Diplomová práce studentky Diany Kostkové se zabývá matematickým modelem elektromobilu o výkonu 150 kW.

Zadání práce vyžadovalo, aby se studentka zorientovala v obsáhlé problematice elektrických pohonů, elektromobility, dynamiky vozidel a matematického modelování v prostředí GT-Suite. Autorka k řešení úkolu přistoupila hned od počátku s velkým zájmem a velmi rychle pronikla do dané problematiky.

Prvotní myšlenka zadání spočívala v tom, že se využijí již známé a ověřené parametry školního experimentálního vozidla, na jejichž základě se vytvoří simulační model v programu GT-Suite. V rámci tohoto virtuálního vozidla se pak měly ověřovat různé varianty elektromotorů o zadaném výkonu. V průběhu řešení se však ukázalo, že ověřených vstupních dat je k dispozici podstatně méně, než se předpokládalo, a informace o motoru nebyly téměř žádné. Úkol studentky se proto zásadně změnil a transformoval se do náročné výzvy: vytvořit věrný a komplexní matematický model školního experimentálního vozidla od samotného základu.

V této fázi se naplno projevilo mimořádné osobní nasazení a odhodlání studentky. Autorka systematicky prověřovala všechny dostupné vstupní parametry a pro ty neznámé samostatně navrhovala alternativní měření. Největším úskalím se stala absence dat o účinnostech převodového ústrojí, použitého konvertoru a samotného elektromotoru. Jelikož nebylo k dispozici specializované zkušební stanoviště, musela studentka všechny klíčové informace získat z doprovodných měření nebo na základě konzultací s kvalifikovanými odborníky. Zde se navíc ukázalo, že zejména účinnost továrního elektromotoru je zahalena větším tajemstvím, než by bylo nezbytné.

Právě píle a osobní iniciativa studentky stojí za skutečností, že se jí navzdory všem datovým bariérám podařilo celý matematický model úspěšně sestavit a následně ověřit jeho správnost. Diana Kostková jednoznačně prokázala, že dané problematice rozumí, umí pracovat pod tlakem neočekávaných komplikací a dokáže s vysokou autonomií řešit složité technické úkoly.

Předloženou diplomovou práci považuji za velmi zdařilou a doporučuji ji k obhajobě.

Zadání diplomové práce Bc. Diany Kostkové se věnuje vysoce aktuální problematice simulačního modelování vozidel s elektrickým pohonem v programovém prostředí GT-SUITE. Již v úvodu je třeba zmínit, že sestavení věrohodného 1D simulačního modelu vyžaduje celou řadu obtížně zjistitelných parametrů. S touto výzvou se studentka v rámci své práce vypořádala na výbornou a věrohodnost dosažených výsledků je podložena experimentálním měřením celého vozidla.

Autorka v úvodu práce úspěšně provedla rozbor možností modelování elektromobilu na základě studia adekvátně zvolené odborné literatury a vědeckých článků. Dále analyzovala síly působící na vozidlo a na základě reálných experimentálních dat získaných na válcové výkonové zkušebně vytvořila a zkalibrovala 1D simulační model. Stěžejní částí této úlohy bylo sestavení účinnostní charakteristiky prostřednictvím analýzy naměřených dat, přičemž studentka efektivně využila moderní nástroje strojového učení na bázi neuronových sítí v rámci programu GT-SUITE. Výsledná účinnostní mapa vykazuje očekávaný obecný trend, kdy se nejvyšší hodnoty účinnosti nacházejí v oblasti středních až vyšších otáček a středního zatížení.

Zhodnocení výsledků lze nejlépe shrnout tak, že experimentálně validovaný 1D model byl v závěru páce použit pro simulaci cyklu WLTP a výsledné parametry energetické bilance se téměř shodují parametry udávanými výrobcem.

Oceňuji zejména multidisciplinární přístup, ve kterém se propojují klasické poznatky z mechaniky a dynamiky vozidel s moderními metodami datové analýzy a strojového učení. Práce vykazuje vysokou odbornou úroveň a logickou provázanost. Autorka prokázala schopnost propojit teoretické znalosti s praktickým experimentem a moderními softwarovými nástroji.

Zadání práce bylo splněno v plném rozsahu, a proto práci doporučuji k obhajobě. Topics for thesis defence:

1. Jaké konkrétní výhody a nevýhody přineslo využití neurónových sítí oproti klasickým regresním modelům při tvorbě účinnostní mapy z naměřených diskrétních bodů?
2. Vaše natrénovaná neuronová síť (MLP) vykazuje v okrajových oblastech (nízké otáčky, maximální otáčky) mírně optimistický průběh účinnosti z důvodu absence reálných dat z měření. Pokud by nebylo možné provést další fyzické měření na vozidle, jakým způsobem by se dal tento nedostatek (extrapolace neuronové sítě mimo trénovací data) v prostředí GT-SUITE MLA eliminovat či korigovat?
3. V práci zmiňujete vliv valivého odporu na valcové zkušebně. Jakým konkrétním způsobem byla provedena korekce těchto hodnot pro implementaci do modelu v prostředí GT-SUITE, aby model odpovídal reálným jízdním odporům?