TU Darmstadt / ULB / TUprints

Model-based fault detection and diagnosis for the fuel system of a six-cylinder heavy duty diesel engine

Sauer, Patrick (2021):
Model-based fault detection and diagnosis for the fuel system of a six-cylinder heavy duty diesel engine. (Publisher's Version)
Darmstadt, Technische Universität,
DOI: 10.26083/tuprints-00018589,
[Ph.D. Thesis]

This is the latest version of this item.

[img]
Preview
Text
2021-05-10_Sauer_Patrick.pdf
Available under CC-BY-NC-ND 4.0 International - Creative Commons, Attribution Non-commerical, No-derivatives.

Download (8MB) | Preview
Item Type: Ph.D. Thesis
Status: Publisher's Version
Title: Model-based fault detection and diagnosis for the fuel system of a six-cylinder heavy duty diesel engine
Language: English
Abstract:

Nowadays, the fault diagnosis in modern internal combustion engines is becoming increasingly important. The constant development of engines, particularly in terms of fuel efficiency, and more stringent regulations of exhaust emissions, are leading to more complex systems. This enormous increase in complexity restricts the efficiency of conventional diagnosis systems, such as the limit checking of sensors. This thesis deals with the development of a fuel diagnosis system for a heavy duty diesel engine using advanced signal model- and process model-based methods.

The diagnosis system has been developed for serial operation, which results in various limitations. One of these limitations is the lack of integration of additional sensors to monitor intermediate states. Furthermore, the low pressure pump, as well as the rail pressure control operate in closed loop control to ensure best possible results for the controlled variable. However, closed loop controls compensate for minor faults.

In this thesis, physical models for various components in the fuel system have been developed which form the basis for model-based development. These models are used for developing algorithms to monitor the low pressure and high pressure pump, fuel filters, various leakages and the rail flow valve. Additionally, the model-based parameters generated additional information to help characterize the faults during the fault diagnosis.

For signal model-based development, the frequency components of the periodic rail pressure and exhaust pressure signals were analyzed in high resolution. With this it is possible to extract algorithms to monitor injector flow and compression losses in internal combustion cylinders. This signal model-based methods provide additional information not only during fault detection but also during fault diagnosis, which allows the exact location of the observed fault to be determined.

Residuals have been created using the developed algorithms, which represent a deviation of the system to be monitored from the normal state. Residuals formed using process and signal models have been created, which represent the inputs of the fault diagnosis. An inference based fault diagnosis was used to determine the fault characteristics, such as the type and location of the fault, in order to isolate these faults.

The fuel diagnosis system was implemented, parameterized, tested and validated at the engine test bench. Various faults in the engine fuel system were generated as authentic as possible. These were detected by the process and signal model-based fault detection and the individual faults were identified and isolated. The tools for identification and isolation were fault-trees, which belong to the category of inference methods. Also useful for isolating individual faults are fault-symptom-tables that contain the full symptoms of all implemented faults. In particular, the method for isolating the injector flow faults provided an appropriate contribution to clearly identify the location of the fault.

Finally, a strategy was developed for the online compensation of various injectors flow faults, which allows the short-term compensation of these faults. This ensures a reliable operation of the engine until the next workshop stay. In the commercial vehicle industry this is of great importance in order to minimize the additional costs of machine downtime.

Alternative Abstract:
Alternative AbstractLanguage

Gegenwärtig gewinnt die Fehlerdiagnose in modernen Verbrennungsmotoren zunehmend an Bedeutung. Die stetige Weiterentwicklung der Motoren besonders im Hinblick auf optimale Ausnutzung der im Kraftstoff enthaltenen Energie, sowie die durch die Gesetzgebung stärker regulierten Abgasemissionen, führen zu immer komplexeren Gesamtsystemen. Die Steigerung der Komplexität bringt konventionelle Diagnosesysteme, wie z.B. die Überprüfung von Sensorgrenzwerten, an ihre Grenzen. Die vorliegende Arbeit behandelt die Entwicklung eines Kraftstoff Diagnosesystems für einen Schwerlastmotor mit Hilfe von weiterführenden Signalmodell und Prozessmodell basierten Methoden.

Das Diagnosesystem wurde für den Serienbetrieb entwickelt, was diverse Einschränkungen zur Folge hat. Eine dieser Einschränkungen stellt die fehlende Integration zusätzlicher Sensoren zur Überwachung von Zwischenzuständen dar. Weiterhin arbeiten die Niederdruckpumpe, sowie die Raildruckregelung im geschlossenen Regelkreis, um eine bestmögliche Einhaltung der geregelten Größe zu gewährleisten. Geschlossene Regelkreise kompensieren jedoch zunächst kleinere Fehler.

In der vorliegenden Arbeit wurden physikalische Modelle für diverse Komponenten im Kraftstoffsystem aufgestellt, welche die Grundlage für die modellbasierte Entwicklung darstellen. Mit Hilfe dieser Modelle werden Algorithmen zur Überwachung der Niederdruck- und Hochdruckpumpe, Kraftstofffilter, diverse Leckagen, sowie das Rail-Durchflussventil entwickelt. Weiterhin wurden durch die modellbasiert berechneten Zwischengrößen zusätzliche Informationen generiert, die bei der Fehlerdiagnose zur Fehlercharakterisierung dienen.

Für die Signalmodell basierte Entwicklung wurden die Frequenzanteile der zu überwachenden periodischen Raildruck- und Abgasdrucksignale in einer hohen Auflösung analysiert, um schließlich Algorithmen zur Überwachung von Injektor-Durchflussfehlern, sowie Kompressionsverlusten in Verbrennungszylindern zu extrahieren. Nicht nur bei der Fehlerdetektion, sondern ebenfalls bei der Fehlerdiagnose liefern diese Signalmodell basierten Methoden einen Mehrwert an Information, die es ermöglichen, die exakte Position des beobachteten Fehlers zu bestimmen.

Anhand der entwickelten Algorithmen wurden Residuen aufgestellt, die eine Abweichung des zu überwachenden Systems vom Normalzustand darstellen. Mit den Prozess- und Signalmodell basiert gebildeten Residuen wurden Symptome erzeugt, welche die Eingangsgrößen der Fehlerdiagnose sind. Mit Hilfe einer Schlussfolgerung basierten Fehlerdiagnose wurden anhand der Symptome die Fehlercharakteristiken wie Fehlertyp und Fehlerquelle ermittelt, um somit die Fehler zuzuordnen.

Das Kraftstoffdiagnosesystem wurde am Motorenprüfstand implementiert, parametriert, getestet und zuletzt validiert. Dabei wurden verschiedene möglichst authentische Fehler im Kraftstoffsystem des Motors generiert. Diese wurden durch die Prozess- und Signalmodell basierte Fehlerdetektion detektiert und schließlich wurden die einzelnen Fehler identifiziert und isoliert. Die Werkzeuge zur Identifikation und Isolation stellten hierbei Fehler-Bäume dar, die zur Kategorie der schlussfolgernden Methoden gehören. Ebenfalls hilfreich zur Isolation einzelner Fehler sind Fehler-Symptom-Tabellen, welche die kompletten Symptome aller implementierten Fehler beinhalten. Besonders die Methode zur Isolierung von Injektor-Durchflussfehlern lieferte einen geeigneten Beitrag zur eindeutigen Zuordnung der jeweiligen Fehlerquelle.

Schließlich wurde eine Strategie zur online Kompensation verschiedener Injektor-Durchflussfehler entwickelt, welche die kurzfristige Kompensation des Fehlers ermöglicht. Dies gewährleistet eine zuverlässige Funktionsweise des Motors bis zum nächsten Werkstattaufenthalt. In der Nutzfahrzeugindustrie ist dies von großer Bedeutung, um zusätzlich anfallende Kosten eines Maschinenstillstands zu minimieren.

German
Place of Publication: Darmstadt
Collation: XVI, 150 Seiten
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 600 Technik
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Regelungstechnik und Prozessautomatisierung
Date Deposited: 15 Jun 2021 07:24
Last Modified: 15 Jun 2021 07:24
DOI: 10.26083/tuprints-00018589
URN: urn:nbn:de:tuda-tuprints-185899
Referees: Isermann, Prof. Dr. Rolf ; Konigorski, Prof. Dr. Ulrich
Refereed: 27 April 2021
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/18589
Export:

Available Versions of this Item

  • Model-based fault detection and diagnosis for the fuel system of a six-cylinder heavy duty diesel engine. (deposited 15 Jun 2021 07:24) [Currently Displayed]
Actions (login required)
View Item View Item