Verhaltensmodellierung in der Kraftfahrzeugtechnik mittels datenbasierter Methoden

Vorschau

Inhaltsverzeichnis, Datei (61 KB)
Leseprobe, Datei (310 KB)

Beschreibung

Die vorliegende Arbeit untersucht die Eignung datenbasierter Modellierungsmethoden in Anwendung
auf die Verhaltensmodellierung in der Automobilelektronik. Für die Untersuchung
werden zwei Anwendungsgebiete vorgestellt. Einerseits wird die automatisierte Generierung
funktionaler Verhaltensmodelle für Mixed-Signal Systeme analysiert, andererseits die Anwendung
datenbasierter Modelle für die Signalanalytik integrierter Sensorsysteme evaluiert.
Die Untersuchungen zur automatisierten Erstellung von funktionalen Verhaltensmodellen basieren
auf einer Nutzwertanalyse, die gängige Verfahren der Verhaltensmodellierung vorstellt
und qualitativ diskutiert. In diesem Zusammenhang werden Bewertungskriterien abgeleitet,
die im Verlauf der Arbeit zur Beurteilung der entwickelten Methodik eingesetzt werden. Das
entwickelte Verfahren ermöglicht eine automatische Erstellung von funktionalen Verhaltensmodellen
für Systeme, die in einer simulierbaren Implementierung vorliegen. Durch eine systemtheoretische
Betrachtung der Signalverläufe können Komponenten aus unterschiedlichen
physikalischen Domänen berücksichtigt werden. Zur Abbildung nichtlinearer Zusammenhänge
wird auf Support-Vektor-Maschinen zurückgegriffen, die für die Repräsentation dynamischer
Informationen um eine Funktionsbibliothek erweitert werden. Grundlegend für die erfolgreiche
Umsetzung des gesamten Prozesses ist das Vorhandensein einer transienten Datenbasis, die
aus Simulationen der Originalsysteme gewonnen werden. Für die Erstellung dieser Daten wird
ein Konzept vorgeschlagen, das Methoden des experimentellen Designs und des aktiven Lernens
vereint. Um eine breite Anwendung der generierten Modelle in diversen Simulatoren zu
ermöglichen, wird ein C-basiertes Schnittstellenkonzept vorgestellt, das die Einbindung eines
generierten Modells in die Simulatoren AdvanceMS, Saber und Simulink automatisiert. Als
Evaluationsbeispiele dienen eine Ladungspumpe, eine Einspritzdüse und ein Drucksensormodell.
Das zweite Anwendungsfeld thematisiert die Realisierung einer softwarebasierten Signalanalytik
für einen integrierten Gassensor. Mittels experimenteller Daten werden für die Signalanalytik
automatisiert datenbasierte Modelle erstellt, womit der Aufwand einer traditionellen
Software-Implementierung reduziert werden kann. Damit sich die untersuchte Methodik für die
Verwendung in kostengünstigen Produkten qualifiziert, müssen die Speicheranforderungen des
datenbasierten Modells an die Randbedingungen eines Mikrocontrollers angepasst werden. Für
diese Anforderungen wird ein neues Lernverfahren für diskretisierte Support-Vektor-Maschinen
vorgestellt, das ohne merkliche Einbußen in der Genauigkeit eine Reduktion des Speicherbedarfs
ermöglicht.