KoKliFaM – Komfortbasierte Klimatisierung von Fahrzeuginsassen unter Verwendung von Algorithmen des maschinellen Lernens
In gängigen Fahrzeugarchitekturen ist der Einsatz dezentraler Klimasysteme aktuell von untergeordnetem Interesse, da konventionelle Verbrennungsmotoren ausreichend Prozesswärme erzeugen um im Winterfall die Erwärmung der Fahrzeugkabine zu gewährleisten. In diesem Zusammenhang wird überwiegend die Innenraumtemperatur der Fahrgastzelle als Regelgröße verwendet, ohne dabei das eigentliche „Komfortempfinden“ der Insassen zu berücksichtigen. „Komfortempfinden“ ist ein weitgreifender Begriff, der nicht als isolierte Größe betrachtet werden kann, sondern aus einer Kombination multipler Einflussgrößen resultiert. Hier spielen beispielsweise Parameter aus den Bereichen der Soziopsychologie, Thermophysiologie sowie der Ergonomie (sensorische Reize) eine entsprechende Rolle.
Eine Möglichkeit solch interindividuelle Unterschiede von Personen im Kontext des „thermischen Komforts“ im Fahrzeug herauszuarbeiten und bereits bestehende Klimatisierungskonzepte zu optimieren besteht in der Verwendung effizienter Algorithmen aus dem Bereich des maschinellen Lernens (ML). Ziel des Projekts ist es mit Hilfe der zu entwickelnden Algorithmen möglichst viele Aspekte des „Komfortempfindens“ eines menschlichen Individuums abzudecken, ohne den Einsatz konkreter, aus gängiger Literatur entnommener „thermischer Komfortmodelle“ wie etwa der in ISO 7730 beschriebene „Predicted Mean Vote (PMV)“ oder das auf Äquivalenttemperaturen basierende „Mean Thermal Vote (MTV)“ nach ISO 14505-2.
Laufzeit:
12/2018 - 11/2019
Förderung/Auftragsgeber:
Daimler AG