Beitrag zur Modellbildung von Antriebsträngen für Fahrbarkeitsuntersuchungen

Abstract

Im Kontext der Simulation wird häufig ein Leitsatz propagiert, nach dem ein Systemmodell „so einfach wie möglich, doch so detailliert wie nötig“ sein soll. Einen Leitfaden, mit dessen Hilfe sich dieser Anspruch umsetzen lässt, sucht man bisher jedoch vergeblich. Um diese Lücke zu schließen, wird ein Prozess vorgestellt, der mit einer Analyse der Anforderungen und Randbedingungen der jeweiligen Aufgabe beginnt. Ausgehend von dieser Analyse lässt sich aus den verschiedenen, unterschiedlich detaillierten Ansätzen der Modellkomponenten eine Auswahl treffen. Hervorzuheben ist, dass bei dieser Auswahl Kriterien herangezogen werden, die die Performance und die Parametrierbarkeit des Modells charakterisieren. Neben der Modellierung stellt die Parametrierung einen wichtigen Bestandteil des Modellbildungsprozesses dar. Mit einer intelligenten Strategie lassen sich die relevanten Modellparameter der überwiegend physikalischen Ansätze aus Messdaten identifizieren. Wie die beiden konkreten Anwendungsfälle der Antriebstrangentwicklung, nämlich die Kalibrierung der Lastwechselreaktion bei Motorsteuerungen und die Applikation des Kupplungswechsels bei Automatikgetrieben, zeigen, erweist sich der vorgestellte Prozess als sehr effizient. Mit verhältnismäßig geringem Aufwand lassen sich damit Systemmodelle generieren, die, problemangepasst, eine hohe Modellgüte aufweisen.

To obtain a system model, one should always proceed according to the principle “as simple as possible and as detailed as necessary”. A guideline helping to meet these requirements one searches in vain. To fill this gap a process is presented that starts by analyzing the requirements and constraints of the particular task. Based on this analysis the matching model approach can be selected out of different levels of detail. The selection considers criteria characterizing the model performance and the adaptability of parameters. These criteria depend highly on the models level of detail. For common drive train components different detailed model approaches are presented and discussed. Besides the modeling itself, the parameterization is a very important component of the modeling process. An intelligent strategy identifies the parameters of mainly physically based models out of measurement data. The calibration of the load change reaction functions of the engine control and the calibration of the shifting process of automatic transmissions are two applications that demonstrate the efficiency of the presented process. System models with high problem-oriented model quality can be generated by little effort.