Diesen Artikel herunterladen - HANSER automotive

Entwicklungswerkzeuge
Mit ETAS ASCMO lässt sich das Verhalten
komplexer Systeme mithilfe fortschrittlicher
statistischer Methoden
und numerischer Verfahren auf Basis
von Messdaten am PC präzise modellieren,
analysieren und optimieren. In der
modellbasierten Applikation von Motorsteuergeräten
werden mit diesem
Ansatz beispielsweise alle diejenigen
Einstellungen relevanter Stellgrößen automatisch
am PC berechnet, welche die
besten Kompromisse zwischen minimalen
Schadstoffemissionen und minimalem
Kraftstoffverbrauch darstellen.
Modellbasierte Applikation
komplexer Systeme
© Carl Hanser Verlag GmbH & Co.KG, München, www.hanser-automotive.de; Nicht zur Verfügung in Intranet- u.Internet-Angeboten oder elektron. Verteilern
Alle Bilder:ETAS
32 HANSER automotive 10 / 2013
© Carl Hanser Verlag, München

Entwicklungswerkzeuge
Mithilfe der heute am Markt verfügbaren, leistungsfähigen
Computertechnologien können physikalische
Objekte und Abläufe am Rechner „virtualisiert“, das
heißt realitätsgetreu abgebildet werden. Durch die Verwendung
virtueller Prototypen bei der Entwicklung von komplexen
Systemen lassen sich hohe Qualitäts-, Kosten- und Effizienzvorteile
realisieren. Mithilfe von virtuellen Umgebungen
können Fehler in sehr frühen Phasen der Produktentstehung
identifiziert sowie behoben und damit Qualitätskosten signifikant
reduziert werden (Bild 1).
In der Softwareentwicklung, beim Test und in der Applikation
elektronischer Systeme im Fahrzeug können Virtualisierungslösungen
wesentlich dazu beitragen, kostspielige
und zeitaufwendige Prüfstands- und Fahrversuche auf ein
Minimum zu reduzieren. Mit Hilfe virtueller Steuergeräteumgebungen
wie EVE, der ETAS Virtual Ecu, lassen sich Softwarekomponenten
von Steuerungs-, Regelungs- und Diagnosefunktionen
sowie einzelne Module der Basissoftware getrennt
von der Steuergerätehardware am PC entwickeln, integrieren
und testen [2].
Die ETAS ASCMO-Lösung
Als Pendant zu EVE bildet ETAS AscMO das Verhalten
komplexer, geregelter Systeme, wie zum Beispiel von Verbrennungsmotoren,
auf Basis von Messdaten, die beispielsweise
am Motorprüfstand erfasst werden, in Form
eines mathematischen Modells ab. Die Erstellung des Modells
setzt keine besonderen mathematischen Kenntnisse
des Anwenders voraus, da die eingesetzten statistischen
Verfahren, im Gegensatz zu analytischen Funktionen oder
neuronalen Netzen, keine Parametrierung erfordern. Es
müssen lediglich die Ein- und Ausgangsgrößen der Abbildung
vorgegeben werden. Anhand dieser Vorgabe wählt
das Modellierwerkzeug den Teil der Messdaten aus der
Gesamtmessung aus, der zur Berechnung des Verhaltens
der Ausgangsgrößen in Abhängigkeit der Eingangsgrößen
benötigt wird.
Vom Anwender für den Anwender
Bild 1: „Empirische Zehnerregel“: Mit jeder Phase, in der ein
Fehler später in Bezug auf seinen Entstehungszeitpunkt
entdeckt und beseitigt wird, steigen die Kosten zur Behebung
des Fehlers um den Faktor 10 [1].
ETAS AscMO enthält einfach zu bedienende Werkzeuge zur
Modellierung, Analyse der nachgebildeten Abhängigkeiten
und Optimierung der Eingangsgrößen anhand des erzeugten
Modells. Zusätzlich dazu stellt es ein leistungsfähiges Werkzeug
zur Versuchsplanung, dem „Design of Experiments“
(DoE), zur Verfügung. Zur Darstellung der Ergebnisse der Versuchsplanung,
Modellanalysen und Optimierungen bietet
ETAS AscMO eine ansprechende, anwendungsorientierte
grafische Oberfläche.
Das Tool wurde von Ingenieuren auf der Basis praktischer
Erfahrungen von Versuchen am Prüfstand und im
Fahrzeug für Entwickler und Applikateure von Antriebsaggregaten
entwickelt. Prototypen der Lösung wurden im Zeitraum
zwischen 2004 bis 2009 von Applikationsingenieuren
und Funktionsentwicklern der Robert Bosch GmbH sorgfältig
erprobt. Stand heute wird ETAS AscMO von mehreren
hundert Anwendern bei Bosch sowie von namhaften Fahrzeugherstellern
und Zulieferern weltweit mit großem Erfolg
eingesetzt [3].
Verhaltensmodellierung mit
statistischen Verfahren
Zur Messdaten-basierten Modellierung des Verhaltens von
komplexen Systemen werden im Bereich der Entwicklung
und Applikation von Antriebsstrangsystemen oftmals analytische
Funktionen, typischerweise Polynome, oder neuronale
Netze verwendet. Die allgemeine Einsetzbarkeit dieser Verfahren
ist durch verschiedene Faktoren eingeschränkt. Beispielsweise
eignen sich Polynome nicht zur Modellierung
von stark nichtlinearen Abhängigkeiten. Neuronale Netze eignen
sich im Prinzip sehr gut zur Abbildung komplexer Zusammenhänge.
Allerdings setzt ihr Einsatz, neben umfangreichen
Messungen zur Modellvalidierung, spezielle mathematische
Kenntnisse und Erfahrungen voraus, wenn das Verhalten
von Systemen über einen weiten Betriebsbereich abgebildet
und Überanpassungen vermieden werden sollen, wie
zum Beispiel das Nachbilden von Messrauschen.
Im Gegensatz dazu verwendet ETAS AscMO statistische
Lernverfahren [4]. Dabei wird nach den Regeln bedingter
Wahrscheinlichkeiten aus einem Satz vollständiger Funktionen
automatisch diejenige Funktionenschar bestimmt, welche
die Messdaten am wahrscheinlichsten repräsentiert. Auf
der Grundlage dieser Verfahren ist es einerseits möglich,
komplexe, nichtlineare Abhängigkeiten präzise abzubilden.
Andererseits liefert die Berechnung des Modells per se den
statistischen Fehler, der ein zuverlässiges Maß für die Modellgüte
darstellt.
Lückenlose Versuchsplanung
Die Genauigkeit von datenbasierten Modellen wird durch die
Dichte der Daten im Parameterraum bestimmt, der durch die
gemessenen Größen aufgespannt wird. Um eine gleichmäßig
hohe Modellgenauigkeit in Bezug auf die Gesamtmes-
© Carl Hanser Verlag GmbH & Co.KG, München, www.hanser-automotive.de; Nicht zur Verfügung in Intranet- u.Internet-Angeboten oder elektron. Verteilern
»
www.hanser-automotive.de
HANSER automotive 10 / 2013
33

Entwicklungswerkzeuge
Bild 2: Eingangs- (links) und Ausgangsgrößen (rechts) eines modernen Ottomotors mit Direkteinspritzung und variablen
Nockenwellen.
Bild 3: Prozessschritte der modellbasierten Applikation.
Ab der aktuellen Version ETAS AscMO V4.3 ist es möglich,
das zeitabhängige Verhalten von Ausgangsgrößen bei dynasung
zu erzielen, sind Versuchspläne am besten geeignet,
bei denen die geplanten Messpunkte den Parameterraum
möglichst gleichmäßig abdecken. Zu diesem Zweck verwendet
das DoE-Werkzeug von ETAS AscMO Messsequenzen,
bei denen der Parameterraum im Zuge der Messung so
durchschritten wird, dass die Dichte der Messpunkte, und
damit die Genauigkeit der Gesamtmessung und des davon
abgeleiteten Modells, gleichmäßig ansteigt [5]. Aufgrund der
gegebenen lückenlosen Abdeckung des Parameterraums
kann eine laufende Messsequenz abgebrochen werden, sobald
die gewünschte Genauigkeit erreicht ist. Der Einsatz dieser
sogenannten Sobol-Sequenzen hat damit den großen
praktischen Vorteil, dass kostspielige Versuchseinrichtungen,
wie zum Beispiel Motorprüfstände, optimal genutzt werden
können.
Modellbasierte Applikation von
Motorsteuerungen
Die Applikation von Motorsteuerungen wird immer anspruchsvoller,
da die Zahl der Eingangsgrößen, die das Verhalten
eines Verbrennungsmotors beeinflusst (Bild 2), aufgrund
der schnell voranschreitenden technischen Optimierung
der Aggregate mit jeder Motorengeneration zunimmt.
Gleichzeitig potenzieren sich die wechselseitigen Abhängigkeiten
der Größen, die das System beeinflussen.
Die Kalibrierung virtueller Sensoren und die Applikation
emissionsrelevanter Funktionen sind dabei besonders anspruchsvoll.
Als virtuelle Sensoren werden komplexe Datenstrukturen
im Steuergerät bezeichnet, die zum Beispiel das
Verhalten des Luftsystems, des Drehmoments oder der Abgastemperatur
wiedergeben und das Verhalten von Steuerungs-
und Regelungsfunktionen wesentlich beeinflussen.
Im zweiten Fall besteht die Herausforderung darin, die Optimierung
des Kraftstoffverbrauchs in einem gegebenen Fahrzyklus
mit dem Fahrverhalten und der Einhaltung der gesetzlichen
Emissionsvorschriften bestmöglich in Einklang zu
bringen.
Aufgrund der systembedingt hohen Komplexität lassen
sich durch eine modellbasierte Applikation (Bild 3) von Funktionen
der Motorsteuerung mit ETAS AscMO hohe Effizienzgewinne
erzielen. Die modellbasierte Optimierung von Verbrauch
und Schadstoffemissionen erweist sich als besonders
günstig, wenn der gleiche Motor in verschiedenen Fahrzeugmodellen
und Ländern, in denen unterschiedliche Abgasgrenzwerte
und Fahrzyklen gelten, zum Einsatz kommt:
In diesem Fall lässt sich das einmal erstellte Motormodell immer
wieder verwenden.
ETAS AscMO ist offen und flexibel. Das Werkzeug unterstützt
alle relevanten Standards und kann vorhandene Modelle
in verschiedenen Formaten exportieren. Mit Hilfe der integrierten
MAtlAB- und Microsoft COM-Schnittstelle lassen
sich kundenspezifische Funktionen und Modelle einfach einbinden,
Abläufe per Scripting automatisieren oder eine Prüfstandsautomatisierung
anschließen.
Hohes Innovationspotenzial
© Carl Hanser Verlag GmbH & Co.KG, München, www.hanser-automotive.de; Nicht zur Verfügung in Intranet- u.Internet-Angeboten oder elektron. Verteilern
34 HANSER automotive 10 / 2013
© Carl Hanser Verlag, München

Entwicklungswerkzeuge
Bild 4: Modellierung von CO 2 -, NO x - und Rußpartikelemissionen
im Fahrzyklus US06 bei dynamischem Wechsel von
Drehzahl und Last [6].
mischem Wechsel von Eingangsgrößen wie Drehzahl und
Last zu modellieren. Das ermöglicht beispielsweise die quantitative
Vorhersage von Emissionen unter transienten Bedingungen,
wie zum Beispiel dem US06-Fahrzyklus, der hohe
Beschleunigungen und Drehzahlschwankungen berücksichtigt
(Bild 4). Dadurch stellt die ETAS-Lösung ihre enorme
Leistungsfähigkeit erneut unter Beweis und erfüllt gleichzeitig
eine wichtige Voraussetzung der systematischen, modellbasierten
Applikation von Motorsteuergeräten unter realistischen
Betriebsbedingungen. Die Lösung bietet ein hohes Potenzial
für künftige Verbrauchseinsparungen von Verbrennungsmotoren.
W (oe)
Literatur:
[1] t. Pfeifer und R. Schmitt, Qualitätsmanagement: Strategien, Methoden,
Techniken, Carl Hanser Verlag, 2010.
[2] u. Lauff, M. Dietrich, M. Ebert und G. Francois, „Validieren und kalibrieren
mit virtuellen Steuergeräten – Durchgängig bis zur Serie“, Hanser automotive
10/2012, pp. 14-18.
[3] H. Klar, B. Klages, D. Gundel, T. Kruse und H. Ulmer, „Neue Verfahren zur
effizienten modellbasierten Motorapplikation“, in 5. Internationales Symposium
für Entwicklungs-methodik (wird veröffentlicht), Wiesbaden,
2013.
[4] c. E. Rasmussen und C. K. Williams, Gaussian Processes for Machine
Learning, Mit Press, 2006.
[5] i. M. Sobol, „On the distribution of points in a cube and the approximate
evaluation of integrals.“, U.S.S.R. Computational Mathematics 7(4), pp.
86-112, 1967.
[6] t. Gutjahr, H. Kleinegräber, H. Ulmer und T. Kruse, „New Approaches for
Modeling Dynamic Engine Behavior with Gaussian Processes“, in 7. Tagung
Design of Experiments (DoE) in der Motorenentwicklung, Berlin,
2013.
»»
www.etas.com
http://go.hanser-automotive.de/657333
Hier können Sie in einem Video sehen, wie man mit ETAS ASCMO die
Kalibirierung der Motorsteuerung beschleunigt.
Thorsten Huber ist bei der ETAS GmbH für das Produktmanagement
der Software ETAS ASCMO verantwortlich.
Dr. Thomas Kruse ist bei der ETAS GmbH für das Produktmanagement
der Software ETAS ASCMO verantwortlich.
Dr. Ulrich Lauff ist bei der ETAS GmbH mit der
Kommunikation von ETAS-Lösungen betraut.
© Carl Hanser Verlag GmbH & Co.KG, München, www.hanser-automotive.de; Nicht zur Verfügung in Intranet- u.Internet-Angeboten oder elektron. Verteilern