|
|
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
 |
|
|
|
Fachgebiet Motor-/Antriebsentwicklung < zurück |
|
|
||
|
|
|
|
Modellbasierte Fehlererkennung und Diagnose der Einspritzung und Verbrennung von Dieselmotoren
Dr. Frank Kimmich Zusammenfassung Der wachsende Grad an Automatisierung in modernen Kraftfahrzeugen sowie die schärferen gesetzlichen Bestimmungen mit immer niedrigeren Emissionsgrenzwerten und steigenden Anforderungen an die On Board Diagnose erfordern die konsequente Verbesserung und Weiterentwicklung bestehender Diagnosefunktionen und -systeme. Mit den heutzutage eingesetzten Verfahren, die direkt messbare Signale mit einfachen Methoden der Signalverarbeitung überwachen, ist es jedoch insbesondere im Bereich des Motors, der Sensoren und Aktoren nicht möglich, umfassend auch kleine Fehler frühzeitig zu erkennen und zu diagnostizieren. Es hat sich hierbei in den letzten Jahren gezeigt, dass die Verwendung analytischer Prozesskenntnis in Form mathematischer Modelle wesentlich detailliertere Aussagen bei der Fehlererkennung und Diagnose ermöglicht. Im Rahmen der Arbeit werden daher Methoden der modellgestützten Fehlererkennung und Diagnose für den Dieselmotor entwickelt. Der Schwerpunkt der Betrachtungen liegt hierbei auf der Erkennung und Isolation von Fehlern im Bereich der Einspritzung und Verbrennung. Den Schlüssel zur Fehlererkennung und Diagnose des Dieselmotors stellen Methoden zur modellbasierten Signalverarbeitung dar. Diese basieren entweder auf der Analyse von Signalmodellen oder mathematischen Prozessmodellen. Durch die Verwendung von Modellen kann auf interne Größen des Prozesses, wie z.B. nicht messbare Zustandsgrößen, geschlossen und so auf rechnerischem Weg näher an den Ursprungsort der Fehler herangekommen werden. Die bessere Trennung verschiedener Fehler und deren Lokalisierung wird ermöglicht. Auf Basis der Signal- und Prozessmodelle werden mit den zur Verfügung stehenden Ein- und Ausgangsgrößen in einem ersten Schritt Fehlersymptome generiert. Dieser Schritt entspricht der Fehlererkennung. In einem zweiten Schritt werden die Zusammenhänge zwischen den Fehlersymptomen und den möglichen Fehlern in einer Wissensbasis abgelegt. Diese Wissensbasis dient anschließend als Grundlage zur Durchführung der Fehlerdiagnose. Die Gewinnung von Prozessinformation stellt die Basis der modellbasierten Symptomgenerierung dar. Neben der vorhandenen Seriensensorik des Motors wird hierzu insbesondere die am offenen Ende der Kurbelwelle gemessene Motordrehzahl sowie die mittels einer schnellen Breitband Lambdasonde hinter der Turbine des Turboladers gemessene Sauerstoffkonzentration im Abgas verwendet. Zur Erzeugung von Fehlersymptomen werden sowohl Signalmodelle als auch die Methode der Paritätsgleichungen verwendet. Zur Modellbildung kommen im Wesentlichen Methoden der theoretischen Modellbildung auf Basis physikalischer, chemischer und thermodynamischer Gesetzmäßigkeiten sowie Methoden der experimentellen Modellbildung auf Basis von neuronalen Netzen zum Einsatz. Aus der Drehzahlauswertung ergeben sich Symptome zur Überwachung des abgegebenen Motormoments sowie des Motorgleichlaufs. Die Sauerstoffauswertung führt auf Symptome zur Erkennung von Einspritzmengenfehlern. Für die Fehlerdiagnose von zugrundeliegenden Fehlern wird auf Basis der erzeugten Symptome ein Ansatz mit vereinfachter Fuzzy-Logik verwendet. Ausgangspunkt bildet die qualitative Beschreibung der Fehler-Symptom-Zusammenhänge mittels einer Fehler-Symptom-Tabelle. Die Zusammenhänge zwischen den Fehlern und den Symptomen ergeben sich hierbei aufgrund theoretischer Überlegungen und Expertenwissen. Für die rechnergestützte Diagnose wird das Wissen der Fehler-Symptom-Tabelle mittels Fuzzy-Regeln mathematisch formuliert. Die grafische Darstellung der Diagnoseabläufe erfolgt mit Fehler-Symptom-Bäumen. Durch Nutzen der theoretisch hergeleiteten Zusammenhänge zwischen den in Betracht gezogenen Fehlern und den erzeugten Symptomen können auf Basis des Fuzzy-Diagnosesystems verschiedene Fehler im Bereich des Einspritzsystems und des Triebwerks unterschieden werden. Die Ergebnisse der Arbeit zeigen, dass durch die Auswertung serienmäßiger und geeigneter zusätzlicher Sensoren, auf Basis von Signal- und Prozessmodellen, durch geeignete Symptomerzeugung sowie durch moderne wissensbasierte Diagnosemethoden, Fehler in hydraulischen und mechanischen Komponenten des Dieselmotors automatisch erkannt und diagnostiziert werden können. < zurück |
|
|
|
|
|
|
|