Das Ziel des vorgestellten FVV-Forschungsvorhabens ist, die in den letzten Jahren entwickelten und bei einer Reihe von einfachen Prozessen erfolgreich eingesetzten modellgestützten Fehlererkennungsmethoden für den Dieselmotor und seine Komponenten zu entwickeln. Auf Basis dieser Methoden soll ein Fehlererkennungs- und Diagnosesystem für die Fehlerfrüherkennung im laufenden Motorbetrieb entstehen, das an stationär betriebenen Motoren und im dynamischen Fahrbetrieb einsetzbar ist und unterschiedliche Motortypen abdeckt. Zur modellbasierten Fehlererkennung können verschiedene modellbasierte Verfahren eingesetzt werden (Parameterschätzverfahren, Paritätsgleichungen, Zustandsgrößenschätzung oder Neuronale Netze). Bei der sich anschließenden Fehlerdiagnose kommen neben der klassischen Grenzwertüberwachung und statistischen Bewertung Fehler-Symptom-Bäume, Fuzzy-Regeln oder Neuro-/Neuro-Fuzzy-Ansätze zum Einsatz. Grundlage für die Entwicklung eines modellbasierten Fehlerdiagnosesystems für den Dieselmotor bildet die Einteilung des Dieselmotors in verschiedene Module, die über definierte Schnittstellen miteinander interagieren. (Ansaugsystem; Einspritzung, Verbrennung und Triebwerk; Abgassystem). Für die ersten beiden Teilsysteme wurden modellbasierte Fehlererkennungsverfahren entwickelt, durch die serienmäßig nicht erkennbare Fehler schnell und früh erkannt werden können, insbesondere auch im instationären Motorbetrieb. Die Verfahren wurden anhand von Simulationen, Messungen und offline-Auswertungen sowie im Echtzeitberieb am Prüfstand verifiziert.
Modellbasierte Fehlerdiagnose am Dieselmotor
Model based fault diagnosis for diesel engines
2001
34 Seiten, 31 Bilder, 20 Quellen
Aufsatz (Konferenz)
Deutsch
Modellbasierte Fehlerdiagnose am Dieselmotor
Kraftfahrwesen | 2001
|Modellbasierte Fehlererkennung und Fehlerdiagnose fuer Dieselmotoren
Kraftfahrwesen | 2002
|Modellbasierte Kraftstofferkennung im Dieselmotor
TIBKAT | 2020
|Modellbasierte Kraftstofferkennung im Dieselmotor
Springer Verlag | 2020
|