Redundanzarme Implementierung sicherheitskritischer Funktionen in autonomen Elektrofahrzeugen
Der typische Ansatz für den Aufbau verteilter Echtzeitsysteme mit höchster Sicherheitsanforderungsstufe zur Garantie der fehlerfreien Ausführung von missionskritischen Funktionen auch bei Daten- oder Komponentenausfall besteht in der Einführung von massiver Systemredundanz, d.h. der Dopplung oder Verdreifachung der kritischen Systemkomponenten. Solche Ansätze sind allerdings für den Einsatz in kostensensiblen Märkten wie dem Fahrzeugbau ungeeignet. Trotz enorm vieler Elektroniksysteme mit großem Platz- und Energiebedarf, Gewicht und hohen Kosten bleiben im Schadensfall eines Teilsystems die konkrete Restlaufzeit und damit das Risiko unbekannt. Die Problemstellung des Projekts besteht deshalb in der Schaffung effizienter, skalierbarer und dabei vor allem funktional sicherer, zuverlässiger und fehlertoleranter Elektroniksysteme für die Anwendung in elektrischen autonomen Fahrzeugen, welche ohne die klassische mehrkanalige Redundanzarchitektur oder verwandte Ansätze auskommen.
Im Rahmen des Verbundprojekts befasst sich das Kompetenzfeld Machine Learning mit Fragestellungen hinsichtlich einer vorbeugenden und vorausschauenden Wartung. Der Schwerpunkt liegt dabei darauf, die Entwicklung von Strategien zur Frühwarnung und zum Abschätzen der Restlaufzeit des konkreten Elektroniksystems durch den Einsatz von Methoden des maschinellen Lernens zu unterstützen.
Das Kompetenzfeld Model-based Systems Engineering (MbSE) untersucht Verfahren zur prädiktiven Rekonfiguration des Systems, mit denen wichtige Funktionen im Falle eines vorhergesagten Fehlers auf andere Steuergeräte verlagert werden können. Die zugrunde liegenden Strategien werden auf Basis von System- und Fehlervorhersage-Modellen zur Entwicklungszeit vorab berechnet und in die Konfiguration der Steuergeräte integriert. Sie berücksichtigen dabei einen längeren Zeithorizont als Verfahren, die auf Fehlererkennung aufsetzen, und ermöglichen dem Benutzer des Fahrzeuges beispielsweise, einen Werkstattbesuch aufzuschieben (ggfs. unter Verzicht auf weniger wichtige, unkritische Funktionen).
Entwicklung von Methoden zum automatischen Erkennen von sich abzeichnenden (Fehler-)Mustern im komplexen Zusammenspiel zwischen dynamischen Systemparametern und Betriebszuständen, Meldungen der Fehlerdetektoren sowie von Umwelteinflüssen (Sensormesswerten) zum Zweck der verbesserten Diagnose, Bewertung, Entscheidung und Kommunikation in andere Systeme sowie Entwicklung modellbasierter Verfahren zur Synthese prädiktiver Rekonfigurations- und Degradationsstrategien.
Bundesministerium für Bildung und Forschung (BMBF)
Rahmenprogramm der Bundesregierung für Forschung und Innovation 2016–2020 „Mikroelektronik aus Deutschland – Innovationstreiber der Digitalisierung“
Bekanntmachung: „Elektronik für autonomes elektrisches Fahren (Elektronom)“
01.01.2019 - 30.06.2022
