Systemansatz zur Quantifizierung von lokalen Maßnahmen zur Reibungsreduktion im Antriebsstrang und deren Auswirkungen im Fahrzeug unter realen Fahrzuständen

  • Thomas Resch
  • Wolfgang Baier
  • Borislav Klarin
  • Stanislav Marusic
  • Nikola Varga
Conference paper
Part of the Proceedings book series (PROCEE)

Zusammenfassung

Die Berechnung von Fahrleistung, Emissionen und Verbrauch sowie des Energiemanagements wird im Wesentlichen mittels Fahrzyklussimulation durchgeführt. Diese Systemmodelle berücksichtigen alle Komponenten des Fahrzeuges und deren Wechselwirkung, wobei hier mechanische, hydraulische und elektrische Energieflüsse abgebildet werden können. Die Lastzustände entsprechen unterschiedlichen standardisierten oder realen Fahrzyklen. Solche Ansätze eignen sich sehr gut für die Untersuchung von Systemparametern (zB Gesamtgewicht), unterschiedliche Antriebskonzepte (zB Stufen der Hybridisierung), Regel- und Steuersystemen oder auch Einflüssen von Streckenprofil und Fahrzyklen sowie dem Fahrerprofil bis hin zur Integration in die Echtzeitumgebung am Prüfstand.

Die in diesem Fall verwendeten Subsysteme und Komponenten sind in ihrer Detaillierung begrenzt und verschiedene Einflüsse können oft nur durch grob bekannte Faktoren oder einfache Formeln berücksichtigt werden. Diese Methoden erreichen ihre Grenzen, wenn es um die Quantifizierung lokaler Effekte wie z. B. Reibung geht, mit relativ kleinen Einflüssen, die aber in Summe einen wichtigen Beitrag zur Gesamtverbesserung von Verbrauch und CO2-Emissionen liefern können.

Die detaillierte Untersuchung solcher Effekte für Subsysteme und Komponenten erfolgt mittels Motorzyklussimulationen. Solche Methoden werden durch ihre hohe Modellkomplexität in Bezug auf die zu simulierende Realzeit begrenzt und sind daher nicht direkt für Aussagen wie Verbrauch oder globale Energieflüsse geeignet. Speziell bei komplexen Antriebssträngen wie etwa für HEVs, bei denen die Energiebereitstellung den aktuellen Fahrbedingungen angepasst wird, ist ihre Anwendbarkeit begrenzt.

In der vorliegenden Arbeit wird ein effizienter Ansatz vorgestellt, in dem Kennfelder für die nötigen Eingangsdaten der Fahrzyklussimulation verwendet werden, die im Voraus mittels Motorzyklussimulationen berechnet werden. Die beiden Ansätze sind somit offline gekoppelt. Dies ermöglicht eine korrekte Quantifizierung lokaler Maßnahmen unter realen Bedingungen sowie die Untersuchung von gegenläufigen Effekten wie etwa erhöhter Verschleiß.

Ein weiterer Schritt zur genauen Vorhersage des Verbrauchs unter realistischen Bedingungen wird durch eine direkte Kopplung des Fahrzyklus-Antriebsstrangmodells und eines virtuellen Fahrzeugmodells und unter Verwendung realer Fahrprofile anstelle von Standardfahrzyklen erreicht. Der Einfluss des Fahrers wird durch vordefinierte Fahrerprofile berücksichtigt. Alternativ ist es möglich, das virtuelle Modell direkt über eine Echtzeitschnittstelle auf einem Simulator oder auf einem Prüfstand zu betreiben.

Dieser Ansatz wird am Beispiel des Einflusses von Motor und Getriebeverlusten auf den Fahrzeug-Kraftstoffverbrauch eines Mittelklasse-Pkws und die jeweiligen Beiträge der relevanten Subsysteme wie mechanische Verluste in Lagern und Verzahnungen und Planschverluste im Getriebe durchexerziert

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [1] Priestner C., Knaus O.: “Virtuelle Analyse und Bewertung von Reibungsreduktionsmaßnahmen in Antriebssträngen”; AVL AST User Conference 2016, MunichGoogle Scholar
  2. [2] Fenske G., et.al. “Low-Friction Engineered Surfaces”; DEER 2007: Diesel Engine-Efficiency and Emissions Research (DEER) 2007 Conference; Detroit, August 12-16, 2007Google Scholar
  3. [3] Offner G. Friction power loss simulation of internal combustion engines considering mixed lubricated radial slider, axial slider and piston to liner contacts. Tribol Trans 2013; 56: 503–515.Google Scholar
  4. [4] Bukovnik S, Offner G, Caika V, et al. Thermo-elastohydrodynamic lubrication model for journal bearing including shear rate-dependent viscosity. Lubr Sci 2007; 19: 231–245.Google Scholar
  5. [5] Kreuzwirth G, Knaus O. Integrated Thermal Analysis of Piston and Block Assembly. MTZ 11/2016Google Scholar
  6. [6] Schöffmann, W.; Sorger, H.; Ennemoser, A.; Hütter, M.; Klarin, B.: “The impact of 48V to friction and efficiency optimization of the base engine – Approach for quantification in future driving cycles”, 5. ATZ-Fachtagung, November 2016, Esslingen am NeckarGoogle Scholar
  7. [7] Resch T., Klarin B., Courtois S., “Gear Noise Caused by Engine and Transmission Interaction – An Assessment Applying MBD and WBT Simulation”, VPC 14. MTZ-Fachtagung, Esslingen, 2012Google Scholar
  8. [8] n.n.; EXCITE power unit theory manual. Graz, Austria: AVL-List GmbH, 2016Google Scholar
  9. [9] Resch T., Vock Ch., Sopouch M., Hozmec J., “Gear Rattle Prediction using Coupled Bending and Torsional Approach”, SAE China 2011Google Scholar
  10. [10] Klein, M.: Zur Fresstragfaehigkeit von Kegelrad- und Hypoidgetrieben, PhD thesis, TU-Munich, 2012Google Scholar
  11. [11] Doyer, A.: “How Bearing Design Improves Gearbox Performance”, Gear Technology, September 2012Google Scholar
  12. [12] Engelke, T.: “Effect of the elastomer-lubricant-combination to the performance of radial shaft seals”, University of Hannover, 2011Google Scholar
  13. [13] Petrun, T., Flašker, J., Kegl, M.: “A friction model for dynamic analyses of multi-body systems with a fully functional friction clutch”, Proceedings of the Institution Mechanical Engineers,  https://doi.org/10.1177/1464419312464708
  14. [14] Afridi, U., Jafarian, P.; “Simulating the Load Independent Losses using CFD”, 11th International CTI Symposium, May 2017, USAGoogle Scholar
  15. [15] Traussnig, A., Petutschnig, H., Ennemoser, A., Stolz, M. et al., “Vehicle Thermal Management Simulation Method Integrated in the Development Process from Scratch to Prototype,” SAE Technical Paper 2014-01-0668, 2014,  https://doi.org/10.4271/2014-01-0668.
  16. [16] G. Fraidl, P. Kapus, P. Schöggl, S. Krapf, K. Vidmar, R. Wanker, M. Weissbäck; “RDE- Challenges and Solutions”,36. Internationales Wiener Motorensymposium, 2015Google Scholar
  17. [17] Boumans M., Gallet A., Schulmeister U.;”XDomain Simulation as Backbone for Vehicle System Engineering”, 10th Graz Symposium Virtual Vehicle, June, 2017Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2018

Authors and Affiliations

  • Thomas Resch
    • 1
  • Wolfgang Baier
    • 1
  • Borislav Klarin
    • 2
  • Stanislav Marusic
    • 2
  • Nikola Varga
    • 2
  1. 1.AVL List GmbHGrazÖsterreich
  2. 2.AVL-AST d.o.o.ZagrebKroatien

Personalised recommendations