Optimierung der modellbasierten Fehlererkennung und Fuzzy-Logik basierten Fehlerdiagnose von Sensoren in einem Demonstratorfahrzeug

  • Forschungsthema:Fehlererkennung und Fehlerdiagnose
  • Typ:Masterarbeit
  • Datum:laufend
  • Betreuung:

    Li, S

  • Hintergrund

    Im Verbundforschungsprojekt „SmartLoad“ erforschen das Institut für Fahr­zeugsystemtechnik und die Schaeffler Technologies AG & Co. KG gemeinsam mit weiteren Projektpartnern Fragestellungen zur Zuverlässigkeitssteigerung von elektrischen und automatisierten Fahrzeugen. Die Projektergebnisse werden anhand eines Demon­stratorfahr­zeugs erarbeitet, welches im Projekt „e²-lenk“ aufgebaut wurde.

    Um eine hohe Zuverlässigkeit von elektrischen und automatisierten Fahrzeugen zu erhalten, ist eine Sicherheitsanalyse zu berücksichtigen. Zur Erkennung von Fehlern auf Gesamtfahrzeugebene ist eine hohe Güte und Zuverlässigkeit der Sensordaten notwendig. Die Güte der Sensorsignale kann ausgehend vom Wirkprinzip, den Fehlerquellen und den nachgeordneten Detektionsmechanismen stark schwanken. Die Voraussetzung, die Fehler eines Gesamtfahrzeugs konkret zu erkennen, sind die konkreten Ausgaben der Sensoren.

    Im Rahmen der Arbeit soll hierzu eine Optimierung der vorhandenen FDI Methode mit Verwendung von Kalman-Filter und Fuzzy-Logik zur Erkennung und Diagnose von Sensorausfällen bzw. Ungenauigkeiten der Sensorsignale ausgearbeitet und umgesetzt werden.

    Die Arbeit gliedert sich in folgende Teilaufgaben:

    • Literatur- und Patentrecherche zum Stand von Wissenschaft und Technik
    • Analyse der vorhandenen Methode zur Fehlererkennung und Fehlerdiagnose
    • Herausarbeiten von Schwachpunkten des vorhandenen Modells und Ableiten von Verbesserungspotential, um eine robustere sowie genauere Fehlererkennung und Fehlerdiagnose zu erhalten.
    • Anwendung der Optimierungsmethode zur Detektion von komplexeren Fehlertypen der Sensoren und auch in einer komplexeren Fahrumgebung umsetzen
    • Auswahl Fahraufgaben und Bewertungsmethodik für Erprobung
    • Dokumentation der Ergebnisse 

    Ihr Profil: Studierende eines ingenieurwissenschaftlichen Studiengangs, z.B. Maschinenbau, Mechatronik; Erkenntnisse in Matlab/Simulink werden vorausgesetzt.

    Bewerbung: Bei Interesse senden Sie mir bitte Ihre Bewerbungsunterlagen per Email.

    Start: ab Sofort

    Ansprechpartnerin: M.Sc. Shiqing Li

    Telefon: 0721/608-41748

     Email: shiqing.li@kit.edu