can be minimized.
Inhaltsverzeichnis
I. INTRODUCTION
II. MATERIALS AND METHODS
III. RESULTS
IV. CONCLUSION
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Problematik konventioneller Fahrzyklen, die oft nicht die tatsächlichen Kundenanforderungen widerspiegeln, und zielt darauf ab, ein Verfahren zur Erstellung eines realitätsnahen Fahrzyklus auf Basis statistischer Daten zu entwickeln, um die Vergleichbarkeit und Effizienz von Fahrzeugantrieben zu verbessern.
- Analyse der Schwächen bestehender Fahrzyklen (z. B. NEFZ)
- Methodik zur datenbasierten Generierung von Fahrprofilen
- Vergleich zwischen theoretischen Zyklen und realen Kollektivdaten
- Evaluierung von "Worst Case"-Szenarien für die Antriebsentwicklung
Auszug aus dem Buch
II. MATERIALS AND METHODS
Generally driving cycles can be defined by two methods. Firstly via a real drive with collection of drive-condition data, e.g. speed and time, which build the basis for a driving cycle. Or secondly the driving cycle can be defined by statistical data, e.g. generation of frequency distribution of driving speed and vehicle acceleration. As the second alternative represents the average operation of a vehicle better, it is chosen as the accretion.
To define a general driver profile, the drive-condition data for generating the driving cycle of an statistical investigation will be taken. [3] Via extensive test drives, frequency distribution of engine rpm and engine torsional, as well as parameter such as drive duration, stop times, brake times, speeds, acceleration and drive distance are identified.
The description of the representative driving cycle is determined by the arithmetical average of the specific value. The arithmetical averages are not showing the time development, but can be used as comparable quantity, as they are representing the average of a measurement for the full drive duration. Drive data records with nearly identical or rather identical with small variations of the specific values (arithmetical averages) towards the collective are taken as representative.
Alternatively a driver profile can be put together by single elements of the collective, which are showing similarly small variations. This drive cycle considers therefor driving patterns, originated from data file of the collective. Moreover the position of the engine operating points of the driving cycle in comparison to the collective can be taken as an assessment basis.
Zusammenfassung der Kapitel
I. INTRODUCTION: Dieses Kapitel erläutert die Bedeutung von Fahrzyklen für die Vergleichbarkeit von Emissions- und Verbrauchswerten und stellt die gängigen internationalen Zyklen vor.
II. MATERIALS AND METHODS: Hier werden zwei Methoden zur Definition von Fahrzyklen beschrieben und begründet, warum der statistische Ansatz zur Erstellung eines repräsentativen Fahrerprofils gewählt wurde.
III. RESULTS: Dieses Kapitel präsentiert die Ergebnisse des entwickelten Fahrzyklus, vergleicht dessen Kennwerte mit dem Kollektiv und erläutert die Anwendung von "Worst Case"-Szenarien.
IV. CONCLUSION: Das Fazit fasst zusammen, wie der entwickelte Zyklus für interne Entwicklungszwecke genutzt werden kann und fordert eine Anpassung gesetzlicher Zyklen zur Vermeidung von Fehlanreizen.
Schlüsselwörter
Fahrzyklus, Energieverbrauch, Emissionsminderung, NEFZ, Fahrprofil, Antriebsentwicklung, Kollektivdaten, statistische Analyse, Fahrzeugerprobung, Worst Case, Lastpunktkollektiv, Effizienzsteigerung
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit grundsätzlich?
Die Arbeit befasst sich mit der kritischen Analyse bestehender Fahrzyklen und der Entwicklung eines neuen, statistisch fundierten Verfahrens zur Erstellung realitätsnaher Fahrprofile für die Fahrzeugentwicklung.
Was sind die zentralen Themenfelder der Publikation?
Die zentralen Themen sind die Methodik der Fahrzykluserstellung, die Auswertung von Lastpunktkollektiven, die Vergleichbarkeit von Verbrauchswerten sowie die Optimierung von Antriebskonzepten.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, eine Methode zu definieren, die es ermöglicht, Fahrzyklen zu erzeugen, die das reale Kundenverhalten besser abbilden als aktuelle gesetzliche Zyklen, um so realistischere Verbrauchs- und Emissionsdaten zu erhalten.
Welche wissenschaftliche Methode wird in der Arbeit verwendet?
Es wird eine statistische Methode angewandt, bei der auf Basis extensiver Testfahrten Häufigkeitsverteilungen (Kollektive) von Parametern wie Motordrehzahl, Geschwindigkeit und Beschleunigung gebildet werden.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die methodische Herleitung der Fahrerprofile, die mathematische Bestimmung der Repräsentativität durch arithmetische Mittelwerte und die Validierung des Zyklus anhand von Fahrversuchen auf dem Prüfstand.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Schlüsselbegriffe sind Fahrzyklus, Antriebsentwicklung, Lastpunktkollektiv, Energieverbrauch, Emissionsreduktion und statistische Fahrprofilgenerierung.
Warum wird der NEFZ im Text als kritisch angesehen?
Der Autor kritisiert, dass der NEFZ nicht kundenrepräsentativ ist, unrealistische Beschleunigungswerte aufweist und zu Entwicklungen führt, die zwar im Zyklus gute Werte erzielen, aber die tatsächlichen Bedürfnisse der Nutzer vernachlässigen.
Welche Bedeutung hat das "Worst Case"-Szenario für Elektrofahrzeuge?
Ein "Worst Case"-Zyklus dient dazu, extreme Belastungen zu simulieren, was besonders bei Elektrofahrzeugen kritisch ist, da hohe Lastanforderungen einen negativen Einfluss auf die Effizienz des Gesamtsystems haben können.
- Citation du texte
- Gerald Bonengel (Auteur), 2013, Generation of an Driving Cycle in General, Munich, GRIN Verlag, https://www.grin.com/document/207872
