ISBN 9783843952088

978-3-8439-5208-8, Reihe Ingenieurwissenschaften

Oleg Krecker
Gesamthafte Abbildung und objektive Parameterstudie mechanischer Verluste im Verbrennungsmotor

200 Seiten, Dissertation Brandenburgische Technische Universität Cottbus-Senftenberg (2022), Softcover, A5

Zusammenfassung / Abstract

Verschärfte Gesetzgebungen und zunehmendes Umweltbewusstsein erfordern eine kontinuierliche Weiterentwicklung des Verbrennungsmotors. Insbesondere die mechanische Wirkungsgradsteigerung durch Reibungsreduktion erweist sich als zielführende Maßnahme. Innerhalb des Entwicklungsprozesses werden vielfältige experimentelle und virtuelle Methoden eingesetzt, wobei letztere immer bedeutender werden. Die Modellierung und Parametrierung realer Reibungssysteme ist mit diversen Herausforderungen verbunden, z.B. die Kenntnis über Einzelparametereinflüsse und -wechselwirkungen in komplexen physikalisch basierten Modellen.

Gegenstand dieser Arbeit ist die Reibungsmodellierung in Kurbeltrieb, Zylinderkopfeinheit, Steuer- und Riementrieb eines Ottomotors. Mithilfe einer entwickelten Methodik zur systematischen und objektiven Parameteranalyse wird das Vertrauen in die Simulationsergebnisse gesteigert. Im Kern der Methodik liegt die Adaption und Durchführung einer umfassenden Parameteridentifikation mithilfe der Elementareffekt-Methode als Sensitivitätsanalyseverfahren. Als zentraler Anwendungsfall der Methodik wird die Modellkalibrierung betrachtet. Unter Zuhilfenahme repräsentativer Messdaten und unter Anwendung eines genetischen Optimierungsalgorithmus findet der Abgleich zwischen Messung und Simulation statt. Aufgrund der Methodikanwendung kann eine Verbesserung der Kalibrierung gemäß der quantitativen Gütekriterien mean absolute percent error (MAPE) und root mean square error (RMSE) erzielt werden. Darüber hinaus wird die Prognosefähigkeit der kalibrierten Modelle adressiert und bewertet. Hieraus werden über eine Fallunterscheidung die notwendigen Schritte für den jeweiligen Anwendungsbereich abgeleitet. Die Methodik kann als Leitfaden und Validierungsprozess verstanden werden. Sie fördert die Transparenz von Parametereinflüssen und verringert die Modellkomplexität. Ein weiterer Vorteil liegt in der Allgemeingültigkeit und modellunabhängigen Anwendbarkeit.