Ermittlung von Fahrwerksbelastungen aus CAN-Daten

Während der Fahrzeugentwicklung werden i. d. R. mehrere Fahrzeuge im Dauerfahrversuch mit einer hohen Ziellaufleistung erprobt. Ein Belastungsabgleich zwischen dem Dauerfahr und Prüfstandversuch ist u. a. für Analysezwecke notwendig. Aufgrund der Kosten und des Zeitaufwands ist die Ausrüstung mit Messtechnik im Dauerfahrversuch allerdings praktisch kaum möglich. Deshalb ist es gewünscht, im Fahrzeugdauerlauf mit den Daten aus fahrzeugeigenen Sensoren die Fahrwerksbelastungen zu ermitteln. Im Rahmen der Dissertation wurden Algorithmen entwickelt, mit denen die Radnabenkräfte und –momente rechnerisch aus CAN-Daten abgeschätzt werden. Zunächst wurden 20 Signale, die für die Lastermittlung verwendet werden, aus mehr als 1000 CAN-Signalen ausgewählt. Mit einer Schädigungsfrequenzanalyse wurde belegt, dass der meistschädigende Frequenzbereich für die Fahrwerksbauteile vom Frequenzbereich der ausgewählten CAN-Signale abgedeckt wird. Somit ist eine rechnerische Fahrwerksbelastungsabschätzung aus den CAN-Daten möglich. Die ausgewählten CAN-Signale beinhalten allerdings nicht alle notwendigen physikalischen Informationen zur Abschätzung der Fahrwerksbelastungen. Beispielsweise sind im CAN-Bus kaum relevante Informationen für die Fahrzeugvertikaldynamik verfügbar. Als notwendige Ergänzungen der Modellierung werden physikalische Parameter, wie z. B. Fahrzeugmasse, Dämpferkennung, etc. eingeführt. Auch für die Parameterermittlung wurden Algorithmen entwickelt, mit denen die Parameter aus den CAN-Daten und externer Sensorik in der Entwicklungsphase rückwirkend abgeleitet werden können. Aufgrund der unterschiedlichen physikalischen Hintergründe sind die Fahrwerksbelastungen methodisch jeweils auf zwei Frequenzbänder aufgeteilt. Für den niederfrequenten Anteil, welcher der Fahrzeugdynamik zugrunde liegt, wurden physikalische Methoden entwickelt. Aus vereinfachten Modellen des Antriebsstrangs sowie der Quer- und Vertikaldynamik lassen sich die niederfrequenten Radnabenkräfte und -momente zuverlässig abschätzen. Die Ermittlung der hochfrequenten Fahrwerksbelastungen, die hauptsächlich aus der Fahrbahnunebenheit resultieren, basiert auf einer empirischen Methode, welche auf die Radgeschwindigkeiten zurückgreift. Um die komplizierten physikalischen Zusammenhänge zwischen der Radgeschwindigkeit und dem Fahrwerksschwingungsverhalten zu beschreiben, werden empirische Übertragungsfunktionen für die Längs- und Vertikaldynamik erstellt. In der Längsrichtung lässt sich eine empirische Übertragungsfunktion aus der Radgeschwindigkeit und der hochfrequenten Längskraft ableiten. Ein Zwei-Schritt-Verfahren wurde für die Vertikalrichtung entwickelt. Zunächst wird eine empirische Übertragungsfunktion aus der Raddrehgeschwindigkeit und der Radvertikalbeschleunigung abgeleitet. Schließlich wird mithilfe eines Vertikalschwingungsmodells aus der Radvertikalbeschleunigung die Radvertikalkraft ermittelt. Die Prognosegüte der Algorithmen wird durch diverse Auswertungen untersucht. Im Fall einer optimalen Parametrierung, welche mit demselben Fahrzeug auf derselben Strecke ermittelt wird, lassen sich gute bis sehr gute Belastungsabschätzungen realisieren. Mit der Parameterermittlung auf einer anderen Strecke mit demselben Fahrzeug und die Übernahme von Parametersätzen aus ähnlichen Fahrzeugen auf der gleichen Strecke ergeben sich immer noch gute Ergebnisse. Lediglich bei der Übernahme von fahrzeugfremden Parametersätzen sind nur noch relative Aussagen zulässig.

In endurance testing during vehicle development, several vehicles will be driven up to a high target mileage. A load comparison between the endurance test vehicle and the test bench is often necessary for analysis purposes. However, due to the high cost and time requirement, it’s practically almost impossible to equip the vehicles with measuring technology in endurance testing. Therefore, it is desirable to use the data from the vehicle’s sensors to determine the chassis loads in vehicle endurance testing. In this thesis, algorithms were developed to calculated the wheel hub forces and torques from the CAN data. Initially, 20 signals which are used for load calculation were selected from more than 1000 CAN signals. A damage frequency analysis shows that the most damaging frequency range for the chassis components is covered by the frequency range of the selected CAN signals. The chassis load calculation based on CAN data is therefore basically possible. However, the selected CAN signals do not contain all the physical information required to estimate the chassis loads. For example, hardly any relevant information for vehicle vertical dynamics is available in the CAN bus. Physical parameters are introduced such as vehicle mass, damper specification, etc. Algorithms were also developed for determining parameters with which the parameters can be derived retrospectively from the CAN data and external sensors in the development phase. Due to the different physical backgrounds, the chassis loads are methodically divided into two frequency bands. Physical methods were developed for the low-frequency part on which the vehicle dynamics are based. The low-frequency wheel hub forces and torques can be reliably estimated from simplified models for the drive train as well as the lateral and vertical dynamics. The determination of the high-frequency chassis loads, which mainly result from the unevenness of the road, is based on an empirical method that uses the wheel speeds. In order to describe the complicated physical relationships between the wheel speed and the chassis vibration behavior, empirical transfer functions are created for the longitudinal and vertical dynamics. In the longitudinal direction, an empirical transfer function can be derived from the wheel speed and the high-frequency longitudinal force. A two-step process was developed for the vertical direction. First, an empirical transfer function is derived from the wheel speed and the wheel vertical acceleration. Then, with the help of a vertical dynamic model, the wheel vertical force is determined from the wheel vertical acceleration. The forecast quality of the algorithms is examined through various evaluations. In the case of optimal parameterization, which is determined with the same vehicle on the same route, good to very good load estimates can be realized. Determining parameters on a different route with the same vehicle and adopting parameter sets from similar vehicles on the same route still produces good results. Only when the adopted parameter sets are from a different vehicle, then only a relative comparison is permitted.

Preview

Cite

Citation style:
Could not load citation form.

Access Statistic

Total:
Downloads:
Abtractviews:
Last 12 Month:
Downloads:
Abtractviews:

Rights

Use and reproduction:
All rights reserved