Modellbasierte Entwicklung und Applikation von Diagnosefunktionen im Kühlkreislauf des Kraftfahrzeugs

Hoppe, Matthias; Abel, Dirk; Brabetz, Ludwig

doi:10.18154/RWTH-2017-06644

Modellbasierte Entwicklung und Applikation von Diagnosefunktionen im Kühlkreislauf des Kraftfahrzeugs = Model-based development and calibration of diagnosis functions in the cooling circuit of a vehicle

Hoppe, Matthias

2017

Verantwortlichkeitsangabevon Matthias Hans-Gerrit Hoppe

ImpressumAachen 2017

Umfang1 Online-Ressource (xvii, 139 Seiten) : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2017

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor)^RWTH* ; Brabetz, Ludwig (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2017-03-17

Online
DOI: 10.18154/RWTH-2017-06644
URL: http://publications.rwth-aachen.de/record/696127/files/696127.pdf
URL: http://publications.rwth-aachen.de/record/696127/files/696127.pdf?subformat=pdfa

Einrichtungen

Lehrstuhl und Institut für Regelungstechnik (416610)

Inhaltliche Beschreibung (Schlagwörter)
Diagnose, Kühlsystem, Optimierung, Modellierung, Kraftfahrzeug (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die vorliegende Arbeit befasst sich mit Methoden zur modellbasierten Entwicklung und Applikation von Diagnosefunktionen. Eine modellbasierte Applikation von Diagnosefunktionen verspricht einen deutlichen Zeitgewinn im Entwicklungsprozess von Kraftfahrzeugen. Die Verwendung einer modellbasierten Diagnose ermöglicht eine Unterscheidung von unterschiedlichen Fehlerquellen. Diese Isolationsfähigkeit ist mit aktuellen Diagnosefunktionen nicht gegeben. Als Anwendungsbeispiel für die Entwicklung wird die Diagnose der Temperatur im Kühlsystem des Kraftfahrzeugs verwendet. Hierfür wird in einem ersten Schritt ein Simulationsmodell des Kühlkreislaufes aufgebaut. Hierbei muss ein geeignet Kompromiss zwischen einer ausreichenden Modellgüte und einer akzeptablen Rechenzeit gefunden werden. Zur Modellierung des Motors wird ein stationäres Verbrennungsmodell mit einem dynamischen Wärmeübertragungsmodell kombiniert. Für die Komponenten des äußeren Kühlkreislaufes wird eine statische Modellierung mittels Kennfeldern mit einer dynamischen physikalischen Modellierung verglichen. Für die Applikation der für die Diagnose verwendeten Kennfelder werden zwei mögliche Verfahren vorgestellt. Zum einen können parametrische Verfahren wie zum Beispiel Least Squares zur Lösung des Problems verwendet werden. Zum anderen wird eine direkte Optimierung der Kennfelder mit Hilfe eines evolutionären Algorithmus vorgestellt. Um weitere Anforderungen an die Kennfelder, wie zum Beispiel einen glatten Verlauf zu garantieren, werden für beide Verfahren Erweiterungen eingeführt. Zur Entwicklung einer modellbasierten Diagnosefunktion wird mit Hilfe einer Strukturanalyse eine Untersuchung zur Isolierbarkeit auftretender Fehler bei unterschiedlichen Sensorkonfigurationen durchgeführt. Für eine geeignete Sensorkonfiguration wird eine Diagnosefunktion prototypisch umgesetzt und ihre Funktionsfähigkeit simulativ bestätigt.

The focus of this work lies on model-based methods for the development and the calibration of diagnosis functions. Using model-based calibration methods in the development of diagnosis functions reduces the required time significantly. A model-based diagnosis function allows an isolation of errors, which is not possible with diagnosis functions currently in use. The temperature diagnosis in the cooling system of a vehicle is used as an example application. In a first step, a simulation model of the cooling system is developed. For this model, a balance between the accuracy of the model and the calculation time has to be found. For the engine, a static combustion model is combined with a dynamic model of the heat transfer. For the elements in the outer cooling circuit, a static model using maps is compared with a physical, dynamic model. For the calibration of the maps used in the diagnosis, two methods are described. On the one hand, parametric methods like a least squares algorithm can be used. On the other hand, a direct optimization with the help of evolutionary algorithms is presented. Both algorithms are further extended, in order to satisfy additional requirements, like a smooth surface of the maps. For the development of a model-based diagnosis function, several sensor configurations are investigated in regard to the isolation of errors with the help of a structural analysis. A diagnosis function is implemented for a suitable sensor configuration. The functionability is tested in simulation.

OpenAccess:
PDF PDF (PDFA)
(additional files)