Online-Parametersch?tzung und Fehlerdiagnose in elektrischen Antrieben

Der elektrische Antriebstrang als Alternative zum klassischen Verbrennungsmotor wird in zukünftigen Automobilen eine zentrale Rolle einnehmen. Eine Herausforderung ist die Entwicklung eines effizienten Regelungskonzept zur bestm?glichen Ausnutzung der Komponenten. Ma?geblich dafür ist die Kenntnis über das transiente Verhalten der Systemparameter. Die Parameter k?nnen sowohl online also w?hrend des Betriebs, als auch offline auf dem Prüfstand ermittelt werden. Vorteilhaft an der Online-Parameteridentifikation ist die zus?tzliche Berücksichtigung von ungewollten Effekten. Je genauer die Parameter w?hrend des Betriebs bestimmt werden k?nnen, desto pr?ziser ist das momentane Verhalten des Systems beschreibbar.
Neben betriebsbedingten ?nderungen der Systemparameter treten auch Abweichungen aufgrund von Produktionstoleranzen auf. Des Weiteren werden die Parameter durch Alterungseffekte und St?reinflüsse aufgrund von Defekten beeinflusst. Eine verl?ssliche Online-Parametersch?tzung erm?glicht die Erkennung von Fehlverhalten, da ungewolltes Systemverhalten oft eine Verletzung physikalischer Parametergrenzen zur Folge hat.
Im Rahmen dieses Projekts wird eine robuste Online-Parametersch?tzung entwickelt. Dazu werden sowohl modell- als auch datenbasierte Methoden des Maschinellen Lernens untersucht. ?bergeordnetes Ziel ist die Ableitung eines Diagnosekonzepts zur Detektion von Fehlverhalten und Pr?diktion von drohendem Systemausfall durch alternde oder defekte Systemkomponenten.