Künstliche Intelligenz zur datengetriebenen Antriebsstrangmodellierung

In diesem Fachbeitrag wird die Nutzung künstlicher Intelligenz zur datengetriebenen Antriebsstrangmodellierung detailliert erläutert. Die Autoren beschreiben, wie durch den Einsatz von KI-Modellen, insbesondere LSTM-Netzen, präzise und effiziente Modelle für Antriebskomponenten erstellt werden können. Ein zentraler Schwerpunkt liegt auf der Initialisierung der LSTM-Zellen, die eine optimale Modellierung transienter Vorgänge ab dem ersten Zeitschritt ermöglicht. Der Artikel zeigt anhand konkreter Beispiele, wie diese Methodik bei der Modellierung von Elektromotoren und Batterien angewendet wird, und demonstriert die hohe Güte der Vorhersagen. Zudem wird die Anwendung der Methodik in der Flottenanalyse aufgezeigt, wo dynamische Digital Twins zur Bewertung von Bauteil- und Systemverhalten unter realen Einsatzbedingungen genutzt werden. Die Ergebnisse zeigen, dass die entwickelte Methodik auch unter herausfordernden Bedingungen, wie reduzierter Datenqualität im Realbetrieb, belastbare Modelle erzeugt, was die Eignung für praktische Anwendungen bestätigt. Der Beitrag schließt mit der Feststellung, dass die KI-basierte Modellierung virtuelle Entwicklungsprozesse bei gleichzeitig hoher Modellgüte und Anwendungsnähe beschleunigen kann.