Download Center

Automatisierte Motorkalibrierung im Fahrzeug zur Optimierung der Emissionswerte durch maschinelles Lernen

Die wachsende Besorgnis über die Auswirkungen auf die Umwelt ist ein wichtiger Grund für die strengeren Emissionsvorschriften für Verbrennungsmotoren. Die Einhaltung dieser Beschränkungen treibt neue Hardware- und Softwarelösungen voran, die jedoch die Systemkomplexität erhöhen, was zu mehr Iterationen und damit zu längeren Entwicklungszeiten führt, was ein Risiko für die Rentabilität darstellt. In diesem Zusammenhang ist es von entscheidender Bedeutung, durch Kalibrierungsstrategien die optimale Temperatur für die katalytische Umwandlung früher zu erreichen. Dies ist jedoch eine Herausforderung, die einen hohen Zeitaufwand und den Einsatz von Ressourcen/Anlagen erfordert.

Ein vielversprechender Ansatz zur Effizienzsteigerung ist das Konzept der Virtualisierung durch datenbasierte Motormodellierung und modellbasierte Kalibrierung. Dieses Dokument stellt die kombinierte Automatisierung und Virtualisierung im Fahrzeug für die Kalibrierung des Katalysatorheizens mit Unterstützung der ETAS-Werkzeuge INCA, INCA-FLOW & ETAS ASCMO vor.

ETAS & BOSCH/PS setzten INCA-FLOW & ETAS ASCMO zur Optimierung der Katalysatorheizstrategie eines modernen Motors ein.
Der kombinierte Einsatz von maschinellem Lernen (ETAS ASCMO) und hochautomatisiertem Testen (INCA-FLOW) führte zu einer geschätzten Aufwandsreduktion von 71% bei der Kalibrierungsaufgabe. Die daraus resultierende Arbeit wurde auf der SIMEA 2021 in der Kategorie "Emissions Control" mit einer lobenden Erwähnung ausgezeichnet.