Term: 11/2019 - 10/2021 (36 Monate)

Partner: Robert Bosch AG

Topic:
In Common-Rail-Systemen wird ein Ventil über Strom und Spannung so angesteuert, dass es für eine gegebene Zeit geöffnet wird und so lange offen gehalten wird bis eine gewisse Einspritzmenge erreicht wird. Unter Laborbedingungen ist der aus der elektrischen Ansteuerung sowie der beobachtbaren elektromagnetischen Rückwirkung resultierende Magnetventil-Hub sowie die daraus resultierende tatsächliche Einspritzmenge direkt messbar. In der Anwendung im laufenden Motor hingegen sind diese Größen schwer bzw. gar nicht direkt messbar. Die Zielsetzung des Projektes ist es daher mit Methoden des maschinellen Lernens einen berechenbaren Zusammenhang zwischen den im Zuge der Einspritzung messbaren Größen und den nur im Labor untersuchbaren Größen herzustellen. Der Motorsteuerung kann somit eine Messgröße mitgeteilt werden, die tatsächlich nur berechnet, also virtuell gemessen wurde, um auf dieser Basis die Einspritzregelung zu optimieren. Aus dem ermittelten Zusammenhang können ev. auch veränderliche Bauteileigenschaften ermittelt werden. Bosch hat bereits erste Vorarbeiten zu diesem Projekt geleistet und erkannt, dass die Anwendung von neuronalen Netzwerken vielversprechende Ergebnisse liefert. Ein weitergehendes Ziel besteht darin die Abnützung des Ventils im laufenden Betrieb quantitativ zu bestimmen, solange wie möglich durch die Ansteuerung zu kompensieren und schließlich beim Service auf die Notwendigkeit eines Bauteiltausches hinzuweisen.