Forschung und Lehre in Theorie und Praxis
Im CAST findet Forschung in enger Verzahnung mit der Lehre sowie mit Partnern der Industrie und der öffentlichen Hand statt. Die Schwerpunkte der angewandten Forschungsgebiete liegen in folgenden Bereichen:
Ein Schwerpunkt ist die experimentelle Automatisierung der Rennstall Fahrzeuge für eine Erweiterung der Formula Student hin zur Formula Student Driverless (FSD). Hierbei kommen alle Elemente der Signalverarbeitungskette moderner AD-Systeme zum Einsatz: Lidar-Sensoren, Video-Sensoren, Verarbeitung von PCD- und Bilddaten, Training tiefer neuronaler Netze (DNN, CNN), etc.
Eine weitere Aktivität ist der Aufbau einer Modellverkehrslandschaft im Maßstab 1:14. In dieser Landschaft werden realistische Verkehrsszenarien mit Modellfahrzeugen nachgestellt, um autonome Fahrfunktionen zu erproben und abzusichern. Neben der rein sensorbasierten Umfelderkennung können auch Informationen aus einer V2X Schnittstelle integriert werden.
- After Sales für Elektromobilität
Viele Fragestellungen bezüglich der Wartung und der Reparatur von batterieelektrischen Fahrzeugen und solchen mit Brennstoffzelle sind noch nicht in der Breite erprobt oder werden von den verschiedenen Marktteilnehmern höchst unterschiedlich beantwortet.
Weitere Forschungsthemen wie die Diagnosemöglichkeiten und Reparierbarkeit von Traktionsbatterien werden langfristig untersucht und führen regelmäßig zu Beiträgen auf Tagungen wie dem EVS (Electric Vehicle Symposium).
- Innovative Wartungs- und Reparaturkonzepte
Verschiedene Werkstoffkombinationen, Verbundwerkstoffe und Fügetechniken stellen die Service-Betriebe bei der Unfallinstandsetzung von Fahrzeugen vor immer vielfältigere Herausforderungen. Neben der Wirtschaftlichkeit rückt die Nachhaltigkeit immer mehr in den Fokus, was sich beispielsweise auf die Auswahl und Umsetzung moderner Instandhaltungsstrategien auswirkt.
Für das vernetzte Fahrzeug der Zukunft ist die Weiterentwicklung der Diagnosetechnologie von entscheidender Bedeutung. Der Einsatz von High Performance Computern verändert die elektronische Fahrzeugarchitektur maßgeblich und erfordert neue Kommunikations- und Diagnosekonzepte. Durch die ständige Vernetzung des Fahrzeugs mit der Außenwelt können große Mengen von Daten aus dem Fahrzeug im Backend (Cloud) mit Machine-Learning-Methoden (KI) analysiert werden. Hier werden vorausschauende Wartungs- und Reparaturkonzepte erforscht, auch die eigentliche Fehlerbehebung erfolgt wenn möglich durch Over-the-Air-Software-Updates.
