Entwickle eine Optimierung für driftbare Trajektorien für ein autonom driftendes Fahrzeug

Institut

Lehrstuhl für Fahrzeugtechnik

Typ

Masterarbeit /

Inhalt

experimentell / theoretisch /  

Beschreibung

Die Entwicklungen im Bereich des autonomen Fahrens sind rasant. Bereits heute legen die ersten autonomen Fahrzeuge auf Teststrecken tausende Kilometer zurück, ohne dass ein menschlicher Fahrer eingreifen muss. Dennoch ist das autonome Fahren noch weit von der Serienreife entfernt. Weltweit wird intensiv an diesem Megatrend geforscht. Die TUM entwickelt in Zusammenarbeit mit mehreren Lehrstühlen Software für autonomes Fahren auf verschiedenen Fahrzeugplattformen, von Rennfahrzeugen bis hin zu Großserienfahrzeugen.

Gemeinsam mit unserem Forschungspartner Mercedes AMG erforschen wir die Anwendung von Trajektorienfolgealgorithmen unter hohem Schwimmwinkel auf Seriensportwagen. Dies ist ein interessantes Thema und ein aufstrebendes Forschungsfeld, da wir dadurch Erfahrungen in der Stabilisierung von hochgradig nichtlinearen Fahrsituationen und Notausweichmanövern unter Unsicherheit sammeln können.

Diese Arbeit konzentriert sich auf die Optimierung von driftbaren Trajektorien und die Verbesserung der Robustheit eines bestehenden Drift Controllers. Ziel ist es, den Einfluss verschiedener Störfaktoren auf die optimale Drifttrajektorie zu untersuchen und die Machbarkeit einer Online-Nachoptimierung zu bewerten. Darüber hinaus soll das bestehende Regelungskonzept im Hinblick auf die Robustheit beim Übergang zwischen gesättigter Hinterachsauslastung (Drift) und ungesättigter Hinterachsauslastung (normales Fahren) weiterentwickelt werden.

 

Die Arbeit umfasst dabei diese Teilschritte:

• Literaturrecherche zum Stand der Technik in den Bereichen Drifting Control und Trajektorienoptimierung

• Entwicklung eines Optimierungsansatzes für driftbare Trajektorien unter Berücksichtigung von Störfaktoren

• Untersuchung der Machbarkeit einer Online-Nachoptimierung der Drifttrajektorien

• Weiterentwicklung des bestehenden Regelungskonzepts zur Verbesserung der Robustheit im Übergang zwischen Drift und normalem Fahren

• Simulation und Test der optimierten Trajektorien und des verbesserten Regelungskonzepts in einer Simulationsumgebung

• Validierung durch reale Tests auf einem Erprobungsträger von Mercedes-AMG

• Analyse der Ergebnisse und deren Auswirkungen auf die Präzision und Robustheit des Drift Controllers

• Diskussion der Ergebnisse und Ableitung von Empfehlungen für zukünftige Weiterentwicklungen

Voraussetzungen

Mitbringen solltest Du:
    • Kreativität / Selbstständigkeit
    • Hohe Eigenständigkeit
    • Gute Kenntnisse im Bereich Optimierungsverfahren/Regelungstechnik
    • Gute Programmierkenntnisse in Matlab/Python
    • Spaß am autonomen Fahren als Forschungsfeld
    • Reisebereitschaft zum Forschungspartner

Eigeninitiative und weitere Ideen um den Fokus der Arbeit mitzugestalten sind erwünscht.

Interessierte Studierende werden gebeten, sich mit einem Lebenslauf und einem Notenauszug sowie einem kurzen Motivationsschreiben auf diese Aufgabenstellung zu bewerben.

Bewerbungen auch als Team möglich.

Industriepartner

Mercedes AMG

Verwendete Technologien

Matlab,Python, Casadi, Programming, Autonomous Driving, Machine Learning, Reinforcement Learning, Deep Learning, Model Predictive Control, MPC

Tags

FTM Studienarbeit, FTM AV, FTM Werner, FTM Informatik

Möglicher Beginn

sofort

Kontakt

Frederik Werner, M.Sc.
Raum: MW 3508
Tel.: +49.89.289.10341
frederik.wernertum.de

Ausschreibung