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.