Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBFEntwicklung von Testverfahren, Systematiken und Methoden
VVMethoden - Analyse- und Testverfahren für autonome Fahrzeuge
Ziel des BMWK-Leitprojekts VVMethoden war die Entwicklung von Testverfahren und Systematiken sowie die Bereitstellung von Methoden, um den Sicherheitsnachweis für automatisierte Fahrzeuge zu führen. Das VVM-Projekt arbeitete am Use Case der urbanen Kreuzung und nahm sowohl automatisierte Fahrfunktionen als auch die komplette Automatisierung von Fahrzeugen (SAE Level 4 und 5) unter die Lupe.
Zuverlässige Radarsensoren
Mikrowellen, die von Radarsensoren ausgestrahlt und empfangen werden, werden von Eiskristallen stark reflektiert, wodurch es zu Fehlinformationen kommt. Die Enteisung der Radarsensoren innerhalb kürzester Zeit und auch während der Fahrt ist somit ein sehr wichtiges Thema, um autonomes Fahren realisieren zu können. Stand der Technik sind aktuell Gehäusesysteme, die mit Heizdrähten beheizt werden. Hierbei ist ein großer Nachteil, dass ein engmaschiges Netzwerk aus Heizdrähten benötigt wird, um eine homogene Erwärmung der Oberfläche gewährleisten zu können. Dadurch befinden sich zwangsläufig Heizdrähte im Austrittsfenster der Radarwellen und führen hier zu einer starken Dämpfung des Signals. Darüber hinaus benötigt die Heizung eine Temperaturerfassung und -regelung, die zusätzliche Kosten verursacht und das Gewicht des Fahrzeugs erhöht.
Bild 1: Prozessschritte der funktionalen Testplanung für autonome Fahrzeuge
Bild 2: Kombination der probFMEA mit Komponenten-Fehlerbäumen als neue, effiziente Methode zur Bewertung der Sicherheit autonomer Fahrzeuge
Testplanung
Das Fraunhofer LBF war in leitender Funktion maßgeblich an der Entwicklung einer systematischen Vorgehensweise beteiligt, wie für autonome Fahrzeuge funktionale Testspezifikationen abgeleitet werden können. Bild 1 zeigt die Prozessschritte der funktionalen Testplanung für autonome Fahrzeuge mit ihren Eingangs- und Ausgangsgrößen.
Probabilistische FMEA
Durch Kombination der am LBF entwickelten probabilistischen Fehlermöglichkeits- und Einflussanalyse (probFMEA) mit der Methode der Komponenten- Fehlerbäume des IESE und deren Implementierung im Softwaretool „safeTbox“ wurde eine Analysemethode zur Bewertung der funktionalen Sicherheit entwickelt, die in der Lage ist, die Datenmenge und die Komplexität der Systeme zu beherrschen. Auf Bild 2 ist dargestellt, wie durch eine Kombination der probFMEA mit Komponenten-Fehlerbäumen (CFT) eine neue, effiziente Methode zur Bewertung der Sicherheit autonomer Fahrzeuge entwickelt wurde. Durch die Verbindung einer Bottom-Up-Analyse (probFMEA) mit dem Top-Down-Ansatzes der Komponenten-Fehlerbäume wird u.a. eine bessere Systemabdeckung erreicht.
Kamera-in-the-Loop-Tests
Gemeinsam mit dem FZI Forschungszentrum Informatik realisierten wir einen Prüfstand zur Untersuchung der Robustheit einer kamerabasierten Objekterkennung unter Schwingungsbelastung: Die mehrachsigen Schwingungen werden durch ein dynamisches Fahrzeugmodell unter Berücksichtigung der Reifen-Fahrbahn-Wechselwirkung errechnet. Ein mehrachsiger Schwingungserreger und eine aktive Schwingungsregelung ermöglichen die Nachbildung von vertikalen und rotatorischen Bewegungen der Kameramontageposition bis zu ca. 200 Hz (siehe Bild 3). Es wird ermittelt, wie sich die aufgeprägten Beschleunigungen, die vorher aufgezeichnet wurden, auf eine Testkamera auswirken, um die Genauigkeit der Objekterkennung zu bewerten.
Bild 3: Anwendung der aufgezeichneten Beschleunigung auf eine Testkamera, um die Genauigkeit der Objekterkennung zu bewerten
Förderung und Partner
Bundesministerium für Wirtschaft und Klimaschutz
22 Partner aus Industrie und Wissenschaft
Konsortialleitung: Robert Bosch GmbH und BMW AG
Datenschutz und Datenverarbeitung
Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacyDesign & Test Planning, Presentation auf dem Abschluss-Event zum Projekt, Jürgen Nuffer