Motorprüfstand Als Eingebettetes System Innerhalb Einer Fahrzeugsimulation

Motorprüfstand als eingebettetes
System innerhalb einer

Fahrzeugsimulation
Motor Test Bench as Embedded System within a
Vehicle Simulation
Von der Fakultät für Maschinenwesen der Rheinisch-Westfälischen

Technischen Hochschule Aachen zur Erlangung des akademischen
Grades eines Doktors der Ingenieurwissenschaften genehmigte
Dissertation
vorgelegt von
Serge Klein
Berichter: Jun.-Prof. Dr.-Ing. Jakob Lukas Andert

Univ.-Prof. Dr.-Ing. Dirk Abel
Tag der Mündlichen Prüfung: 24.07.2020
Diese Dissertation ist auf den Internetseiten der

Universitätsbibliothek online verfügbar.
Vorwort
Die vorliegende Arbeit entstand im Rahmen von Forschungsaktivitäten, die an der
Juniorprofessur für Mechatronische Systeme am Verbrennungsmotor der RWTH Aa-
chen University sowie teilweise im Rahmen des ITEA3 Projekts ACOSAR (No. 14004)
durchgeführt wurden.
Herrn Prof. Dr.-Ing. Jakob Andert danke ich sehr herzlich für die engagierte Betreu-
ung meiner Arbeit. Seine wohlwollende Unterstützung meiner wissenschaftlichen Tä-
tigkeit, seine konstruktiven Anregungen, seine stetige Bereitschaft zu fachlichen Dis-
kussionen und seine kompetenten Ratschläge haben mir bei der Erstellung dieser Dis-
sertation geholfen. Herrn Prof. Dr.-Ing. Dirk Abel gilt mein Dank für seine freundliche
Bereitschaft zur Übernahme des Korreferats.
Meiner Familie, insbesondere meinen Eltern, möchte ich für die anhaltende Unter-
stürzung danken. Diese Dissertation wäre ohne sie nicht möglich gewesen. Für die
Mithilfe bei der Korrektur dieser Arbeit möchte ich Annika und Monika Römgens dan-
ken. Insbesondere möchte ich Annika für ihre Geduld und ihre Unterstützung danken.
Frau Feihong Xia und Herrn Daniel Guse gilt mein Dank für die gute Zusammenarbeit.
Herrn Rene Savelsberg möchte ich für den persönlichen Rat und die technischen Kor-
rekturen ebenfalls meinen Dank aussprechen. Hern Dejan Jolovic danke ich für sein
Verständnis und für die Entlastung bei nicht wissenschaftlichen Themenstellungen.
Abschließend möchte ich mich bei allen weiteren Kollegen bedanken, die mich in den
letzten Jahren begleitet haben.
Kurzfassung
Steigende Kundenanforderungen und striktere gesetzliche Normen erfordern schnel-
lere und effizientere Entwicklungsphasen im Mobilitätssektor. Die Vorverlagerung von
Entwicklungsschritten mithilfe von Komponentenprüfständen, die in Fahrzeugsimula-
tionen eingebettet sind, kann einen Beitrag zur Aufwandsreduktion leisten. Sowohl
die Qualität der Ergebnisse als auch die Aufwandsreduktion sind entscheidend mit
der Fahrzeugsimulation und der Integration des Prüfstandes verbunden. Diese Arbeit
untersucht ein gesamteinheitliches Konzept zur Integration eines Verbrennungsmotor-
prüfstandes in eine Fahrzeug-Co-Simulation.
Entscheidend für die späteren Ergebnisse ist die Fahrzeugsimulation. Hierzu wird zu-
nächst ein Verfahren der verteilten Modellbildung (Co-Simulation) erläutert und die
Fahrzeug-Co-Simulation bestehend aus den Einzelkomponenten Verbrennungsmotor,
Antriebsstrang, virtuelle Steuergeräte und Fahrzeugdynamik beschrieben. Im nächsten
Schritt erfolgen eine Einordnung relevanter Prüfstandsregelungsverfahren und eine
Diskussion über die Besonderheiten eingebetteter bzw. gekoppelter Prüfstände. Der
eingebettete unterscheidet sich vom konservativen Prüfstand in der bidirektionalen
Beeinflussung von Co-Simulation und Prüfstand. Die Unterschiede werden theoretisch
und simulativ untersucht. Es zeigt sich, dass die Art des in die Simulation zurückge-
führten Drehmomentes bzw. die Rückführung der Drehzahl die Ergebnisse entschei-
dend verändert.
Weiterführend beeinflussen der Prüfstandsregler und seine Regelgüte die Ergebnisse
und den Integrationsaufwand signifikant. Daher wird eine echtzeitfähige Modellprä-
diktive Regelung zur Verbesserung der Regelgüte vorgestellt. Ein Merkmal des Reglers
ist die einfache Wiederverwendbarkeit und Integration in der verwendeten Echtzeit-
hardware. Simulative und experimentelle Ergebnisse an einem realen Prüfstand zei-
gen eine erhebliche Verbesserung der Regelgüte.
Abstract
Increasing customer demands and stricter legal standards require faster and more ef-
ficient development phases in the mobility sector. Frontloading of development tasks
with the help of component test benches embedded in vehicle simulations can help
to reduce costs. The quality of the results and the reduction of costs depend strongly
on the vehicle simulation and integration of the test bench. This work investigates a
holistic concept for the integration of a combustion engine test bench in a vehicle co-
simulation.
The vehicle simulation is decisive for the later results. For this purpose, a method of
distributed modelling (co-simulation) is explained and the vehicle co-simulation con-
sisting of the components combustion engine, powertrain, virtual control units and
vehicle dynamics is described. The next step involves the classification of relevant test
bench control methods and a discussion of the special features of an embedded / cou-
pled test bench. The embedded test bench differs from the conventional test bench in
the bidirectional influence of co-simulation and test bench. The resulting differences
are investigated theoretically and by simulation. It is shown that the type of torque
and speed returned to the simulation has a significant influence on the results.
The test bench controller and its control quality significantly influence the results and
the integration effort. Therefore, a real-time capable model predictive control to im-
prove the control quality is presented. A key feature of the controller is its easy re-
usability and integration in the used real-time hardware. Simulation and experimental
results on a real test bench show a considerable improvement of the control quality.
Inhaltsverzeichnis
Abbildungsverzeichnis III
Tabellenverzeichnis V
Abkürzungsverzeichnis VI
Symbolverzeichnis IX
1. Einleitung 1
1.1. Problemstellung: Realitätsnahe und effiziente Kopplung von Antriebs-
komponenten mit Simulationen . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Zielsetzung und Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . 3
1.3. Wissenschaftlicher Beitrag . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. Modellbildung 6
2.1. Zusammenfassung Co-Simulation . . . . . . . . . . . . . . . . . . . . . . . 6
2.2. Fahrzeugsimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3. Prüfstandssimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1. Grundlagen Verbrennungsmotor Prüfstand . . . . . . . . . . . . . 16
2.3.2. Herleitung Prüfstandsmodell . . . . . . . . . . . . . . . . . . . . . 18
2.4. Ersatzmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3. Besonderheiten gekoppelter Prüfstände 26

3.1. Untersuchung der Regelkreise in einem gekoppelten Prüfstand . . . . . 26
3.2. Vermessung des Prüfstandes . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4. Verfahren zur Verbrennungsmotor Prüfstandsregelung 38

4.1. Stand der Technik in der Prüfstandsregelung . . . . . . . . . . . . . . . . 38
4.2. Regelungsgrundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.1. Modellprädiktive Regelung . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.2. Störgrößenbeobachter . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2.3. Totzeitkompensation . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5. Regelung von Antriebsprüfständen gekoppelt mit einer Simulation 56

5.1. Modellprädiktive Regelung für einen gekoppelten Prüfstand . . . . . . . 56
5.1.1. Anwendung der theoretischen MPR Grundlagen auf die Ersatz-
modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.1.2. Integration der MPR in das Automatisierungssystem . . . . . . . 58
I
II Inhaltsverzeichnis
5.2. Simulative Untersuchung der Regelgüte des gekoppelten Prüfstandes . 60

5.2.1. Parametrisierung der MPR . . . . . . . . . . . . . . . . . . . . . . . 60
5.2.2. Robustheit der MPR gegen Parameterunsicherheit . . . . . . . . 67
5.2.3. Vergleich MPR mit PI bei verschiedenen Drehmomenteingängen 70
5.2.4. Einfluss des gemessenen Drehmomentsignals auf den gekoppel-
ten Prüfstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6. Experimentelle Untersuchungen 80
6.1. Unsicherheiten am realen gekoppelten Prüfstand . . . . . . . . . . . . . 80
6.2. Vergleich von Simulation und Prüfstand . . . . . . . . . . . . . . . . . . . 83
6.3. Untersuchung der Regelgüte anhand von Volllastmanövern . . . . . . . 86
6.4. Untersuchung anhand des WLTC Fahrzyklus . . . . . . . . . . . . . . . . 89
6.4.1. Vergleich MPR mit PI-Regler im gesamten Fahrzyklus . . . . . . 90
6.4.2. Vergleich MPR mit PI-Regler in unterschiedlichen Fahrszenarien 92
7. Diskussion und Ausblick 97

7.1. Zusammenfassung und Diskussion der Ergebnisse . . . . . . . . . . . . . 97
7.2. Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A. Anhang 101
A.1. Signalnormen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
A.2. Signal-Korrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
A.3. Fahrzeugparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
A.4. Analyse Diagnosefunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Literaturverzeichnis 105
Abbildungsverzeichnis
1.1. Prinzipbild für unterschiedliche Antriebsstrangtopologien . . . . . . . . . . 2
1.2. Schematische Darstellung des Aufbaus der Arbeit . . . . . . . . . . . . . . . 4
2.1. Vier Varianten der Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.2. Darstellung der Spaltung einer Trägheit in zwei Simulationen . . . . . . . 8
2.3. Betrag der Polstellen einer Co-Simulation der starren Welle . . . . . . . . . 9
2.4. Strukturbild der Fahrzeug Co-Simulation . . . . . . . . . . . . . . . . . . . . 11
2.5. Verbrennungsmotormodell in GT-Power . . . . . . . . . . . . . . . . . . . . . 12
2.6. Antriebsstrangmodell in SimulationX . . . . . . . . . . . . . . . . . . . . . . 13
2.7. Drehzahl und Drehmoment bei einem Gangwechsel von 3 nach 4 . . . . . 15
2.8. Beispielskizze eines Prüfstandes . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.9. Strukturbild eines Engine-in-The-Loop Prüfstandes . . . . . . . . . . . . . . 17
2.10. Co-Simulation mit simuliertem Prüfstand . . . . . . . . . . . . . . . . . . . . 18
2.11. Blockschaltbild des Ersatzmodells des Verbrennungsmotorprüfstandes . . 24
3.1. Kopplung Prüfstand mit Co-Simulation, zwei Regelkreise . . . . . . . . . . 27

3.2. Vergleich Prüfstandkaskade und klassische Kaskade . . . . . . . . . . . . . 28
3.3. Messung EtherCAT und Strom . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.4. Drehmoment des Elektromotors Soll, Geschätzt, Berechnet . . . . . . . . . 33
3.5. Systemidentifikation mit Least Square und Fourier Analyse . . . . . . . . . 35
3.6. Frequenzverlauf des berechneten Drehmomentsignals . . . . . . . . . . . . 36
3.7. Vergleich des Drehmoments erzeugt aus P T1 Modell und Berechnung aus
Messung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1. Ausgangskopplung und Entkopplung eines MIMO Systems . . . . . . . . . 39

4.2. PI-Drehzahlregelung mit Vorsteuerung und Entkopplung . . . . . . . . . . 40
4.3. Strukturierte Unsicherheiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4. Verlauf der Modellprädiktiven Regelung . . . . . . . . . . . . . . . . . . . . . 45
4.5. Verbindung von normalverteilten Wahrscheinlichkeitsdichten . . . . . . . 51
4.6. Bodediagramm für ein P T1 Filter mit und ohne Totzeit . . . . . . . . . . . . 54
4.7. Reduziertes Blockschaltbild des Ersatzmodells des Verbrennungsmotor-
prüfstandes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.8. Ersatzmodell des Verbrennungsmotorprüfstandes mit konzentrierter Tot-
zeit im Ausgang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.1. Bestimmung Q und Ru für Hu = 1 und 10 . . . . . . . . . . . . . . . . . . . . 61

5.2. Vergleich der Istwinkelgeschwindigkeit für verschiedene Parametrisierun-
gen von Q und Ru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.3. Sprungmessung zur Parametrisierung Hp . . . . . . . . . . . . . . . . . . . . 62
III
IV Abbildungsverzeichnis
5.4. Regelgüte abhängig vom Stellhorizont Hu . . . . . . . . . . . . . . . . . . . . 63

5.5. Verhältnis zwischen geschätzter und tatsächlicher Verbrennungsmotorleis-
tung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.6. Korrelation zur idealen Referenz mit verschiedenen Hu . . . . . . . . . . . 65
5.7. Vergleich des Frequenzspektrums zur idealen Referenz im WLTC für Hu = 30 65
5.8. Empirische Parametrisierung des Beobachters anhand des Schätzfehlers . 66
5.9. Regelgüte bei Variation der Prüfstandsparameter JVM , JDyno , T1 im Modell 68
5.10. Regelgüte bei Variation der Parameter JVM , JDyno , T1 im Regler . . . . . . . 69
5.11. MPR und PI für unterschiedliche Drehmomenteingänge . . . . . . . . . . . 71
5.12. Hüllkurve des Frequenzspektrums im WLTC, 600 s . . . . . . . . . . . . . . 72
5.13. Vergleich MPR mit verschiedenen Drehmomenteingängen . . . . . . . . . . 73
5.14. Einfluss der Massenträgheit des Dynamometers auf das Frequenzspek-
trum der Sollwinkelgeschwindigkeit . . . . . . . . . . . . . . . . . . . . . . . 75
5.15. Vergleich Referenz mit der Co-Simulation mit idealem Drehmomenteingang 77
5.16. Verbesserung im Frequenzspektrum und in der Winkelgeschwindigkeit für
neue Prüfstandsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.1. Schätzung des Drehmoments des Verbrennungsmotors . . . . . . . . . . . . 81

6.2. Hüllkurve des Frequenzspektrums für unterschiedliche Drehmomente, WLTC
komplett . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.3. Fehlerhaftes Drehzahlsignal im Stillstand . . . . . . . . . . . . . . . . . . . . 82
6.4. Vergleich Simulation mit Prüfstand beim Anfahren . . . . . . . . . . . . . . 84
6.5. Vergleich der Drehmomente in der Co-Simulation und am Prüfstand . . . 84
6.6. Vergleich von Simulation mit Prüfstand im Bereich hoher Leistung . . . . 85
6.7. Mechanische Energie im Prüfstand und in der Simulation . . . . . . . . . . 86
6.8. Volllastmanöver in Gang 4 in verschiedenen Prüfstandsvarianten . . . . . 87
6.9. Volllastmanöver in Gang 1 mit PI-Regler und MPR . . . . . . . . . . . . . . 88
6.10. Segmentierung eines 60–2 Kurbelwellen-Winkel-Geberrades . . . . . . . . 89
6.11. Drehzahl, Regelfehler und Laufunruhe-Maß Zähler im gesamten WLTC . 91
6.12. Vergleich des Frequenzspektrums für den PI-Regler und die MPR am EiL-
Prüfstand im gesamten WLTC . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.13. Steigerung des Laufunruhe-Maß Zählers um 1 im Leerlauf . . . . . . . . . 93
6.14. Fahrzeuganfahrt im EiL-Prüfstand mit PI-Regler und MPR . . . . . . . . . . 95
6.15. Gangwechsel am EiL-Prüfstand mit PI-Regler und MPR . . . . . . . . . . . 96
7.1. Prinzipbild für unterschiedliche Antriebsstrangtopologien . . . . . . . . . . 100
A.1. Frequenzspektrum über der Zeit aufgetragen im WLTC . . . . . . . . . . . 104

Tabellenverzeichnis
2.1. Teilmodelle der Co-Simulation und ihre Solver . . . . . . . . . . . . . . . . . 10
2.2. Zustände der Reibkupplung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Parameter des Asynchronmotors im koordinatenfesten System . . . . . . . 19
2.4. Zeitkonstanten der digitalen Prüfstandskomponenten . . . . . . . . . . . . . 20
3.1. Mechanische Prüfstandsparameter . . . . . . . . . . . . . . . . . . . . . . . . . 31

3.2. Digitale Prüfstandsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.1. Überblick der Verfahren zur Prüfstandsregelung in der Literatur . . . . . . 38

4.2. Vergleich von LQR und MPR Eigenschaften . . . . . . . . . . . . . . . . . . . 43
5.1. Regelgüte und Pearsonkoeffizienten abhängig von der Art des Messmoments 78
6.1. Massenträgheiten für verschiedene Gänge, umgerechnet auf die Verbren-

nungsmotorseite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.2. Vergleich der Prüfstandergebnisse für den PI-Regler und die MPR im ge-
samten WLTC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
A.1. Fahrzeugparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
V
Abkürzungsverzeichnis
Abb. Abbildung
ca. circa
d. h. das heißt
engl. englisch
evtl. eventuell
ggf. gegebenenfalls
s.t. Subject To, Unter den Randbedingungen
u. a. unter anderem
z. B. zum Beispiel
Akronyme
ACOSAR Advanced Co-simulation Open System ARchitecture

ARX Auto Regressiv eXogenous input
ASM Asynchronmotor
AuSy Automatisierungssystem Prüfstand
CAN Control Area Network, Busprotokoll
DTC Dead Time Compensator, Totzeitkompensation
ECU Electronic Control Unit, Verbrennungsmotor Steuerge-
rät
EiL Engine-in-the-Loop
HiL Hardware-in-the-Loop
LMI Linear Matrix Inequality, Satz aus Ungleichungen
LQR Linear Quadratic Regulator
LS Methode der kleinsten Fehlerquadrate / engl. Least
Squares
MIMO Multiple Input Multiple Output
MPC Model Predictive Control
MPR Modellprädiktive Regelung
OT Oberer Totpunkt
PKW Personenkraftwagen
PMSM Permanentmagneterregter Synchronmotor
P T1 Verzögerungsglied erster Ordnung
P T2 Verzögerungsglied zweiter Ordnung
SISO Single Input Single Output
TCU Transmission Control Unit, Getriebe Steuergerät
TTL Transistor Transistor Logik
VI
Abkürzungsverzeichnis VII
WLTC Worldwide Harmonized Light-Duty Vehicles Test Proce-

dure Driving Cycle
Symbolverzeichnis
Griechische Zeichen
∆ Differenz
ω Winkelgeschwindigkeit
φ Winkel
σ Laufunruhe-Maß
σZ Laufunruhe-Maß Zähler
Indizes
Dyno Dynamometer
E Erweitertes System
EM Elektromotor
F Fahrzeug
i Regelgröße, Istwert, gemessene Größe
m Messung
PS Prüfstand
s Referenzgröße bzw. Sollwert
t Totzeit
VM Verbrennungsmotor
Lateinische Zeichen
c Federkonstante Feder-Masse-Dämpfer-System
D Dämpfungskonstante P T2
d Dämpfungskonstante Feder-Masse-Dämpfer-System
d Störgrößenvektor
H∞ L∞ Hilbertraum der Funktion H
H2 L2 Hilbertraum der Funktion H
J Massenträgheitsmoment
Ki Integrationsparameter
Kp Proportionalparameter
M Drehmoment
TA Abtastzeit
TDyno Zeitkonstante Dynamometer
TVM Zeitkonstante Verbrennungsmotor
IX
X Symbolverzeichnis
u Eingangsvektor
x Zustandsvektor
y Ausgangsvektor
G Regelstrecke
R Regler
Y Übertragungsfunktion Messung
A Systemmatrix
B Eingangsmatrix
C Ausgangsmatrix
D Durchgangsmatrix
H Hessematrix
I Einheitsmatrix
L2 L2 Norm
L2,N Normierte L2 Norm
L Beobachtermatrix
Np MPR Prädiktionshorizont
Nu MPR Stellhorizont
Q MPR Gewichtungsmatrix für Zustandsgrößen
Ru MPR Gewichtungsmatrix für Stellgrößen
SB Beobachtbarkeitsmatrix
η Normal-verteilte Störgröße in der Zustandsgleichung
ν Normal-verteilte Störgröße in der Ausgangsgleichung
QL Konstante Kovarianzmatrix der Zustandsgrößen eines
Kalmanfilters
RL Mess-Kovarianzmatrix Kalmanfilter
Einleitung
Aktuelle und zukünftige Anforderungen im Mobilitätssektor erfordern eine hohe Di-
versität an technischen Lösungsansätzen. Ein Beispiel sind die steigenden Kundenan-
forderungen nach Komfort und Flexibilität bei gleichzeitiger Reduktion der Emissio-
nen [1, 2]. Zusätzliche gesetzliche Beschränkungen [3] und globale Trends wie Elek-
trifizierung sowie Digitalisierung [4] führen zu einem enorm hohen Aufwand in der
Produktentwicklung im Mobilitätssektor. Begleitend führt das Fehlen einer eindeuti-
gen Schlüsseltechnologie zur Erfüllung der gestiegenen Anforderungen zu einer wei-
teren Diversifizierung der Entwicklungsfelder. Exemplarisch kann das singuläre An-
triebskonzept des mit fossilen Brennstoffen betriebenen Verbrennungsmotors durch
eine Vielzahl von möglichen Alternativen erweitert werden. Hierzu zählen z.B. bat-
teriebetriebene Fahrzeuge, Brennstoffzellenfahrzeuge oder Verbrennungsmotoren mit
alternativen Kraftstoffen sowie hybride Mischformen.
Zur Entwicklung dieser Antriebe sind exponentiell steigende Entwicklungsaufwände

notwendig. Ein Beitrag zur Reduktion der Aufwände ist das Vorverlagern von Entwick-
lungsschritten (engl. frontloading) [5]. Das Prinzip der Vorverlagerung beruht darauf,
dass die größten Aufwände und Kosten am Ende der Produktentwicklung entstehen.
Als Hauptaspekt ist die “Vermeidung von Verschwendung” (S. 116, [6]) anzuführen.
Verschwendung erfolgt aus Fehlern und nicht ausreichenden Anforderungsspezifika-
tionen. Sie umfasst Mehraufwände wie z.B. Folgearbeiten, zusätzliches Testen oder
Fehlerkorrekturen in der Schlussphase [6].
In der Steuergeräteentwicklung von Fahrzeugen werden Test- und Kalibrationsauf-

wände häufig durch eine Einbettung des Steuergerätes in eine spezifische Simulation
(engl. Hardware-in-the-Loop HiL) vorverlagert [7, 8, 9]. Grundsätzlich ist das Prinzip
auf ein beliebiges Bauteil im Fahrzeug erweiterbar. Im Falle des Antriebsstranges kann
eine Komponente, z.B. der Verbrennungsmotor, innerhalb eines Prüfstandes in eine
Fahrzeugsimulation eingebettet (engl. Engine-in-the-Loop, EiL) werden. Dadurch sind
im Rahmen der Simulationsgenauigkeit das Testen und Kalibrieren der Komponenten
seriennah und dynamisch möglich. Ein weiterer Vorteil besteht in der optionalen In-
tegration der Komponenten in ein völlig anderes Antriebskonzept. In der Simulation
kann z.B. der Antriebsstrang um einen Elektromotor erweitert und im Verbund mit
einem realen Verbrennungsmotor untersucht werden. Der zusätzliche Aufwand auf-
grund der Antriebsstrangdiversifizierung lässt sich damit ggf. reduzieren.
1
2 1. Einleitung
1.1. Problemstellung: Realitätsnahe und effiziente

Kopplung von Antriebskomponenten mit
Simulationen
Das grundlegende Prinzip eines beliebigen eingebetteten Prüfstandes ist die Synchro-
nisation der Potential- und der Flussgrößen an bestimmten Schnittstellen in der Si-
mulation und im Prüfstand [10]. Bei perfekter Synchronisation sind das reale und das
simulierte System physikalisch ideal miteinander gekoppelt. Im Falle eines Antrieb-
sprüfstandes müssen die Winkelgeschwindigkeit und das Drehmoment an einer be-
stimmten Stelle im Antriebsstrang synchronisiert werden. Abhängig vom zu testenden
Prüfling und der Antriebstopologie ist die Schnittstelle geeignet zu wählen. Exempla-
risch ist in Abbildung 1.1 ein Antriebsstrang, bestehend aus mehreren Komponenten,
skizziert.
6
3
7
1
4
8
5 Synchronisationsstelle
7
2 EiL
Abbildung 1.1. Prinzipbild für unterschiedliche Antriebsstrangtopologien

bestehend aus den Komponenten: 1. Verbrennungsmotor,
2. P1-Elektromotor, 3. P2-Elektromotor, 4. Getriebe,
5. P3-Elektromotor, 6. Reichweitenverlängerer,
7. Radnabenmotor, 8. Differential
Soll der Verbrennungsmotor als Realkomponente untersucht werden, müssen das Dreh-
moment und die Drehzahl direkt am Verbrennungsmotoreingang synchronisiert wer-
den. Dabei fungiert nur eine der Kopplungsgrößen, entweder das Drehmoment oder
die Drehzahl, als Führungsgröße für die Schnittstelle des Prüfstandes. Sie wird in der
Simulation an der Synchronisationsstelle erzeugt und an den Prüfstandsregler wei-
tergeleitet. Folglich wird die zweite Kopplungsgröße im Prüfstand gemessen und als
Führungsgröße in der Simulation verwendet. An einem realen Prüfstand entstehen
prinzipbedingt drei maßgebliche Fehler, welche die Qualität der Synchronisation und
die Realitätsnähe der Ergebnisse beeinflussen.
1.2. Zielsetzung und Aufbau der Arbeit 3
1. Prüfstand: Der reale Prüfstand besteht aus zusätzlichen Komponenten, wie z.B.
Lastmaschinen, mechanischen Wellen, Dämpfer etc., die zu einer Veränderung
des Antriebsstranges, verglichen mit dem Original führen.
2. Regler: Die Lastmaschine im Prüfstand wird zur Regelung einer Kopplungsgröße

verwendet. Die endliche Energie und Genauigkeit der Lastmaschine führt zu
einem Regel- und somit zu einem Synchronisationsfehler.
3. Messung: Das Messverfahren oder die Position der Messeinrichtung innerhalb

des Prüfstandes führt zu einem Fehler bzgl. der gemessenen Kopplungsgröße.
Die Realitätsnähe der Simulation ist ein weiteres wichtiges Kriterium für realistische
Ergebnisse in einem eingebetteten Prüfstand. Sie hängt stark von der Modellgenauig-
keit und den verwendeten Parametern ab. Der Zeit- und Kostenaufwand einer Simu-
lation steigt rasant mit wachsendem Detaillierungsgrad. Ein ökonomisches Gleichge-
wicht zwischen Simulationsqualität und Aufwand muss gefunden werden. Neue Mo-
dellierungsverfahren, wie beispielsweise die verteilte Modellbildung, können den Auf-
wand reduzieren und gleichzeitig die Qualität der Simulation optimieren [11].
1.2. Zielsetzung und Aufbau der Arbeit

In der Literatur [12, 13, 14, 15] werden die Vorteile und das grundlegende Prinzip von
EiL beschrieben. Die Auswirkungen der Prüfstandsdynamik werden mit Ausnahme von
[12] nicht weiter behandelt. In allen Abhandlungen fehlt gänzlich die Betrachtung der
bidirektionalen Beeinflussung von Simulation und Prüfstand. Die Abhängigkeit der Er-
gebnisse vom verwendeten Messverfahren bzw. der Sensorik wird nicht analysiert. Die
drei Fehlerquellen Prüfstand, Regler und Messung sind bislang nicht ausreichend un-
tersucht. Eine Diskussion hinsichtlich neuer Modellierungsansätze zur Reduktion der
Aufwände durch eine verteilte Modellbildung (Co-Simulation [16, 11]) erscheint not-
wendig.
In dieser Arbeit soll neben der detaillierten Untersuchung der Dynamik des gesamten
EiL-Regelkreises ein gesamteinheitliches Entwicklungskonzept von der Erstellung ei-
ner Co-Simulation über die Integrationsaspkete im Prüfstand bis zur Evaluation der
Prüfstandsergebnisse gezeigt werden. Die drei Fehlerarten sollen beschrieben und
bestmöglich reduziert werden. Das Vorgehen dieser Arbeit ist in Abbildung 1.2 zu-
sammengefasst.
Kapitel 2 Modellherleitung: Eine effiziente Erstellung der Modelle für die Simula-
tion ist entscheidend hinsichtlich der späteren Resultate sowie bzgl. einer möglichen
Kostenreduktion im Entwicklungsprozess. Hierzu wird im ersten Teil des Kapitels der
Ansatz der verteilten Modellbildung diskutiert. Wichtige Aspekte wie die nahtlose und
durchgängige Definition der Modelle sowie deren Schnittstellen, beginnend bei der
Modellerstellung bis zur Verwendung im Prüfstand, werden hervorgehoben. Exem-
plarisch wird dann im zweiten Teil die Co-Simulation eines verbrennungsmotorischen
4 1. Einleitung
Verfahren zur
Besonderheiten Verbrennungsmotor Experimentelle
gekoppelter Prüfstandsregelung Untersuchungen
Prüfstände Kapitel 4 Kapitel 6
Kapitel 3
Regelung von
Antriebsprüfständen
gekoppelt mit
einer Simulation
Kapitel 2
Kapitel 5
Modellherleitung
Abbildung 1.2. Schematische Darstellung des Aufbaus der Arbeit
PKW vorgestellt. Der Schlussteil führt ein Prüfstandsmodell ein, um etwaige Entwick-
lungsschritte aus dem Prüfstand in die reine Simulation vorzuverlegen.
Kapitel 3 Besonderheiten gekoppelter Prüfstände: Die ersten beiden maßgeblichen

Synchronisations-Fehlerarten Prüfstand und Regler können durch einen geeigneten
Regler reduziert werden. Eine Reglerauslegung erfordert eine analytische Repräsenta-
tion des gekoppelten Püfstandes. Zu Beginn des Kapitels wird der gesamte geschlos-
sene Regelkreis, bestehend aus den Teilen Fahrer, Prüfstandsregler, Fahrzeugsimulati-
on und Prüfstand, hergeleitet. Im zweiten Schritt soll die Differenzierung des Regel-
kreises in zwei unterschiedliche Kreise betrachtet werden. Eine Einordnung der bi-
direktionalen Beeinflussung von Simulation und Prüfstand wird dadurch ermöglicht.
Ein wichtiger Aspekt bzgl. der Beschreibung des Regelkreises ist die Berücksichtigung
der gemessenen Synchronisationsgröße. Abschließend wird der Einfluss der Fehlerart
Messung theoretisch untersucht.
Kapitel 4 Verfahren zur Verbrennungsmotor Prüfstandsregelung: Der erste Teil

des vierten Kapitels diskutiert aktuelle Verfahren zur Regelung konventioneller nicht
gekoppelter Prüfstände. Hierzu werden unterschiedliche Literaturquellen klassifiziert
und kategorisiert. Als geeigneter Prüfstandsregler wird eine sogenannte Modellprädik-
tive Regelung (MPR) ausgewählt. Eine Erläuterung der Grundlagen der MPR erfolgt
im zweiten Teil des Kapitels.
Kapitel 5 Regelung von Antriebsprüfständen gekoppelt mit einer Simulation: Der

erste Teil des Kapitels verbindet die vorangegangenen Kapitel, indem der Entwurf ei-
ner MPR für einen gekoppelten Prüfstand dargestellt wird. Im Sinne der Vorverlage-
rung erfolgt eine Parametrisierung und Robustheitsanalyse der MPR in der Simulation.
Die bisher ausschließlich theoretisch betrachteten drei Fehlerarten werden anschlie-
1.3. Wissenschaftlicher Beitrag 5
ßend simulativ erörtert.
Kapitel 6 EiL-Prüfstands Ergebnisse: Das letzte technische Kapitel fasst die Ergeb-
nisse eines realen EiL-Prüfstandes zusammen. Die mittels der neuen Regelung verbes-
serte Synchronisation und somit Reduktion der Fehlerarten besitzt eine zentrale Rolle
in der Auswertung. Die Ergebnisse der MPR und eines konventionellen PI-Reglers wer-
den sowohl im gesamten WLTC sowie in den transienten Arbeitsbereichen miteinander
verglichen.
1.3. Wissenschaftlicher Beitrag

Teile der vorliegenden Dissertation sind in wissenschaftlichen Veröffentlichungen pu-
bliziert. Eine Zusammenfassung dieser Themen ist wie folgt beschrieben:
• Grundlegende Überlegungen bzgl. der Kopplung von zwei Prüfständen sind in

[17] erfolgt. Die Resultate sind mehrfach in dieser Arbeit verwendet. Eine wich-
tige Erkenntnis der Veröffentlichung ist die Verschiebung des gemessenen Dreh-
moments in Abhängigkeit von der Trägheitsaufteilung, wie sie in Kapitel 3.1
beschrieben ist.
• Die verwendete Co-Simulation aus Kapitel 2.2 ist erstmalig in [18] veröffent-
licht. Gleichzeitig werden in der Publikation erste Ergebnisse bzgl. eines EiL-
Prüfstandes erörtert. Im Rahmen dieser Dissertation werden die Ergebnisse als
Version 1 bezeichnet (siehe Kapitel 3.2). Weitere Publikationen mit Variation der
Co-Simulation als 48V-Hybrid [19] und P2-Hybrid [20] zeigen die Flexibilität
der verwendeten Co-Simulation.
• Eine zusammenfassende Ausarbeitung über die Modellprädiktive Regelung (Ka-
pitel 5.1), die Erkenntnisse aus der simulativen Untersuchung (Kapitel 5.2) und
die Ergebnisse aus dem EiL-Prüfstand (Kapitel 6) sind zeitlich parallel mit die-
ser Dissertation erfolgt. Zum Zeitpunkt der Fertigstellung dieser Arbeit wurde
die Ausarbeitung zur Veröffentlichung eingereicht, aber noch nicht publiziert.
• Teilaspekte dieser Arbeit sind als sekundäre Themen in weiteren Veröffentlichun-
gen von anderen Autoren eingeflossen. Krammer [21] untersucht eine standar-
disierte Komponentenschnittstelle für örtlich verteilte Co-Simulationen. Als ein
Anwendungsfall wird die Co-Simulation aus dieser Arbeit verwendet. Andert
[22] entwickelt das in dieser Arbeit genutzte Verbrennungsmotormodell und
verwendet die Co-Simulation zur Untersuchung des Frontloading Aspektes.
Modellbildung
Die Kopplung eines Prüfstandes mit einer Simulation erfordert ein ausreichend genau-
es wie in der Erstellung effizientes Modell. Entsprechend wird innerhalb dieser Arbeit
eine Co-Simulation eines PKW erläutert. Die Co-Simulation wurde während des ge-
förderten Projekts ACOSAR1 erstellt. In diesem Zusammenhang erfolgt die Erklärung
des Begriffs Co-Simulation, verbunden mit einem Einblick über wichtige Integrati-
onsaspekte. Im anschließenden Unterkapitel werden die Co-Simulationsstruktur und
die Komponentenmodelle auf Systemebene erläutert. Für den späteren Prüfstandsreg-
lerentwurf wird darauffolgend ein reduziertes Modell eines Püfstandes mittels Diffe-
renzengleichungen hergeleitet. Für diese Arbeit wurde Simulink2 als Co-Simulations
Werkzeug verwendet und die Komponentenmodelle als Simulink S-Funktionen inte-
griert. Diese S-Funktionen bestehen aus Matlab MEX Containern die kompilierten C-
Code mit den entsprechenden Bibliotheken sowie eigenen nummerischen Lösungspro-
grammen (Solver) beinhalten.
2.1. Zusammenfassung Co-Simulation

Eine effiziente Einbettung und Kopplung von Komponentenprüfständen innerhalb ei-
ner Fahrzeugsimulation erfordert, wie im vorangegangen Kapitel beschrieben, einen
nahtlosen Entwicklungsprozess. Während der ersten Model-in-the-Loop Phase müs-
sen die Simulationen im Hinblick auf die weitere Verwendung in den späteren Phasen
entwickelt werden. Ein modularer Aufbau, nach physikalischen Komponenten (z. B.
Verbrennungsmotor, Getriebe etc.) sowie definierten Schnittstellen gegliedert, ermög-
licht eine Substitution der simulierten Komponenten im späteren Verlauf durch die Re-
alkomponenten. Ein weiterer Vorteil eines modularen Aufbaus ist die Separation der
Komponenten nach wissenschaftlichen Disziplinen und deren Modellbildung inner-
halb spezialisierter Simulationsprogramme. GT-Power3 ist beispielsweise ein gängiges
Programm zum Modellieren von Verbrennungsmotoren. Hingegen kann die Softwa-
re Simulink vorteilhaft für signalbasierte Modelle und die Reglererstellung verwen-
det werden. Die Verwendung von unterschiedlichen Modellierungsprogrammen und
Solvern im Rahmen einer Gesamtsimulation wird auch als Co-Simulation bezeichnet.
Dronka und Geimer [16, 11] unterscheiden die Modellbildungsvarianten in vier Kate-
gorien (siehe Abb. 2.1). Die klassische Simulation wird durch die Verwendung eines
Modellierungsprogrammes und eines Solvers klassifiziert. Eine verteilte Simulation
1
https://itea3.org/project/acosar.html; An der Co-Simulation beteiligte Parteien: ESI ITI GmbH,
dSPACE GmbH und RWTH Aachen University
2
Simulink, The MathWorks, Inc.
3
GT-Power Engine Simulation Software, Gamma Technologies, LLC
6
2.1. Zusammenfassung Co-Simulation 7
enthält mehrere Solver, während eine verteilte Modellbildung unterschiedliche Mo-

dellierungsprogramme aufweist. Ein Standard für die Integration einer Co-Simulation
und den Austausch von Simulationen ist das Functional Mock-up Interface [23]4 .
Geschlossene Verteilte
Simulation Simulation
Zusammenführung der
Gleichungssysteme der Verteilte
>1 getrennt modellierten Co-Simulation
Modellbildung
Teilysteme
Anzahl an
Modellierungs-
programmen
klassische Modellseparation für Geschlossene

=1
Simulation Simulation Modellbildung
=1 >1
Anzahl Solver
Abbildung 2.1. Gegenüberstellung von vier Varianten der verteilten
Modellbildung vgl. [11]
Neben der Verwendung von unterschiedlichen Modellierungsprogrammen bietet eine

Co-Simulation als enormen Vorteil die Möglichkeit Teilmodelle als Blackbox zu inte-
grieren. So können Teilmodelle von unterschiedlichen Parteien ohne Austausch von
Modellwissen und unter Berücksichtigung des geistigen Eigentums ausgetauscht wer-
den. Eine finale Partei (von nun an Systemintegrator genannt) integriert alle Model-
le innerhalb der gesamten Co-Simulation. Hierfür kann ein Modellierungsprogramm
oder eine Co-Simulations-Plattform als Integrationsprogramm verwendet werden. Bei
der Integration und späteren Ausführung der Co-Simulation entstehen diverse Heraus-
forderungen wie z. B. nummerische Stabilität, kontinuierliche/diskrete Abtastung, in-
terne Schrittweiten, externe Kommunikationszeiten, Synchronisation und viele mehr.
Gomes [24] fasst relevante Forschungsergebnisse der letzten Jahre zusammen und
zeigt die Herausforderungen exemplarisch. Im weiteren Verlauf dieser Arbeit wird auf-
grund der verwendeten Modellierungsprogramme und deren Co-Simulationseigenschaften
davon ausgegangen, dass die nummerischen Herausforderungen der Co-Simulation zu
keinen nennenswerten Fehlern führen.
Neben den nummerischen Aspekten ist die physikalische Genauigkeit der Co-Simulation
entscheidend. Der Systemintegrator muss ein gewisses Grundwissen über alle (Black-
box) Modelle besitzen, um die Korrektheit der gesamten Co-Simulation zu bestäti-
4
https://fmi-standard.org
8 2. Modellbildung
gen. Im trivialen Fall darf beispielsweise ein Verbrennungsmotormodell nicht direkt an

das Radmodell gekoppelt werden. Ein nicht direkt ersichtlicher Fehler kann aufgrund
der Modularität der Co-Simulation entstehen [25]. Nachfolgend wird ein Beispiel für
einen solchen Fehler gezeigt.
Eine klassische signalbasierte Simulation von zwei Trägheiten mit zwei angreifenden
Drehmomenten kann nach Gleichung 2.1 aufgebaut werden (siehe Abb. 2.2).
(J1 + J2 )ω̇(t) = M1 (t) + M2 (t) (2.1)

Da beide Massenträgheiten J1 und J2 in einer Simulation bekannt sind, können sie zu
einer Trägheit zusammengefasst werden.
ω
M1 M2
J1 J2
z
x y
M1 Mm M2
J1 J2
Abbildung 2.2. Berechnung einer Trägheit in zwei getrennten Simulationen

mittels Einführung eines Messmoments Mm
Für eine Co-Simulation, in der das Verhalten beider Trägheiten in getrennten Mo-
dellen berechnet wird, kann ein Messmoment/Schnittmoment zwischen den beiden
Massenträgheiten nach den Gleichungen 2.2 und 2.3 definiert werden. Ein signalba-
siertes Modellierungsverfahren erfordert die Definition eines Signalflusses vom Ein-
gang zum Ausgang des Modells bzw. einen kausalen Zusammenhang zwischen den
Ein- und Ausgängen. Hiernach besitzt das erste Modell (M1 , J1 ) beispielsweise den
Ein-/Ausgangssignalfluss Mm ⇒ ω̇ und das zweite Modell (M2 , J2 ) den umgekehrten
Signalfluss ω̇ ⇒ Mm .
0 = M1 (t) − J1 ω̇(t) − Mm (t)

M1 (t) − Mm (t) (2.2)
⇒ ω̇(t) =
J1
0 = M2 (t) − J2 ω̇(t) + Mm (t)

(2.3)
⇒ Mm (t) = −M2 (t) + J2 ω̇(t)
In einer Co-Simulation werden jeweils die Signale Mm und ω̇ nach den oben ge-
nannten Signalflüssen ausgetauscht. Der Signalaustausch führt zu einer algebraischen
Schleife, die durch eine verzögerte Beschleunigung um eine Abtastschrittweite gelöst
werden kann. Allerdings besteht die Möglichkeit, dass die Verzögerung zu einem in-
stabilen System führt.
2.1. Zusammenfassung Co-Simulation 9
Die Übertragungsfunktion der gesamten Co-Simulation (M1 , M2 ) ⇒ ω̇ kann durch

Einsetzen von Gleichung 2.3 in 2.2 und Verschiebung von ω̇ in Gleichung 2.3 im zeit-
diskreten Bereich bzw. z-Bereich nach Gleichung 2.4 beschrieben werden.
u
ω(k + 1) = − (a + 1)ω(k) + aω(k − 1)
J1
d t 1 z
G(z) = · 2
J1 z + z(a − 1) − a (2.4)
J2
a= ; u = M1 + M2
J1
Abtastzeit = 1 s
Das charakteristische Polynom der Übertragungsfunktion ist abhängig vom Parameter

a und somit vom Verhältnis J2 /J1 . Abbildung 2.3 zeigt beide Polstellen des Polynoms.
Für a<1 liegen die Polstellen entweder auf oder innerhalb des Einheitskreises. Das
System ist daher für J2 < J1 grenzstabil. Für J2 > J1 ; a > 1 liegt ein Pol außerhalb des
Einheitskreises, somit ist das System instabil [26].
2
chara. Polynom
Betrag Polstelle
Pol 1
1,5
Pol 2
1
0,5
0
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
Quotient a
Abbildung 2.3. Betrag der Polstellen einer Co-Simulation der starren Welle;
Die Co-Simulation ist nur für einen Quotienten a ≤ 1
grenzstabil
Zur Stabilisierung der Co-Simulation kann ein Kelvin-Voigt Feder-Dämpfer-Modell [27]

in einem der beiden Modelle verwendet werden (siehe Gleichung 2.5).
J1 ω̇1 (t) = −c(φ1 (t) − φ2 (t)) − d(ω1 (t) − ω2 (t)) + M1 (t)

(2.5)
J2 ω̇2 (t) = c(φ1 (t) − φ2 (t)) + d(ω1 (t) − ω2 (t)) + M2 (t)
Das Feder-Dämpfer-System soll keine Torsion repräsentieren, sondern die Dämpfung

entspricht dem P-Anteil und die Feder dem I-Anteil eines PI-Reglers, der die Co-Simulation
stabilisiert. Eine ausreichend hohe Steifigkeit des Reglers ist Voraussetzung, damit kei-
ne Oszillationen auftreten und keine große Abweichung zwischen der klassischen und
der Co-Simulation vorhanden ist.
10 2. Modellbildung
2.2. Fahrzeugsimulation
Grundsätzlich sind die physikalischen Zusammenhänge des Fahrzeugmodells für die
Optimierung des gekoppelten Prüfstandes nur sekundär relevant. Das vorhergegange-
ne Kapitel 2.1 und auch das Kapitel 3 zeigen jedoch, dass ein gewisses Wissen über die
Modelle notwendig ist. Aus diesem Grund werden nachfolgend die vier Hauptmodelle,
die in Abbildung 2.4 und Tabelle 2.1 gezeigt sind, auf Systemebene erläutert.
Modell Solver Rechenschrittweite

1. Fahrer, Fahrzeug- und Raddynamik (ASM5 ) 1. Simulink 1ms
2. ECU, TCU, Restbus 1. Simulink 1ms
3. Verbrennungsmotor 2. GT-POWER 0,25 ms
4. Antriebsstrang 3. SimulationX6 0,125 ms
Tabelle 2.1. Teilmodelle der Co-Simulation und ihre Solver
Abbildung 2.4 zeigt zusätzlich die wichtigsten Schnittstellensignale zwischen den Mo-
dellen. Der automatisierte Fahrer regelt mit dem Fahr- und Bremspedal die Differenz
der Referenzgeschwindigkeit vs und der aktuellen Fahrzeuggeschwindigkeit vi . Als Re-
ferenzgeschwindigkeit kann prinzipiell jedes Fahrprofil vorgegeben werden, jedoch
wird in dieser Arbeit der Worldwide Harmonized Light-Duty Vehicles Test Procedure
Driving Cycle [28] (WLTC) verwendet. Das Steuergerät des Verbrennungsmotors (En-
gine Control Unit ECU) wandelt die Fahrpedalstellung in die relevanten Verbrennungs-
motorsignale um. Der Verbrennungsmotor reagiert auf die Signale mit der Bildung
eines Drehmoments. Das Drehmoment wird vom Antriebsstrang in Raddrehmomente
umgewandelt. Diese Drehmomente führen zu einer Beschleunigung des Fahrzeuges
im Fahrdynamikmodell und zu einer Veränderung der Raddrehzahl. Die Raddrehzahl
wird vom Antriebsstrang in eine Motordrehzahl übersetzt. Das Getriebe Steuergerät
(Transmission Control Unit TCU) regelt das Doppelkupplungsgetriebe im Antriebs-
strang und kann zusätzlich einen Drehmomenteingriff vom Verbrennungsmotor for-
dern.
Modell 1: Fahrer, Fahrzeug- und Raddynamik

Ein gängiger Modellierungsansatz für die Fahrzeugdynamik ist die Separation in Längs-
und Querdynamik [29, 30, 31, 32]. Obwohl das verwendete Fahrdynamik- und Rad-
modell ASM die Vertikaldynamik miteinbezieht, ist sie für die Kopplung mit einem
Prüfstand zu vernachlässigen. Das Modell beinhaltet u. a. alle relevanten Fahrzeugwi-
derstände wie Luft, Beschleunigungs, Steigungs- und Gefällewiderstand. Die Kopplung
mit der Co-Simulation erfolgt über den Ein-/Ausgangssignalfluss MRadnabe ⇒ ωRadnabe .
Das verwendete Magic-Formula Radmodell [33] berechnet eine Beschleunigung der
Radnabe aus dem Radnabenmoment und allen Fahrzeug-Kräften. Es ist kein stabi-
lisierendes Element für einen modularen Aufbau implementiert. Eine genauere Be-
5
dSPACE Automotiv Simulation Models, https://www.dspace.com
6
https://www.simulationx.de
2.2. Fahrzeugsimulation 11
Modell 1, Solver 1: Simulink

Automatisierter Rad- und
Fahrer Fahrzeugdynamik
vs
Fahrprofil
vi
Raddrehzahl
Fahrpedal
Regelung und
Messung
Regelung und
Messung ECU/TCU
Modell 3, Solver 1: Simulink
Drehzahl
Drehmoment Raddreh-
Verbrennungsmotor Antriebsstrang moment
Modell 2, Solver 2: GT-Power Modell 4, Solver 3: SimulationX
Abbildung 2.4. Strukturbild der Fahrzeug Co-Simulation aufgeteilt in vier
verteilte Modelle
schreibung der Modelldynamiken kann in [34] gefunden werden. Ein entscheidendes

Merkmal für die Qualität der Simulationsergebnisse ist die Genauigkeit der Parame-
ter. Dementsprechend werden keine Literaturparameter verwendet, sondern ein reales
Fahrzeug aufwendig vermessen. Hierfür ist ein Serien-Fahrzeug in 16 Ausrollfahrten
auf einer realen Teststrecke unter Berücksichtigung der entsprechenden Normen [35]
untersucht worden (siehe Ergebnisse Anhang A.3).
Neben der Fahrzeug- und Raddynamik beinhaltet das erste Modell auch den auto-
matisierten Fahrer. Der Fahrer besteht aus einer Vorsteuerung, welche die aktuellen
Fahrzeugkräfte unter Berücksichtigung der geforderten Beschleunigung kompensiert.
Hierfür erfolgt eine Umrechnung des geforderten Drehmoments über ein invertiertes
Verbrennungsmotorkennfeld in eine Fahrpedalstellung. Eine mögliche Abweichung in
der Fahrzeuggeschwindigkeit wird über einen PI-Regler kompensiert. Die Dynamik
des Fahrers ist für den gekoppelten Aufbau mit dem Prüfstand von Relevanz und wird
näher im Kapitel 3 erläutert.
12 2. Modellbildung
Modell 2: Verbrennungsmotor
Verbrennungsmotormodelle und ebenfalls deren Klassifizierung variieren stark abhän-
gig vom Verwendungszweck. Die einfachste Einordnung wird von Matthies [25] ange-
nommen, indem zwischen einem kennfeldbasierten Modell und einem Motorschwin-
gungsmodell unterschieden wird. Dabei wird das Drehmoment des Motors (das Dreh-
moment resultierend aus dem Verbrennungsprozess) als ideale Drehmomentquelle
angenommen. Das Motorschwingungsmodell unterscheidet sich von dem Kennfeld-
modell bzgl. der Drehungleichförmigkeit des Motors. Guzella [36] unterscheidet zwi-
schen Modellen, welche auf dem Mittelwert oder Kurbelwellenwinkel basieren. Die
dort verwendeten mittelwertbasierten Modelle mitteln das Drehmoment unter Berück-
sichtigung von Massenströmen und dem Wärmefluss über ein komplettes Arbeitsspiel.
Dagegen berücksichtigen die kurbelwellenwinkelbasierten Modelle das Drehmoment
zu einem bestimmten Kurbelwellenwinkel, jedoch auch unter Vernachlässigung de-
taillierter Verbrennungsprozesse. Wurzenberger [37] skizziert eine Zusammenstellung
der gängigen Verbrennungsmotormodelle, wobei die Darstellung von Guzella [36] be-
rücksichtigt wird. Zudem wird ein Überblick über die gängigen 1D Motor- und Ver-
brennungsprozessmodelle gegeben. Alle Motormodelle haben ihre Vor- und Nachteile
bezogen auf die Kenngrößen Realitätsnähe, Parameteraufwand, Rechenzeit, Echtzeit-
fähigkeit sowie Modellierungsaufwand. Ein geeignetes Verfahren ist jeweils unter Be-
rücksichtigung der Kenngrößen zu wählen.
Saugrohr
Kompressor
Zylinder
Turbine
Abgaskrümmer
Abbildung 2.5. Verbrennungsmotormodell in GT-Power, vgl. [22]
Für eine spätere Kopplung der Co-Simulation mit einem Komponentenprüfstand muss
das Motormodell echtzeitfähig sein. Gleichzeitig muss es die Dynamik so gut wie mög-
lich abbilden. Deshalb wird ein über den Kurbelwinkel aufgelöstes rechenzeitopti-
miertes 1D Verbrennungsmotormodell verwendet. Dieses wird in [22] näher erläutert

und in Abbildung 2.5 veranschaulicht. Grundlegend wird ein aufgeladener 3 Zylin-
der 0,9l Verbrennungsmotor simuliert (siehe auch Anhang A.3). Der Luftpfad wird
als 1D Ladungswechselsimulation (Turbolader, Saugrohr, Abgaskrümmer) abgebildet.
Der Wärmeübergang im Zylinder ist mittels Woschni-Gleichungen ohne Turbulenzen
dargestellt [38]. Der Verbrennungsprozess wird mittels Wiebe Funktionen abgebildet,
die anhand von mehrdimensionaler Kennfelder parametrisiert sind [39, 19].
Modell 3: Antriebsstrang
Der Antriebsstrang kann als das Bindeglied zwischen Verbrennungsmotor(2)- und
Fahrzeugmodell(1) verstanden werden. Er ist in SimulationX, eine auf Modelica [40]
basierte Modellierungssoftware, erstellt. Im Gegensatz zu signalbasierten Verfahren
wie Simulink, werden in SimulationX physikalische Komponentenmodelle genutzt. So
wird z. B. eine rotatorische Komponente sowohl am Ein- als auch am Ausgang durch
jeweils ein Drehmoment und eine Drehzahl definiert. Für die Verbindung in einer Co-
Simulation wird wieder ein signalbasierter Ein-/Ausgangssignalfluss verwendet. Der
Signalfluss zum Verbrennungsmotor ist MVM ⇒ ωVM , während für den Signalfluss zum
Fahrzeug ωl/r ⇒ Ml/r gewählt wurde. Abbildung 2.6 zeigt das Modell auf höchster
Hierarchieebene.
Linkes Rad
Jl ωl
ωVM
Ml
Schwungrad Getriebe Differential
MVM Kupplungen iFD
ωr
Mr
JDiff Jr
JSR
MStarter Rechtes Rad
Abbildung 2.6. Antriebsstrangmodell in SimulationX vgl. [18]
Auf der linken Seite ist das Schwungrad als Feder-Dämpfer-System mit einer zusätzli-
chen Trägheit und einer Reibung implementiert. Auf der rechten Seite ist jeweils ein
Federmassenschwinger mit Trägheit pro Hinterrad zu sehen. Die Federmassenschwin-
ger modellieren nicht nur die Schwingungen im Antriebsstrang, sondern führen auch
zu einer stabilen Co-Simulation nach Kapitel 2.1. In der Mitte der Abbildung stellen
das Getriebe und die Kupplungen das Doppelkupplungsgetriebe dar. Die Kupplungen
sind als starre Reibungselemente charakterisiert und können abhängig von den Dreh-
zahlen und den Drehmomenten die Zustände “überdrückt”, “offen” und “schlupfend”
annehmen. Der Anpressdruck (bzw. die Drehmomentkapazität) beider Kupplungen
14 2. Modellbildung
wird von der TCU gesteuert. Die Abhängigkeit der Zustände ist in Tabelle 2.2 gege-
ben.
Zustand Drehmomente Drehzahlen

offen MKapazität = 0 ωin 6= ωout
überdrückt MKapazität ≥ MKupplung ωin = ωout
schlupfend MKapazität < MKupplung ωin 6= ωout
Tabelle 2.2. Zustände der Reibkupplung
Das Getriebe besteht aus 4 Synchronringen, die sowohl 6 Gänge als auch den Rück-
wärtsgang simulieren können. Die Synchronringe werden von der TCU angesteuert
und besitzen einen elastischen Reibkontakt. Zuletzt sind noch zusätzliche Trägheiten
und das Differential modelliert.
Modell 4: ECU, TCU, Restbus

Neben den physikalischen Komponenten ist eine realistische Nachbildung der Haupt-
funktionen der Steuergeräte für eine Co-Simulation entscheidend.
Das ECU Modell versucht das Fahrerwunschmoment und die Anforderungen der TCU
zu regeln. Hierfür sind folgende Funktionen, welche detailliert in [22] beschrieben
sind, implementiert:
• Drosselklappensteuerung
• Steuerung der Ventilsteuerzeiten
• Leerlaufregelung mithilfe der Drosselklappe und des Zündwinkels
• Ladedruckregelung über das Wastegate
• Schubabschaltung
• Drehmomenteingriff der TCU mithilfe der Drosselklappe und des Zündwinkels
• Einspritzmengensteuerung mithilfe des Injektormodells (implizit im Modell)
• Zündwinkelsteuerung
Die TCU steuert die verschiedenen Getriebegänge, indem sie die Drehmomentkapa-
zität beider Kupplungen und die vier Synchronringe des Doppelkupplungsgetriebes
regelt. Diverse Funktionen sind integriert, um ein realistisches Anfahren und Schal-
ten zu ermöglichen sowie ein Abwürgen des Motors zu vermeiden. Abbildung 2.7
zeigt exemplarisch eine Hochschaltung. Im ersten Diagramm ist bei t =20 s das Öff-
nen der ersten Kupplung als graue Linie und das Schließen der zweiten Kupplung als
gestrichelte schwarze Linie zu erkennen. Bei t =20,3 s fordert die TCU einen Drehmo-
menteingriff, indem die Drehmomentlimitierung (schwarze Linie) schlagartig gesenkt
wird. Nach dem Schalten ist ein erhöhtes Drehmoment erlaubt, um die Radleistung
konstant zu halten. Im zweiten Diagramm sind die dazugehörigen Drehzahlen des
Verbrennungsmotors, der ersten sowie der zweiten Getriebewelle dargestellt.
Limitierung VM durch TCU Kupplung 1 Kupplung 2

Drehmoment / Nm
100
Drehmoment- Drehzahl-
50
überblendung synchronisation
0
18 18,5 19 19,5 20 20,5 21 21,5 22 22,5
VM Getriebe Welle 1 Getriebe Welle 2
Drehzahl / U/min
3500
3000
2500
2000
18 18,5 19 19,5 20 20,5 21 21,5 22 22,5
Zeit / sek
Abbildung 2.7. Überblenden der Drehzahl und des Drehmomentes bei einem
Gangwechsel von 3 nach 4
Die Restbussimulation ist für die Co-Simulation nicht notwendig, sondern wird für
eine Kopplung der Co-Simulation mit einem Verbrennungsmotorprüfstand benötigt.
Die reale ECU am Prüfstand arbeitet im Notlaufmodus, wenn relevante Signale wie
Bremslicht, Getriebegrößen, Fahrzeuggeschwindigkeit etc. fehlen. Diese Größen wer-
den deshalb von einem Restbusmodell simuliert und im realen Prüfstand mittels CAN
an die ECU übermittelt.
16 2. Modellbildung
2.3. Prüfstandssimulation
2.3.1. Grundlagen Verbrennungsmotor Prüfstand
In dieser Arbeit soll die Kopplung eines Verbrennungsmotorprüfstandes mit einer Co-
Simulation (Engine-in-the-Loop, EiL) exemplarisch gezeigt werden. Der Prozess kann
analog auf weitere Prüfstände für Elektromotoren oder Getriebe übernommen wer-
den. Der Aufbau eines Verbrennungsmotorprüfstands ist in Abbildung 2.8 skizziert. Es
sind nur die primären Antriebs- uns Messkomponenten dargestellt. Ein realer Verbren-
nungsmotorprüfstand ist weitaus komplexer und benötigt Medienkonditionierung, Me-
dienversorgung, Überwachung, Steuerung, etc. und ist detaillierter in [41] erläutert.
Die mechanische Verbindung zwischen Verbrennungsmotor und elektrischer Abtriebs-
maschine (Dynamometer) kann sich stark abhängig vom Anwendungsfall unterschei-
den. Daher ist die nachfolgende Erläuterung nur für den hier beschriebenen Prüfstand
gültig. Der Verbrennungsmotor ist über ein Schwungrad und einen elastischen Dämp-
fer an die Prüfstandskupplung angeschlossen. Die Prüfstandskupplung kann geöffnet
werden, um den Motor ohne die hohe Trägheit des Dynamometers mithilfe eines An-
lassers zu starten. Soll der Motor über den Dynamometer geschleppt werden, ist die
Kupplung dauerhaft geschlossen. Zum Ausgleich einer Winkelabweichung zwischen
den Komponenten ist die Kupplung über ein Gleichlaufgelenk an den Drehmoment-
aufnehmer montiert. Dieser ist direkt an die Ausgangswelle des Dynamometers befes-
tigt und misst an diesem Punkt das Drehmoment. Auf den Rotor des Dynamometers ist
ein optischer Inkrementalgeber gerichtet, der ein TTL-Signal an einen externen Mes-
sumformer und an den Frequenzumrichter sendet. Der Frequenzumrichter kann das
TTL-Signal zur Berechnung und Regelung der Wellendrehzahl nutzen.
Automatisierungssystem
α Schwungrad, MPS Ms , ns
Verbrennungs- Dämpfer
motor Dynamometer
TTL
Strom
Kupplung Gelenkwelle Frequenz-

umrichter
Abbildung 2.8. Beispielskizze eines Verbrennungsmotor-Prüfstandes mit
übergeordneter Regelung bzw. Auswertung durch das
Automatisierungssystem
Neben der Überwachung hat das Automatisierungssystem (AuSy) die Aufgabe, den
Verbrennungsmotor und den Frequenzumrichter zu steuern, um somit das gewünsch-
te Testszenario aus Drehmoment und Drehzahl einzustellen. In einem Engine-in-the-
Loop Prüfstand hat es sich als vorteilhaft erwiesen [12, 13, 42, 15, 18] das Drehmo-
2.3. Prüfstandssimulation 17
ment mittels Fahrpedal durch den Verbrennungsmotor zu stellen und die Drehzahl
anhand des Dynamometers zu regeln. Die Drehzahlregelung kann dabei direkt im
Frequenzumrichter oder im Automatisierungssystem erfolgen. Im Falle der Drehzahl-
regelung im Automatisierungssystem wird ein Drehmomentsollwert an den Frequen-
zumrichter geschickt. Eine Drehzahlregelung in einem Industrieumrichter besitzt den
Vorteil geringerer Kommunikationszeiten und häufig höherer Abtastfrequenzen ge-
genüber der Regelung im Automatisierungssystem. Jedoch sind die Programme bzw.
der Regler nicht von außen veränderbar. Hingegen kann, abhängig vom verwendeten
System, der Drehzahlregler im Automatisierungssystem weitgehend modifiziert und
optimiert werden. In dieser Arbeit wird die Modifizierbarkeit des Automatisierungssys-
tems genutzt, um einen individuellen und optimierten Drehzahlregler im Automatisie-
rungssystem zu entwerfen. In allen folgenden Schritten wird daher der Drehzahlregler
im Automatisierungssystem angenommen.
Bei der Erstellung der Fahrzeug Co-Simulation muss die Schnittstelle des Automati-
sierungssystems für das Verbrennungsmotormoment und die Drehzahlvorgabe berück-
sichtigt werden. Aus Systemsicht wird der simulierte Verbrennungsmotor durch den
realen Prüfstand substituiert, um einen Engine-in-the-Loop Prüfstand zu erhalten. Das
neue Strukturbild ist in Abbildung 2.9 gezeigt.
Automatisierter Rad- und

Fahrer Fahrzeugdynamik
vs Fahrprofil
vi
Co-Simulation
Fahrpedal Raddreh- Raddreh-
zahl moment
Drehzahl
Drehmoment
Antriebsstrang
Prüfstand
Abbildung 2.9. Strukturbild eines Engine-in-The-Loop Prüfstandes separiert

nach dem physikalischen Prüfstand und der Co-Simulation
Die Co-Simulation übermittelt den Wert des Fahrpedals, welches am realen Verbren-
nungsmotor gestellt wird, an den Prüfstand. Das Drehmoment am Messflansch wird
18 2. Modellbildung
zurück an die Co-Simulation gesendet, die ihrerseits mit einer simulierten Getriebeein-
gangsdrehzahl reagiert. Die Inbetriebnahmezeit eines gekoppelten Prüfstandes dauert
verglichen mit einem klassischen Prüfstand länger. Im Hinblick auf die Verfügbarkeit
und Kosten eines Prüfstandes ist die Verlängerung so gering wie möglich zu halten.
Das Testen der Fahrzeugsimulation, in Verbindung mit einem simulierten Prüfstand,
kann die Inbetriebnahmezeit verringern. Daher ist es sinnvoll, den Prüfstand in der
Co-Simulation zu berücksichtigen. Das Modell wird an der gleichen Stelle wie der
reale Prüfstand integriert, jedoch wird weiterhin das Verbrennungsmotormodell in GT-
Power verwendet (siehe hierzu Abbildung 2.10).
ωi ωs
MVM MPS
Verbrennungsmotor Prüfstand Antriebsstrang
Solver 2: GT-Power Solver 4: Simscape Solver 3: SimulationX
Abbildung 2.10. Implementierung des simulierten Prüfstandes in die
Co-Simulation
Der Prüfstand ist mittels Simscape7 von Matworks modelliert. Simscape verwendet
ähnlich wie SimulationX physikalische Module, ist aber innerhalb Simulink imple-
mentiert. Für die auf Simscape basierenden Modelle wird ein eigener Solver innerhalb
Simulink verwendet.
2.3.2. Herleitung Prüfstandsmodell

Elektrische Lastmaschine und Frequenzumrichter
Die elektrische Lastmaschine bzw. der Dynamometer ist ein Schlüsselelement für eine
korrekte Kopplung des Prüfstandes mit der Simulation. Die Maschine überträgt die si-
mulierte Drehzahl auf die Welle des Prüfstandes und beeinflusst somit signifikant die
Dynamik. Im vorliegenden Fall wird ein Asynchronmotor verwendet. In der Literatur
gibt es eine Viehzahl an Motormodellen, die entweder auf finiten Elementen [43, 44]
oder auf konzentrierten Elementen [45, 46, 47] basieren. Ein häufig verwendetes Mo-
dell ist ein konzentriertes Elemente-Modell im umlaufenden Koordinatensystem [46].
Es beschreibt den Motor anhand von linearen Differenzialgleichungen für den elek-
trischen und für den mechanischen Teil der Maschine in Bezug auf ein Raumzeiger-
koordinatensystem, welches in Rotorrichtung läuft. Tabelle 2.3 zeigt die notwendigen
linearen Parameter für das Modell.
7
https://de.mathworks.com/products/simscape.html
Parameter Beschreibung
L1 Eigeninduktivität der Statorwicklungen
L2 Eigeninduktivität der Rotorwicklungen
R1 Widerstand der Statorwicklungen
R2 Widerstand der Rotorwicklungen
Ψ Gegeninduktivität von Stator- zu Rotorwicklung
Zp Polpaarzahl des Motors
J Trägheitsmoment des Motors
Tabelle 2.3. Parameter des Asynchronmotors im koordinatenfesten System
Obwohl das Modell nur aus sieben Parametern besteht, sind im realen Prüfstandsbe-
trieb nur wenige Parameter bekannt. Eine Schätzung der Parameter durch unterschied-
liche Verfahren, wie Recursiv-Least-Square [48], genetische Algorithmen [49], offline
Frequenzanalysen [50] oder Extended-Kalman-Filter [51], wäre möglich. Alle Verfah-
ren sind mit einem gewissen Aufwand verbunden und beziehen sich auf einen offenen
Regelkreis bzw. verfügen Wissen über den verwendeten Regler. Im typischen Fall ist
der Regler im verwendeten industriellen Prüfstandsumrichter nicht einsehbar und der
Dynamometer kann nicht separat analysiert werden. Daher müssen der Dynamometer
und der Umrichter als ein geschlossener Regelkreis gesehen werden. Schröder [46] lei-
tet ein Ersatzmodell für den geschlossenen Stromregelkreis einer Drehstrommaschine
als P T1 Filter mit Totzeit her. Für die Co-Simulation wird ein entsprechender Ansatz
verwendet.
Wellendynamik und Kommunikationszeiten

Die mechanische Verbindung zwischen Dynamometer und Verbrennungsmotor kann
sehr unterschiedlich sein. Eine übliche Herangehensweise zur Modellbildung besteht
darin, die Drehmomente des Verbrennungsmotors und Dynamometers als Eingänge
zu definieren und die Wellendynamik separat zu modellieren [17, 10, 52, 27, 53, 54,
55]. Für die Co-Simulation wird die Welle als 2 Massen-Feder-Dämpfer modelliert.
Die Massen werden in Dynamometer und Verbrennungsmotor zzgl. kompletter Prüf-
standswelle separiert.
Alle digitalen Komponenten (Sensoren, Umrichter und Automatisierungssystem) ar-

beiten und kommunizieren mit einer dedizierten Abtast-, Prozess- und Kommunikati-
onszeit. Tabelle 2.4 zeigt im vorliegenden Fall die einzelnen Abtastzeiten, Kommuni-
kationszeiten und ggf. Filterzeiten. Die Zeitkonstanten sind anhand einer Vermessung
eines Verbrennungsmotorprüfstandes (siehe Kapitel 3.2) ermittelt, können aber zu ei-
ner Systemuntersuchung variiert werden. Für die Co-Simulation wird, entsprechend
des Takts des Automatisierungssystems, 1 ms als Basistakt gewählt. Alle Komponenten
können zur Untersuchung herunter getaktet werden. Da die Filter in den schnelleren
Komponenten zur Kommunikationszeit ausgewählt werden, führt der Basistakt von
1 ms in der Simulation zu keinem Alias-Effekt. Die Kommunikationszeit und evtl. Pro-
zesszeiten werden als parametrierbare Totzeitglieder modelliert.
20 2. Modellbildung
Komponente Abtastfrequenz Prozess-/Filterzeit Kommunikationszeit

Frequenzumrichter 4 kHz 0.25 ms / - 1 ms
Drehzahlmessung Mhz Bereich 0.25 ms / 2 ms 1 ms
Drehmomentmessung Mhz Bereich <0.1 ms / 2 ms Analog
Automatisierungssystem 1 kHz 1ms / - 1ms
Tabelle 2.4. Zeitkonstanten der digitalen Prüfstandskomponenten
Drehmomentmessung
Eine genaue Messung oder Berechnung des Drehmomentes ist für den gekoppelten
Prüfstand von enormer Wichtigkeit, da das Drehmoment das signifikanteste Charak-
teristikum des zu vermessenden Verbrennungsmotors ist. Aufgrund des kausalen Zu-
sammenhangs zwischen simulierter Drehzahl und gemessenem Drehmoment ist ei-
ne gekoppelte Simulation ohne eine genaue Drehmomentmessung nicht möglich. Im
besten aber aufwendigsten Fall kann das Drehmoment am Verbrennungsmotor, an der
Welle und am Elektromotor gleichzeitig gemessen bzw. geschätzt werden. In Abhän-
gigkeit vom Drehmoment, welches in die Co-Simulation zurückgeführt wird, ergeben
sich unterschiedliche Ergebnisse.
Die Drehmomentmessung am Verbrennungsmotor erfolgt indirekt über die Messung

des Gasdrucks im Zylinder. Der Gasdruck wird über eine sogenannte Hochdruckindi-
zierung durch Einbringung eines piezoelektrischen Wandlers in den Zylinder oder in
die Zündkerze ermittelt. Der Messaufwand ist relativ hoch, insbesondere wenn der
Sensor in den Zylinder integriert ist. Deshalb wird das Verfahren nur dann angewen-
det, wenn der Motor bzw. die Verbrennung genauer untersucht werden soll. Aus dem
indizierten Druck lässt sich, unter Einbezug der Reibverluste, das effektive Drehmo-
ment des Verbrennungsmotors berechnen [56]. Weiterhin gibt es Verfahren das effek-
tive Drehmoment direkt über Größen wie Winkel, Drehmoment des Dynamometers
und Drehmoment gemessen durch den Messflansch zur Laufzeit zu schätzen. In [57]
und [58] werden Kalmanfilter benutzt, die als Modell der Verbrennungsmotordrehun-
gleichförmigkeit farbiges Rauschen [57] oder eine Reihe von Sinus/Cosinusfunktionen
[58] verwenden. Beide Verfahren benötigen keine Kenntnis über den Verbrennungs-
prozess, aber der Parametrisierungsaufwand der Modelle ist sehr hoch. In [59, 60,
61] wird basierend aus der Differenz eines geschätzten und gemessenen Kurbelwel-
lenwinkels mittels eines PID-Reglers auf das Verbrennungsmotormoment geschlossen.
Auch hier ist kein Wissen über den Verbrennungsprozess notwendig. Der Parametri-
sierungsaufwand des PID Reglers ist zunächst gering, jedoch entstehen im transienten
Bereich des Verbrennungsmotors Fehler und Schwingungen. Eine weitere mögliche
Methode besteht in der Modellierung des Verbrennungsmotorprozess [36], was aber
mit großem Modellierungs- sowie Parametrisierungsaufwand verbunden ist. In der
Co-Simulation ist das genaue Verbrennungsmotormoment bekannt. In Kapitel 5.2.4
wird der Einfluss des in die Co-Simulation zurückgeführten Drehmomentsignals auf
die Ergebnisse untersucht, indem eine Variation des Signals stattfindet.
Die Drehmomentmessung am Elektromotor wird indirekt durch die Bestimmung der

Phasenströme ermittelt. Aus den Phasenströmen kann das Drehmoment im Luftspalt
der Maschine ohne Verluste berechnet werden. Unter Einbezug der maßgeblichen
Eisen-, Kupfer- und Reibungsverluste kann das effektive Drehmoment ohne Berück-
sichtigung der Trägheiten geschätzt werden. Eine genaue Schätzung ist aber häufig
nicht möglich, da exakte Kenntnisse über den Dynamometer und Umrichter nicht vor-
handen sind (siehe oben).
Die Messung an der Welle wird häufig direkt über einen Messflansch durchgeführt.
Dieser besteht aus einem Stator und einem Rotor, der mit der Welle verbunden ist. Auf
dem Rotor befinden sich mindesten zwei Dehnungsmessstreifen, die in einer Wheatstone-
Brücke verschaltet sind. Bei einer Torsion entsteht eine Verdrehung der Welle, die zu
einer Längung bzw. Stauchung des Dehnungsmessstreifens und somit zu einer Verän-
derung des elektrischen Widerstands führt. Die Versorgungsspannung und die Messsi-
gnale werden induktiv zwischen Stator und Rotor übertragen [41, 62]. Insbesondere
im dynamischen Betrieb können parasitäre Messungen durch Biege- und Axialschwin-
gungen auftreten. Eine genaue Ausrichtung und Kalibrierung des Flansches ist im dy-
namischen Drehmomentbetrieb für jeden spezifischen Einsatz notwendig [63]. Für die
Co-Simulation wird ein drehzahlabhängiges Messrauschen zum idealen Messmoment
an der Welle hinzugefügt.
Drehzahlmessung
Abhängig vom mechanischen Aufbau verändert sich die Drehzahl entlang der Prüf-
standswelle. Die Verbrennungsmotordrehzahl wird anhand des Kurbelwellengeber-
rades bestimmt. Das Rad weist in der Regel eine 60-2 Verzahnung auf. Somit kann
die Position der Kurbelwelle mit einer Auflösung von ca. 6° bestimmt werden. Durch
Differenziation bzgl. der Zeit kann die Drehgeschwindigkeit des Verbrennungsmotors
berechnet werden.
Die Dynamometerdrehzahl wird meistens entweder durch einen Resolver, Absolut-
winkelgeber oder Inkrementalwinkelgeber berechnet. Alle drei Methoden geben eine
Position wieder, die durch eine zeitliche Differenziation zur Drehzahl des Dynamo-
meterrotors führt. Nähere Informationen zu der Wirkungsweise der Geber kann in
[41] nachgelesen werden. Im vorliegenden Prüfstand ist ein Inkrementalwinkelgeber
mit einer Auflösung von 1024 Strichen, deren Detektion per TTL-Signal übermittelt
wird, verwendet. Das TTL-Signal wird im MHz Bereich vom Umrichter abgetastet und
digital mit 4 kHz verarbeitet. Daraus wird ein Mittelwert über 2 ms gebildet. Dieses
Verhalten ist entsprechend in der Simulation abgebildet.
22 2. Modellbildung
2.4. Ersatzmodell
Für die Herleitung eines modellbasierten Reglers ist ein mathematisches Modell des
Prüfstandes sowie der Co-Simulation notwendig. In einer Co-Simulation sind, wie im
letzten Kapitel beschrieben, die Modelle lediglich auf Systemebene und die Parameter
nur teilweise bekannt. Zusätzlich gibt es mehrere Unbekannte im Komponentenprüf-
stand. Der mechanische Aufbau mit seinen Eigenmoden und Trägheiten ändert sich
mit jedem Prüfling sowie Prüfstand und ist nur mit zusätzlichem Aufwand und tech-
nischem Wissen ermittelbar. Ein Ziel dieser Arbeit ist die Herleitung eines Regelungs-
konzepts, welches mit geringem Aufwand für unterschiedliche Prüfstände anwendbar
ist. Daher wird für den modellbasierten Regler ein reduziertes Ersatzmodel mit einer
möglichst geringen Anzahl an Parametern verwendet.
Nachfolgend werden die Differenzen- bzw. die Zustandsraumgleichungen hergeleitet.
Ein Vorteil des modellbasierten Reglers ist die Kenntnis der Totzeiten im System bzw.
Totzeit
Modell. Wenn die Totzeit ein ganzzahliges Vielfaches der Abtastzeit ist Tt = Abtastzeit ,
kann sie durch das Hinzufügen von Tt Zustandsgleichungen dargestellt werden. Zu-
sätzlich können bei einem linearen Single-Input-Single-Output System (SISO) Totzei-
ten vom Ein- zum Ausgang verschoben und summiert werden. In einem Multiple-
Input-Multiple-Output System (MIMO) ist zu unterscheiden, an welcher Stelle im Sys-
tem die Totzeit wirkt und die Totzeiten sind zu den Eingängen und Ausgängen dedi-
ziert zuzuweisen. Um im Nachfolgenden eine kompakte und leserliche Schreibweise
der Gleichungen zu ermöglichen, werden die zusätzlichen Zustände nicht innerhalb
der Gleichungen, sondern als isolierte Eingangs- bzw. Ausgangswerte dargestellt.
Verbrennungsmotorprüfstand Ersatzmodell
In [52, 27] werden Verbrennungsmotorprüfstände als Mehrmassenschwinger mit zwei
angreifenden Drehmomenten modelliert. Grünbacher [53] und Passenbrunner [54]
erweitern diesen Gedanken, indem sie das Verbrennungsmotordrehmoment als nicht-
lineare Funktion hergeleitet in [55] verwenden. Die nicht-lineare Funktion ist als er-
weitertes Hammersteinsystem, in Abhängigkeit von Drehzahl, Drehmoment und Fahr-
pedal, definiert. In allen Ausarbeitungen werden jedoch die Prozesstotzeit und die Dy-
namometerdynamik vernachlässigt. Savelsberg [10] verwendet ein schwingungsfreies
Wellenmodell, außerdem sind die Dynamometerdynamik als P T1 und die Prozesstot-
zeiten am Ausgang der Regelstrecke angenommen. Filipi [12] verwendet datenbasier-
te Transferfunktionen, welche die Totzeiten mit einbeziehen, jedoch werden die Trans-
ferfunktionen nicht genauer erläutert. In dieser Arbeit wird ein ähnlicher Ansatz wie
in [10] verwendet, da die Moden der Prüfstandswelle meistens unbekannt sind und
die Dynamometerdynamik sowie die Prozesstotzeiten nicht zu vernachlässigen sind.
Daher wird eine steife Welle mit zwei anliegenden Drehmomenten nach Gleichung
2.6 angenommen. Das gesamte Massenträgheitsmoment wird dabei in eine Dynamo-
meterträgheit JDyno und in die restliche Trägheit JVM geteilt. Das Verbrennungsmotor-
MVM und das Dynamometerdrehmoment MDyno werden zunächst als ideale Eingänge
angenommen.
2.4. Ersatzmodell 23
(JVM + JDyno )ω̇(t) = MVM,i (t) + MDyno,i (t) (2.6)
JVM = Massenträgheitsmoment Verbrennungsmotor

JDyno = Massenträgheitsmoment Dynamometer
MVM,i = Effektive Drehmoment Verbrennungsmotor
MDyno,i = Effektive Drehmoment Dynamometer
Mithilfe des Differenzenquotienten aus Gleichung 2.7 und der Umformulierung nach
ω entsteht die Differenzengleichung der starren Welle nach Gleichung 2.8.
y(t + T ) − y(t) ω(k + 1) − ω(k)

∆y = ⇒ ω̇ ≈ ∆ω = (2.7)
T TA
TA
ω(k + 1) = · (MVM,i + MDyno,i ) + ω(k) (2.8)
JVM + JDyno
TA = Abtastzeit
Das ideale Eingangssolldrehmoment MDyno,s wird, wie in Kapitel 2.3.2 beschrieben,

mittels eines P T1 Filters zu dem Istdrehmoment MDyno,i verzögert (MDyno,s ⇒ MDyno,i ).
Der zweite ideale Eingangssollwert MVM,s wird, wie in [25] dargestellt, als Kennfeld
mit anschließender P T2 Verzögerung definiert. Für die Systemgleichung wird jedoch
das Kennfeld ignoriert und dessen Ausgang MV M ,s als Eingang für das System an-
genommen und mit einem P T2 zu einem Istdrehmoment MVM,i verzögert (MVM,s ⇒
MVM,i ). Unter dieser Annahme lassen sich beide Istdrehmomente nach Gleichung 2.9
und Gleichung 2.10 darstellen.
1 1
ṀDyno,i (t) = − MDyno,i (t) + MDyno,s (t)
TDyno TDyno
TA T
⇒ MDyno,i (k + 1) = (1 − )MDyno,i (k) + A MDyno,s (k) (2.9)
TDyno TDyno
TDyno = P T1 Zeitkonstante Dynamometer

24 2. Modellbildung
2D 1 1
M̈VM,i (t) = − ṀVM,i (t) − 2 MVM,i (t) + 2 MVM,s (t)
TVM TVM TVM
2DTA

⇒ MVM,i (k + 2) = MVM,i (k + 1) 2 −
TVM
TA2

2DTA
+ MVM,i (k) −1 + − 2 (2.10)
TVM TVM
TA2
+ 2
MVM,s (k)
TVM
D = P T2 Dämpfungskonstante
TVM = P T2 Zeitkonstante
Die Gleichungen zeigen das rotatorische Verhalten der Prüfstandswelle ohne Einbezug
der Totzeiten in den Daten verarbeitenden Systemen. Abbildung 2.11 veranschaulicht
die Gleichungen als Blockschaltbild und erweitert sie um Prozess- und Totzeiten.
Kenn- MVM,i
feld Tt P T2
ω
1
JVM +JDyno I Tt
Tt Tt P T1 MDyno,i
MDyno,s
Abbildung 2.11. Blockschaltbild des Ersatzmodells des

Verbrennungsmotorprüfstandes bestehend aus PT1-Filter
(Dynamometer), PT2-Filter zzgl. eines nicht linearen
Kennfelds (Verbrennungsmotor) und Integration des
Drehmomentes zur Winkelgeschwindigkeit
Das Dynamometersolldrehmoment MDyno,s und die gemessene Winkelgeschwindigkeit

ω werden jeweils um eine Kommunikationstotzeit verschoben. Zusätzlich sind die Pro-
zesszeiten des Umrichters und der ECU als Totzeiten einbezogen. Bildlich vom Sum-
menblock gesehen, können die linken Totzeiten dem Eingang und die rechten Totzei-
ten dem Ausgang zugeordnet werden. Schlussfolgernd aus der Abbildung 2.11, den
2.4. Ersatzmodell 25
Gleichungen 2.8-2.10 und der Definitionen für

T T
den Zustandsvektor x = x1 x2 x3 x4 = ω MDyno,i MV M ,i MVM,i,2 ,
T
u = [u1 u2 ]T

den Eingangsvektor = MDyno,s MVM,s
und den Ausgangsvektor y = [ y1 ] = [ω]
entstehen die Zustandsraummatrizen des Verbrennungsmotorprüfstandes:
TA TA
 
1 JVM +JDyno JVM +JDyno 0
TA
0 1 − TDyno 0 0 
A= ,
 
0 0 1 0 
2DTA TA2 2DT
0 0 −1 + TVM − 2
TVM
2 − TVMA
 
0 0 1
 
TA

 TDyno 0  T 0

0
B= 0 0  , C =   und D =
T
. (2.11)
  0 0
TA2
0 2
0
TVM
Ausgangstotzeit 1: Drehzahl TtO

Eingangstotzeit 1: Dynamometer TtI1
Eingangstotzeit 2: Verbrennungsmotor TtI2
Besonderheiten gekoppelter
Prüfstände
Im vorherigen Kapitel 2 werden die Co-Simulation und ein Verbrennungsmotorprüf-
stand beschrieben. Es wird erörtert, welche Signale für die Kopplung zwischen Co-
Simulation sowie Prüfstand ausgetauscht werden. Infolge des Austausches der Signa-
le, entsteht eine besondere gekoppelte Struktur, die im Nachfolgenden untersucht
wird. Hierzu werden die grundlegende Struktur eines EiL-Prüfstandes sowie struk-
turelle Besonderheiten für den Regler diskutiert. Anschließend wird die Vermessung
eines realen Prüfstandes beschrieben.
3.1. Untersuchung der Regelkreise in einem

gekoppelten Prüfstand
Ein EiL-Prüfstand unterscheidet sich gegenüber einem konventionellen Verbrennungs-
motorprüfstand durch die Rückkopplung des Drehmomentes in die Simulation und der
Generierung der Sollwerte für die Fahrpedalstellung und die Verbrennungsmotordreh-
zahl aus der Simulation. Die Sollwerte entstehen zur Laufzeit und sind daher a priori
nicht bekannt. Des Weiteren entstehen die Sollwerte auf Basis des gemessenen Dreh-
momentes, das wiederum von den Sollwerten abhängt. Der einzige, von außerhalb
des Systems vorgegebene, Sollwert ist die Fahrzeuggeschwindigkeit.
Ein übergeordneter MIMO-Regler mit Kenntnis von Fahrer, Streckenprofil, Fahrzeug
und Prüfstand wäre theoretisch möglich. Insbesondere sind die Dynamiken des Fah-
rers und der Fahrfunktionen Freiheitsgrade und im Allgemeinen nicht hinreichend in
einer Co-Simulation bekannt. Dieser Umstand verschärft sich mit einer zunehmenden
Anzahl von Funktionen im Antriebsstrang. So können z.B. diverse Hybridstrategien
mit einem EiL-Prüfstand erstmalig erprobt werden. Das Wissen über diese Funktionen
steht nicht während der Auslegung des Reglers zur Verfügung. Das Regelstreckenmo-
dell muss aus diesem Grund auf den Prüfstand und bekannte bzw. generische Teile
der Simulation reduziert werden. Da in diesem Falle kein externer Sollwert vorliegt,
ist kein Ein-/Ausgangsverhalten definierbar, welches zu einer Herleitung eines Stre-
ckenmodells und eines Reglers notwendig ist. Abbildung 3.1 veranschaulicht das Pro-
blem, indem die Kopplung des Ersatzmodelles mit der Co-Simulation anhand von zwei
unterschiedlichen Regelkreisen gezeigt wird.
Der erste Regelkreis wird als gestrichelte schwarze Linie dargestellt und umfasst den
Fahrer als Regler. Anhand der Fahrpedalstellung α versucht der Fahrer der Sollge-
schwindigkeit vs zu folgen, wobei er über die Prüfstandswelle die Drehzahlregelung
26
3.1. Untersuchung der Regelkreise in einem gekoppelten Prüfstand 27
vs α T2 Tt5 MVM,i Tt6+t7 MPS

Fahrer Prüfstandswelle Fahrzeug
JVM JDyno
MPS
MDyno,i
T1
Tt1 Tt2+t3
Tt4
ω ωs vi
MDyno,s Regelkreis 2
Regler
Regelkreis 1
Abbildung 3.1. Aus der Kopplung des Prüfstandes mit der Co-Simulation
entstehen die Regelreise: Regelkreis 1 / Fahrer und Regelkreis
2 / Drehzahlregler
des Dynamometers und das gemessene Drehmoment MPS beeinflusst. Der zweite Re-
gelkreis beinhaltet den Drehzahlregler des Dynamometers. Der Regler versucht die
Winkelgeschwindigkeit des Dynamometers ω auf die Winkelgeschwindigkeit der Ge-
triebeeingangswelle ωs zu regeln und beeinflusst dadurch das gemessene Drehmo-
ment. Auf diese Weise verändert er implizit die Winkelgeschwindigkeit der Getriebe-
eingangswelle ωs . Der erste Regelkreis ist aufgrund des definierten Ein-/Ausgangs-
verhaltens (vs ⇒ vi ) unproblematisch. Da die Führungsgröße ωs von der Regelgröße
ω beeinflusst wird, besitzt der Regelkreis 2 jedoch kein definiertes Ein-/Ausgangsver-
halten. Der Regelkreis 2 wird nachfolgend theoretisch untersucht und der Einfluss der
Kopplung im Unterkapitel 5.2.4 simulativ bewertet.
Die Zeitwerte (z.B. T1 ) und Trägheiten können den Tabellen 3.1 und 3.2 im nächsten
Kapitel 3.2 entnommen werden.
Regelkreis 1 / Fahrer
Der Fahrer im ersten Regelkreis beeinflusst über das Fahrpedal die Geschwindigkeit
des Fahrzeugs und somit die Drehzahl der Getriebeeingangswelle. Aus dieser Per-
spektive heraus betrachtet, gibt der Fahrer dem Drehzahlregler eine Solldrehzahl vor.
Gleichzeitig regelt der Drehzahlregler implizit über den Dynamometer die Fahrzeug-
geschwindigkeit. Fasst man dieses Verhalten zusammen, entsteht eine Struktur ähnlich
eines Kaskadenreglers wie sie in Abbildung 3.2 dargestellt ist.
Obwohl die Prüfstandkaskade nicht mit der konventionellen Kaskade identisch ist,
weisen beide Kaskaden die gleichen Voraussetzungen auf. Dies basiert auf der Tat-
28 3. Besonderheiten gekoppelter Prüfstände
Prüfstandskaskade
vs α
Fahrer Prüfstand MPS Fahrzeug
vi
ω
Regler
MDyno,s
ωs
Konventionelle Kaskade
w1 Äußerer w2 Innerer u Regel-
Regler Regler Strecke
y1 y2
Abbildung 3.2. Vergleich Prüfstandkaskade und klassische Kaskade
sache, dass der Fahrer implizit die Solldrehzahl ωs vorgibt. Eine Bedingung für eine
stabile normale Kaskade ist, dass die Dynamik des inneren Kreises deutlicher höher
als die des äußeren Kreises sein muss. Diese Voraussetzung lässt sich analog auf die
Prüfstandkaskade übertragen. Die Dynamik der Drehzahlübertragungsfunktion muss
deutlicher höher als die Dynamik der Geschwindigkeitsübertragungsfunktion sein. Das
heißt, der Drehzahlregelfehler muss für den Fahrer stationär sein, ansonsten würde
dieser versuchen die Fehlerdynamik zu kompensieren und folglich den Drehzahlreg-
ler beeinflussen. Bei einem menschlichen Fahrer mit Fahrpedalaktuationszeiten von
>100 ms ist die Dynamik weitaus geringer als die des Drehzahlregelkreises. Diese An-
forderung gilt auch für den simulierten Fahrer. Dadurch kann der Drehzahlregler ohne
Einbezug des ersten Regelkreises ausgelegt werden.
Regelkreis 2 / Drehzahlregler
Nach Abbildung 3.1 sowie der dazugehörigen Beschreibung besteht eine Beziehung
zwischen der Führungsgröße ωs und der Regelgröße ω. Diese Abhängigkeit muss
durch ein geeignetes Verfahren aufgelöst oder die Auswirkungen einer Vernachläs-
sigung dieser Kopplung untersucht werden. Die Kopplung entsteht durch die Rück-
führung des Messmomentes MPS und dessen physikalischer Ursache. Hierzu soll das
Schnittmoment einer Welle aus Gleichung 2.2 und 2.3 nach der Beschleunigung umge-
stellt (siehe Gleichung 3.1 und 3.2) und für die Prüfstandswelle umformuliert werden.
3.1. Untersuchung der Regelkreise in einem gekoppelten Prüfstand 29
0 = MVM,i (t) − JVM ω̇(t) − MPS(t)

MVM,i (t) − MPS(t)
⇒ ω̇(t) = (3.1)
JVM
0 = MDyno,i (t) − JDyno ω̇(t) + MPS(t)

MDyno,i (t) + MPS(t)
⇒ ω̇(t) = (3.2)
JDyno
Durch Gleichstellen beider Gleichungen und Umformulierung nach MPS entsteht Glei-
chung 3.3.
JDyno MVM,i (t) − JVM MDyno,i (t)

MPS(t) = (3.3)
JDyno + JVM
Die Gleichung beschreibt das gemessene Drehmoment am Flansch und zeigt den Ein-
fluss des Dynamometermoments auf dieses Drehmoment. Wenn der Regler ein hohes
Drehmoment vom Dynamometer fordert, wird dieses gemessen und führt zu einer
Änderung der Führungsgröße. Der Regler kann sich somit im schlechtesten Fall selber
anregen und instabil werden. Bleibt das gesamte System stabil, führt das falsche Dreh-
moment im Vergleich zur reinen Co-Simulation oder zum Realfahrzeug zu veränderten
Ergebnissen. Das Ziel ist es, das effektive Drehmoment MVM,i in die Co-Simulation zu-
rückzuführen. Unter Beachtung der Massenträgheit des Verbrennungsmotors in der
Co-Simulation würde das effektive Drehmoment zu realitätsnäheren Ergebnissen füh-
ren. Dadurch wäre es auch möglich, ein dediziertes Ein- / Ausgangsverhalten zu be-
schreiben, weil das effektive Drehmoment im Dynamikbereich der Drehzahlregelung
weitestgehend drehzahlunabhängig ist.
Der Anteil des Dynamometermoments am Messmoment hängt von dem Verhältnis der
beiden Trägheitsmomente links- und rechtsseitig der Messstelle ab. Gleichung 3.4 ver-
anschaulicht den Zusammenhang. Je größer das Massenträgheitsmoment des Dyna-
mometers im Vergleich zur restlichen Trägheit ist, desto weniger ist der Einfluss des
Dynamometermoments messbar.
Für JDyno >> JVM

:↑ :↓
MVM,i (t) − JVM
JDyno
(t)
M
Dyno,i
MPS(t) = ↑
(3.4)
+
JDyno

* *↓
JVM

⇒ MPS(t) =MVM,i (t) (3.5)
Bei einem ausreichend großem Verhältnis kann der Einfluss des Dynamometers auf
das Messmoment vernachlässigt werden. Somit entspricht das Messmoment dem ge-
wünschten Verbrennungsmotormoment (siehe Gleichung 3.5). In der Regel ist das
Massenträgheitsmoment des Prüflings (Elektro- oder Verbrennungsmotor) tatsächlich
deutlich kleiner als das des Dynamometers. Es können aber zusätzliche Komponenten
wie Dämpfer, Schwungräder oder Wellen hinzukommen, die das Verhältnis beeinflus-
sen können. Der wegen des falschen Drehmoments entstehende Fehler wird in Kapitel
5.2.4 untersucht.
3.2. Vermessung des Prüfstandes 31
3.2. Vermessung des Prüfstandes

Die Kenntnis über die Prüfstandsparameter ist für die Co-Simulation und für einen
Modellbasierten Regler notwendig. Nachfolgend werden in den Tabellen 3.1 - 3.2 die
relevanten Parameter mit ihren jeweiligen Werten aufgelistet. Anschließend erfolgt
die Erläuterung der Vermessungsmethoden. Insgesamt wird der Verbrennungsmotor-
prüfstand in zwei unterschiedlichen Versionen vermessen. Der mechanische Aufbau,
bestehend aus dem Verbrennungsmotor, der Verbindungswelle und dem Dynamome-
ter, bleibt unverändert, jedoch wird der Frequenzumrichter in der zweiten schnelleren
Version durch einen neueren Typ ersetzt. In beiden Tabellen sind die Werte für die un-
terschiedlichen Versionen durch einen Schrägstrich getrennt. Die Zeitkonstante für
den Verbrennungsmotor ist empirisch angenommen (durch * gekennzeichnet).
Komponente Formelzeichen Wert

Massenträgheit linksseitig der Messstelle JVM 0,26 kgm2
Massenträgheit rechtsseitig der Messstelle JDyno 0,23 kgm2
Dämpfungskonstante Massenschwinger d 20 Nm/(rad/s)
Federkonstante Massenschwinger c 9660 Nm/rad
Tabelle 3.1. Mechanische Prüfstandsparameter
Komponente Formelzeichen Wert

Umrichter und Dynamometer Zeitkonstante für P T1 T1 35 ms / 8 ms
Prozesszeit Umrichter für Drehmomentsollwert Tt1 4 ms / 0,25 ms
Prozesszeit Umrichter für Drehzahlmesswert Tt2 4 ms / 0,25 ms
Totzeit Drehzahlmesswert durch Filter Tt3 ca. 2 ms / ca. 2 ms
Kommunikationszeit zwischen Umrichter und AuSy Tt4 1 ms
VM Zeitkonstante P T2 T2 55 ms*
Kommunikationszeit zwischen VM und AuSy Tt5 2 ms*
Kommunikationszeit zwischen Flansch und AuSy Tt6 1 ms
Prozesszeit Flansch Tt7 <0,5 ms
Tabelle 3.2. Digitale Prüfstandsparameter
Ein ähnlicher Messaufbau wie in Abbildung 3.3 wurde für die Prüfstandsversion 1
von Savelsverg [10] durchgeführt. Die Auswertung der Messdaten erfolgt in dieser
Arbeit analog dazu. Ein wesentlicher Unterschied ist die Ermittlung der Totzeit und
der P T1 Zeitkonstante des Umrichters bzw. Dynamometers. Daher liegt hier ein größe-
rer Fokus auf der Auswertung dieser Parameter. Das Automatisierungssystem (AuSy),
der Umrichter und der Messflansch kommunizieren mittels des EtherCAT Protokolls
miteinander. Das Protokoll garantiert im fehlerfreien Zustand eine echtzeitfähige, al-
so deterministische Kommunikation. Daher wird von einer Kommunikationszeit vom
Umrichter- bzw. Flanschausgang zum AuSy von 1 ms ausgegangen. Nähere Informa-
tionen zum Protokoll können auf der Internetseite der technischen Gruppe gefunden
werden [64]. Der EtherCAT Bus wird passiv mit einer Messfrequenz von 2 kHz, mit-
tels eines zentralen Messsystems, aufgezeichnet. Zusätzlich misst ein Sensor einen der
Phasenströme. Das Signal der Messzange wird mit 20 kHz mit demselben Messsystem
erfasst.
Automatisierungssystem EtherCAT
Messung
Messsystem
Abbildung 3.3. Aufbau der Prüfstandsvermessung zzgl. zusätzlicher

Messsysteme zur Strommessung und Erfassung der EtherCAT
Kommunikation
Auf dem EtherCAT Bus wurde für diese Vermessung zusätzlich der Ausgang des Strom-
reglers im Umrichter eingefügt, um die Prozesszeit im Umrichter zu ermitteln.
Die Prozesszeit im Umrichter wird als zeitliche Differenz zwischen dem Eingangssignal
des Umrichters und dem Ausgangssignal des Stromreglers bestimmt. Die Prozesszeit
des Messflansches wird anhand der zeitlichen Differenz zwischen der Veränderung
des Stromes und der Veränderung des Drehmomentsignals auf dem EtherCAT Bus zu
1,5 ms ermittelt. Subtrahiert man die Kommunikationszeit und berücksichtigt die Ab-
tastfrequenz des Messsystems von 2 kHz, muss die Prozesszeit kleiner 0,5 ms sein.
Analog wird die Totzeit der Drehzahlmessung aus der zeitlichen Differenz zwischen
Änderung des Stromsignals und der Drehzahländerung berechnet. Ein Unterschied
zwischen beiden Versionen ist die Auswertung des Inkrementalwinkelgebersignals im
Umrichter. In Version 1 wird das Signal hochfrequent abgetastet, aber nur mit 250 Hz
verarbeitet. Die digitale Filterfunktion der Drehzahlauswertung ist nicht bekannt, je-
doch kann die Phasenverschiebung durch die Filterung anhand der Messung, unter
Berücksichtigung der Verarbeitungsfrequenz, zu 2 ms ermittelt werden. In Version 2
wird das abgetastete Signal mit 4 kHz verarbeitet und mit einem 500 Hz Mittelwert-
filter geglättet.
Die Berechnung der Zeitkonstante der P T1 Ersatzfunktion erfolgt für Version 1 und
2 unterschiedlich. Die Zeitkonstante ist in Version 1 anhand der Sprungantwort des
Phasenstroms auf einen Sprung des Drehmomentsollwerts mittels grafischer Metho-
den geschätzt. Für Version 2 wird ein detailliertes Verfahren verwendet, um etwaige
Nichtlinearitäten im Umrichter und Dynamometer einordnen zu können.
Bleibt der Dynamometer bzw. der hier verwendete Asynchronmotor unterhalb der
Nenndrehzahl und werden die Verluste vernachlässigt, ist ein P T1 Filter eine gängige
Modellierungsart für den Elektromotor [65, 66]. Eine geeignete Wahl des Umrichter-
Stromreglers kann die Einflüsse der Verluste bzw. Nichtlinearitäten auf die Regelgüte
und Dynamik minimieren, jedoch ist die Robustheit beschränkt. Um die Nichtlinea-
ritäten zu untersuchen, wird, anstatt eines Sprunges, eine Sinusfunktion mit verän-
derlicher Frequenz und Amplitude als Solldrehmoment vorgegeben. Für jeweils 10
Sekunden werden die Amplitude und die Frequenz der Sinusfunktion konstant gehal-
ten, um anschließend die Frequenz zu erhöhen und erneut 10 Sekunden zu messen.
Der Vorgang wird so lange wiederholt, bis die Änderungsrate des Drehmoments einen
Maximalwert erreicht. Daraufhin erfolgt eine Rücksetzung der Frequenz auf den Start-
wert und die Erhöhung der Amplitude um einen Schritt. Danach wird wieder die Fre-
quenz bis zur maximalen Änderungsrate gesteigert. Somit entsteht eine Funktion, die
alle Frequenzen und Amplituden bis zu einer bestimmten Änderungsrate und in einer
bestimmten Auflösung enthält. Ein vollständiger Satz aus Messungen, bestehend aus
allen Amplituden sowie Frequenzen, wird jeweils für eine Startdrehzahl von 0, 1000,
2000, 3000 sowie 4000 U/min durchgeführt. Als Antwort auf die anregenden Sinus-
funktionen werden die Drehzahl und das vom Umrichter geschätzte Drehmoment auf-
gezeichnet. Die Drehzahl kann über J ω̇ = M mit der Kenntnis der Massenträgheit zum
effektiven Drehmoment des Elektromotors (Verluste inklusive) umgerechnet werden.
Drehmoment / Nm
10
Sollwert
5 Umrichterschätzung
Berechnung aus Drehzahl
0
−5
5 5,75 6,5 7,25 8
Drehmoment / Nm
50
−50
1260 1260,25 1260,5 1260,75 1261
Zeit / s
Abbildung 3.4. Gegenüberstellung des geschätzten, des berechneten und des

angefragten Elektromotormoments für zwei unterschiedliche
Arbeitspunkte (5 Nm und 37 Nm)
Abbildung 3.4 zeigt exemplarisch für zwei unterschiedliche Amplituden und Frequen-
zen das Sollmoment in Schwarz, die Umrichterschätzung in Grau und die mathe-
matische Berechnung als gestrichelte Linie. Es sind als Amplitude 5 Nm bzw. 37 Nm
und als Frequenz 1 Hz bzw. 3 Hz im ersten bzw. zweiten Diagramm zu sehen. Die
Sinusfunktion wurde bei einer Drehzahl von 2000 U/min ausgeführt. Ein verrausch-
tes Drehzahlsignal ist aufgrund des Inkrementalgeberfehlers bei niedrigen Drehzahlen
auszuschließen. Vielmehr ist das Rauschen im ersten Diagramm in der verminderten

Stromregelgüte des hier verwendeten Umrichters bei niedrigen Strömen begründet.
Die Regelgüte nimmt im vorliegenden Fall ab etwa 10 Nm zu, was ca. 2 % des Nennmo-
ments (550 Nm) entspricht. Das geschätzte und das berechnete Signal sind im unteren
Diagramm weniger fluktuierend. Für die Ableitung der Drehzahl wird das Signal mit
einem gleitenden Mittelwertfilter vor- und rückwärts gefiltert. Dadurch entsteht kein
Phasenverzug im gefilterten Signal, allerdings entsteht eine Reduzierung der Ampli-
tude des gewünschten Nutzsignals. Diese Verminderung der Amplitude nimmt relativ
zur Frequenz zu und ist in beiden Diagrammen für das berechnete Signal zu erkennen.
Im zweiten Diagramm ist eine Abweichung in der Umrichterschätzung zum geforder-
ten Drehmoment ersichtlich. Der Umrichter schätzt das Drehmoment unter Berück-
sichtigung der Verluste. Diese nehmen mit dem Strom bzw. Drehmoment zu, daher ist
die Abweichung im zweiten Diagramm größer als im Ersten.
Für die Systemidentifikation wurden 2 unterschiedliche Verfahren angewendet. Die

erste Methode nutzt die in Matlab integrierte Funktion “ARX” [67]. Diese führt eine Pa-
rameteridentifikation, basierend auf der Methode der kleinsten Fehlerquadrate (engl.
Least Square, LS), für ein Auto Regressive eXogenous input Modell (ARX) durch. Der
Begriff ARX wird in der Theorie der Systemidentifikation verwendet und beschreibt
ein deterministisches Modell mit externem Eingangssignal (eXogenous input) sowie
autoregressiver Störgröße. Nähere Informationen zu den unterschiedlichen Systemi-
dentifikationsmodellen und zum Verfahren der kleinsten Fehler Quadrate können [68]
entnommen werden. Der ARX Funktion werden die Anzahl an Null-, Polstellen und
Totzeiten der zu identifizierenden Transferfunktion vorgegeben. Demnach wird für
die P T1 Parameteridentifikation 1 Polstelle, 0 Nullstellen und 1 Totzeit von 2-3 ms
(siehe Tabelle 3.2) vorgegeben.
Das zweite Verfahren berechnet die Phasenverschiebung des Frequenzspektrums des
Ausgangssignals. Hierzu wird das Frequenzspektrum des Signals mittels einer Fourier-
analyse berechnet. Für die Analyse wird eine “Schnelle Fourier Transformation” (engl.
Fast Fourier Transformation FFT) in Matlab verwendet [69]. Die hinsichtlich der Sys-
temidentifikation relevante Grundfrequenz hat im Frequenzspektrum den höchsten
Wert. Zu dieser Frequenz wird die Phase berechnet, welche bei der korrekten Wahl des
zu untersuchenden Zeitabschnitts als Phasenverzug zum Sollwert interpretiert werden
kann. Die Phase φ eines P T1 kann über den Arcustangens, in Abhängigkeit von der
Frequenz ω, berechnet werden. Durch Umstellen nach der Eckfrequenz ω0 bzw. der
Zeitkonstante T1 sowie durch das Einsetzen der Phasenverschiebung φv und der da-
zugehörigen Eingangsfrequenz fv , lässt sich die P T1 Zeitkonstante berechnen (siehe
Gleichung 3.6).
ω t an(φv )
φ = ar c t an( ) =⇒ T1 = (3.6)
ω0 2π fv
1
ω0 = Eckfrequenz =
T1
fv = Grundfrequenz der Sinusfunktion
φv = Errechnete Phasenverschiebung
Das vom Umrichter geschätzte Drehmoment führt mit der ARX Identifikation aufgrund
der großen Abweichungen bei hohen Leistungen zu schlechten Ergebnissen und wird
deshalb nicht weiter analysiert. Das Verfahren, basierend auf dem Frequenzspektrum,
ist unabhängig von der Amplitude. Dennoch wurde das berechnete Drehmoment mit-
tels der Trägheit J skaliert, um den Fehler der Filterung auszugleichen und eine bessere
ARX Identifikation zu erhalten. Die Ergebnisse der ARX Funktion (links) und der Fou-
rier Analyse (rechts) sind für eine Startdrehzahl von 2000 U/min in Abbildung 3.5 als
3D-Diagramme gezeigt. Als x- und y-Achse sind die Amplitude und die Frequenz des
Sinusfunktion gegenüber der jeweiligen Berechnung der P T1 Zeitkonstante aufgetra-
gen.
ARX / LS Identifikation Fourier Identifikation
·10−2
·10−2
2
PT1 Zeitkonstante / s
2
PT1 Zeitkonstante / s
1,5
1,5
1
1
0,5 0,5 0
0 0
0 5
5
20 20
10 10
40 40 Freq. / Hz
Amp. / Nm Freq. / Hz Amp. / Nm
Abbildung 3.5. Ergebnisse der Systemidentifikation für die

Dynamometerzeitkonstante mit Least Square und Fourier
Analyse
Die Achsen beider Diagramme sind identisch gewählt. So ist direkt ersichtlich, dass die
ARX Schätzung höhere Werte als die Fourier Identifikation bei niedrigen Frequenzen
ermittelt. Insbesondere berechnet die ARX Identifikation eine Abhängigkeit der Zeit-
konstante von der Amplitude. Beide Identifikationsverfahren ermitteln ungefähr den
gleichen Wert von 0,005 s für höhere Leistungsbereiche. Die Abnahme der Zeitkon-
stante mit höherer Frequenz wurde vor der Untersuchung nicht erwartet. Vielmehr
war die Annahme, dass die Verluste mit steigender Leistung zunehmen und somit die
Zeitkonstante steigt. Die Zeitkonstante konvergiert zu einem minimalen Wert im Rah-
men des untersuchten Bereichs bis zu einer Leistung von 750 Nm/s. Eine grafische
manuelle Analyse von einzelnen Signalverläufen im hohen und niedrigen Frequenz-
bereich bestätigt die Identifikationsmethoden.
Drehmoment / Nm
5 Sollwert
Berechnung
0
−5
53,5 53,55 53,6 53,65 53,7 53,75 53,8 53,85 53,9 53,95 54
Zeit / s
|Drehmoment| / Nm
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Frequenz / Hz
Abbildung 3.6. Frequenzverlauf des berechneten Drehmomentsignals; Das

Nutzsignal kann im Frequenzbereich mittels Fourier
Identifikation separiert werden
Da die ARX Identifikation das Signal im Zeitbereich analysiert, ist sie gegen Rauschen
anfällig. Es ist somit zu vermuten, dass die Fourier Identifikation bei niedrigen Ampli-
tuden (hohes Rauschen) vorzuziehen ist. Exemplarisch wird dieser Gedanke anhand
der Abbildungen 3.6 und 3.7 untersucht. Als Eingangssignal ist eine Sinusfunktion
mit einer Amplitude von 5 Nm und einer Frequenz von 6 Hz vorgegeben. Das erste
Diagramm zeigt den Sollwert in Schwarz und das berechnete Drehmoment in Grau.
Es ist, wie oben beschrieben, eine starke Fluktuation im niedrigen Amplitudenbereich
auf dem berechneten Drehmoment zu sehen. Dennoch ist die Amplitude im Frequenz-
spektrum gut von den Fluktuationen zu unterscheiden (siehe zweites Diagramm). Ver-
glichen mit der ARX Identifikation, ist die Fourier Identifikation relativ robust gegen
Rauschen und unabhängig vom verwendeten Mittelwertfilter.
In Abbildung 3.7 ist die Antwort eines P T1 Modells dem berechneten Drehmoment
Drehmoment / Nm Berechnung
5
ARX
Fourier
0
−5
53,6 53,62 53,64 53,66 53,68 53,7 53,72 53,74

Zeit / s
Abbildung 3.7. Vergleich des Drehmoments erzeugt aus dem P T1 Modell und
der Berechnung aus der Messung; Das Modell mit dem
Parameter aus der Fourier Identifikation ist realistischer
verglichen mit dem Parameter aus der ARX Identifikation
gegenübergestellt. Das P T1 Modell ist jeweils mit der Zeitkonstanten der ARX Identi-
fikation und der Fourier Identifikation parametrisiert. Durch diesen Ansatz wird un-
tersucht, inwieweit die Modellantwort mit dem ursprünglichen Signal übereinstimmt.
Die Antwort des P T1 Modells mit der Fourier Parametrisierung folgt im Mittel dem
Sollwert besser als die Antwort des ARX P T1 . Die L2 -Norm (siehe Anhang A.1) der Ab-
weichung zwischen den P T1 Antworten und ihrer Eingänge bestätigt diese Annahme.
p
Sie beträgt für die Fourier Identifikation ca. 29,1 Nm s und für die ARX Identifikati-
p
on 35,1 Nm s. Die Resultate für die anderen getesteten Drehzahlen zeigen das glei-
che Verhalten und unterscheiden sich nur gering in niedrigen Leistungsbereichen. Die
einzige signifikante Abweichung tritt für die Messung mit 0 U/min als Startdrehzahl
auf. Eine Begründung könnte die verminderte Auflösung der Drehzahl, hervorgerufen
durch den Inkrementalgeber, sein. Die Nulldrehzahl liegt nicht im Arbeitsbereich eines
Verbrennungsmotorprüfstandes und ist daher nicht von Relevanz.
Schlussfolgernd ist die P T1 Zeitkonstante abhängig von der Sollfrequenz. Wie aber in
Kapiteln 5.2.2 näher erläutert, ist eine Änderung für den verwendeten Modellprädik-
tiven Regler rechenzeitaufwändig und der Regler ist robust im Rahmen der Abwei-
chung. Deshalb wird die Zeitkonstante zu 8 ms festgesetzt.
Verfahren zur Verbrennungsmotor
Prüfstandsregelung
Das genaue Regeln der Solldrehzahl aus der Co-Simulation ist essenziell für die Ge-
nauigkeit der gesamten Engine-in-the-Loop Ergebnisse. Daher muss ein geeignetes
Verfahren für die Regelung des Dynamometers gefunden werden. Nachfolgend wird
ein Überblick über die gängigen Regelungsverfahren für einen Verbrennungsmotor-
prüfstand gegeben und die Umsetzbarkeit diskutiert. Demgemäß wird ein Modellprä-
diktives Regelungs Verfahren (MPR, engl. Model-Predictive-Control MPC) gewählt.
Die Diskussion der notwendigen Grundlagen für die MPR, die Zustandsbeobachtung
und die Totzeitkompensation erfolgt im zweiten Unterkapitel.
4.1. Stand der Technik in der Prüfstandsregelung

Die Regelung eines Verbrennungsmotorprüfstandes ist abhängig von der Anwendung
zu entwerfen. In der Literatur finden sich unterschiedliche Regelungsverfahren für
unterschiedliche Anwendungen. Eine Gegenüberstellung der gängigen Verfahren und
der verwendeten Führungsgrößen ist in Tabelle 4.1 dargestellt. Die Einordnung ist
nicht trennscharf, da gewisse Arbeiten Überschneidungen in mehreren Feldern auf-
weisen. In dieser Arbeit wird zwischen Algorithmen unterschieden, die die Dynamo-
meterdrehzahl (Spalte 1, ω), das Drehmoment am Messflansch (Spalte 2, MPS) oder
die Dynamometerdrehzahl sowie das Drehmoment am Messflansch regeln (MPS, ω).
(ω) (MPS) (ω, MPS)

Thomsen 2011 [70] Lopez 2011[71]
PID Regler Savelsberg 2017 [10] Passenbrunner 2014 [72]
Payo 2017 [73] Brown 1983 [74]
Beaumont 1988 [75]
Kang 2013 [78] Westermayer 2013 [66]
Optimal-
Hoffmann 2010 [79] Priesner 2012 [76] Passenbrunner [54]
regelung
Cychowski 2009 [80] Helm 2010 [77]
Cychowski 2010 [81]
Bunker 1997 [55]
Robuste
Regelung Gruenbacher 2008 [53]
Lanusse 2016 [82]
Tabelle 4.1. Überblick der Verfahren zur Prüfstandsregelung in der Literatur
38
4.1. Stand der Technik in der Prüfstandsregelung 39
Zunächst sollen die Anwendungen abhängig von den Regelgrößen (ω), (MPS) oder
(ω, MPS) erörtert werden, um darauf basierend die verwendeten Regelungsverfahren
darzustellen.
Eine reine Drehmomentregelung der Prüfstandswelle (MPS) wird dann angewendet,
wenn ein explizites dynamisches Drehmomentprofil eingeregelt werden soll. Hierbei
stellt der Verbrennungsmotor eine Drehzahl, während der Dynamometer das Drehmo-
ment der Welle regelt. Das Drehmomentprofil kann entweder a priori oder während
des Testlaufes definiert werden. Es kann z.B. ein Getrieberasseln oder eine simulierte
Schwingung der Antriebswelle emulieren (siehe [77]). Grundsätzlich hat es sich je-
doch in einem Engine-in-the-Loop Aufbau als vorteilhaft erwiesen, den Dynamometer
drehzahlgeregelt zu betreiben [12, 13, 42, 15, 18].
y1
w1
r11 g11
u1
g12
y1 = g11 u1 + g21 y2
y2 = g22 u2 + g12 y1
g21
w2 u2
r22 g22
y2
y1
w1
r11 g11
u1
g12
r12
r21
g21
w2 u2
r22 g22
y2
Abbildung 4.1. Kopplung der beiden Ausgänge y1 und y2 mit optionaler

Entkopplung durch die Rückführung r12 und r21
Die gleichzeitige Regelung beider maßgeblichen Größen der Prüfstandsdynamik (ω, MPS)
ist hauptsächlich durch die Kopplung beider Größen begründet. Insbesondere beein-
40 4. Verfahren zur Verbrennungsmotor Prüfstandsregelung
flusst das Verbrennungsmotordrehmoment signifikant die Dynamometerdrehzahl (sie-

he Gleichung 2.8). Daher muss der Drehzahlregelkreis unter Einbezug des Drehmo-
mentregelkreises ausgelegt werden. Gilbert schlägt in [83] von 1969 die Entkopplung
eines gekoppelten MIMO Systems vor und Brown [74] wendet das Prinzip auf einen
Verbrennungsmotorprüfstand an. Ein allgemeines Beispiel für eine Ausgangskopplung
(oben) und deren Entkopplung (unten) ist in Abbildung 4.1 gegeben. In diesem Fall
wird durch eine geeignete Auslegung der Regler r12 und r21 die Kopplung der Übertra-
gungsfunktionen g12 und g21 aufgehoben. Nach der Entkopplung des MIMO Systems
können die Regelkreise unabhängig als SISO System behandelt werden.
Die Entkopplung beider Größen (ω, MPS) ist jedoch nur möglich, wenn sie beide freie
Führungsgrößen sind. Im Falle von Engine-in-the-Loop resultiert das Wellendrehmo-
ment aus dem Fahrerwunsch sowie der zu testenden Verbrennungsmotorcharakteristik
und soll explizit nicht verändert werden. Daher kann das Drehmoment nicht entkop-
pelt werden.
Ist die einzige Führungsgröße die Drehzahl (ω), dann kann neben der vorgestellten
Entkopplung die Drehzahl durch eine Störgrößenkompensation entkoppelt werden.
Dies kann direkt durch eine Vorsteuerung oder unter Einbezug der Störgröße in das
Optimierungsproblem erfolgen. Abbildung 4.2 zeigt ein Beispiel für eine einfache Ent-
kopplung mittels Vorsteuerung. Das erwartete Drehmoment des Verbrennungsmotors
wird vom Sollmoment des Reglers abgezogen und somit das reale Verbrennungsmo-
tormoment negiert. Das Verfahren ist relativ anfällig für Modell- bzw. Parameterfehler.
Bei einer Unsicherheit in den Kennfeldern kann das System schnell zu Schwingungen
angeregt werden, da das Entkopplungsmoment direkt am Ausgang des Reglers liegt.
Vorsteuerung zur
Trägheitskompensation
D
ωs P
PI-Regler MDyno,s
ωi
I
Entkopplung
Fahrpedal α
Kennfeld
Abbildung 4.2. PI-Drehzahlregelung mit Vorsteuerung der Massenträgheiten
und Entkopplung des Verbrennungsmotormoments
Neben der Entkopplung ist in Abbildung 4.2 ein PI-Regler und eine Vorsteuerung zur
Kompensation der Dynamometerträgheit zu erkennen. PI-Regler sind aufgrund ihrer
Simplizität sowie unkomplizierten Parametrisierung weit verbreitet und ausreichend
dynamisch für normale Prüfstandsanwendungen. Wie im vorliegenden Beispiel kann
die Regelkreisdynamik durch Vorsteuerungen und andere Verfahren erhöht werden.

Eine empirische Parametrisierung ohne große Vorkenntnisse wird häufig in der Praxis
angewendet. Allgemeine Auslegungsverfahren wie Ziegeler-Nicols oder T-Summen-
Regel [84] können mit geringem Mehraufwand die Parametrisierung vereinheitlichen
und die Parametrisierung mittels Expertenwissen ersetzen. Passenbrunner [54] schlägt
ein datengetriebenes Parametrisierungsverfahren speziell für Verbrennungsmotorprüf-
stände mit PID-Regler vor.
Bei realen Prüfständen sind häufig aus verschiedenen Gründen zahlreiche Parame-
ter unbekannt. Daher kann ein Regler nicht für jeden Prüfstand neu angepasst wer-
den. Ein Ansatz für den Entwurf eines allgemeineren Regelalgorithmus ist die robuste
Regelung. Eine Systemauslegung bzw. ein Regler wird als robust bezeichnet, wenn
dieser bei Auftreten von Unsicherheiten (engl. uncertainty, z. B. Parameterfehler, ver-
einfachtes lineares Modell, Messrauschen, siehe Abbildung im Modell 4.3) dennoch
eine gewisse Regelgüte einhält. Im einfachsten Fall wird schon bei einem PID-Regler
mit einem Phasenrand von 60° von einer robusten Auslegung gesprochen [26].
Unsicherheiten Unsicherheiten
im Regler in der Strecke
∆R ∆G
R G
∆Y
Unsicherheiten
in der Messung
Abbildung 4.3. Strukturierte Unsicherheiten parallel zum Regler R, der
Strecke G und der Messung Y
Im Themenfeld der robusten Regelung ist die mathematisch Beschreibung der Unsi-
cherheiten ein wichtiger Schritt. Zwei gängige Verfahren zum Darstellen der Unsicher-
heiten sind das Multimodell sowie die strukturierten Unsicherheiten. Im Multimodell
wird ein Satz (Polytop) aus alternativen Modellen aufgestellt. Die Modelle stellen dann
einen Raum dar, der die Unsicherheiten enthält. Wenn z. B. eine Unsicherheit in der
Verbrennungsmotorträgheit JVM gegeben ist, werden zwei Systemmatrizen (siehe Glei-
chung 2.11) aufgestellt, die einmal den Mindestwert und einmal den Maximalwert der
Trägheitsschätzung enthalten. Im Fall der strukturierten Unsicherheiten wird die Un-
sicherheit als Differenz zwischen dem idealen und dem unsicheren System dargestellt.
Die Unsicherheit wird daher parallel zur idealen Dynamik zum Ausgang addiert (sie-
he Abbildung 4.3). Basierend auf dem neuen unsicheren Modell kann durch geeignete
Verfahren (z. B. H2 , H∞ , LMI) ein robuster Regler gefunden werden [85]. Für einen
Verbrennungsmotorprüfstand hat Bunker [55] eine Unsicherheit in den Modellpara-
metern angenommen und das System mittels einer Reglerkreisoptimierung (engl. loop
shaping) ausgelegt. Gruenbacher [53] nimmt eine strukturierte Unsicherheit bzgl. den
gekoppelten Eingängen (ω, MPS) an und entwirft einen H∞ -Regler durch Lösung der
Hamilton Jacobi Ungleichung. Kothare [86] schlägt eine robuste MPR mit unendli-
chem Prädiktionshorizont vor. Das unsichere System wird als ein Satz von linearen
Matrix Ungleichungen (engl. Linear Matrix Inequality, LMI) gelöst, indem das Mini-
mum der Kostenfunktion in der Menge der maximalen Unsicherheit gelöst wird. Bei
dieser Min-Max-Formulierung ist auch ein allgemeiner Nachteil der robusten Regelung
ersichtlich. Durch Einbezug der Unsicherheit in der Reglerauslegung wird die Robust-
heit durch die Bandbreite des Systems ermöglicht. Ein einfaches Beispiel für diesen
Nachteil ist die Auslegung eines PI-Reglers. Die Wahl des robusten Phasenrandes von
60° führt zu einer geringeren Bandbreite als bei einem Phasenrand von 30°. Weiterhin
ist die mathematische Formulierung und Lösung eines robusten Reglers meistens sehr
komplex und nur mit Expertenwissen bzgl. des Themengebietes realisierbar.
Eine Optimalsteuerung oder Optimalregelung hat das Ziel, eine Ziel-/Kostenfunktion

J zu minimieren. Tröltzsch [87] erweitert die Bestandteile eines Optimalsteuerungs-
problems zu: Kostenfunktion, Differenzialgleichungen mit Anfangsbedingungen, Steu-
erfunktion und Nebenbedingungen. Die Kostenfunktion kann abhängig von den Dif-
ferenzialgleichungen variieren. Für ein lineares zeitinvariantes System ist eine gängi-
ge zu minimierende Kostenfunktion das quadratische Gütemaß, beschrieben in Glei-
chung 4.1.
Z ∞ Z ∞
J(x0 , u(t)) = x (t)Qx(t) + u (t)Ru u(t) d t =

T T
ˆ kxk2Q + kuk2Ru (4.1)
0 0
Q = Gewichtungsmatrix für die Zustandsgrößen

Ru = Gewichtungsmatrix für die Stellgrößen
x ∈ ℜn , u ∈ ℜm , Q ∈ ℜn×n , Ru ∈ ℜm×m
Die Kostenfunktion sieht einen Kompromiss aus den Stellgrößen u und den Zustands-
größen x vor. Der Ruhezustand x0 soll optimal erreicht werden, jedoch unter Berück-
sichtigung der dafür zu verwendeten Stellgröße u. Mittels der Gewichtungsmatrizen
können entweder die Zustandsgrößen (Q) oder die Stellgrößen (Ru ) stärker im Opti-
mierungsproblem bestraft werden. Ein Optimalregler für die Kostenfunktion 4.1 kann
mittels der Matrix-Riccatigleichung gefunden werden [88]. Ein solcher Regler wird
auch Linear-Quadratic-Regulator (LQR) genannt.
Im zeitdiskreten Bereich kann durch das Einführen eines Prädiktionshorizonts Np so-
wie eines Stellhorizonts Nu anstelle des unendlichen Integrals die Kostenfunktion zu
Gleichung 4.2 (vgl. [89]) umformuliert werden.
Np
X NX
u−1
J(∆u(·|k)) = ky(k + i|k) − w(k + i|k)k2Q + k∆u(k + i|k)k2Ru (4.2)
i=1 i=0
Np = Prädiktionshorizont
Nu = Stellhorizont
y ∈ ℜr , w ∈ ℜr
Es erfolgt eine Minimierung der Regelabweichung y − w anstatt des Zustandsvektors

x als auch der Stellgrößendifferenz ∆u statt der Stellgröße u. Der Ausdruck x(k + i|k)
beschreibt die Prädiktion von x zum Zeitpunkt k + i, angefangen am Zeitpunkt k.
x(·|k) steht für den gesamten prädizierten Verlauf der Größe x zum Zeitpunkt k. Die
Kostenfunktion wird häufig für eine lineare MPR verwendet. Die explizite Herleitung
des Reglers erfolgt im nächsten Kapitel.
Helm [77] verwendet einen LQR für die Regelung eines Verbrennungsmotorprüfstan-
des mit dem Drehmoment (MPS) als Regelgröße. Westermayer [66] und Priesner [76]
regeln auch das Drehmoment (MPS), jedoch mittels einer MPR. Kang [78], Hoffmann
[79] und Cychowski [81] verwenden eine MPR mit (ω) als Regelgröße. Tabelle 4.2
vergleicht die Kernmerkmale von MPR und LQR.
LQR MPR
Modellbasiert: mathematisches Optimum für das Modell
Totzeiten können berücksichtigt/kompensiert werden
Stellgrößenenergie wird miteinbezogen
Horizont unendlich (stationär) Horizont endlich und beweglich
Analytische Lösung Nummerische Lösung
Beschränkungen werden Beschränkungen werden
nicht berücksichtigt berücksichtigt
Tabelle 4.2. Vergleich von LQR und MPR Eigenschaften
Die drei oberen Zeilen zeigen die gemeinsamen Merkmale und den maßgeblichen
Grund für die Wahl eines Optimalreglers in dieser Arbeit. Die drei unteren Zeilen stel-
len die Unterschiede zwischen LQR und MPR dar. Aufgrund der Möglichkeit Beschrän-
kungen miteinzubeziehen, wird hier eine MPR der LQR vorgezogen.
Die Herausstellungsmerkmale der hier verwendeten MPR gegenüber ähnlichen Publi-

kationen von Westermayer [66] und Priesner [76] sind:
• Die Regelgröße in dieser Arbeit ist ω anstatt MPS

• In dieser Arbeit wird ein auf Zuständen basiertes Modell anstatt eines Ein-/Aus-
gangsmodells verwendet. Dadurch wird zwar ein Zustandsbeobachter benötigt,
jedoch kann seine Dynamik auf die zu beobachtenden Störgrößen angepasst
werden. Zur MPR mit Ein-/Ausgangsmodellen kann mehr unter dem Begriff “Ge-
neralized Predictive Control” in [90, 91, 92, 93] gefunden werden.
• Fehler im Modell:
– In dieser Arbeit: Fehler im Modell werden durch einen Störgrößenbeob-
achter geschätzt. Dadurch können Fehler im geschätzten Verbrennungsmo-
tormoment gut ermittelt und allgemein stationäre Abweichungen kompen-
siert werden. Die gleichzeitige Schätzung von hochfrequenten Eigenmoden
des Prüfstandes mittels des verwendeten Beobachters ist aufgrund der un-
terschiedlichen Frequenzlagen nicht möglich.
– Westermayer: Es wird eine Art strukturierte Unsicherheit verwendet, um
hochfrequente Eigenmoden des Prüfstandes einzugrenzen. Stationäre Feh-
ler werden nicht ausgeglichen.
– Priesner: Keine Störgrößenkompensation (außer Verbrennungsmotormo-
ment)
• Schätzung Verbrennungsmotormoment und Implementierung im Regler:
– In dieser Arbeit: Das mittlere Verbrennungsmotormoment wird anhand
des Motorkennfeldes geschätzt. Das Drehmoment wird als konstanter Zu-
stand im MPR Modell angenommen.
– Westermayer: Die Schätzung des Drehmoments wird nicht erläutert.
– Priesner: Das Drehmoment wird mit Drehungleichförmigkeit mittels eines
nichtlinearen Kalmanfilters geschätzt. Das Drehmoment wird als konstan-
ter Zustand im MPR Modell angenommen.
4.2. Regelungsgrundlagen 45
4.2. Regelungsgrundlagen
Basierend auf der Auswahl einer MPR und deren Kostenfunktion im letzten Kapitel soll
im nächsten Abschnitt die allgemeine Herleitung des Regelgesetzes erläutert werden.
Für eine MPR, aber auch für eine Totzeitkompensation, müssen die Streckenzustände
bekannt sein. Daher wird im zweiten Unterkapitel die Zustandsbeobachtung mittels
Kalmanfilter erläutert. Im dritten Unterkapitel sollen der allgemeine Einfluss von Tot-
zeiten und Mechanismen zur Totzeitkompensation diskutiert werden.
4.2.1. Modellprädiktive Regelung

Die nachfolgende Beschreibung basiert auf den Büchern [89, 94, 95] und dient zur
Darstellung der relevanten Aspekte dieser Arbeit. Für eine vollständigere Beschrei-
bung soll auf die Literatur verwiesen werden.
Abbildung 4.4 zeigt das grundlegende Prinzip einer Modellprädiktiven Regelung. Dar-
gestellt werden die Verläufe der Führungsgröße w (Sollgröße), der Regelgröße y (Ist-
größe), der Stellgröße u und der Prädiktion yp .
Regelgröße y(·|k)
Vergangenheit Zukunft
Führungsgröße
Prädiktion
w(·|k)
yp (·|k)
u(·|k + i)
k k + Nu k + Np Zeitschritt
Prädiktionshorizont Np
Stellhorizont Nu
Abbildung 4.4. Verlauf der Modellprädiktiven Regelung vgl. [89, 94, 95]
Der Regler prädiziert das Verhalten aller Zustände (hier sind nur die gemessenen Aus-
gänge yp abgebildet) zum Zeitpunkt k bis zum Prädiktionshorizont Np . Dabei erfolgt
eine Variation der Stellgröße u bis zum Stellhorizont Nu . Anschließend wird die Stell-
größe konstant angenommen. Die Optimierung der Stellgröße u ergibt sich mittels
der Kostenfunktion 4.2, wobei nur der erste Werte von u(k) gestellt wird. Zu jedem
Zeitschritt werden die Horizonte um einen Schritt verschoben und das Optimum für
die Stellgröße erneut berechnet. Aufgrund des wandernden Horizonts über der Zeit ist
das Verfahren im Englischen auch als Receding Horizon Control (RHC) oder Moving
Horizon Control (MHC) bekannt.
Ausgehend von den zeitdiskreten Zustandsraumgleichungen für ein nicht sprungfähi-

ges System zum Zeitpunkt k:
x(k + 1) = Ax(k) + Bu(k),

y(k) = Cx(k), (4.3)
x ∈ ℜn , u ∈ ℜm , y ∈ ℜ r , A ∈ ℜn×n , B ∈ ℜn×m , C ∈ ℜ r×n
und der Definition für die Stellgröße abhängig von der Stellgrößendifferenz:
u(k) = u(k − 1) + ∆u(k) (4.4)

wird nachfolgend das Regelgesetz entworfen. Lediglich der Term ∆u(k) in Gleichung
4.4 kann zum Zeitpunkt k variiert werden, da Ax(k) und u(k − 1) zum Zeitpunkt k
feststehen (Initialwerte). Daher befindet sich der einzige Freiheitsgrad in der Opti-
mierung von ∆u(k). Für die Prädiktion des nächsten Zeitschrittes, der Prädiktion am
Stellhorizont und der Prädiktion am Prädiktionshorizont gelten folgende Gleichungen:
x(k + 2|k) = Ax(k + 1|k) + Bu(k|k) + B∆u(k + 1|k) (4.5)

..
.
x(k + Nu |k) = Ax(k + Nu − 1|k) + Bu(k + Nu − 2|k) + B∆u(k + Nu |k) (4.6)
..
.
x(k + Np |k) = Ax(k + Np − 1|k) + Bu(k + Nu − 1|k). (4.7)
Zwischenzeitschritte können analog zu den Gleichungen berechnet werden. Der Frei-

heitsgrad ∆u entfällt in der Gleichung 4.7, da die Stellgröße nach dem Stellhorizont
konstant gehalten wird.
Durch iteratives Einsetzen der Zustandsraumgleichungen 4.3 in die Prädiktionsglei-
chung 4.5 kann eine Prädiktion für den Ausgang y(·|k) bis zum Prädiktionshorizont
in vektorieller Form nach Gleichung 4.8 gefunden werden.
Cx(k + 1|k)
  1
CA CB
  
 Cx(k + 2|k)   CA  C(A + I)B
2
 

 .
..   .. 
  .  
 .
..


y(·|k) =   =  N  x(k) + 
Cx(k + Nu |k) CA 
 u(k − 1)
u C(A N u −1
+A Nu −2
+ . . . + I)B
..   ..  ..
     
. . .
  
Cx(k + Np |k) CANp C(ANp −1 + ANp −2 + . . . + I)B
(4.8)
CB 0 ... 0
 
∆u(k|k)
 
C(A + I)B CB ... 0
  ∆u(k + 1|k) 
 
 .
. .
. . . .
.
 . . . .  .. 
+ .
+ + + +
 Nu −1 Nu −2
 
C(A . . . I)B C(A . . . I)B . . . CB  
 ∆u(k + N − 1|k)

.. .. .. ..

u

. . . .

C(ANp −1 + . . . + I)B C(ANp −2 + . . . + I)B . . . C(ANp −Nu + . . . + I)B
Eine anschließende Substitution der Parametermatrizen führt zum Prädiktionsmodell

für den Ausgang y(·|k), abhängig vom aktuellen Zustandsvektor x(k), dem letzten
Stellgrößenvektor u(k − 1) und dem zu optimierenden Differenzstellgrößenvektor bis
zum Stellhorizont ∆u(·|k):
f(k)
z }| {
y(·|k) = Kx(k) + LMPRu(k − 1) +M∆u(·|k). (4.9)
r·Np ×n r·Np ×m r·Np ×m·Nu
K∈ℜ , LMPR ∈ ℜ ,M ∈ ℜ
Der linke und konstante Teil Kx(k) + LMPRu(k − 1) kann zu einem Term f(k) zusam-
mengefasst werden. Die Differenz aus der Führungsgröße w(·|k) und f(k) kann nach
Gleichung 4.10 als nicht veränderlicher Regelfehler zum Zeitpunkt k interpretiert wer-
den.
e(·|k) = w(·|k) − f(k) (4.10)

Indem die Gleichung 4.9 unter Berücksichtigung von der Abkürzung 4.10 in die Kos-
tenfunktion 4.2 eingesetzt wird, erhält man die zu optimierende Darstellung für die
Modellprädiktive Regelung in Gleichung 4.11a-4.11c. Der dritte unveränderliche Teil
4.11c kann nicht optimiert werden und wird nicht berücksichtigt. Daher kann die Glei-
chung 4.11a-4.11b zum finalen Optimierungsproblem nach 4.12a beschrieben wer-
den.
J(∆u(·|k)) = (e(·|k) + M∆u(·|k))T Q(e(·|k) + M∆u(·|k)) + ∆uT (·|k)Ru ∆u(·|k)

= ∆uT (·|k)(MT QM + Ru )∆u(·|k) Quadratischer Teil (4.11a)
+ 2∆uT (·|k)MT Qe(·|k) Linearer Teil (4.11b)
+ eT (·|k)Qe(·|k) Unveränderlicher Teil (4.11c)
Q ∈ ℜ r·Np ×r·Np , Ru ∈ ℜm·Nu ×m·Nu , e ∈ ℜ r·Np ×1
Das Problem besteht aus einen quadratischen sowie einem linearen Teil und wird
auch konvexes quadratisches Programmierungsproblem genannt [96, 97]. Mittels der
Randbedingungen 4.12b können die Stellgrößen nach unten (bu ) und nach oben (bo )
beschränkt werden.
1
min ∆uT H∆u + ∆uT g (4.12a)
∆u 2
s.t. bu Z ≤ Z∆u ≤ bo Z (4.12b)
H = Hessematrix
g = Gradientvektor
Z = Beschränkungsmatrix
bu = Untere Beschränkung
bo = Obere Beschränkung
Zustandsgrößen können auch beschränkt werden, jedoch müssen sie mithilfe der Be-
schränkungsmatrix Z nach den Stellgrößen umformuliert sein.
Zustands- und Störgrößenbeobachter

Die im letzten Kapitel vorgestellte Modellprädiktive Regelung erfordert die Kenntnis
des Zustandsvektors x(k). Eine Schätzung (Beobachtung) der Größen ist notwendig,
wenn nicht alle Zustandsgrößen gemessen werden können. Die in der Literatur gän-
gigsten Verfahren sind der Kalmanfilter und der Luenbergerbeobachter [89, 88]. Beide
Beobachter basieren auf der Gleichung 4.13. Eine Variable mit einem Zirkumflex be-
zeichnet die Schätzung der Variable.
ˆ
ẋ(t) = Ax̂(t) + Bu(t) + L(y(t) − Cx̂(t)) (4.13)
L = Beobachtermatrix
Der Schätzfehler ê(t) = x(t) − x̂(t) konvergiert für ein deterministisches System im
Unendlichen t → ∞ gegen 0, wenn alle Eigenwerte der Matrix (A − LC) einen nega-
tiven Realteil besitzen [88]. Gleichzeitig beschreibt die Matrix auch die Dynamik des
Regelfehlers, d. h. durch geeignete Wahl der Beobachtermatrix L kann das Beobach-
terverhalten verändert werden.
Der Unterschied zwischen einem Luenbergerbeobachter und einem Kalmanfilter liegt
in der Berechnung der Beobachtermatrix L. Im Falle des Luenbergerbeobachters kann
die Beobachtermatrix frei gewählt werden und wird oft durch Platzierung der Pole der
Matrix (A − LC) bestimmt (Polplatzierung).
Die Beobachtermatrix des Kalmanfilters wird durch eine mathematische Optimierung
gefunden. Zusätzlich werden während der Optimierung der Messvektor und der Zu-
standsvektor als stochastisch normalverteilt angenommen. Daher führt der Kalmanfil-
ter für stochastisch verrauschte Signale (z.B. Messrauschen) zu besseren Schätzungen
und wird in dieser Arbeit dem Luenbergerbeobachter vorgezogen sowie nachfolgend
kurz erläutert. Für den Kalmanfilter wird das Zustandsraummodell nach Gleichung
4.14 um jeweils eine normalverteilte Störgröße bzgl. der Zustandsgrößen und der
Messgrößen erweitert.
x(k + 1) = Ax(k) + Bu(k) + η(k)

y(k) = Cx(k) + ν(k) (4.14)
η/ν = Normal-verteilte Störgröße
Ein rekursives Verfahren zur Berechnung der Beobachtermatrix für den Kalmanfilter
besteht aus zwei Arbeitsschritten [98, 99]. Der erste Arbeitsschritt ist im Gleichungs-
system 4.16 - 4.17 beschrieben. Es wird basierend auf den letzten Werten (bzw. Initial-
werten) und dem Streckenmodell die Zustandsgröße für den Zeitpunkt k berechnet.
Zusätzlich wird eine Kovarianz-Matrix der Zustandsschätzung PS1 , basierend auf der
letzten Kovarianz-Matrix und einer konstanten Kovarianz QL , berechnet.
Im zweiten Schritt wird die Messung miteinbezogen bzw. die Schätzung mittels der
Messungen korrigiert. Hierzu wird die Beobachtermatrix aus der Kovarianz-Matrix der
Zustandsgrößen und einer Kovarianz der Messgrößen RL berechnet (siehe Gleichung
4.18). Darauf folgend wird die finale Zustandsgröße mittels der Gleichung 4.19 (ver-
gleiche mit 4.13) und der Zustandsschätzung aus dem ersten Schritt geschätzt. Zum
Schluss wird die Kovarianz-Matrix der Zustandsschätzung mittels der Beobachterma-
trix korrigiert (siehe Gleichung 4.20).
Rekursiver 2 Schritte Kalmanfilter

Schritt 0: Initialisierung:
x0 , P0
Schritt 0: Parametrisierung Modell:
A, B, C, D, QL , RL (4.15)
↓
Schritt 1: Schätzung Zustandsgröße und Kovarianz-Matrix der Zustandsgröße:
x̂(k)S1 = Ax̂(k − 1) + Bu(k − 1) (4.16)
P(k)S1 = AP(k − 1)AT + QL (4.17)
↓ ↑
Schritt 2: Einbezug Messgröße und Korrektur:
P(k)S1 CT
L= (4.18)
CP(k)S1 CT + RL
x̂(k) = x̂(k)S1 + L(y(k) − Cx̂(k)S1 ) (4.19)
P(k) = (I − LC)P(k)S1 (4.20)
QL = Konstante Kovarianzmatrix Zustandsgrößen
RL = Mess-Kovarianzmatrix
P = Veränderliche Kovarianzmatrix Zustandsgrößen
Die parametrisierbaren Größen des Beobachters sind neben den Initialwerten die bei-
den konstanten Kovarianzmatrizen QL und RL . Eine geeignete Wahl verändert die Be-
obachterdynamik und ist insbesondere wichtig für einen Störgrößenbeobachter (Er-
klärung Störgrößenbeobachter erfolgt im nächsten Kapitel 4.2.2). Daher soll der Ein-
fluss der beiden Matrizen näher erläutert werden.
Eine normalverteilte Zufallsvariable ist durch den Erwartungswert µ und die Varianz
σ2 charakterisiert. Ein Kalmanfilter verbindet die Schätzung der Zustandsgröße aus
dem Modell und die Messung. Dadurch entsteht eine neue (optimale) Schätzung der
Zustandsgröße. Allgemeine Rechenregeln für Zufallsvariablen können in [100] nach-
gelesen werden. Abbildung 4.5 veranschaulicht den Prozess der Anpassung der Schät-
zung. Die neue Wahrscheinlichkeitsdichte der Schätzung wird im nächsten Schritt
wieder mit einer neuen Messung verbunden. Einen direkten Einfluss auf die entspre-
chenden Verteilungen haben die jeweiligen konstanten Kovarianzmatrizen QL und RL
(siehe Gleichung 4.17 und 4.18).
Die Varianz ist für den Kalmanfilter von besonderer Relevanz, da sie die Schätzung
zwischen dem Modell und der Messung gewichtet. Folglich beschreibt die konstante
Neue Schätzung x̂
f(X)
Schätzung x̂
Messung y
X
µ x , σ2x µ x· y , σ2x· y µ y , σ2y
Abbildung 4.5. Verbindung von normalverteilten Wahrscheinlichkeitsdichten
Kovarianz der Zustandsgröße QL , inwieweit dem Modell vertraut wird. Während die
Kovarianz der Messung RL die Genauigkeit der Messung beschreibt. Als Beispiel hier-
für sollen die zwei Extremfälle QL = 0 und RL = 0 gezeigt werden. Ist der Initialwert
der veränderlichen Kovarianz P0 und der konstanten Kovarianz QL gleich 0, wird die
Kovarianz P auch in späteren Schritten nicht ungleich 0 sein (siehe Gleichung 4.17).
Demgemäß ist die Beobachtermatrix L immer gleich 0 (Gleichung 4.18) und die Kal-
manfilterschätzung gleich der Modellschätzung.
Für RL = 0 ist die Beobachtermatrix L = CI (Gleichung 4.18) und die Modellschätzung
x̂ entfällt aus Gleichung 4.19. Damit ist die Kalmanfilterschätzung gleich der Messgrö-
ße.
Allgemein gilt für alle Beobachter, dass alle Zustandsgrößen beobachtbar sein müs-
sen. Die Beobachtbarkeit des Systems kann z.B. mit dem Beobachtbarkeitskriterium
von Kalman [88] überprüft werden. Das Kriterium besagt, nur wenn die Beobachtbar-
keitsmatrix einen vollen Rang besitzt, ist das System vollständig beobachtbar (siehe
Gleichung 4.21).
T
Rang(SB ) = Rang C CA CA2 . . . CAn−1 = n (4.21)
SB = Beobachtbarkeitsmatrix
4.2.2. Störgrößenbeobachter
Mittels eines Beobachters können nicht nur Zustandsgrößen, sondern auch etwaige
Störgrößen geschätzt werden. Die so geschätzte Störgröße kann durch eine Einprä-
gung auf den Streckeneingang die reale Störung (teilweise) kompensieren und da-
durch die Regelgüte [101] erhöhen.
Eine Störgröße kann bei einem Modellprädiktiven Regler zu einem stationären Regel-
fehler [102, 89] führen. Daher müssen die relevanten Störgrößen beim Reglerentwurf
miteinbezogen und durch einen Beobachter geschätzt werden. Einen Überblick über
die aktuellen Störgrößenbeobachter ist in [103] gegeben. Ein Verfahren für einen Mo-
dellprädiktiven Regler ohne stationären Regelfehler mittels eines Störgrößenbeobach-
ters wird in [102, 89, 104] dargelegt und nachfolgend erläutert.
Grundlegend schätzt ein Beobachter anhand der Messgrößen y die Zustände x. Ein
stationärer Regelfehler wirkt im zu regelnden Ausgang und nicht nur als interne Dy-
namik. Daher kann der Fehler prinzipiell beobachtet werden. Im Zustandsraummodell
werden die Ausgangsgleichung und der Zustandsvektor um die zu schätzende Störung
d (englisch disturbance) erweitert. Die Gleichungen 4.22a-4.22b zeigen die Erweite-
rung für das Reglermodell respektive für das Beobachtermodell. Das erweiterte System
wird mit dem Index E beschrieben.

x(k)
yE (k) = CE xE (k) = [C Cd ] (4.22a)
d(k)

x(k)
yE (k) = CE xE (k) = [C Cd ] + ν(k) (4.22b)
d(k)
Die Dynamik der Störgröße kann anhand der Gleichung 4.23 ausgedrückt werden und
wird ohne Eingang für die Störgröße modelliert.
x(k + 1)

A Axd x(k) B
xE (k + 1) = = + u(k) + η(k) (4.23)
d(k + 1) 0 Ad d(k) 0
Die Beobachtergleichung 4.13 lässt sich damit zu

x̂(k)

A Axd L
x̂E (k + 1) = + x y(k) − Cx̂(k) − Cd d̂(k) (4.24)
0 Ad d̂(k) Ld
umformulieren. Die Matrizen der Störgrößendynamik Ad sowie Axd und die Verbin-
dung der Störgröße zur Messgröße Cd müssen so gewählt werden, dass das neue er-
weiterte System mit der erweiterten Systemmatrix AE und Messmatrix CE nach Glei-
chung 4.21 beobachtbar ist. Pannocchia [102] und Abel [89] schlagen ein integrieren-
des Verhalten für die Störgröße vor, indem Ad als Einheitsmatrix I gewählt wird.
4.2.3. Totzeitkompensation
Digitale Prozesszeiten und Kommunikationszeiten können die Eingänge und Ausgän-
ge des realen kontinuierlichen Systems verzögern. Zusätzlich können die Ein- / Aus-
gangssignale durch Unterabtastung verfälscht werden [88, 10]. Mit ausreichend ge-
nauen Modellen können die Totzeiten und die Effekte der Unterabtastung kompensiert
werden [92, 105]. Es wird dann von einer Totzeitkompensation gesprochen (engl.
Dead Time Compensation, DTC). Nachfolgend werden Auswirkungen von Totzeiten
im System und darauffolgend Totzeitkompensationsverfahren erläutert.
Totzeiten haben direkten Einfluss auf die Regelbarkeit und Beobachtbarkeit des Sys-
tems [92, 106]. Der Einfluss kann mathematisch unterschiedlich interpretiert werden.
Hier sollen die Schlagwörter nicht minimalphasige Systeme/Allpassverhalten [26, 88,
107] und Nulldynamiken [108, 109] benannt werden. Da die mathematische Diskus-
sion zu umfangreich wäre, sind nachfolgend nur die praktischen Einflüsse von Totzei-
ten aufgezeigt. Normey-Rico [92] unterteilt den Haupteinfluss von Totzeiten in drei
Effekte:
1. Die Einflüsse von Störgrößen sind nur mit Verzug messbar
2. Der Einfluss der Stellgröße ist verzögert und nur verzögert messbar
3. Die Stellgröße basiert auf einem veralteten Regelfehler
Alle drei Punkte haben Einfluss auf die maximale Bandbreite des Systems. Der ers-
te Punkt bezieht sich auf die Robustheit des Systems und ein Regler muss ggf. dahin
gehend angepasst werden. Der zweite und dritte Punkt senken die Phase der Füh-
rungsübertragungsfunktion. Ein Beispiel hierfür ist in Abbildung 4.6 dargestellt. Diese
zeigt ein Bodediagramm für ein P T1 Filter mit einer Zeitkonstante von 50 ms sowie
einer Verstärkung von 25 als schwarze Kurve. Das gleiche P T1 Filter mit einer zusätz-
lichen Totzeit von 5 ms ist als graue Kurve dargestellt. Der Amplitudengang beider
Transferfunktionen ist identisch. Der Phasengang des Systems mit Totzeit fällt ab ei-
ner Frequenz von ca. 20 rad/sek stark ab verglichen mit dem normalen P T1 Filter. Im
geschlossenen Regelkreis wäre das System mit Totzeit sogar instabil, da die Phasen-
reserve negativ ist. Die Konsequenz bestünde z.B. bei einem PI-Regler in einer stark
verringerten Verstärkung und somit in einem System mit geringerer Bandbreite.
Neben den drei Effekten werden in [92] Verfahren zur Totzeitkompensation vorge-
stellt. Zusammengefasst basieren alle Verfahren auf einer Prädiktion mittels eines
Prozessmodells. Das chronologisch wohl erste Verfahren (1956) ist der sogenannten
Smith-Predictor. Parallel zum realen Prozess P erhält ein Modell, welches die Totzei-
ten GT einbezieht, die gleichen Eingangsgrößen wie der reale Prozess. Die Differenz
der Ausgänge des realen Prozesses und des Modells mit Totzeit y(P) − y(GT ) werden
mit dem Ausgang eines idealen Modells y(G) ohne Totzeiten addiert. Diese Summe
yideal wird als Messgröße für einen zu entwerfenden Regler verwendet. Falls die Mo-
delle und der Prozess identisch sind GT = P, dann ist die Differenz der Ausgänge
y(P)− y(GT ) gleich 0. Somit entspricht die Messgröße für den Regler yideal einem Pro-
zess ohne Totzeit.
Das Grundprinzip ein Messsignal ohne Totzeiten anhand einer Prädiktion zu schätzen,
kann auch durch diverse Beobachterarten erreicht werden [10, 110, 111, 112]. Im dis-
kreten Zeitbereich besteht die Möglichkeit, Totzeiten als ein Schieberegister aus Zu-
ständen darzustellen (siehe auch Kapitel 2.4). Diese werden vom Beobachter geschätzt
und der Zustand ohne Totzeit am Anfang des Registers an den Regler weitergegeben.
Die in der Literatur verwendeten Verfahren weisen basierend auf den verwendeten
Beobachtern und Modellarten unterschiedliche Robustheiten gegen Störgrößen und
Modellfehler auf. Dabei ist zwischen Fehlern in den Totzeitanteilen und dem idealen
Modell zu unterscheiden. Das in dieser Arbeit verwendete Verfahren aus MPR und
30
Amplitude / dB
20
10
0
−10 0
10 101 102 103
0
Phase / grad
−100
−200 P T1
P T1 + Totzeit
−300 0
10 101 102 103
Frequenz / rad/s
Abbildung 4.6. Vergleich von Bodediagrammen für ein P T1 Filter mit und
ohne Totzeit; Verringerung der Phasenreserve bei dem System
mit Totzeit
Kalmanfilter wird von Normey-Rico [92] als robust gegenüber Modellfehlern, jedoch
als sensibel gegenüber Fehlern in den Totzeitanteilen bewertet. In dieser Arbeit sind
durch eine Vermessung des Prüfstands (siehe Kapitel 3.2) alle Totzeiten hinreichend
genau bestimmt.
Auch die Beobachtbarkeit eines Systems kann abhängig von der Position der Totzei-
ten reduziert sein. Als Beispiel hierfür wird ein vereinfachtes Ersatzmodell des Ver-
brennungsmotorprüfstandes aus Gleichung 2.11 und Abbildung 2.11 untersucht. Das
Blockschaltbild in Abbildung 4.7 zeigt die ursprüngliche Systemdarstellung mit den
separaten Eingangstotzeiten und einer Ausgangstotzeit.
P T2 Tt1
P I Tt3
P T1 Tt2
Abbildung 4.7. Reduziertes Blockschaltbild des Ersatzmodells des

Verbrennungsmotorprüfstandes
Sind beide Eingangstotzeiten ungleich 0, dann hat die Beobachtbarkeitsmatrix keinen

vollen Rang und das System ist nicht vollständig beobachtbar. Durch die Summations-
stelle kann nicht mehr anhand der Eingangs- und Ausgangsgrößen auf alle Zustands-
größen in beiden Strängen zurückgeschlossen werden. Ist jedoch eine Eingangstotzeit
0, dann ist das System beobachtbar. Für das dargestellte Modell kann die kürzere
Totzeit aus beiden Strängen zusammengefasst und in die Ausgangstotzeit subsumiert
werden. Abbildung 4.8 stellt diesen Vorgang grafisch dar.
Tt2
P T2
Tt1 − Tt2
P I
Tt3 + Tt2
P T1
Ttt2
Abbildung 4.8. Ersatzmodell des Verbrennungsmotorprüfstandes mit

konzentrierter Totzeit im Ausgang
Dadurch ist das System wieder vollständig beobachtbar. Das Verfahren wäre für ein
System mit drei Eingängen und drei unterschiedlichen Totzeiten nicht anwendbar und
eine vollständige Beobachtbarkeit aller Zustände wäre nicht möglich.
Regelung von Antriebsprüfständen
gekoppelt mit einer Simulation
Basierend auf den vorherigen Kapiteln wird im Folgenden eine Modellprädiktive Re-
gelung für einen Verbrennungsmotorprüfstand, gekoppelt mit einer Fahrzeugsimulati-
on, untersucht. Hierzu wird zunächst das Grundlagenwissen (siehe Kapitel 4) mit den
Modellen (siehe Kapitel 2) verbunden und somit ein Modellprädiktiver Regler für den
Prüfstand hergeleitet. Im zweiten Abschnitt erfolgt anschließend eine simulative Un-
tersuchung des EiL-Prüfstandes unter Berücksichtigung der Herausforderungen eines
gekoppelten Prüfstandes (siehe Kapitel 3).
5.1. Modellprädiktive Regelung für einen gekoppelten

Prüfstand
Im nächsten Abschnitt wird ein Modellprädiktiver Regler für einen Engine-in-the-Loop
Prüfstand entworfen. Hierzu werden das MPR Grundlagenwissen auf das Ersatzmodell
des Prüfstandes angewendet und Besonderheiten erläutert. Im zweiten Unterkapitel
erfolgt anschließend die Untersuchung der Integration der MPR in ein Echtzeitsystem.
Der Fokus liegt dabei auf der Abhängigkeit der Rechenzeit von der Dimension des li-
nearen Optimierungsproblems.
5.1.1. Anwendung der theoretischen MPR Grundlagen auf die

Ersatzmodelle
Die nachfolgende Zustandsraumdarstellung erfolgt, aufgrund besserer Lesbarkeit, oh-
ne Angabe der Totzeiten. Wie schon beschrieben, können Totzeiten als Schieberegister
an dedizierten Stellen einer Zustandsraumdarstellung ausgedrückt werden.
Grundlegend besteht die Möglichkeit das Ersatzmodell des Prüfstandes (Gleichung

2.11) für einen Modellprädiktiven Regler (Gleichung 4.8) zu verwenden. Jedoch ist
im Ersatzmodell der Verbrennungsmotor Sollwert MVM,s als Eingang u2 definiert. Das
Drehmoment ist aber keine freie Größe für den Regler und es muss folglich als Zustands-
statt als Eingangsgröße definiert sein. Dafür wird ein neuer Zustand eingefügt, der
den Eingang repräsentiert. Der Zustand bleibt, wie jede Eingangsgröße, ohne Dyna-
mik im System, das heißt konstant. In der Zustandsgleichung, in der der Eingang vor
der Umformulierung wirkte, ist der neue Zustand mit der Skalierung des Eingangs
56
5.1. Modellprädiktive Regelung für einen gekoppelten Prüfstand 57
vorhanden. Ein reduziertes Beispiel ist in Gleichung 5.1 gezeigt. Das zweite System
weist das identische Verhalten wie das erste System auf, wenn der neue Zustand x 5
von außen überschrieben wird. Im Falle des Verbrennungsmotorprüfstandes hat die
Funktion Verbrennungsmotormoment Soll- zu Istwert (MVM,s → MVM,i ) weiterhin eine
P T2 Dynamik.
0 1 1 1 x 1 (k) 0 0
    
0  x 2 (k) 1 0  u1 (k)

0 0 0
x(k + 1) =  +
0 0 0 0  x 3 (k) 0 0, 1 u2 (k)
0 1 0 0 x 4 (k) 0 0
x 1 (k)
    
0 1 1 1 0 0
0 0 0 0 0   x 2 (k) 1 (5.1)
⇒ 0 0 0 0 0, 1  x 3 (k) + 0 u1 (k)
    
0 1 0 0 0   x 4 (k) 0
0 0 0 0 1 x 5 (k) 0
!
x 5 (k) = u2 (k)
Die Regelgröße im Engine-in-the-Loop Prüfstand ist die Wellendrehzahl ω. Die Stell-

größe stellt das Solldrehmoment des Dynamometers MDyno,s dar. Aufgrund des inte-
grierenden Verhaltens von Drehmoment zu Drehzahl tritt kein stationärer Regelfehler
bei einer Parameterunsicherheit des MPR Modells auf.
Das Verbrennungsmotor Istdrehmoment im MPR Modell MVM,i ist nur eine sehr simple
Abbildung des realen Verbrennungsmotormoments und weist daher eine hohe Unsi-
cherheit auf. Zusätzlich wirkt das Verbrennungsmotormoment auch vor der Integra-
tion. Auf diese Weise wird der Fehler aus der Unsicherheit integriert. Es entsteht ein
stationärer Regelfehler aufgrund der Störgröße. Entsprechend muss das Modell, wie
in Kapitel 4.2.1 beschrieben, um die Störgröße erweitert und diese beobachtet wer-
den. Der neue Zustand wird zur Kompensation integrierend gewählt und wirkt direkt
auf den Ausgang ω. Das neue System ist nicht mehr beobachtbar, deshalb wird die
neue Zustandsgröße in der Zustandsgleichung des Verbrennungsmotors eingefügt. Zu-
sammengefasst können die neuen Zustandsraummatrizen für die MPR mit den neuen
Definitionen für
T T
den Zustandsvektor x = x 1 x 2 x 3 x 4 x 5 x 6 = ω MDyno,i MVM,i MVM,i,2 MVM,s d ,
T
den Eingangsvektor u = [u1 ]T

= MDyno,s und
den Ausgangsvektor y = [ y1 ] = [ω]
nach Gleichung 5.2 beschrieben werden.

58 5. Regelung von Antriebsprüfständen gekoppelt mit einer Simulation
TA TA
 
1 JVM +JDyno JVM +JDyno 0 0 0
T
0
 1 − TA1 0 0 0 0
0 0 1 0 0 0
 
A= 2DT TA2 2DT TA2 ,
0 0 −1 + T2 − T 2 2 − T2 A
A
T22
1
 2 
0 0 0 0 1 0
0 0 0 0 0 1
0
   
1
TA
 T1  0
 0  T 0
   
B =   , C =   und D = [0] . (5.2)
0 0
0
0
 
0 1
Ausgangstotzeit 1: Drehzahl TtO + TtI2
Eingangstotzeit 1: Dynamometer TtI1 − TtI2
Aufgrund der diskutierten Voraussetzungen für die Beobachtbarkeit wurde die Totzeit
des Verbrennungsmotors in der Totzeit der Drehzahl subsumiert. Der Kalmanfilter ver-
wendet das gleiche Modell. Allerdings ist hier der Verbrennungsmotor Sollwert MVM,s
weiterhin als Eingang definiert und der Zustand x 5 nicht vorhanden.
5.1.2. Integration der MPR in das Automatisierungssystem

In dieser Arbeit wurden die Co-Simulation und der Regler in Matlab/Simulink imple-
mentiert. Mithilfe des Simulink Coders kann daraus ein Programm erstellt werden,
welches im Automatisierungssystem lauffähig ist. Auf die Verfahrensweise, wie aus
dem Modell ein möglichst optimaler Code erzeugt wird, soll an dieser Stelle nicht
eingegangen werden. Stattdessen wird dargestellt, wie die MPR als Simulinkimple-
mentation aufgebaut sein muss, damit eine Integration im Automatisierungssystem re-
chenzeiteffizient ist. Ausgangspunkt ist das konvexe quadratische Programmierungs-
problem aus Gleichung 4.12a. Als Solver für das Problem wird die frei zugängliche
C++ Implementation qpOASES verwendet [113, 96]. Ferreau beschreibt in [97] das
Lösungsverfahren von qpOASES und gibt einen Überblick über alternative Verfahren.
Im Zuge dieser Arbeit wurde qpOASES angewendet, da es verhältnismäßig leicht in
Simulink als S-Funktion zu implementieren ist und in den meisten Fällen kürzere Re-
chenzeiten als der Matlab Löser ermöglicht. Dem nummerischen Löser werden zu je-
dem Zeitschritt die Hesse Matrix H, der Gradientenvektor g und die Beschränkungen
übergeben. Dabei hängt seine Rechenzeit stark von der Dimension des Gradienten-
vektors (m · Nu × 1) und der Hesse Matrix (m · Nu × m · Nu ) ab. Aufgrund der Tatsache,
dass die Anzahl m der Eingangsgrößen für den EiL-Prüfstand festgelegt ist, können g
und H nur durch die Wahl der Größe des Stellhorizonts Nu verkleinert werden.
5.1. Modellprädiktive Regelung für einen gekoppelten Prüfstand 59
Im Falle des hier benutzten Zustandsraummodells (siehe Gleichung 5.2) ist die Re-
chenzeit des Lösers zwar zu beachten, aber sie ist bei geeigneter Wahl des Stell- und
Prädiktionshorizonts um den Faktor 5-20 kleiner als die Rechenzeit für die Aufstel-
lung von g und H. Das Aufstellen und Berechnen des in der Kostenfunkion 4.11a (H) -
4.11b (g) enthaltenen Ausdrucks MT QM bzw. MT Q ist aufgrund der Dimension von M
(r · Np × m· Nu ) sehr rechenaufwendig. Sind die Parameter des Modells unveränderlich,
muss die Berechnung jedoch nur einmal und nicht zur Laufzeit ausgeführt werden. Für
das in dieser Arbeit vorliegende Modell benötigt das Automatisierungssystem zum Be-
rechnen einer Stellgröße ca. 200-400 µs bei einem konstanten und 2-3 ms bei einem
variablen Parametersatz. Eine Adaptierung der Dynamometer P T1 Zeitkonstante (sie-
he letztes Kapitel 5.1.1) wäre somit nur möglich, wenn die Rechenschrittweite auf
mindestens 3 ms erhöht wird.
5.2. Simulative Untersuchung der Regelgüte des

gekoppelten Prüfstandes
In Kapitel 3 werden die Besonderheiten eines gekoppelten Prüfstandes erläutert. Die
beschriebenen Herausforderungen sollen in den nachfolgenden Abschnitten unter-
sucht werden. Abhängig von der Problemstellung werden hierzu zwei unterschiedliche
Simulationen verwendet. Die erste Simulation beinhaltet nur den Modellprädiktiven
Regler und das mathematische Ersatzmodell des Prüfstandes. Die zweite Simulation
besteht aus der kompletten Co-Simulation zzgl. des Simscape Modells des Prüfstan-
des. Die beiden Simulationen werden im Vorfeld auch dazu verwendet, den Modell-
prädiktiven Regler für einen Engine-in-the-Loop Prüfstand zu parametrisieren und die
Robustheit gegenüber Parameterunsicherheiten zu untersuchen.
5.2.1. Parametrisierung der MPR

Das Verhalten einer linearen MPR wird im Falle des quadratischen Programmierungs-
problems durch die Kostenfunktion 4.11a - 4.11b ausgedrückt. Die in der Funktion
frei wählbaren Parameter sind der Prädiktionshorizont Hp , der Stellhorizont Hu , die
Gewichtungsmatrix des Regelfehlers Q und die Gewichtungsmatrix der Stellgrößen-
differenz Ru . In der Literatur gibt es keine vereinheitlichten Richtlinien, wie diese Pa-
rameter zu wählen sind. Die Wahl der Kovarianz-Matrizen QL und RL des Beobachters
hat ferner einen direkten Einfluss auf die Regelgüte. Nachfolgend werden die in dieser
Arbeit verwendeten Auswahlverfahren für die Parameter der MPR und des Beobach-
ters erläutert.
Gewichtungsmatrizen Q und Ru
Die beiden Matrizen Q bzw. Ru beschreiben, in welchem Maße der Regelfehler oder die
Stelldifferenz in der Kostenfunktion bestraft werden. Im Falle des Engine-in-the-Loop
Prüfstandes gewichtet Q den Winkelgeschwindigkeitsfehler e und Ru das Differenzsoll-
drehmoment ∆MDyno,s . Die Änderungsrate des Dynamometermoments ist zwar vom
Maximalwert beschränkt, besitzt aber ansonsten keine weiteren negativen Eigenschaf-
ten für die verwendete Co-Simulation. Theoretisch kann daher ∆MDyno,s für die Op-
timierung vernachlässigt werden, wenn die prädizierte Regelgröße der simulierten
Regelgröße folgt. Entsprechend müssen Modell und System weitestgehend überein-
stimmen. Im realen Fall können hohe Leistungen bzw. Verstärkungsraten, aufgrund
von Unsicherheiten, zu Schwingungen oder Instabilitäten führen. Q und Ru müssen
dahingegen angepasst werden.
Abbildung 5.1 stellt die L2 -Norm des Regelfehlers e aus der Co-Simulation für die
ersten 250 s des WLTC für unterschiedliche Gewichtungsmatrizen dar. Im linken Dia-
gramm ist der Stellhorizont Hu gleich 1 und im rechten gleich 10 gewählt. Auf der x-
und y-Achse sind Q bzw. Ru logarithmisch zur Basis 3 aufgetragen. Für Hu = 1 ist kein
Trend zu erkennen. Für Hu = 10 bildet sich ein Plateau eines konstanten minimalen
Fehlers für große Verstärkungsfaktoren (großes Q und kleines Ru ). Die MPR befindet
5.2. Simulative Untersuchung der Regelgüte des gekoppelten Prüfstandes 61
sich hier bei der maximalen Verstärkung, die innerhalb der Beschränkungen möglich
ist. Daher führt eine höhere Verstärkung zu keiner Verringerung des Regelfehlers. Für
alle nachfolgenden Untersuchungen werden Q =0,1 und Ru =0,002 gewählt. Diese
Werte repräsentieren einen Eintrittspunkt des Plateaus aus Richtung niedrigerer Ver-
stärkungsfaktoren.
1480 Hu = 1 Hu = 10
1400
1470 Ru ≈ 0,002
Q ≈ 0,1
L2 (e) / rad
L2 (e) / rad
1460 1200
0 0
−5 −5
−10 0 2 −10 0 2
−4 −2 −4 −2
l o g3 (Ru ) −6 −6
log3 (Ru )
lo g3 (Q) log3 (Q)
Abbildung 5.1. Abhängigkeit der Regelgüte von Q und Ru für Hu = 1 und 10;
Für Hu = 10 sinkt die Regeldifferenz mit steigendem Q und
fallendem Ru bis zu einem minimalen Plateau
Exemplarisch stellt Abbildung 5.2 ein Beschleunigungsvorgang mit unterschiedlichen

Parametrisierungen für Q und Ru dar. Wie zuvor diskutiert ist kein großer Unter-
schied zwischen der hohen (Ru =0; Q=6) und der ausgewählten Verstärkung (Q =0,1;
Ru =0,002) ersichtlich. Hingegen ist die Regeldifferenz (ωs − ω) für die Parametrisie-
rung Ru =0,16; Q=0,001 größer verglichen mit den anderen Datenständen.
245
ωs
geschwindigkeit
240 ω; Ru =0; Q=6

ω / rad/s
ω; Ru =0,002; Q=0,1
Winkel-
235 ω; Ru =0,16; Q=0,001

230
225
13,25 13,3 13,35 13,4 13,45 13,5
Zeit / s
Abbildung 5.2. Vergleich der Ist-Winkelgeschwindigkeit für verschiedene

Parametrisierungen von Q und Ru ; Sättigung der Regelgüte
für Verstärkungen größer Q =0,1 und Ru =0,002
Prädiktionshorizont Hp
Das Verfahren zur Wahl des Prädiktionshorizonts Hp kann als einzige Methode ver-
gleichsweise allgemeingültig definiert werden. Es basiert auf einer Interpretations-
weise einer MPR mit unendlichem Horizont (LQR). Die mathematische Lösung des
LQR wird für den stationären Zustand des Systems gefunden. Anders ausgedrückt,
wenn der geschlossene Regelkreis asymptotisch stabil [94] ist, dann befindet sich das
System im Unendlichen in einem stationären Zustand. Diese Eigenschaft wird bei der
Wahl des endlichen Prädiktionshorizonts ausgenutzt. Sie funktioniert jedoch nur bei
stabilen Systemen (ohne Regler). Das System wird unter Berücksichtigung der Be-
schränkungen angeregt und die Zeit gemessen, bis es stationär ist. Diese Zeit wird
als kleinster zu wählender Prädiktionshorizont festgelegt. Abbildung 5.3 zeigt im ers-
ten Diagramm die Antwort des Ersatzmodells (grau) auf einen Drehmomentsprung
(schwarz) mit der maximal erlaubten mechanischen Leistung von 1800 Nm/s als Be-
schränkung. Das System erreicht nach >100 ms über >99.5 % seines Zielwertes. Dar-
aus folgt ein Prädiktionshorizont von mindestens 100. Im zweiten Diagramm ist die
Antwort des geschlossenen Regelkreises mit einem Prädiktionshorizont von 80 (grau)
und einem Horizont von 105 (schwarz gestrichelt) auf einen Drehzahlsprung abgebil-
det. Die Regelgüte des Reglers mit einem Horizont von 80 ist weitaus schlechter als
die mit 105. Für Werte > 105 ist keine weitere Verbesserung zu erkennen. Daher wird
der Wert für den Prädiktionshorizont Hp zu 105 gewählt.
Drehmoment / Nm
100 Sollwert Sprung beschränkt

Istwert
50
0
0,9 0,92 0,94 0,96 0,98 1 1,02 1,04 1,06 1,08 1,1 1,12 1,14
geschwindigkeit
Sollwert Sprung
60
Istwert Hp = 80
ω / rad/s
Winkel-
40 Istwert Hp = 105
20
0
0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5
Zeit / sek
Abbildung 5.3. Beispiel einer Sprungmessung zur Parametrisierung des

Prädiktionshorizonts Hp ; 1. Diagramm: beschränkter Sprung
auf Strecke; 2. Diagramm: Auswirkung unterschiedlicher Hp
auf die geschlossene Regelkreisdynamik
Stellhorizont Hu
Der Stellhorizont Hu kann als Freiheitsgrad für die Lösung der Kostenfunktion inter-
pretiert werden. Für eine optimale Lösung (bei idealer Übereinstimmung von Mo-
dell und Strecke) ist der Stellhorizont gleich dem Prädiktionshorizont zu wählen. Die
nichtlineare Zunahme der Rechenzeit mit steigendem Stellhorizont erfordert einen
geringeren Wert in der Praxis. Rau in [114] gibt einen Stellhorizont von 3-7 als Kom-
promiss zwischen Umsetzbarkeit und Qualitätsverlust an. Den Einfluss des Stellho-
rizonts für einen Verbrennungsmotorprüfstand mit dem Drehmoment als Führungs-
größe beschreibt Westermayer [66] als limitiert. Mithilfe der Co-Simulation wird in
dieser Arbeit der Stellhorizont empirisch ermittelt. Hierzu erfolgt die Auswertung der
Regelgüte mittels unterschiedlicher Stellhorizonte.
Drehzahlbereiche für L2 Norm in 1000 U/min

120
L2,N (e) / rad/s
Total 0,7-1 1-1,5 1,5-2,5 2,5-6

100
80
60
40
12 4 8 16 20 30 40 50 60
4
·10
L2 (∆Ref) / rad/ s
1,3
p
1,29
1,28
1,27
1,26
12 46 8 16 20 30 40 50 60
·10
2,48
L2 (P D y no ) / W s
p
2,46
2,44
2,42
2,4
12 4 8 16 20 30 40 50 60
Hu
Abbildung 5.4. Regelgüte abhängig vom Stellhorizont Hu ; Minimum der

Regeldifferenz für Hu = 16 (Diagramm 1); Übereinstimmung
mit der idealen Referenz steigt mit Hu (Diagramm 2); Leistung
des Dynamometers steigt mit Hu
Als Testzyklus wird der gesamte WLTC verwendet, um Einflüsse über einen möglichst
großen Arbeitsbereich einbeziehen zu können. Im ersten Diagramm in Abbildung 5.4
ist die normierte L2,N -Norm des Regelfehlers e für den gesamten WLTC sowie für be-
stimmte Drehzahlbereiche gezeigt. Das zweite Diagramm bildet die L2 -Norm der Dif-
ferenz der Istwinkelgeschwindigkeit zur Winkelgeschwindigkeit ohne (simulierten)
Prüfstand ab. Die Winkelgeschwindigkeit ohne Prüfstand beschreibt das ideale Ver-
halten des simulierten Fahrzeugs und soll im idealen Fall identisch mit der Winkelge-
schwindigkeit mit Prüfstand sein. Ab jetzt wird sie Referenz genannt.
Die L2,N -Norm des Regelfehlers über den gesamten Zyklus (schwarze Linie) sinkt mit
steigendem Stellhorizont bis zu einem Stellhorizont von 16. Ab diesem Wert steigt
die Norm wieder. Für die einzelnen Drehzahlbereiche ergibt sich ein differenzierte-
res Bild. Die Norm erhöht sich mit steigendem Stellhorizont für Drehzahlen unter
1000 U/min (graue Linie). Für Drehzahlen über 1500 U/min (grau gestrichelte Li-
nien) führt ein steigender Stellhorizont zu einer sinkenden Norm. In einem Bereich
von 1000-1500 U/min (schwarz gestrichelte Linie) ergibt sich, bei einem Stellhori-
zont von 16, wieder ein Minimum. Grundsätzlich kann die Aussage getroffen werden,
je unsicherer das Modell ist, desto größer sind die Fehler der Optimierung mit steigen-
dem Horizont. Abbildung 5.5 zeigt das Verhältnis zwischen der Norm der geschätzten
und der tatsächlichen Leistung des Verbrennungsmotors, aufgetragen über die unter-
schiedlichen Drehzahlbereiche (vgl. Abbildung 5.4).
L2 (PApprx )/L2 (Preal )
2,25
2,00
1,75
1,50
1,25
1,00
700-1000 1000-1500 1500-2000 2500-6000
Drehzahlbereich U/min
Abbildung 5.5. Verhältnis zwischen geschätzter und tatsächlicher

Verbrennungsmotorleistung; Für Drehzahlen unter
1000 U/min ist der Fehler zwischen geschätzter und
tatsächlicher Leistung am größten
Ein Wert von 1 bedeutet, dass die Normen identisch sind. Es ist zu erkennen, dass das
Verhältnis im Bereich von 700-1000 U/min größer 2 ist. Daraus ist eine höhere Diffe-
renz zwischen geschätzter und realer Leistung bezogen auf die anderen Bereiche zu
schließen. Da das geschätzte Drehmoment (somit die Leistung) einen Eingang für den
Regler darstellt, führt ein falscher Wert zu einer unsicheren MPR. Das unsichere Mo-
dell ist eine Begründung für die wachsende Regeldifferenz bei steigendem Stellhori-
zont in niedrigen Drehzahlbereich. Eine zweite Begründung ist die steigende Leistung
des Dynamometers (siehe Diagramm 3, Abbildung 5.4) und die höhere Amplitude
aller Frequenzen mit wachsendem Stellhorizont in Verbindung mit einer geringeren
simulierten Fahrzeugträgheit bei niedrigen Drehzahlen (Leerlauf). Das Dynamome-
termoment wird über den Flansch mitgemessen und regt die Fahrzeugträgheit an. Je
niedriger die Trägheit, desto höher ist die Beschleunigung der simulierten Welle. Die
MPR versucht dieser Beschleunigung zu folgen und erhöht auf diese Weise die Leis-
tung des Dynamometers. Die MPR regt sich somit selber an. Dieses Verhalten spiegelt
der Norm des Fehlers zur idealen Referenz L2 (∆Ref) (siehe Diagramm 2, Abbildung
5.4) wieder. Die Norm besitzt ein Minimum bei 1. Mit höherem Stellhorizont verän-
dert die zusätzliche Leistung das System relativ zur Referenz. Eine steigende Regelgüte
(insbesondere bei hohen Frequenzen) kompensiert den Fehler durch die erhöhte Leis-
tung und das System nähert sich erneut der idealen Referenz an. Die Ähnlichkeit mit
der Referenz kann auch anhand des Pearsonkoeffizienten dargestellt werden (siehe
Anhang A.2). Abbildung 5.6 zeigt den Koeffizienten für die Referenz bzgl. der Istwin-
kelgeschwindigkeit mit einer Verschiebung von 0. Es ist ein ähnliches Verhalten wie
für L2 (∆Ref) zu erkennen.
Pearsonkoeffizient
0,9912
(Ref, ω, 0)
0,9910
0,9908
12 4 8 16 20 30 40 50 60
Hu
Abbildung 5.6. Korrelation der Istwinkelgeschwindigkeit ω zur idealen

Referenz mit verschiedenen Hu und einer Verschiebung von 0
Anhand der bis jetzt geführten Diskussion und den Abbildungen ist der Stellhorizont
entweder zwischen 8 und 16 oder größer als 30 zu wählen. Als weiteres Kriterium zur
Wahl soll das Frequenzspektrum der Winkelgeschwindigkeit für verschiedene Stellho-
rizonte untersucht werden.
geschwindigkeit|
0,06 Referenz
/ rad/sek
|Winkel-
ω, Hu = 30
0,04
0,02
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
Abbildung 5.7. Vergleich des Frequenzspektrums zur idealen Referenz im

WLTC für Hu = 30; Deutliche Dämpfung im gesamten
Frequenzspektrum; Ungewollte Schwingung bei ca. 7 Hz
Die obere Hüllkurve des Frequenzspektrums ist exemplarisch für die Referenz (schwar-
ze Linie) und einen Stellhorizont von 30 (graue Linie) in Abbildung 5.7 gezeichnet.
Charakteristisch für die MPR, unabhängig vom Stellhorizont, ist die Dämpfung der Ver-
brennungsmotorschwingung im gesamten Frequenzspektrum. Ab einem Stellhorizont
von Hu = 16 bildet sich eine zusätzliche Überhöhung bei ca. 7 Hz. Die Änderungsrate
der Überhöhung, bezogen auf Hu , ist bei ca. Hu = 20 am höchsten und sinkt dann mit
steigendem Hu . Ab einem Stellhorizont von 40 steigt die Amplitude der Überhöhung
nicht mehr. Zur Vermeidung dieser Überhöhung und unter Einbezug der Rechenzeit
wird der Stellhorizont im Bereich 8 bis 16 gewählt.
Beobachter Kovarianz-Matrizen: QL und RL

Für die Kovarianz-Matrizen QL und RL gibt es keine nummerischen Richtlinien, wie
diese zu parametrisieren sind. Anhand der Kenntnisse, entnommen aus dem Beob-
achterkapitel 4.2.1, ist zu entscheiden, ob eher der Messung oder dem Modell ver-
traut werden kann. Eine korrekte Parametrisierung, insbesondere der Gewichtung der
Störgrößen, ist in der Simulation nur sehr eingeschränkt möglich, da sich die Stör-
größe am Prüfstand signifikant bzgl. des Modells ändern kann. Es besteht daher die
Notwendigkeit, den Beobachter am Prüfstand zu parametrisieren.
Schätzfehler / U/min Drehzahl / U/min
3050
QL ↓ RL ↓ QL ↑
3000
2950 QL ↓, RL ↑
2900
145 150 155 160 165 170 175 180 185
5
0
−5
−10
−15
145 150 155 160 165 170 175 180 185
0,6
Fahrpedal
0,4
0,2
0
145 150 155 160 165 170 175 180 185
Zeit / s
Abbildung 5.8. Empirische Parametrisierung des Beobachters anhand des

Schätzfehlers; Adaption von QL und RL bis ein minimaler
Schätzfehler erreicht ist
Die Abbildung 5.8 ist dem Kapitel 6 vorweggenommen, da sie Messungen des realen
Verbrennungsmotorprüfstandes enthält. Sie zeigt einen Teil der Parametrisierung der
Kovarianz-Matrizen. Hierzu wird zunächst das integrierende Verhalten der Störgrö-
ßenschätzung entfernt, um die Zustandsschätzung optimal ohne Integration an den
realen Prüfstand anzupassen. Im nächsten Schritt werden, ohne die Co-Simulation,
unterschiedliche Arbeitspunkte des Verbrennungsmotors angefahren, indem die Dreh-
zahl und das Gaspedal vorgegeben werden. In diesem Zusammenhang erfolgt eine
Variation der Matrizen, bis die Regel- und die Führungsgröße in guter Näherung über-
einstimmen. Diesen Vorgang stellt die Abbildung 5.8 dar. Am Anfang ist eine korrekte
Parametrierung des Arbeitspunktes (3000 U/min,20 % Fahrpedal) zu erkennen. Bei
einem Fahrpedal von 50 % bildet sich eine neue Abweichung, die im nächsten Schritt
durch eine Senkung der Kovarianz-Matrix der Zustandsschätzung (QL ↓) wieder ver-
schwindet. Unter Beachtung der Werte, die in den anderen Arbeitspunkten festge-
stellt wurden, wird die empirisch beste Parametrisierung ermittelt. Die Festlegung der
Kovarianz-Matrix der Zustandsschätzung QL erfolgt, mit Ausnahme der Störgröße, zu
I · 1, 5. Die Kovarianz-Matrix der Messung RL wird zu 0, 001 definiert. Der Eintrag für
die Störgröße in QL wird mit 0, 001 angenommen.
5.2.2. Robustheit der MPR gegen Parameterunsicherheit

Die Störgrößenkompensation kann nur in gewissem Maße die Auswirkungen von Un-
sicherheiten minimieren. Eine Unsicherheit in den Parametern führt zwar nicht zu
einer konstanten Regelabweichung, kann aber die Regelgüte vermindern. Bei einer
großen Unsicherheit besteht die Möglichkeit eines instabilen Systems. Neben den Tot-
zeiten sind das Massenträgheitsmoment des Verbrennungsmotors (zzgl. der Prüfstands-
welle) JVM , das Massenträgheitsmoment des Dynamometer JDyno und die Umrichter/Dy-
namometer Zeitkonstante T1 wichtige Parameter für die MPR, die alle einer gewissen
Unsicherheit unterliegen. Im Folgenden sollen die drei Parameter verändert und die
Auswirkungen auf die Regelgüte untersucht werden. Als Testzyklus werden die ers-
ten 600 s des WLTC verwendet. Im Rahmen der Untersuchung unterliegt jeweils ein
Parameter einer Veränderung, während die anderen beiden Parameter ideal konstant
gehalten werden. Auf die Veränderung wird die MPR nicht adaptiert. In Abbildung 5.9
sind die Ergebnisse der Untersuchung gezeigt.
Im ersten Diagramm wird die L2,N -Norm des Regelfehlers einer Änderung der Mas-
senträgheit des Verbrennungsmotors JVM gegenübergestellt. Die Ähnlichkeit zur Re-
ferenz, ausgedrückt durch den Pearsonkoeffizient ρ, ist für eine Änderung von JVM
nicht sinnvoll und wird im Gegensatz zu den anderen Variationen nicht dargestellt.
Die Regelgüte besitzt ihr Maximum bei einer Trägheit zwischen 0,3-0,6 kgm2 und ver-
ändert sich nur geringfügig. Erst bei Trägheiten unter 0,2 kgm2 ist eine signifikante
Verschlechterung der Regelgüte erkennbar. Der Anstieg ist durch eine Verschiebung
des Messmoments zum Verbrennungsmotormoment begründet. Dadurch werden hö-
here Amplituden der Verbrennungsmotormoden in die Simulation übertragen. Der
Regler kann dieser Amplitudenerhöhung schlechter folgen (siehe Kapitel 5.2.4).
Das zweite Diagramm zeigt die Abhängigkeit von der Massenträgheit des Dynamo-
100
L2,N (e) / rad/s
80 Ideal ∼ 59
60
Min ∼ 56
40
0 0,1 0,2 0,3 0,4 0,5 2
0,6 0,7
Massenträgheit Verbrennungsmotor / kgm
100 0,9750
L2,N (e) / rad/s
ρ(Ref, ω, 0)
75 Ideal ∼ 0,974 0,9738
50
Min ∼ 47 Ideal 0,9725
0 0,1 0,2 0,3 0,4 0,5 2 0,6 0,7
Massenträgheit Dynamometer / kgm
100 0,9775
L2,N (e) / rad/s
Ideal
ρ(Ref, ω, 0)
75 0,9750
50
40 0,9725
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08
PT1 Zeitkonstante Dynamometer / s
Abbildung 5.9. Regelgüte bei Variation der Prüfstandsparameter JVM , JDyno , T1

im Modell
meters. Sowohl der Pearsonkoeffizient als auch die Regelgüte weisen ein Maximum
bei 0,1 kgm2 auf. Mit steigender Trägheit nehmen die Güte und der Koeffizient kon-
tinuierlich ab. Die Zunahme des Regelfehlers ist weitaus steiler als bei einer Verän-
derung der Verbrennungsmotorträgheit. Im Modell der MPR berechnet sich die Dreh-
zahl aus der Integration der Drehmomente mit dem Kehrwert der Summe aus der
Verbrennungsmotor- und der Dynamometerträgheit (siehe Gleichung 2.8). Beide Träg-
heiten sind gleichbedeutend für die MPR, da sie an keiner weiteren Stelle wirken.
Trotzdem verändert sich die Regelgüte bei Änderung von JVM oder JEM unterschied-
lich. Die Differenz wird nicht durch die MPR hervorgerufen, sondern durch die Zu-
sammensetzung des gemessenen Drehmoments aufgrund der Massenträgheiten. Der
Einfluss wird detailliert in Abschnitt 5.2.4 untersucht.
Das dritte Diagramm zeigt die Robustheit der MPR gegenüber einer Veränderung der
Umrichter/Dynamometer Zeitkonstanten. Bis zu einer Zeitkonstante von 30 ms ist eine
geringe Verschlechterung der Regelgüte mit einer stetige Verringerung des Pearsonko-
effizienten zu erkennen. Danach steigt die Norm und der Pearsonkoeffizient bis zu
einem Wert von ca. 60 - 70 ms. Ab dieser Verzögerungszeit fängt das System erheblich
an zu schwingen und die Regelgüte sowie der Pearsonkoeffizient nehmen exponentiell
ab. Daher ist die MPR, bis zu einer gewissen Grenze, robust gegenüber Veränderungen
in der Verzögerungszeit. Alle ermittelten Werte für die reale Verzögerungszeit (siehe
Kapitel 3.2 und Abbildung 3.5) liegen unterhalb von 30 ms. Eine mögliche Onlinead-
aption der MPR, abhängig vom Arbeitspunkt, ist daher nicht notwendig.
Bis jetzt wurde das Prüfstandsmodell innerhalb der Co-Simulation variiert und somit
die Robustheit der MPR gegenüber Unsicherheiten in den Streckenparametern nach-
gewiesen. Eine andere Herangehensweise ist die Veränderung der MPR Parameter an-
statt der Streckenparameter. Dieser neue Blickwinkel ermöglicht eine Analyse ohne
den Einfluss durch eine veränderte Drehmomentmessung. Abbildung 5.10 stellt wie-
der die Abhängigkeit der Regelgüte von JVM , JEM und T1 dar, jedoch sind die Parameter
im Modell fixiert und in der MPR veränderlich.
100
L2,N (e) / rad/s
JVM
80 Ideal ∼ 59 JDyno
60
40
0 0,1 0,2 0,3 0,4 2
0,5 0,6 0,7
Massenträgheit / kgm
140
L2,N (e) / rad/s
120
100
80 Min ∼ 53 Ideal
60
40
0 0,1 0,2 0,3 0,4 0,5 2
0,6 0,7
Massenträgheit Prüfstand(JVM + JDyno )/ kgm
100
L2,N (e) / rad/s
80 Ideal
60
40
0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08
PT1 Zeitkonstante Dynamometer T1 / s
Abbildung 5.10. Regelgüte bei Variation der Parameter JVM , JDyno , T1 im

Regler; Abweichung des Fehlerminimums von dem zu
erwartenden idealen Punkt (Diagramm 1 und 2)
In Diagramm 3 (T1 ) ist genau ein Minimum bei einer Übereinstimmung der Zeitkon-
stanten im Modell und in der MPR ersichtlich. Wie erwartet, ist die MPR bei einem
exakten Parameter T1 optimal. Diagramm 1 zeigt einen sehr ähnlichen Verlauf bei Än-
derungen der Verbrennungsmotor- (JVM ) und der Dynamometerträgheit (JDyno ). Wie
oben schon beschrieben, beinhaltet die MPR nur die Summe beider Trägheiten in der
Integration des Drehmoments zur Winkelgeschwindigkeit. Daher wird in Diagramm 2

eine Veränderung der Gesamtträgheit der Regelgüte gegenübergestellt. Im Gegensatz
zu T1 liegt das Minimum nicht bei der idealen Trägheit von 0,49 kgm2 , sondern bei
ca. 0,075 kgm2 . Der Kehrwert der Trägheit funktioniert in der MPR ähnlich einer in-
tegrierenden Verstärkung. Je kleiner die Trägheit, desto höher ist die Verstärkung und
Unsicherheiten können besser kompensiert werden. Der Regelfehler nimmt bis zum
Minimum mit sinkender Trägheit ab. Danach steigt der Regelfehler exponentiell, da
das System anfängt zu schwingen. Die Differenz zwischen MPR und Prüfstandssimu-
lation liegt, wie in Kapitel 2 beschrieben, im Schwungverhalten der Prüfstandswelle
und in der Messung der Drehzahl.
5.2.3. Vergleich MPR mit PI bei verschiedenen

Drehmomenteingängen
Bis jetzt wurde die MPR parametrisiert und ihre Robustheit gegen Parameterunsi-
cherheiten gezeigt. Im folgenden Abschnitt soll die Regelgüte der MPR mit einem
PI-Regler verglichen werden. Zudem werden die Auswirkungen unterschiedlicher Ver-
brennungsmotorsollwert Signale MVM,s als Eingänge der Regler untersucht. Der PI-
Regler wird um eine Totzeitkompensation (DTC) erweitert, um die Vorteile der DTC
darzustellen und einen besseren Vergleich mit der MPR zu ermöglichen. Abbildung
5.11 stellt die Ergebnisse als L2,N -Norm im ersten und als Pearsonkoeffizient im dritten
Diagramm dar. Das zweite Diagramm zeigt die L2,N -Norm für eine veränderte Dyna-
mometerzeitkonstante T1 sowohl mit als auch ohne DTC.
Der PI-Regler wird mit unterschiedlichen Verstärkungsfaktoren (Proportionalfaktor
Kp , Integrationsfaktor Ki ) simuliert. In der Abbildung ist der Verstärkungsfaktor als
x-Achse verwendet. Die MPR ist auf Basis der vorangegangenen Kapitel optimal para-
metrisiert und unabhängig zur x-Achse in den Diagrammen eingezeichnet. Als Zyklus
werden die ersten 600 s des WLTC untersucht. Die schwarze Linie stellt den norma-
len PI-Regler ohne DTC dar und weist eine maximal 4 % schlechtere Norm als mit
DTC (graue Linie) auf. Wird anstelle des kennfeldbasierten das ideale Verbrennungs-
motormoment zur Totzeitkompensation verwendet, verbessert sich die Norm um wei-
tere 0,5 % (schwarz gestrichelte Linie). Sämtliche Normen nehmen, ausgehend vom
Startwert bei 6,25, bis hin zu einer Verstärkung von 42,25 stetig ab. Mit steigender
Verstärkung kann der PI-Regler besser dem Sollwert folgen. Ab einem Wert von 56,25
beginnt der PI-Regler vermehrt an zu schwingen und die Norm nimmt zu. Das zwei-
te Diagramm zeigt die Ergebnisse des PI-Reglers mit (schwarze Linie) und ohne DTC
(graue Linie) für einen Dynamometer mit einer Zeitkonstanten von 15 ms (statt 8 ms).
Der Wert entspricht etwa dem Maximum des vermessenen Kennfeldes (siehe Abbil-
dung 3.5). Die Regelgüte ist für niedrige Verstärkungsfaktoren ca. 3 % schlechter als
die entsprechenden Ergebnisse mit T1 = 8 ms. Der größte Unterschied liegt in der
Instabilität, die sich bereits bei mittleren Verstärkungsfaktoren zeigt. Der Regelkreis
wird ohne DTC ab einer Verstärkung von 30,25 instabil. Bei höheren Verstärkungen
verschlechtert sich zwar die Regelgüte mit DTC, aber das System wird erst aber einer
Verstärkung von 36 instabil. Allgemein verbessert die DTC nicht nur die Regelgüte bei
L2,N (e) / rad/s 100

PI normal PI, DTC PI, DTC, MVM
80
MPRVM 70
60 MPR 59
6,25 9 12,25 16 20,25 25 30,25 36 42,25 49 56,25 64 72,25
100
L2,N (e) / rad/s
PI,DTC, T1 = 15ms PI, T1 = 15ms
80
60
6,25 9 12,25 16 20,25 25 30,25 36 42,25 49 56,25 64 72,25
0,9800
PI normal PI, DTC PI, DTC, MVM
ρ(Ref, ω, 0)
0,9780
MPR
0,9760
0,974
0,9740
0,9720
0,9700
6,25 9 12,25 16 20,25 25 30,25 36 42,25 49 56,25 64 72,25

PI Gain Kp · Ki / (Nms/rad)2
Abbildung 5.11. Regelgüte sowie Korrelation des PI-Reglers für

unterschiedliche Drehmomenteingänge und mit steigender
Verstärkung; Regelgüte steigt bis zu einer Verstärkung von
42,25 (Nms/rad)2 (Diagramm 1); Maximale Verstärkung des
PI-Reglers variiert stark abhängig von der Geschwindigkeit
des Dynamometers (T1 Diagramm 2)
konstanter Verstärkung, sondern ermöglicht auch höhere stabile Verstärkungsfakto-

ren. Aufgrund der limitierten Auflösung der getesteten Verstärkungsfaktoren ist dieser
Effekt nur geringfügig zu erkennen.
Die Regelgüte des PI-Reglers ist ab einem Verstärkungsfaktor von 42,25 ungefähr
gleich mit der MPR (Kennfeld). Schaut man sich das zeitliche Verhalten des Regel-
fehlers im WLTC an, so regelt die MPR hoch transiente Vorgänge deutlich exakter als
der PI-Regler. Dieser ist hingegen in stationären Bereichen genauer als die MPR. Eine
Feinjustierung des Störgrößenbeobachters würde vermutlich zu geringfügig besseren
Ergebnissen der MPR führen. Der Beobachter ist aber, wie beschrieben, für den realen
Prüfstand kalibriert.
Der Pearsonkoeffizient liegt für die MPR bei ca. 0,974. Beim PI-Regler variiert der Ko-
effizient, nimmt aber im Mittel zu. Ab einer Verstärkung von ca. 36 ist die PI-Regelung
ähnlicher bzgl. der Referenz als die MPR.
Zur abschließenden Bewertung beider Regler werden im ersten Diagramm der Abbil-
dung 5.12 die Frequenzspektren der Winkelgeschwindigkeit in der Referenz, für den
PI-Regler (graue Linie) und für die MPR (schwarz gestrichelte Linie) gegenüberge-
stellt. Die MPR und der PI-Regler können das Frequenzspektrum der Referenz nicht
abbilden. Insbesondere wird die erste Ordnung bei Leerlaufdrehzahl (21-23 Hz) nahe-
zu komplett unterdrückt. Die breitbandige Anregung des Verbrennungsmotors erfährt
daher durch den Prüfstand und die Reglerdynamik eine Dämpfung. Ein Beispiel hierfür
ist im zweiten Diagramm dargestellt. Die mechanische Welle in der Referenz schwingt
mit einer fast zehn mal höheren Amplitude als die Welle im simulierten Prüfstand.
Zusätzlich ist die Referenz im Mittel um ca. 10 rad/s höher. Der Fehler entsteht wei-
testgehend durch die Reglerbandbreite, aber auch wegen der erhöhten Trägheit im
Prüfstand sowie dem Fehler bei der Messung des Verbrennungsmotormoments (siehe
nächstes Kapitel).
geschwindigkeit|
0,15
Referenz
/ rad/sek
|Winkel-
0,1 ω, PI, 42,25

ω, MPR
0,05
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
180
Referenz
ω / rad/s
160 ω, PI, 42,25

ω, MPR
140
120
139,80 139,90 140,00 140,10 140,20
Zeit / s
Abbildung 5.12. Vergleich der Frequenzspektren der

Istwinkelgeschwindigkeit in der Referenz, mit PI-Regler und
mit MPR in den ersten 600 s des WLTC
Schlussfolgernd lässt sich feststellen, dass die MPR dem PI-Regler mit DTC nur bis zu
einer Verstärkung von ca. 42,25 überlegen ist. Die fehlende Robustheit des PI-Reglers
gegenüber der Einregelzeit des Dynamometers/Umrichters (T1 ) beschränkt jedoch die
mögliche Verstärkung drastisch. Am realen Prüfstand ist der PI-Regler konservativ mit
6,25 parametrisiert, da erste Schwingungen bei einer Verstärkung von 9 auftreten.
Neben dem kennfeldbasierten Drehmoment als Eingang für die MPR zeigt die Abbil-
dung 5.11 die Ergebnisse auch für das ideale Drehmoment. Die Regelgüte der MPR
mit idealem Drehmoment (MPRVM ) ist ca. 15 % schlechter, als die mit dem Kennfeld.
Die Pearsonkoeffizienten sind ungefähr gleich. Zu vermuten ist eine Verbesserung der
Regelgüte statt einer Verschlechterung. Die größten Unterschiede in der Regelgüte ent-
stehen wegen der rapide fallenden Solldrehzahl beim Hochschalten. Abbildung 5.13
zeigt einen solchen Schaltvorgang. Der Sollwert für die Winkelgeschwindigkeit ist in
beiden Fällen nahezu identisch und deshalb nur als eine schwarze Linie gezeigt. Wäh-
rend des Schaltvorganges folgt die MPR mit dem Kennfeld als Eingang (schwarz gestri-
chelt) dem Sollwert besser als die MPR mit dem idealen Verbrennungsmotormoment
(grau). Das ideale Drehmoment ist aufgrund der Getriebeanforderung für kurze Zeit
reduziert und deshalb niedriger als das kennfeldbasierte Drehmoment (siehe zweites
Diagramm). Die MPR versucht das höhere Drehmoment durch ein höheres Bremsmo-
ment des Dynamometers zu kompensieren und kann dem starken Abfall der Drehzahl
fälschlicherweise besser folgen. Durch das unkorrekt angenommene Drehmoment ent-
steht eine zusätzliche Verstärkung während Schaltvorgängen.
300
geschwindigkeit
Sollwert
280
/ rad/sek
ω MPRVM
Winkel-
260 ω MPR
240
220
287,4 287,5 287,6 287,7 287,8 287,9 288
80
eingang Regler
Drehmoment-
MPRVM
70 MPR
/ Nm
60
50
287,4 287,5 287,6 287,7 287,8 287,9 288
Zeit / s
Abbildung 5.13. Vergleich MPR mit verschiedenen Drehmomenteingängen;

Die MPR mit geschätztem Drehmoment (MPR) führt zu einer
geringeren Regeldifferenz als die MPR mit idealem
Drehmoment (MPRVM )
5.2.4. Einfluss des gemessenen Drehmomentsignals auf den

gekoppelten Prüfstand
Das Verbrennungsmotormoment ist grundlegend eine Störgröße für den Drehzahl-
regler. Gleichzeitig ergeben sich aus dem Verbrennungsmotormoment die Solldreh-
zahl und das Drehmoment beschleunigt bzw. bremst den Prüfstand. Somit besitzen
im Fahrbereich eines Fahrzyklus das Drehmoment und die Ableitung der Solldrehzahl
im Mittel das gleiche Vorzeichen. Der Verbrennungsmotor hilft daher dem Dynamo-
meter die Drehzahl zu erreichen. Diese Sichtweise ist auch naheliegend, da das grund-
legende Prinzip eines EiL-Prüfstandes die Emulation des richtigen Fahrzeuges ist. In
einem konventionellen Fahrzeug gilt der Verbrennungsmotor als primäre Leistungs-

quelle bzw. Senke, wenn Fahrwiderstände nicht betrachtet und Gefälle vernachläs-
sigt werden. Die Leistung des Fahrzeuges und des Motors besitzen daher das gleiche
Vorzeichen. Der Unterschied zwischen einem realen Fahrzeug und dem EiL-Prüfstand
besteht darin, dass der Verbrennungsmotor im Prüfstand nicht die gleiche Trägheit
beschleunigt wie im Fahrzeug. Der Dynamometer muss anhand des Sollwertes aus
der Co-Simulation und des Regelfehlers, die Trägheit des realen Fahrzeuges emulie-
ren. Das heißt, es muss so viel Drehmoment gestellt werden, bis die Trägheitsdifferenz
zwischen dem realen Fahrzeug und dem Prüfstand idealerweise negiert ist. Mithilfe
der Interpretation des EiL-Prüfstandes als Trägheitssimulation werden die Einflüsse
des gemessenen Drehmomentsignals auf den EiL-Prüfstand nachfolgend, anhand von
drei Fallunterscheidungen, erklärt.
Fall 1: JDyno << JVM und MPS ≈ MDyno

In Kapitel 5.2.2 wird gezeigt, dass sich die MPR als robust gegen Parameterunsicher-
heiten erweist. Die Regelgüte und der Pearsonkoeffizient verändern sich jedoch bei
einer Änderung der Massenträgheiten JVM oder JDyno stark.
Analog zu Gleichung 3.4 beinhaltet das Messmoment MPS bei sehr kleinem JVM nur das
negative Dynamometermoment −MDyno . Eine naheliegende Vermutung wäre, wenn
nur das Drehmoment des Dynamometers gemessen würde, entstünde irgendein be-
liebiger Drehzahlverlauf. Stattdessen steigt aber der Pearsonkoeffizient bzgl. der Re-
ferenz. Als Erklärung hierfür wird nachfolgend eine sehr reduzierte mathematische
Darstellung des Eil-Prüfstandes untersucht, die im Wesentlichen nur die Drehmomen-
te und Trägheiten enthält (Trägheitssimulation). Der Prüfstand beinhaltet eine Träg-
heit, die durch die Messstelle in zwei einzelne Trägheiten geteilt wird. Zwei ideale
Drehmomente (siehe Gleichung 3.3 bzw. 2.6) wirken jeweils an einer Trägheit. Die
!
Winkelgeschwindigkeit des Antriebsstranges in der Co-Simulation ωF = ωs entsteht
aus der Beschleunigung der Trägheit des Fahrzeuges JF durch das gemessene Dreh-
moment MPS (siehe Gleichung 5.4, konstanter Gang).
J
PS
z }| {
(JVM + JDyno )ω̇(t) = MVM (t) + MDyno (t) (5.3)
JF ω̇F (t) = MPS(t) (5.4)
Für sehr kleine Dynamometerträgheiten gilt −MDyno ≈ MPS. Damit regelt der Dynamo-
meter gleichzeitig den Prüfstand und die Simulation mit dem Ziel ω − ωF = ∆ω = 0.
Wenn der Verbrennungsmotor aus einem Gleichgewichtszustand sein Drehmoment
vergrößert, steigt die Winkelgeschwindigkeit ω. Diese Änderung der Winkelgeschwin-
digkeit versucht der Regler durch ein negatives Drehmoment auszugleichen und be-
schleunigt damit die Simulation, bis ein neuer Gleichgewichtszustand erreicht ist. Glei-
chung 5.3 lässt sich durch Einsetzen von Gleichung 5.4 zu
Z
MVM (t)dt = (JF + JVM + JDyno )ωF (t) + (JVM + JDyno )∆ω(t) (5.5)
mit ∆ω = ω − ωF als Regelfehler
umformen. Je genauer der Regler ist, desto kleiner ist ∆ω. Für einen idealen Regler
verschwindet ∆ω und die Soll-Winkelgeschwindigkeit berechnet sich zu:
R
MVM (t)d t
ωF (t) = (5.6)
JF + JVM + JDyno
Die Soll-Winkelgeschwindigkeit, mit dem Fehler der durch die zusätzliche Trägheit
JDyno entsteht, ist somit bei einem idealen Regler identisch zur Referenz. Abbildung
5.14 stellt für diesen Zusammenhang ein Beispiel dar.
180
Referenz
ωs / rad/s
160 JDyno = 0,23 (normal)

JDyno = 0,001
140
120
394,4 394,5 394,6 394,7 394,8
Zeit / s
0,15
Referenz
|ωs | / rad/s
0,1 JDyno = 0,23 (normal)

JDyno = 0,001
0,05
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
Abbildung 5.14. Einfluss Dynamometerträgheit auf den EiL-Prüfstand; Mit

sinkender Dynamometerträgheit werden höhere Frequenzen
gedämpft aber niedrigere Frequenzen besser abgebildet
Im ersten Diagramm sind die Soll-Winkelgeschwindigkeit der Referenz (schwarz),

der normalen Co-Simulation mit Prüfstand (grau) und einer Simulation mit MPS =
MDyno sowie JDyno = 0,001 (schwarz gestrichelt) gezeigt. Abgebildet wird eine Be-
schleunigung im ersten Gang, da hier das Verhältnis zwischen Fahrzeug- und Prüf-
standträgheit am ähnlichsten ist. Somit ist ein Fehler durch die zusätzliche Prüfstands-
trägheit am signifikantesten (außer im Leerlauf). Verglichen mit der Referenz zeigt
der Sollwert der normalen Co-Simulation einen mittleren Fehler aber eine ähnliche
Schwingung. Hingegen ist der Sollwert der Co-Simulation mit der niedrigen Dyna-
mometerträgheit sehr ähnlich zur gemittelten Referenz, besitzt aber nahezu keine
Schwingung. Eine Begründung für die gute mittlere Übereinstimmung kann in Glei-
chung 5.6 gefunden werden. Da JDyno sehr klein ist, entspricht die Summe genau der
realen Fahrzeugträgheit.
Die Hüllkurven der Frequenzspektren bezogen auf die jeweiligen Sollwerte für die
ersten 600 s des WLTC sind im zweiten Diagramm dargestellt. Auch hier ist die Ampli-
tude der Schwingungen im gesamten Spektrum für JDyno =0,001 stark reduziert. Im
Gegensatz zur normalen Co-Simulation entsteht die Drehzahlschwingung nicht direkt
aus dem Verbrennungsmotormoment, sondern aus der Dynamik der Regelstrecke bzw.
wie schnell der Regler auf die Regeldifferenz reagieren kann.
Fall 2: JDyno und JVM beliebig

Ähnlich zur Herleitung für kleine Dynamometerträgheiten kann die Soll-Winkelge-
schwindigkeit für den allgemeinen Fall bestimmt werden.:
JPS
z }| {
(JVM + JDyno )ω̇(t) = MVM (t) + MDyno (t) (5.7)
JDyno MVM (t) − JVM MDyno (t)
JF ω̇F (t) = (5.8)
JDyno + JVM
Durch das Einsetzen von Gleichung 5.8 in 5.7 lässt sich die Soll-Winkelgeschwindigkeit
folgendermaßen umformulieren:
R
MVM (t)dt JVM
ωF (t) = − ∆ω(t) (5.9)
JF + JVM JF + JVM
Bei einem idealen Regler würde die Sollgröße genau der Referenz folgen. Da jedoch
der Dynamometer eine nicht zu vernachlässigende Trägheit besitzt, eilt der Ist- dem
Sollwert nach (∆ω > 0). Dabei verringert sich, verglichen mit der Referenz, der Soll-
wert. Zusätzlich werden, wie im Fall 1 beschrieben, durch den Anteil der Dynamome-
terdynamik im Messmoment die Schwingungen des Verbrennungsmotors gedämpft.
Die Verringerung des Mittelwertes und die Dämpfung der Schwingungen sind analog
zu Fall 1 in Abbildung 5.14 erkennbar. Das Verhältnis der beiden Massenträgheiten
JVM und JDyno beschreibt dabei nach Gleichung 5.9 die Reduktion der Verbrennungs-
motorschwingung im Messmoment.
In beiden Fällen ist herauszustellen, dass die Führungsgröße ωF von MDyno abhängt.
Damit beeinflusst der Dynamometer seine eigene Führungsgröße. Es entsteht eine bi-
direktionale Verbindung zwischen Regel- und Führungsgröße. Eine optimale Lösung
wäre die Unabhängigkeit von ωF bzgl. MDyno .
Fall 3: JDyno und JVM beliebig und MPS = MVM

Kann das effektive Verbrennungsmotormoment direkt an die Co-Simulation weiterge-
geben werden, lässt sich die Soll-Winkelgeschwindigkeit direkt durch:
R
MVM (t)dt
ωF (t) = (5.10)
JF
beschreiben. Der Sollwert ist damit wie gewünscht vom Prüfstand und von der Re-
gelstreckendynamik unabhängig, wenn die Drehzahl keinen Einfluss auf das Verbren-
nungsmotormoment im untersuchten Dynamikbereich ausübt. Dadurch entsteht ei-
ne komplette Entkopplung der Führungsgröße und es lässt sich ein dediziertes Ein-
/Ausgangsverhalten für den EiL-Prüfstand ermitteln. Damit wäre die Problemstellung
aus Kapitel 3 gelöst. Die Verbrennungsmotorträgheit fehlt zwar in der Gleichung, kann
aber in der Fahrzeugträgheit berücksichtigt werden. Abbildung 5.15 zeigt die Resul-
tate für eine solche ideale Entkopplung.
210
geschwindigkeit
Referenz
/ rad/sek
ωs
Winkel-
200
ω
190
180
259 259,1 259,2 259,3 259,4
Zeit / s
0,15
geschwindigkeit|
Referenz
/ rad/sek
ωs
|Winkel-
0,1
ω
0,05
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
Abbildung 5.15. Vergleich der Referenz mit der Co-Simulation mit idealem
Drehmomenteingang; Nahezu komplette Übereinstimmung
der Sollwinkelgeschwindigkeit ωs mit der idealen Referenz;
Istwinkelgeschwindigkeit ω aufgrund von Limitierungen
gedämpft
Der Sollwert (grau) und die Referenz (schwarz) sind nahezu gleich. Der Istwert der
Winkelgeschwindigkeit (schwarz gestrichelt) ist zwar im Mittel ähnlich, jedoch wird
die Verbrennungsmotorschwingung weiterhin stark gedämpft. Das Frequenzspektrum
zeigt ein ähnliches Bild. Der Sollwert und die Referenz weisen fast das gleiche Spek-
trum auf. Das Spektrum des Istwertes ist im gesamten Bereich stark reduziert. Eine
mögliche Begründung besteht darin, dass die MPR aufgrund der Beschränkungen dem
Sollwert nicht folgen kann.

Tabelle 5.1 fasst die Ergebnisse aus diesem Kapitel bzgl. der L2,N -Norm und des Pear-
sonkoeffizienten zusammen. Zusätzlich sind die Ergebnisse zweier weiterer Versu-
che aufgelistet, die das mögliche Potential abschätzen. Beide Versuche werden mit
MPS = MVM und mit dem idealen Drehmoment als Reglereingang durchgeführt. Der
erste Versuch beschreibt eine realistische Verbesserung des Prüfstandes durch:
• Halbierung der Totzeit z.B. mittels Verringerung der Abtastzeit auf 500 µs,
• Reduktion der Zeitkonstanten T1 auf 1 ms und Senkung der Dynamometerträg-
heit auf 0,1 kgm2 z.B. mittels einer PMSM statt einer ASM und
• Verdopplung der Beschränkungen z.B. mittels einer PMSM sowie einem besseren
mechanischen Aufbau
Der zweite Versuch beinhaltet weder Beschränkungen noch Totzeiten. Bis hier ergaben
alle Untersuchungen eine Variation des Pearsonkoeffizienten zwischen 0,970 und ma-
ximal 0,975 (WLTC 600 s). Mittels der Verwendung des idealen Verbrennungsmotor-
moments kann der Koeffizient signifikant erhöht (>0,985) und somit die Korrelation
zur Referenz verbessert werden. Wie schon beschrieben, ist jedoch die Regelgüte mit
den jetzigen Prüfstandsparametern um ca. 35 % (siehe Zeile 2 zu 3) vermindert. Ins-
besondere die Schwingungen des Verbrennungsmotors werden unterdrückt. Mittels
der Verbesserung der Prüfstandsperformance kann der Regelfehler zu 81 rad/s bzw.
30 rad/s vermindert werden.
MPS = L2,N (e)/rad/s ρ(ref, ω, 0) Bemerkung

MDyno 45 0,977 JDyno = 0,001
JDyno MVM −JVM MDyno Normaler Testlauf
JDyno +JVM 59 0,974
JDyno = 0,23; JVM = 0,26
MV M 88 0,987 JDyno = 0,23; JVM = 0,26
JDyno = 0,1;T1 = 0,001
MVM 81 0,988 2xBeschränkungen
0,5xTotzeiten; Version 1
JDyno = 0,1;T1 = 0,001
MVM 30 0,992 Keine Beschränkungen
Keine Totzeiten; Version 2
Tabelle 5.1. Vergleich der Regelgüte und des Pearsonkoeffizienten bezogen

auf unterschiedliche Messmomente und Verbesserungen des
Prüfstandes
Die erhöhte Regelgüte, die die verbesserten Prüfstandsparameter beinhaltet, ist so-
wohl im Frequenzspektrum als auch in der Winkelgeschwindigkeit sichtbar (siehe Ab-
bildung 5.16). Die Prüfstandsversion 1 (grau) folgt der Referenz im Zeitbereich exak-
ter als mit den normalen Parametern. Zudem wird der Frequenzgang insbesondere bei
der Leerlauffrequenz besser abgebildet. Höhere Verbrennungsmotorfrequenzen sind
weiterhin stark gedämpft. Die Prüfstandsversion 2 ohne Beschränkung folgt der Dre-
hungleichförmigkeit des Verbrennungsmotors weitaus besser. Das Frequenzspektrum
zeigt auch eine sehr gute Übereinstimmung. Zeitliche Auswertungen zeigen jedoch
Stellgrößenänderungen von ca. 20-30 kNm/s anstatt der ursprünglichen 1,8 kNm/s.
210
geschwindigkeit
Referenz
/ rad/sek
ω Verbesserung 1
Winkel-
200
ω Verbesserung 2
190
180
259 259,1 259,2 259,3 259,4
Zeit / s
0,15
geschwindigkeit|
Referenz
/ rad/sek
|Winkel-
0,1 ω Verbesserung 1
ω Verbesserung 2
0,05
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
Abbildung 5.16. Verbesserung im Frequenzspektrum und in der

Winkelgeschwindigkeit für neue Prüfstandsparameter; Eine
realistische Verbesserung (1) führt zu einer leicht
gestiegenen Verstärkung im Leerlauf (20 Hz); Ohne
Beschränkungen (2) ist eine gute Übereinstimmung möglich
Zusammenfassend kann festgestellt werden, dass die Wahl bzw. der Einfluss des zu-
rückführenden Drehmoments in die Co-Simulation ein wichtiges Kriterium für die
Übereinstimmung mit der Referenz ist. Eine präzise Schätzung des effektiven Verbren-
nungsmotormoments während der Laufzeit ist jedoch extrem aufwendig und oft nicht
realisierbar. Die Vergrößerung der Dynamometerträgheit verbessert zwar das Verhält-
nis zwischen MDyno und MVM zugunsten von MVM , führt aber durch die zusätzliche
Trägheit im Leerlauf und in niedrigen Gängen zu einer deutlichen Veränderung der
Systemcharakteristik. Daher müssen vor den EiL-Tests die Trägheiten, bezogen auf
die gewollten Untersuchungskriterien, gewählt oder bei der anschließenden Auswer-
tung berücksichtigt werden. In jedem Fall führt eine Verbesserung des Prüfstandes,
insbesondere durch die Erhöhung der Beschränkungen, zu einer Verbesserung der Re-
gelgüte und höheren Übereinstimmung mit der Referenz.
Experimentelle Untersuchungen
Der Verbrennungsmotor und der Prüfstand in der reinen Co-Simulation werden in
diesem Kapitel durch einen realen Verbrennungsmotorprüfstand substituiert. Im Ver-
gleich zur Co-Simulation enthält der reale Prüfstand mehr Unsicherheiten und ausge-
prägte Nichtlinearitäten. Als einführendes Unterkapitel werden daher zunächst maß-
gebliche Unsicherheiten am Beispiel der Schätzung des effektiven Verbrennungsmo-
tormoments dargestellt. Anschließend folgt ein Vergleich zwischen EiL-Prüfstand und
reiner Co-Simulation. Darauffolgend werden die Regelgüte des PI-Reglers sowie der
MPR an Volllastmanövern, im gesamten WLTC und an ausgesuchten Fahrszenarien im
Prüfstand untersucht.
Aufgrund der zeitlichen Verfügbarkeit des Verbrennungsmotorprüfstandes wurde nicht
die gesamte simulative Untersuchung vor den Prüfstandstests durchgeführt. Daher
weichen die MPR Parameter am Prüfstand im Detail von denjenigen in der reinen Co-
Simulation ab. Innerhalb der Unterschiede besitzt der Stellhorizont Hu (1 statt 16)
den größten Einfluss auf die Vergleichbarkeit zur Co-Simulation.
6.1. Unsicherheiten am realen gekoppelten Prüfstand

Die Rückführung des Verbrennungsmotormoments MVM , anstelle des Messmoments
MPS, in die Co-Simulation verbessert die Realitätsnähe des Drehzahlsollwertes (siehe
Kapitel 5.2.4). Verfahren zur Schätzung des Drehmomentes wurden in Kapitel 2.3.2
vorgestellt. Die Vor- und Nachteile der Verfahren sollen hier nicht erneut erläutert
werden. Stattdessen werden nachfolgend zwei unterschiedliche Methoden untersucht,
die einen möglichst kleinen Parametrisierungsaufwand aufweisen. Anhand der ersten
Methode wird das Drehmoment durch Umstellen der Gleichung 3.3 nach MVM,i direkt
berechnet (siehe Gleichung 6.1). Nachfolgend wird dieses Vorgehen direkte Methode
genannt.
1
MVM,i (t) = JVM MDyno,i (t) + (JDyno + JVM )MPS(t) (6.1)
JDyno
Die direkte Methode beinhaltet nur die Trägheiten als Parameter. Zusätzlich ist ei-
ne detaillierte Kenntnis über das Dynamometerdrehmoment notwendig. Das zweite
Verfahren ist die schon vorgestellte Methode, in der auf Basis des Winkels, mittels ei-
nes PID-Reglers das Drehmoment geschätzt wird [59, 60, 61]. Dieses Verfahren wird
nachfolgend PID-Methode genannt. Notwendig für die PID-Methode sind die Kenntnis
über die Prüfstandsträgheit und den Drehwinkel der Welle. Die Untersuchung soll nur
zweitrangig die Realisierbarkeit der Verfahren zeigen, sondern die Herausforderungen
80
6.1. Unsicherheiten am realen gekoppelten Prüfstand 81
und Unsicherheiten in einem realen Prüfstand hervorheben.

Abbildung 6.1 zeigt einen Beschleunigungsvorgang im WLTC. Im ersten Diagramm
sind die Soll- (schwarz) und Istdrehzahlen (grau) dargestellt. Das zweite Diagramm
enthält das mittels der Gleichung 6.1 berechnete Momente (schwarz), das kennfeldba-
sierte Drehmoment (grau), das Messmoment (schwarz gestrichelt) sowie ein simulier-
tes Verbrennungsmotormoment im gleichen Arbeitspunkt (grau gestrichelt). Hierbei
soll das simulierte Drehmoment als Referenz dienen, da das reale Drehmoment nicht
bekannt ist.
Drehzahl / U/min
1700
Soll
1650 Ist
1600
1550
1500
273,80 273,85 273,90 273,95 274,00 274,05 274,10
Drehmoment / Nm
300
MVM berechnet
200 MVM Kennfeld
100 MPS
MVM Sim.
0
−100
273,80 273,85 273,90 273,95 274,00 274,05 274,10
Zeit / s
Abbildung 6.1. Gegenüberstellung des berechneten, geschätzten und

simulierten Verbrennungsmotordrehmoments im Prüfstand
Die Istdrehzahl weist einen sprunghaften Verlauf auf. Sie wird basierend auf der ak-
tuellen Position berechnet. Die Position wird mittels des Inkrementalwinkelgebers er-
mittelt. Die PID-Methode benötigt einen ausreichend großen D-Anteil und gewich-
tet damit das sprunghafte Drehzahlsignal sehr stark. Aufgrund dessen erzielt hier die
Implementierung des Verfahrens keine verwendbaren Ergebnisse. Die direkte Metho-
de trifft im Mittel die simulierten Ergebnisse besser als das gemessene Drehmoment.
Auch die Amplitude der Schwingung ist höher. Die Verringerung des Mittelwertes und
der Amplitude im Messsignal erfolgt durch ein konstantes negatives Drehmoment des
Dynamometers. Das Messsignal wird außerdem mit einem analogen 500 Hz Tiefpass-
filter im Messflansch gefiltert, um eine Unterabtastung durch das Automatisierungs-
system zu vermeiden. Dadurch gehen allerdings Frequenzanteile verloren, die nicht
rekonstruiert werden können. Ein weiterer Fehler in Gleichung 6.1 bzw. eine Unsicher-
heit im Prüfstandsmodell sind das verwendete Zweimassenschwungrad und weitere
Schwungelemente. In der Simulation wird das Mehr-Massen-Feder-Dämpfer-System
vereinfacht zu einem Zwei-Massen-Feder-Dämpfer zusammengefasst und mit einem
bekannten Parameterpaar kalibriert. Gleichung 6.1 beschreibt hingegen eine starre
82 6. Experimentelle Untersuchungen
Welle ohne irgendwelche Schwingelemente.
1,5
|Drehmoment| / Nm
MVM berechnet
MPS
1
MVM Sim.
0,5
0
10 20 30 40 50 60 70 80 90 100
Frequenz / Hz
Abbildung 6.2. Hüllkurve des Frequenzspektrums für unterschiedliche

Drehmomente, WLTC komplett; Gemessenes und berechnetes
Drehmoment sind stark gedämpft
Eine genaue Reproduktion des Motordrehmoments ist daher nicht möglich. Dennoch
führt eine Verwendung des berechneten Signals, insbesondere aufgrund des exakteren
Mittelwertes, theoretisch zu besseren Ergebnissen, da die Einflüsse der Dynamome-
terdynamik teilweise kompensiert werden können. In gewissen Arbeitspunkten führt
das berechnete Signal auch praktisch zu einer Verbesserung. In manchen transienten
Arbeitsbereichen ist jedoch die Schätzung des Dynamometerdrehmoments nicht exakt
genug und führt zu ungewollten Schwingungen.
Abbildung 6.2 zeigt die Hüllkurve des Frequenzspektrums für das berechnete (schwarz),
das gemessene (grau) und das simulierte Drehmoment (schwarz gestrichelt). Die deut-
liche Dämpfung der Verbrennungsmotordrehungleichförmigkeit ist sichtbar. Zusätz-
lich schwingt das berechnete Drehmoment mit einer erhöhten Amplitude bei niedrigen
Frequenzen.
Drehzahl U/min
10
−10
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7

Zeit / s
Abbildung 6.3. Fehlerhaftes Drehzahlsignal im Stillstand; Aufgrund der

Voranregung des Dynamometers entstehen Drehzahlfehler im
Stillstand
Aufgrund der zusätzlichen ungewollten Schwingungen, verursacht durch den berech-

neten Wert, wird nachfolgend nur das gemessene Drehmoment verwendet.
6.2. Vergleich von Simulation und Prüfstand 83
Wie oben beschrieben ist das Drehzahlsignal eine weitere Unsicherheit. Diese Unsi-
cherheit nimmt bei niedrigen Drehzahlen zu. Ein Extrembeispiel ist in Abbildung 6.3
dargestellt. Obwohl der Umrichter aktiv kein Drehmoment stellt, sind Drehzahlspitzen
zu erkennen. Durch die elektrische Voranregung des Dynamometers “zittert” der Rotor
über einem diskreten Messinkrement. Daraus folgt eine gemessene Drehzahl. Um aber
eine genaue Drehzahlmessung zu berechnen, müssen so viele Inkremente wie möglich
innerhalb eines Messfensters gezählt werden. Bei niedrigen Drehzahlen ist die Anzahl
beschränkt und führt zu einem verrauschten Drehzahlsignal. In einem EiL-Prüfstand
kann eine Regelung unter der Leerlaufdrehzahl bei Start-Stop-Anwendungen sowie
bei Fahrzeug-Hybridtopologien häufiger erfolgen. Eine Lösung wäre eine reine Steue-
rung oder eine Verbesserung des Drehzahlsignals. Eine genauere Drehzahlmessung
würde die Regelung in allen Arbeitsbereichen verbessern. Allgemein ist die Genauig-
keit des Drehzahlsignals entscheidend und die gezeigten hochfrequent überlagerten
Profile vermindern die Regelgüte. In Kapitel 6.4.2 werden die Einflüsse des Drehzahl-
signals an unterschiedlichen Fahrszenarien im WLTC exemplarisch gezeigt.
6.2. Vergleich von Simulation und Prüfstand

Unsicherheiten bzgl. der Modellbildung und Parametrisierung beeinflussen direkt die
Realitätsnähe der simulierten Ergebnisse. Nachfolgend wird ein Vergleich zwischen
den Co-Simulations- und Eil-Ergebnissen gegeben, um die Auswirkungen der Unsi-
cherheiten einzuordnen.
Abbildung 6.4 stellt die Drehzahl, die Fahrzeuggeschwindigkeit und das Fahrpedal
beim Anfahren für den Prüfstand (schwarz) und für die Co-Simulation (grau) dar. Die
Verläufe beider Drehzahlen stimmen, bis auf die Schaltzeitpunkte, makroskopisch gut
überein. Beim Anfahren führen kleine Abweichungen in der Drehzahl zu signifikanten
Änderungen der Fahrpedalstellung und der Schaltzeitpunkte. Ab ca. 1500 s nimmt die
Drehzahl und somit die Fahrzeuggeschwindigkeit in der Simulation stärker zu als im
Prüfstand. Darauffolgend fordert der Fahrer weniger Drehmoment als im Prüfstand
an und das Getriebesteuergerät schaltet schon bei ca. 1502 s in den nächsten Gang.
Die Ursache für die beiden unterschiedlich steigenden Drehzahlen liegt entweder in
einer Unsicherheit in der Fahrpedal zu Drehmoment Übertragung des Motors oder in
der Messung des Drehmoments (z.B. durch andere Trägheiten).
Zur näheren Untersuchung sind in Abbildung 6.5 die relevanten Drehmomente für
den Zeitraum 1500,6 - 1500,8 s dargestellt. Das gemessene (schwarz) und das von
der ECU geschätzte (grau) Drehmoment liegen im Mittel bei ca. 18 Nm für den EiL-
Prüfstand und bei ca. 23 Nm für die Simulation (gestrichelte Linien). Der mittels des
Drehmotor-Kennfeldes für diesen Arbeitspunkt extrapolierte Wert liegt bei 18.5 Nm.
Da die ECU-Werte im Mittel mit den gemessenen Werten übereinstimmen, ist ein Ein-
fluss von Messunsicherheiten auszuschließen. In diesem transienten Bereich ist daher
ein Fehler im Motor- bzw. ECU-Modell zu vermuten. Der Fehler nimmt mit geringerer
Dynamik ab. Wie schon zuvor beschrieben, besteht eine erhebliche Abweichung in der
Amplitude der Schwingung zwischen den gemessenen Werten.
Abbildung 6.6 stellt für einen hohen Leistungsbereich, aber mit niedrigerer Dynamik,
Drehzahl / U/min
3000
EiL
2000 Sim
1000
1502
0
1490 1495 1500 1505 1510 1515 1520
60
digkeit / km/h
EiL
Geschwin-
40 Sim
WLTC
20
0
1490 1495 1500 1505 1510 1515 1520
40
Fahrpedal / %
EiL
30 Sim
20
10
0
1490 1495 1500 1505 1510 1515 1520
Zeit / s
Abbildung 6.4. Vergleich der Ergebnisse in der Simulation und im Prüfstand

beim Anfahren; Makroskopische Übereinstimmung zwischen
Simulation und Prüfstand; Minimale Veränderungen im
Fahrpedal (1502 s) führen zu unterschiedlichen
Schaltzeitpunkten
Drehmoment / Nm
EiL MPS
50 EiL ECU
Sim MPS
0 Sim ECU
−50
1500,6 1500,65 1500,7 1500,75 1500,8
Zeit / s
Abbildung 6.5. Vergleich der Drehmomente in der Co-Simulation und am

Prüfstand beim Beschleunigen; Simulation (gestrichelt)
weicht vom Prüfstand ab
6.2. Vergleich von Simulation und Prüfstand 85
wieder die Drehzahl, die Fahrzeuggeschwindigkeit und das Fahrpedal dar. Der Fehler
zwischen Prüfstand und reiner Co-Simulation ist hier kleiner als 1 %.
Drehzahl / U/min
3500
EiL
3000 Sim
2500 ∼ ∆<1 %
2000
1560 1570 1580 1590 1600 1610 1620 1630
digkeit / km/h
140 EiL
Geschwin-
120 Sim
100 WLTC
80
60
1560 1570 1580 1590 1600 1610 1620 1630
50
Fahrpedal / %
EiL
40 Sim
∼ ∆2 %
30
20
1560 1570 1580 1590 1600 1610 1620 1630
Zeit / s
Abbildung 6.6. Vergleich von Simulation mit Prüfstand im Bereich hoher

Leistung; Gute Übereinstimmung zwischen Simulation und
Prüfstand
Dementsprechend ist auch der Fehler in der Geschwindigkeit kleiner als 1 %. Das Fahr-
pedal weist hingegen größere Fehler auf. Bei 1590 s tritt eine Differenz (nicht der
Fehler) von 2 % im Fahrpedal auf, die laut Fahrpedalkennfeld ca. 9 Nm entspricht. Im
geschätzten Drehmoment beider ECU liegt die Differenz bei 1-5 Nm. Der Fehler ist da-
her zu vernachlässigen.
Insgesamt betrachtet liegt die mechanische Energie an der Messstelle, bezogen auf
den ganzen WLTC, in der Co-Simulation ca. 5 % höher als am Prüfstand. Der Verlauf
der Energie ist in Abbildung 6.7 abgebildet. Die Ursache der Differenz liegt in dem zu
geringen Bremsmoment des simulierten Motors während der Schubabschaltung.
Grundlegend zeigt das Verbrennungsmotor- und das Prüfstandsmodell eine hinrei-
chend gute Genauigkeit, um den Regler vor auszulegen und ggf. Fahrzeugkalibrie-
rungen und Tests durchzuführen. Das Schwungverhalten des realen Prüfstandes wird
jedoch ab einer bestimmten Frequenz nicht genau genug abgebildet.
Energie / kWh 3 EiL ∼ ∆5 %

Sim
2
0
0 200 400 600 800 1000 1200 1400 1600 1800
Zeit / s
Abbildung 6.7. Vergleich der mechanischen Energie der Prüfstandswelle im

Prüfstand und in der Simulation
6.3. Untersuchung der Regelgüte anhand von

Volllastmanövern
In Kapitel 5.2.4 wird der EiL-Prüfstand als Trägheitssimulation dargestellt. Es wurden
die Einflüsse von unterschiedlichen gemessenen Drehmomenten sowie Trägheiten auf
die Regelgüte in der Co-Simulation erörtert. Nachfolgend soll am realen Prüfstand die
Fähigkeit unterschiedlicher Reglerdynamiken zur Simulation der Trägheit anhand so-
genannter Volllastmanöver untersucht werden. Hierzu wird ein Gang fixiert und das
Fahrzeug bei maximalem Drehmoment bzw. Fahrpedal beschleunigt, bis eine gewis-
se Drehzahl erreicht ist. Danach wird das Fahrpedal auf 0 gesetzt und das Fahrzeug
bis zum Kriechen ausgerollt. Dieser Vorgang wird für jeden Gang mehrmals wieder-
holt. Das Manöver wiederholt sich für die Prüfstands-Version 1 (2017, langsam mit
zusätzlichen Totzeiten) mit PI-Regler und für Version 2 (2019, schnell mit reduzier-
ten Totzeiten) mit PI-Regler sowie MPR (siehe auch Tabelle 3.2). Als Gänge werden 1
und 4 gewählt, da sie Extrema für die Trägheiten darstellen. Der 5. und 6. Gang kön-
nen aufgrund des Testablaufs nicht untersucht werden. Gang 1 besitzt die niedrigste
und Gang 4 die höchste Trägheit, umgerechnet auf die Verbrennungsmotorseite. Zur
besseren Einordnung der Verhältnisse sind die relevanten Trägheiten in Tabelle 6.1
aufgelistet. Die Berechnung ist im Anhang A.3 dargestellt.
Gangnummer JF / kgm2 JVM / kgm2 JDyno / kgm2

1 1,9
2 2,9
3 4,3
0,26 0,23
4 5,9
5 7,7
6 9,4
Tabelle 6.1. Massenträgheiten für verschiedene Gänge, umgerechnet auf die

Verbrennungsmotorseite
Ein Ergebnis für den 4. Gang wird in Abbildung 6.8 gezeigt. Die Diagramme stellen
6.3. Untersuchung der Regelgüte anhand von Volllastmanövern 87
jeweils den Vergleich der Soll- mit der Istdrehzahl dar. Das erste Diagramm zeigt die
Ergebnisse mit den PI-Reglern und das Zweite die Ergebnisse mit der MPR. Bei Volllast
beschleunigt der Verbrennungsmotor die gesamte Trägheit im Prüfstand JPS =0,49 kgm2
schneller als die des Fahrzeugs mit einer Trägheit von 6,15 kgm2 . Daher muss der Dy-
namometer die Prüfstandswelle bremsen. Neben den Veränderungen im Umrichter
und der Kommunikation (siehe Tabelle 3.2) ist zwischen Version 1 und 2 das Automa-
tisierungssystem aktualisiert worden.
3500
Drehzahl / U/min
∆90 U/min
PI
3000
−∆300 U/min ∆250 U/min Ist V1, langsam
2500 Soll V1, langsam
2000 −∆150 U/min Ist V2, schnell
Soll V2, schnell
1500
356 358 360 362 364 366 368 370 372 374 376 378 380
3500
Drehzahl / U/min
3000 MPR ∆10 U/min

2500
∆8 U/min
2000 Ist V2, schnell
Soll V2, schnell
1500
356 358 360 362 364 366 368 370 372 374 376 378 380
Zeit / s
Abbildung 6.8. Volllastmanöver in Gang 4 in verschiedenen

Prüfstandvarianten; V1 2017; V2 2019 siehe Kapitel 3.2;
Variante 2 um Faktor 2 besser als Variante 1; MPR weit aus
besser als Variante 2
Die Parameter für beide PI-Regler sind gleich gehalten. Es ist eine starke Verbesserung
der Regelgüte sowohl bei der Beschleunigung als auch beim Ausrollen zu erkennen.
Beide Systeme können den Prüfstand jedoch nicht ausreichend abbremsen und der
Integralteil des Reglers wird immer größer. Beim Ausrollen muss dieser Anteil wieder
reduziert werden und es entsteht daher weiterhin eine zeitlich lange Regeldifferenz,
obwohl das Reibmoment keine große Störgröße für den PI-Regler darstellt. Die MPR
weist gegenüber dem PI-Regler eine signifikante Verbesserung der Regelgüte auf. Beim
Beschleunigen ist die maximale Regeldifferenz mit MPR mehr als 18 mal und während
des Ausrollens ca. 9 mal kleiner als die des PI-Reglers.
Abbildung 6.9 stellt für Gang 1 den PI-Regler (Version 2) der MPR gegenüber. Im
ersten Diagramm sind die Ist- (schwarz) und die Solldrehzahlen (grau) für die MPR
(gestrichelt) und den PI-Regler (durchgezogen) gezeigt.
Der PI-Regler und die MPR überkompensieren die Trägheitsdifferenz von 2,67 kgm2 .
Bei der MPR stellt sich eine maximale Regeldifferenz von 100 U/min und beim PI-
Dynamometer / Nm Drehzahl / U/min

4000
Ist PI
3000
Soll PI
2000 Ist MPR
Soll MPR
1000
315,5 316 316,5 317 317,5 318 318,5 319 319,5 320
50
PI MPR
Sollmoment
−50
315,5 316 316,5 317 317,5 318 318,5 319 319,5 320
Zeit / s
Abbildung 6.9. Volllastmanöver in Gang 1 mit PI-Regler und MPR; In Gang 1

ist keine Verbesserung durch die MPR ersichtlich (Diagramm
1); Stellgrößenprofile von PI-Regler und MPR sind beinahe
identisch (Diagramm 2)
Regler von 130 U/min ein. Wie schon zu Beginn des Kapitels angegeben, ist der Stell-
horizont Hu für die EiL-Tests gleich 1. Simulativ kann gezeigt werden, dass der op-
timale Stellhorizont von 16 die Regeldifferenz beim Beschleunigen stark verbessert.
Das zweite Diagramm zeigt das Solldrehmoment des PI-Reglers und der MPR. Beide
Verläufe gleichen sich im Wesentlichen. Dementsprechend ist auch ein ähnlicher Dreh-
zahlverlauf gegeben. Herauszustellen ist das bremsende Drehmoment des PI-Reglers,
obwohl eine positive Regeldifferenz bei einem normalen PI-Regler zu einem positiven
Drehmoment führen sollte. Deshalb besteht die Vermutung, dass der im Automatisie-
rungssystem verwendete PI-Regler um eine Vorsteuerung des Verbrennungsmotormo-
ments erweitert ist. Demnach ist nicht zu trennen, ob die schnellere Kommunikation
bzw. kürzere Umrichterzeiten oder die Kompensation die Regelgüte verbessert.
Zusammengefasst ist die MPR gegenüber dem PI-Regler, insbesondere in hohen Gän-
gen, von Vorteil. Ein weiterer Aspekt der Volllastmanövertests ist die Kalibrierung und
Untersuchung der Fahrbarkeit bzw. des Ansprechverhaltens des Fahrzeuges bei Last-
wechseln. Der PI-Regler ist ab dem 3. Gang nur unzureichend dynamisch für eine
vollständige Erfüllung dieser Aspekte. Die Verwendung der MPR ist hier vorteilhaft.
6.4. Untersuchung anhand des WLTC Fahrzyklus 89
6.4. Untersuchung anhand des WLTC Fahrzyklus

Nachfolgend wird im ersten Abschnitt der Einfluss unterschiedlicher Regler auf wich-
tige Kenngrößen wie Regelgüte, Kraftstoffverbrauch und Energie im gesamten WLTC
untersucht. Im zweiten Abschnitt werden die gleichen Kenngrößen für spezielle Ar-
beitspunkte wie Leerlauf und Schaltvorgänge betrachtet. Da aufgrund der nicht vor-
handenen Referenz im EiL-Prüfstand und im Fahrzeug ein Maß zur Bewertung der me-
chanischen Wellenschwingung fehlt, wird ein vom Steuergerät generiertes Laufunruhe-
Maß σ verwendet [115]. Für das Verständnis des Maßes wird dessen Berechnungs-
konzept vor der eigentlichen Analyse des WLTC kurz skizziert.
Das Verfahren zur Berechnung des Laufunruhe-Maßes basiert auf der zyklischen Zün-
dung und somit der periodischen Beschleunigung eines Verbrennungsmotors. Mit je-
der Zündung erfährt die Kurbelwelle eine gewisse Beschleunigung. Das Laufunruhe-
Maß beschreibt, vereinfacht ausgedrückt, die Ähnlichkeit zwischen zwei aufeinander-
folgenden Beschleunigungen. Dafür wird das Kurbelwellenrad in gleichgroße Segmen-
te unterteilt, die jeweils eine Zündung enthalten. Abbildung 6.10 zeigt exemplarisch
die ersten 2 Segmente für einen Verbrennungsmotor mit 3 Zylindern.
OT 1. Zylinder
2. Segment
OT 2. Zylinder
1. Segment
Abbildung 6.10. Segmentierung eines 60–2 Kurbelwellen-Winkel-Geberrades

eines 3 Zylinder Motors(3. OT fehlt)
Die verstrichene Zeit wird innerhalb eines Segments gemessen und mit der letzten
Segmentzeit verrechnet. Mithilfe von Korrekturfaktoren wird dadurch die Ähnlichkeit
der Beschleunigungen σ in s−2 berechnet. Für verschiedene Arbeitspunkte sind unter-
schiedliche Streuungen der Beschleunigungen zulässig. Im Steuergerät sind angelern-
te und kalibrierte Schwellenwerte für σ implementiert, die eine normale Laufunruhe
des Verbrennungsmotors zzgl. des Antriebsstranges klassifizieren. Überschreitet σ den
Wert, wird ein Zähler σZ um 1 erhöht. Der Zähler wird in gewissen Intervallen neu
gestartet. Er ist kein Indikator, ob der EiL-Prüfstand das Schwungverhalten des realen
Antriebsstranges richtig abbildet, sondern wie viele zu hohe Schwingungen auftreten.
6.4.1. Vergleich MPR mit PI-Regler im gesamten Fahrzyklus

Tabelle 6.2 vergleicht die relevanten Kenngrößen für den PI-Regler und die MPR im
gesamten WLTC. Auffallend ist nicht nur die hohe Differenz der Regelgüten zwischen
PI-Regler und MPR, sondern auch die Verschlechterung des PI-Reglers, verglichen mit
der Simulation (93 rad/s für die ersten 600 s des WLTC). Eine Begründung könnten die
zusätzlichen Funktionen im PI-Regler sein. Eine weitere Ursache ist die in Kapitel 5.2.3
diskutierte mangelnde Robustheit gegenüber Parameterunsicherheit des PI-Reglers.
L2,N (e) Energie Kraftstoffverbrauch σZ

/ rad/s / kWh / l/100km
PI 169 3,01 5,27 114
MPR 71 3,00 5,32 137
Tabelle 6.2. Vergleich der Regelgüte, der mechanischen Energie an der

Messstelle, des Kraftstoffverbrauchs und der
Laufungleichförmigkeit für den gesamten WLTC mit MPR und
PI-Regler
Obwohl die Regelgüten signifikante Differenzen aufweisen, sind die gemittelte Ener-
gie an der Messstelle und der Kraftstoffverbrauch pro 100 km nahezu identisch. Die
Dynamik bzw. Bandbreite des PI-Reglers ist daher ausreichend zum Abbilden der rele-
vanten Drehzahldynamik für den Kraftstoffverbrauch. Eine Steigerung der Bandbreite
durch die MPR ist hier nicht vorteilhaft. Selbst im Falle einer noch weiter reduzierten
Regeldynamik, wie in der langsamen Version 1 des Prüfstandes, verändert sich der
Kraftstoffverbrauch maximal um 1 %. Folglich ist eine schnelle Regelung für eine ge-
mittelte Energieuntersuchung weniger relevant.
Die komplette Anzahl an Schwellenwertüberschreitungen des Laufunruhe-Maßes ist
beim PI-Regler niedriger als bei der MPR. Um die Werte einordnen zu können, muss
der gesamte WLTC betrachtet werden.
In Abbildung 6.11 werden die Drehzahl, die Regeldifferenz und σZ jeweils für den
PI-Regler (schwarz) und die MPR (grau) dargestellt. In der Gesamtansicht des WLTC
sind keine Fehler der Drehzahl zu erkennen. Hingegen weist Diagramm 2 eine höhere
Regeldifferenz des PI-Reglers auf. Insbesondere bei hohen Lasten (ab 1500 s) ist die
Regelgüte schlechter.
Das dritte Diagramm zeigt σZ . Nahezu alle Schwellenüberschreitungen beider Regler
erfolgen während der Leerlaufphasen. Die MPR weist 2 und der PI-Regler 12 Über-
schreitungen außerhalb der Leerlaufphase auf. Im Fahrbereich des WLTC ist die MPR
somit dem PI-Regler überlegen. Die Leerlaufphasen werden näher im nächsten Kapitel
untersucht. Schließlich sollen noch die Hüllkurven des Frequenzspektrums der Soll-
und Istwinkelgeschwindigkeit in Abbildung 6.12 gegenübergestellt werden. Grund-
legend entsteht eine Dämpfung der Istwinkelgeschwindigkeit im gesamten gezeigten
Frequenzspektrum, wobei bis zu einer Frequenz von ca. 18 Hz die Dämpfung des PI-
Reglers im Mittel stärker als die der MPR ist. Insbesondere Frequenzen unterhalb von
5 Hz bildet die MPR signifikant besser als der PI-Regler ab. Allerdings, beginnend ab
Regeldifferenz / rad/s Drehzahl / U/min

3000 PI MPR
2000
1000
0
200 400 600 800 1000 1200 1400 1600 1800
20 PI MPR
−20
200 400 600 800 1000 1200 1400 1600 1800
PI MPR
40
σZ
20
0
200 400 600 800 1000 1200 1400 1600 1800
Zeit / s
Abbildung 6.11. Drehzahl, Regelfehler und Laufunruhe-Maß Zähler im

gesamten WLTC; Makroskopische Übereinstimmung von
PI-Regler und MPR (Diagramm 1); Regeldifferenz in
transienten Bereichen unterschiedlich (Diagramm 2);
Laufunruhe-Maß steigt hauptsächlich im Leerlauf
(Diagramm 3)
ca. 20 Hz, ist die Verstärkung der MPR zwar noch höher als die des PI-Reglers, je-
doch verglichen mit dem Sollwert, stark reduziert. Beide Regler geben die Leerlauf-
schwingung bei 21-23 Hz nicht ausreichend wieder. Zusätzlich bilden sich Erhöhungen
im Frequenzspektrum bei ca. 10-11 Hz. Diese sind auch im gemessenen Drehmoment
(siehe Abbildung 6.2) sichtbar. Eine zeitliche Analyse der Frequenzen (siehe Anhang
A.4) zeigt erhöhte Leistungen bei 10 Hz in bestimmten, aber variablen Bereichen des
WLTC. Es ist zu vermuten, dass das Steuergerät in diesen Bereichen eine Diagnose
durchführt, indem der Zündwinkel aktiv verändert wird und somit eine Drehmoment-
schwingung entsteht.
·10−2
geschwindigkeit| 2
PI ωs
1,5 PI ω
|Winkel-
/ rad/s
MPR ωs
1 MPR ω
0,5
0
4 6 8 10 12 14 16 18 20 22 24 26 28 30
Frequenz / Hz
Abbildung 6.12. Vergleich des Frequenzspektrums der Soll- und

Istwinkelgeschwindigkeit für den PI-Regler und die MPR am
EiL-Prüfstand im gesamten WLTC
6.4.2. Vergleich MPR mit PI-Regler in unterschiedlichen

Fahrszenarien
Wie im vorigen Kapitel beschrieben, ermöglicht die MPR eine Abbildung von höheren
Frequenzen als der PI-Regler. Die Frequenzen liegen jedoch unterhalb der Moden des
Verbrennungsmotors. Nachfolgend soll untersucht werden, welche Vorteile die Erhö-
hung der Regelstreckendynamik für unterschiedliche Fahrszenarien aufweist.
Leerlauf
Als erstes Fahrszenario soll die Untersuchung des Motorleerlaufs bei abgekoppeltem
Antriebsstrang stattfinden. Gemäß Abbildung 6.11 treten maßgeblich im Leerlauf Schwel-
lenwertüberschreitungen des Laufunruhe-Maßes auf. Im realen Fahrzeug ist der Ver-
brennungsmotor im Leerlauf die einzige Drehmomentquelle und der einzige Einfluss
auf die Laufunruhe. Daher ist der Schwellenwert im Leerlauf am niedrigsten und Über-
schreitungen durch das zusätzliche Dynamometermoment treten am schnellsten auf.
Grundlegend versucht das Verbrennungsmotor-Steuergerät die parametrisierte Leer-
laufdrehzahl zu halten. Die Prüfstandswelle wird somit im Leerlauf durch zwei Dreh-
zahlregler geregelt. Zwei Regler für eine Regelgröße können, abhängig von den Füh-
rungsgrößen, zu Schwingungen und Instabilitäten führen. Im EiL-Prüfstand resultiert
die Führungsgröße für den Dynamometerregler aus dem Verbrennungsmotormoment.
Bei einem idealen Regler würde der Drehzahlverlauf dem realen Profil im Fahrzeug
ähneln. Wie schon beschrieben, agiert der Dynamometerregler daher im Leerlauf nur
als Trägheitskompensation. Streng genommen wirkt auch außerhalb des Leerlaufs der
Fahrer als Drehzahlregler, jedoch ist nach Kapitel 3 seine Dynamik weitaus geringer
als die des Dynamometerreglers.
Die simulative Optimierung des Stellhorizonts Hu in Kapitel 5.2.1 zeigt im Leerlauf ei-
ne Erhöhung des Regelfehlers bei steigendem Hu . Als Begründung werden das fehler-
hafte Verbrennungsmotorkennfeld im Leerlauf, eine steigende Leistung und die Selbst-
anregung des Dynamometers durch das Messmoment genannt. Zusammenfassend und

ergänzend treten im Leerlauf folgende Herausforderungen für den Dynamometerreg-
ler auf:
• Hohe Dynamik des Drehzahlreglers im Verbrennungsmotor Steuergerät

• Hohe Beschleunigungen bei relativ niedrigen Momenten resultierend aus nied-
rigen Trägheiten
• Selbstanregung des Dynamometers über das Messmoment MPS
• Fehlende Übereinstimmung des kennfeldbasierten Verbrennungsmotormoments
mit dem realen Drehmoment
Abbildung 6.13 veranschaulicht die Problematik. Im ersten Diagramm sind die Ist-
(schwarz) und die Solldrehzahl (grau) mit der MPR zu erkennen. Ungefähr im Zeit-
bereich 499.55-499.6 s wird der Zähler für das Laufunruhe-Maß σZ , aufgrund der vom
Dynamometer erzeugten Schwingung, um 1 erhöht.
870
Drehzahl / U/min
Ist Soll
860
850
σZ + 1
840
Zündwinkel nach OT / ◦
499,3 499,35 499,4 499,45 499,5 499,55 499,6
10
20 7,5
MPS / Nm
10
0 5
−10 2,5
−20
0
499,3 499,35 499,4 499,45 499,5 499,55 499,6
10
MDyno,s / Nm
5
0
−5
PI MPR
−10
499,3 499,35 499,4 499,45 499,5 499,55 499,6
Zeit / s
Abbildung 6.13. Steigerung des Laufunruhe-Maß Zählers um 1 im Leerlauf

bedingt durch das Dynamometerdrehmoment
Die Schwingung wird infolge einer Erhöhung des Drehmoments durch den Verbren-
nungsmotor bei 499.5 s angestoßen (siehe Drehmoment in Diagramm 2). Davor fällt
die Drehzahl im Mittel so lange, bis das Steuergerät reagiert und den Zündwinkel
(grau) vor den Oberen-Totpunkt verschiebt und somit das Drehmoment erhöht. Die
Erhöhung des Drehmoments führt zu einer Beschleunigung direkt gefolgt von einer
Niederdruck- und einer Hochdruckphase. Dieser Abfolge versucht der Drehzahlregler
zu folgen und stellt relativ dynamisch das Drehmoment des Dynamometers im Zeitbe-
reich 499.5-499.6 s (siehe graue Linie in Diagramm 3). In Diagramm 3 wird zusätzlich
das geforderte Drehmoment des PI-Reglers aus einem anderen Zyklus dargestellt. Der
PI-Regler weist aufgrund seiner geringeren Dynamik niedrigere Amplituden im Leer-
lauf auf. Die Laufunruhe im Leerlauf ist deshalb mit PI-Regler geringer als mit MPR.
Nicht nur im Leerlauf, sondern auch in anderen Drehzahlbereichen, kann die Einrege-
lung der Drehungleichförmigkeit ein mögliches Kriterium sein. Die Erhöhung der Reg-
lerdynamik mittels MPR verbessert signifikant die Regelgüte in Bereichen der gemit-
telten Drehzahl (<10 Hz, siehe Abbildung 6.12). Gleichzeitig werden auch die mittle-
ren Frequenzen (10-20 Hz) verstärkt. Die MPR ist, wie schon beschrieben, nicht im-
stande die Verbrennungsmotormoden (>21 Hz) ausreichend genau zu regeln. In der
reinen Co-Simulation ist eine Verbesserung der Reglerdynamik im gesamten Frequenz-
spektrum durch Erhöhung der Beschränkungen und Reduktion der Totzeiten möglich.
Dadurch könnte eine ausreichende Regelgüte im Bereich der Moden möglich sein.
Neben den Beschränkungen und den Totzeiten ist ein limitierender Faktor für eine
Bandbreitensteigerung des Reglers die mangelnde Genauigkeit der Drehzahlmessung.
In Diagramm 1 von Abbildung 6.13 ist wieder der kantige Istdrehzahlverlauf gezeigt.
Die Frequenz des Profils liegt abhängig vom Arbeitspunkt bei 200-300 Hz, besitzt aber
auch Bereiche ohne Veränderung (siehe 499,4 s). Außerdem könnte bei einer Steige-
rung der Bandbreite des Reglers die Unsicherheit des Drehzahlsignals zu ungewollten
Schwingungen führen. Zusammenfassend kann festgestellt werden, dass die Messung
der Drehzahl, die Dynamik der Drehmomentregelung des Dynamometers und die Sta-
bilität des mechanischen Aufbaus verbessert werden müssen, um Eigenmoden des Ver-
brennungsmotors in einem EiL-Prüfstand abbilden zu können.
Anfahren
Das Los- oder Anfahren gilt als wichtiger Punkt in der Fahrbarkeit des Fahrzeuges. Ei-
ne Kalibrierung der Fahrbarkeitsparameter im EiL-Prüfstand kann zu einer Reduktion
des Arbeitsaufwandes im Prototypen führen. Voraussetzung ist die Abbildung der re-
levanten Fahrbarkeitsaspekte im Fahrzeugmodell sowie eine ausreichende Regelgüte
am Prüfstand. Abbildung 6.14 vergleicht die Drehzahlverläufe im Eil-Prüfstand mit
PI-Regler (grau) und MPR (gestrichelt). Ab 1040,3 s beginnt die Kupplung zu schlup-
fen und das Fahrzeug kriecht los. Die MPR kann, im Gegensatz zum PI-Regler, der
Senkung der Solldrehzahl (schwarz) folgen.
Aus der Drehzahldifferenz ergibt sich in Diagramm 2 eine Abweichung bzgl. Fahr-
zeuggeschwindigkeit. Das Fahrzeug mit PI-Regler (schwarz) beschleunigt aufgrund
der höheren Drehzahl schneller. Es entsteht somit eine Abweichung in der Fahrbarkeit
relativ zur (idealen) Simulation.
Drehzahl / U/min
1200 ωs PI, ω MPR, ω
1000
800
600
400
1040,5 1041 1041,5 1042 1042,5
geschwindigkeit / km/h
8
PI MPR
6
Fahrzeug-
4
2
0
1040,5 1041 1041,5 1042 1042,5
Zeit / s
Abbildung 6.14. Fahrzeuganfahrt im EiL-Prüfstand mit PI-Regler und MPR;

Abbildung der Solldrehzahl durch MPR verbessert
Die MPR kann dem Schließen der Kupplung um ca. 1041,6 s und dem daraus resultie-
renden Abfall der Drehzahl entschieden genauer folgen als der PI-Regler. Würde die
MPR der Drehzahl noch präziser folgen, wäre sogar ein Abwürgen des Motors mög-
lich. Eine Anpassung der Getriebefunktionen könnte z.B. eine Folge sein. Allgemein
ist das Verhalten des Motors, aufgrund von nicht modelliertem Verhalten (z.B. Emis-
sionen), beim Anfahren von Interesse. Die korrekte Abbildung der Drehzahl aus der
Simulation ist daher von großer Relevanz. Die Parametrisierung des Getriebe- und
Verbrennungsmotorsteuergerätes ist mit höherer Genauigkeit der Drehzahlregelung
besser möglich.
Gangwechsel
Neben dem Anfahren stellt ein Gangwechsel einen Bereich mit hohen Drehzahlgradi-
enten dar. Die Regelgüte in diesem transienten Bereich soll in Abbildung 6.15 vergli-
chen werden. Die Abbildung zeigt drei Herunterschaltungen und zwei Lastwechsel.
In allen drei Schaltungen kann die MPR (gestrichelt) dem Sollwert (schwarz) na-
hezu exakt folgen. Lediglich die doppelte Überhöhung an der Drehzahlspitze eines
Gangwechsels wird nicht abgebildet. Der PI-Regler verringert die maximale Drehzahl
beim Schalten um ca. 130 U/min. Die Lastwechsel 815-825 s werden, im Gegensatz
zum Prüfstand mit MPR, nicht korrekt abgebildet und weisen einen Fehler von über
150 U/min auf. Die reduzierte Genauigkeit der Drehzahl hat zwar nur marginalen
Einfluss auf den Arbeitspunkt des Verbrennungsmotors, führt aber zu einem deutlich
verfälschten transienten Verlauf. Die Parametrisierung der Fahrbarkeit und der tran-
Drehzahl / U/min
1600
1400
1200 ωs PI, ω MPR, ω

810 812,5 815 817,5 820 822,5 825 827,5 830
Zeit / s
Abbildung 6.15. Gangwechsel am EiL-Prüfstand mit PI-Regler und MPR; MPR

verbessert die Abbildung des Gangwechsels signifikant
sienten Vorgänge im Verbrennungsmotor können aufgrund des Drehzahlfehlers mehr

Ungenauigkeiten enthalten.
Diskussion und Ausblick
7.1. Zusammenfassung und Diskussion der Ergebnisse
Steigende Kundenanforderungen und striktere gesetzliche Normen erfordern schnelle-
re und effizientere Entwicklungsphasen. Die Vorverlagerung von Entwicklungsschrit-
ten mithilfe von HiL bzw. XiL Ansätzen kann die Aufwände reduzieren. Diese Arbeit
hat die Dynamik des gesamten EiL-Regelkreises untersucht und ein gesamteinheitli-
ches Entwicklungskonzept von der Erstellung einer Co-Simulation über die Integra-
tionsaspekte im Prüfstand bis zur Evaluation der Prüfstandsergebnisse gezeigt. Eine
signifikante Verbesserung der Regelkreisdynamik mittels einer MPR wurde an einem
realen Prüfstand bewiesen. Einflüsse unterschiedlicher Messweisen bzgl. des Drehmo-
ments wurden simulativ untersucht. Die Reduktion und Untersuchung der drei Feh-
lerarten Prüfstand, Regler und Messung stellt damit einen Beitrag zum aktuellen
wissenschaftlichen Stand dar.
Kapitel 2 führte das Prinzip der verteilten Modellbildung ein. Es wurde darauffol-
gend bei der Erstellung einer Fahrzeug-Co-Simulation verwendet. Insbesondere die
Möglichkeit, unterschiedliche Modellierungsprogramme einzusetzen und der Einbe-
zug von verschiedenen Projektpartnern, wurden als Vorteile herausgestellt. Eine gene-
rische Definition aller Modellschnittstellen, unter Berücksichtigung der späteren Prüf-
standsphase, wurde als wichtiger Entwicklungsaspekt hervorgehoben. Diese Arbeits-
weise stellt eine Reduktion der Aufwände und Steigerung der Modellqualität dar. Die
Genauigkeit der vorgestellten Co-Simulation wurde in Publikationen und in Kapitel
6 dieser Arbeit dargelegt. Die größte Abweichung zur Realität zeigte das verwendete
Prüfstandsmodell und die simulierte Motorsteuerung. Eine Verbesserung der Modell-
genauigkeit wäre zwar möglich, aber der daraus gewonnene Vorteil verglichen mit
dem steigenden Aufwand könnte ökonomisch zu gering sein. Ein reduziertes Prüf-
standsmodell für die spätere Verwendung in der MPR wurde hergeleitet. Die einfa-
che Wiederverwendbarkeit und Parametrisierung des Modells waren Kernaspekte bei
der Erstellung. So wurden z.B. eine starre Prüfstandswelle und ein für den Zeitschritt
konstantes Verbrennungsmotormoment angenommen. Eine Berücksichtigung des dy-
namischen Drehmomentes wäre mithilfe einer nicht-linearen MPR möglich. Auch hier
stellt sich die Frage, ob die Vorteile den erheblich höheren Rechen- und Parametrisie-
rungsaufwand rechtfertigen. Die generische Verwendung der MPR für andere Antrieb-
sprüfstände wäre hierdurch auch nicht möglich.
Eine allgemeine Gegenüberstellung der Modellgenauigkeit, der Realitätsnähe der Er-
gebnisse und des Modellierungsaufwandes im Themenfeld von XiL ist nicht erfolgt.
Eine Untersuchung hierzu könnte zur weiteren Aufwandsreduktion beitragen.
97
98 7. Diskussion und Ausblick
Die Reduktion der drei Fehlerarten ist ein zentraler Punkt dieser Arbeit. Hierzu er-
folgte in Kapitel 3 eine theoretische Einordnung der Fehler, indem der Regelkreis des
EiL-Prüfstandes aufgestellt wurde. Der Regelkreis bestand aus den zwei unterschied-
lichen Kreisen Fahrer und Drehzahlregelung. Der Regelkreis Fahrer besaß, aufgrund
seiner weit langsameren Dynamik, einen vernachlässigbaren Einfluss auf die Dreh-
zahlregelung. Die bidirektionale Wechselwirkung von Führungs- (aus der Simulation)
und Regelgröße (aus dem Prüfstand) im Drehzahlregelkreis wurde mit der Messung,
mittels des Drehmomentaufnehmers, begründet (Fehlerart Messen). Es erfolgte die
Schlussfolgerung, dass der Fehler nur bei hohen Dynamometerträgheiten zu vernach-
lässigen sei.
Die Auswirkungen des Fehlers wurden weiterhin simulativ in Kapitel 5 untersucht. Da-
vor wurde im gleichen Kapitel eine MPR für den Drehzahlregelkreis entworfen. Diese
MPR erweiterte in der Literatur bestehende Regler, die in Kapitel 4 vorgestellt wurden,
um eine Verbrennungsmotor- und Störgrößenkompensation. Der Fokus beim Entwurf
lag auf der Verwendung von bekannten Signalen und Parametern. Im Gegensatz zu
den in der Literatur vorgeschlagenen Verfahren war die entworfene MPR nahezu ohne
Vorkenntnisse anwendbar und unterstützt somit den Aspekt der Aufwandsreduktion.
Darüber hinaus steigerte die MPR die Regelgüte signifikant und verminderte somit die
Fehlerarten Regler und Prüfstand.
Zur Einordnung des Fehlers, verursacht durch eine falsche Messung, wurde die Co-
Simulation ohne Prüfstand als Referenz verwendet. Die Simulation zeigte, abhängig
von der Aufteilung der Trägheiten, unterschiedliche Einflüsse auf die einzelnen Fre-
quenzbänder der Regelung. Bei niedrigen Dynamometerträgheiten erfolgte eine gute
Übereinstimmung mit der Referenz für Frequenzen unterhalb der Verbrennungsmotor-
moden, da die Fehlerart Prüfstand abnahm. Bei hohen Dynamometerträgheiten nahm
die Fehlerart Prüfstand zu, aber die Fehlerart Messung nahm ab. Dadurch wurden die
niedrigen schlechter und die höheren Frequenzen besser abgebildet. Abschließend
wurde gezeigt, dass durch Rückführung des effektiven Verbrennungsmotordrehmo-
ments eine genauere Übereinstimmung mit der Referenz erfolgen kann.
In einem realen EiL-Prüfstand erfolgte die Erprobung der MPR mittels des WLTC und
anhand von Volllastmanövern. Als Einstieg zeigte der erste Teil von Kapitel 6 Unsicher-
heiten im Prüfsand, begründet durch das Zweimassenschwungrad und die Drehzahl-
messung. Die Unsicherheiten wurden nicht in der MPR bzw. bei der Modellbildung
des simulierten Prüfstandes berücksichtigt. Daraus resultierend wurde geschlussfol-
gert, dass eine Schätzung des idealen Drehmoments für die Co-Simulation und eine
Regelung höher als 20 Hz nur teilweise möglich sind. Dennoch war eine viel höhere
Regelgüte und Bandbreite mit der MPR, verglichen mit einem PI-Regler, im WLTC und
in Volllastmanövern vorhanden. Der Fehler im WLTC reduzierte sich von 169 rad/s auf
71 rad/s. In der Bewertung des EiL-Prüfstandes als Trägheitssimulation mittels Voll-
lastmanövern wurde die MPR, insbesondere in hohen Gängen, als klare Verbesserung
beschrieben. Für eine weitere Verbesserung wurden eine genauere Drehzahlmessung
7.2. Ausblick 99
und geringere Dynamometerbeschränkungen als mögliche Optionen genannt.

Zusammenfassend sind die Fehler Prüfstand, Regler und Messen mit der MPR klar
reduziert. Einflüsse der noch bestehenden Fehler wurden genannt. Eine signifikant
weitere Verringerung der Fehler ist nur durch bessere Prüfstandshardware möglich.
7.2. Ausblick
Neben der Reduktion der Fehlerarten und der Vorstellung eines Entwicklungsbeispiels,
ist eine Zielsetzung dieser Arbeit die Entwicklung eines Regelungskonzepts für unter-
schiedliche Antriebsstrangtopologien. Aufgrund der verwendeten Regelungsstruktur
ist eine Substitution des Verbrennungsmotors durch eine andere Antriebsmaschine oh-
ne großen Aufwand möglich. Im folgenden Ausblick werden daher die möglichen To-
pologien vorgestellt. Die Kompatibilität mit der verwendeten Co-Simulation ist Grund-
lage andere Antriebsstrangtopologien zu testen.
Als Beispiel soll der Antriebsstrang, bestehend aus mehreren Topologien, diskutiert
(siehe Abbildung 1.1 und 7.1) werden. Eine mögliche Erweiterung eines konventio-
nellen Antriebsstrangs wäre z.B. ein P2-Hybrid. Hierzu müssten in der bestehenden
Co-Simulation eine weitere Drehmomentquelle und eine Kupplung hinzugefügt wer-
den (zzgl. Hybridsteuerung, Batterie, Batteriemanagement etc. die hier aber nicht re-
levant sind). Der mechanische Aufbau eines Elektromotorprüfstandes ist einem Ver-
brennungsmotorprüfstand sehr ähnlich. Die Synchronisationsstelle im Prüfstand liegt
daher wieder am Messflansch und in der Simulation zwischen Kupplung und Ge-
triebe. Die MPR muss lediglich bzgl. des neuen Prüfstandes parametrisiert und das
Verbrennungsmotor- durch das Elektromotorsollmoment ersetzt werden. Die Parame-
trisierung kann ähnlich erfolgen, jedoch muss, aufgrund der geringen Massenträghei-
ten, die Gewichtungsmatrix Q niedriger gewählt werden. Auch der gleichzeitige Be-
trieb von zwei Prüfständen ist möglich. Die Kopplung eines Elektromotorprüfstandes
mit einem Verbrennungsmotorprüfstand erfolgt über die bestehende Co-Simulation.
Zu beachten ist die bidirektionale Kopplung der Führungs- mit den Regelgrößen über
die Messmomente (siehe Fall 2, Kapitel 5.2.4). Da die Elektromotorträgheit oft viel ge-
ringer als die Dynamometerträgheit ist, kann die Rückkopplung aus dem Elektromo-
torprüfstand vernachlässigt werden. Auf diese Weise ist eine Variation der Topologien
1-7 (siehe Abbildung 7.1) möglich. Zu untersuchen wäre die Auswirkung unterschied-
licher Verteilung der Massenträgheiten.
100 7. Diskussion und Ausblick
6
3
7
1
4
8
5 Synchronisationsstelle
7
2 EiL
Abbildung 7.1. Prinzipbild für Unterschiedliche Antriebsstrangtopologien

bestehen aus den Komponenten: 1. Verbrennungsmotor,
2. P1-Elektromotor, 3. P2-Elektromotor, 4. Getriebe,
5. P3-Elektromotor, 6. Reichweitenverlängerer,
7. Radnabenmotor, 8. Differential
Anhang
A.1. Signalnormen
Üblicherweise wird zur Untersuchung eines Regelkreise die Regeldifferenz bewertet.
Hierzu wird nachfolgend die L2 -Signalnorm definiert. Die Darstellung ist maßgeblich
[116] und [117] entnommen.
Eine Norm besitzt folgende Eigenschaften:
kuk ≥ 0
kuk = 0 ⇔ u(t) = 0
kauk = kak · kuk
kb + uk ≤ kbk + kuk
In dieser Arbeit wird maßgeblich die L2 -Signalnorm verwendet:

v
uZ T
L2 (u) = kuk2 =
t
u(t)2 d t (A.1)
0
Das Quadrat der Norm kuk22 beschreibt die Energie des Signals im Zeitbereich 0 bis T.
Analog kann die mittlere Leistung eines Signals im Zeitbereich 0 bis T nach
Z T
1
u(t)2 d t (A.2)
T 0
definiert werden. In dieser Arbeit wird die normierte L2,N -Norm als Wurzelquadrat der
mittleren Leistung des Signals bezeichnet.
v
u Z T
t1
L2,N (u) = u(t)2 d t (A.3)
T 0
101
102 A. Anhang
A.2. Signal-Korrelation
Die Bildung der Kreuzkorrelation wird häufig verwendet, wenn die Ähnlichkeit von
zwei Signalen ermittelt werden soll. Die nachfolgende Herleitung ist maßgeblich [118]
entnommen.
Die Ähnlichkeit zweier diskreter Signale f und h wird über das Produkt der Signale
gebildet.
∞
X
r0 = f (k) · h(k) (A.4)
k=−∞
Für die Kreuzkorrelation wird ein Signal zeitlich verschoben und ein Ähnlichkeitswert
zu jeder Verschiebung gebildet.
∞
X
R= f (k) · h(k + n) mit n = 0, ±1, ±2...∞ (A.5)
k=−∞
Zur besseren Darstellung wird häufig der dimensionslose Korrelationskoeffizient bzw.

Pearsonkoeffizient verwendet. Für zwei Signale mit der gleichen Länge N berechnet
sich der Koeffizient aus.:
−1
NP
f (k) · h(k + n)
k=0
ρ( f , h, n) = v v mit − (N − 1) ≤ n ≤ N − 1 (A.6)
t −1 t −1
uNP uNP
f (k)2 · h(k)2
k=0 k=0
Bei zwei identischen Signalen ist der Koeffizient gleich 1. In dieser Arbeit wird der
Pearsonkoeffizient mit der Verschiebung 0 verwendet ρ( f , h, 0).
A.3. Fahrzeugparameter 103
A.3. Fahrzeugparameter
Leergewicht 900 kg
Gesamtgewicht m F 1150 kg
Querschnittfläche 2,25 m2
Fahrzeuglängsdynamik
Luftwiderstandsbeiwert 0,43
Dynamischer Reifenradius rRad 0,292 m
Rollwiderstandsbeiwert 0,0084
Anzahl Gänge 6
Übersetzung 1. Gang i DK G 3,917
Getriebe
Übersetzung Diff. 1./2./5./6. Gang i Di f f 3,894
Übersetzung Diff. 3./4. Gang i Di f f 4,352
Art Benzin
Einspritzsystem Zentraleinspritzung
Zylinderanzahl 3
Verbrennungsmotor
Hubraum 0,9 l
Leistung 66 kW
Maximales Drehmoment 130 Nm
Verbrennungsmotor + DMF JV M 0,26 kgm2
Getriebe J DK G 0,25 kgm2
Trägheiten
Welle JWelle 0,01 kgm2
Rad JRad 0,708 kgm2
Tabelle A.1. Fahrzeugparameter
Trägheit des Fahrzeugs berechnet auf die Verbrennungsmotorseite nach [27]:
J F = ((m F · rRad
2
+ JRad )/i Di
2
ff
+ JWelle )/i DK
2
G
+ J DK G (A.7)
104 A. Anhang
A.4. Analyse Diagnosefunktionen
Abbildung A.1. Frequenzspektrum über der Zeit aufgetragen im WLTC

Literaturverzeichnis
[1] Zukunftsinstitut GmbH. The Evolution of Mobility. Hrsg. von ADAC e.V. URL:
https://www.adac.de/-/media/pdf/dko/adac-studie-evolution-der-
mobilitaet-englisch.pdf (besucht am 22. 08. 2019).
[2] Detlev Mohr u. a. The road to 2020 and beyond: What’s driving the global au-
tomotive industry? Hrsg. von Inc. McKinsey & Company. 2013. URL: https:
/ / www . mckinsey . com / ~ / media / mckinsey / dotcom / client _ service /
Automotive % 20and % 20Assembly / PDFs / McK _ The _ road _ to _ 2020 _ and _
beyond.ashx (besucht am 22. 08. 2019).
[3] Europäische Parlament und Rat. Verordnung (EG) 443/2009 zur Festsetzung
von Emissionsnormen für neue Personenkraftwagen im Rahmen des Gesamtkon-
zepts der Gemeinschaft zur Verringerung der CO 2 -Emissionen von Personen-
kraftwagen und leichten Nutzfahrzeugen. 2009. URL: https : / / eur - lex .
europa . eu / LexUriServ / LexUriServ . do ? uri = OJ : L : 2009 : 140 : 0001 :
0015:de:PDF (besucht am 17. 08. 2019).
[4] Deutsches Zentrun für Luft und Raumfahrt, IMU Institut und bridgingIT. Struc-
tural Study BWe mobil 2019: Transformation through electric mobility and pro-
spects offered by digitalisation: Short version. Hrsg. von e-mobil BW GmbH.
URL : https://www.e-mobilbw.de/files/e-mobil/content/DE/Publikationen/
PDF/PDF_2019/Strukturstudie-Summary_ENG.pdf (besucht am 22. 08. 2019).
[5] Endris Kerga u. a. »Modeling the benefits of frontloading and knowledge reuse
in lean product development«. In: (9/4/2016 - 9/8/2016), S. 2532–2542.
DOI : 10.1109/PICMET.2016.7806743.
[6] Uwe Dombrowski. Lean Development. Berlin, Heidelberg: Springer Berlin Hei-
delberg, 2015. ISBN: 978-3-662-47420-4. DOI: 10.1007/978-3-662-47421-
1.
[7] Sung-Yong Lee u. a. »Hardware-in-the-Loop-Based Virtual Calibration Approach
to Meet Real Driving Emissions Requirements«. In: SAE technical paper series
(2018). DOI: 10.4271/2018-01-0869.
[8] Herbert Schuette und Markus Ploeger. »Hardware-in-the-Loop Testing of Engi-
ne Control Units - A Technical Survey«. In: SAE technical paper series (2007).
DOI : 10.4271/2007-01-0500.
[9] R. Isermann, J. Schaffnit und S. Sinsel. »Hardware-in-the-loop simulation for

the design and testing of engine-control systems«. In: Control Engineering Prac-
tice 7.5 (1999), S. 643–653. ISSN: 09670661. DOI: 10.1016/S0967-0661(98)
00205-6.
105
106 Literaturverzeichnis
[10] Rene Savelsberg. »Echtzeitkopplung von Prüfständen«. Dissertation. Aachen:

RWTH Aachen University, 2017. URL: http://publications.rwth-aachen.
de/record/711497.
[11] M. Geimer, T. Krüger und Linsel. P. »Co-Simulation, gekoppelte Simulation
oder Simulatorkopplung? Ein Versuch der Begriffsvereinheitlichung«. In: O+P
Ölhydraulik und Pneumatik 50.11-12 (2006), S. 572–576. ISSN: 0341-2660.
[12] Zoran Filipi u. a. »Engine-in-the-Loop Testing for Evaluating Hybrid Propulsion
Concepts and Transient Emissions - HMMWV Case Study«. In: SAE Technical
Paper Series 1.0443 (2006). DOI: 10.4271/2006-01-0443.
[13] Shugang Jiang u. a. »Development of an Engine-in-the-loop Vehicle Simulati-
on System in Engine Dynamometer Test Cell«. In: SAE technical paper series
(2009). DOI: 10.4271/2009-01-1039. (Besucht am 07. 06. 2018).
[14] E. Shafai und Hans Geering. »Emulation of Vehicle Dynamics on an Engine
Test Bench«. In: American Control Conference (1989).
[15] Philipp Teiner und Bernhard Schneeweiss. »Evaluation of NOx and Fuel Con-
sumption Reduction Potential of Parallel Diesel-Hybrid Powertrains using Engine-
In-the-Loop Simulation«. In: SAE technical paper series (2010). DOI: 10.4271/
2010-32-0128.
[16] Sven Dronka. Die Simulation gekoppelter Mehrkörper- und Hydraulik-Modelle
mit Erweiterung für Echtzeitsimulation. Berichte aus der Fahrzeugtechnik. Aa-
chen: Shaker, 2004. ISBN: 3-8322-2980-9.
[17] J. Andert u. a. »Virtual shaft: Synchronized motion control for real time tes-
ting of automotive powertrains«. In: Control Engineering Practice 56 (2016),
S. 101–110. ISSN: 09670661. DOI: 10.1016/j.conengprac.2016.08.005.
[18] Serge Klein u. a. »Engine in the Loop: Closed Loop Test Bench Control with
Real-Time Simulation«. In: SAE International Journal of Commercial Vehicles
10.1 (2017), S. 95–105. ISSN: 1946-3928. DOI: 10.4271/2017-01-0219.
[19] Serge Klein u. a. »Virtual 48 V Mild Hybridization: Efficient Validation by Engine-
in-the-Loop«. In: SAE International Journal of Alternative Powertrains 7.3 (2018).
ISSN : 2167-4205. DOI : 10.4271/2018-01-0410.
[20] Serge Klein u. a. »Electric-Motor-in-the-Loop: Efficient Testing and Calibration

of Hybrid Power Trains«. In: IFAC-PapersOnLine 51.31 (2018), S. 240–245.
ISSN : 24058963. DOI : 10.1016/j.ifacol.2018.10.043.
[21] Martin Krammer u. a. »The Distributed Co-Simulation Protocol for the Integra-
tion of Real-Time Systems and Simulation Environments«. In: 50th Computer
Simulation Conference (2018), S. 1. DOI: 10.22360/summersim.2018.scsc.
001.
[22] Jakob Andert u. a. »Road-to-rig-to-desktop: Virtual development using real-
time engine modelling and powertrain co-simulation«. In: International Jour-
nal of Engine Research (2018). ISSN: 1468-0874. DOI: 10.1177/1468087418767221.
[23] Torsten Blochwitz u. a. »Functional Mockup Interface 2.0: The Standard for
Tool independent Exchange of Simulation Models«. In: Linköping Electronic
Conference Proceedings (2012), S. 173–184. DOI: 10.3384/ecp12076173.
[24] Cláudio Gomes u. a. Co-simulation: State of the art. 1.02.2017. URL : http :
//arxiv.org/pdf/1702.00686v1 (besucht am 31. 12. 2019).
[25] Felix Matthies. Beitrag zur Modellbildung von Antriebsträngen für Fahrbarkeits-
untersuchungen. Berlin: epubli GmbH, 2013. ISBN: 978-3-8442-6704-4.
[26] Jan Lunze. Regelungstechnik 2: Mehrgrssensysteme, digitale regelung. 8., über-
arbeitete Auflage. Springer-Lehrbuch. Berlin: Springer Vieweg, 2014. ISBN:
978-3-642-53944-2.
[27] Rolf Isermann. Mechatronische Systeme: Grundlagen. 2. vollständig neu bear-
beitete Auflage. Berlin, Heidelberg: Springer-Verlag Berlin Heidelberg, 2008.
ISBN : 978-3-540-32336-5. DOI : 10.1007/978-3-540-32512-3.
[28] UNECE WLTP DHC Chair. »Development of a World-wide Worldwide harmo-

nized Light duty driving Test Cycle (WLTC)«. In: GRPE-68-03 (2014).
[29] Lutz Eckstein. Vertikal- / Querdynamik von Kraftfahrzeugen: Vorlesungsum-
druck Fahrzeugtechnik 2. Aachen: Forschungsgesellschaft Kraftfahrwesen mbH
Aachen, 2017. ISBN: 978-3-9460-17-6.
[30] Lutz Eckstein. Längsdynamik von Kraftfahrzeugen: Vorlesungsumdruck Fahr-
zeugtechnik 1. 2. Überarbeitete Neuauflage. Aachen: Forschungsgesellschaft
Kraftfahrwesen mbH Aachen, 2017. ISBN: 978-3-9460-17-6.
[31] Manfred Mitschke und Henning Wallentowitz. Dynamik der Kraftfahrzeuge.
Vierte, neubearbeitete Auflage. VDI-Buch. Berlin, Heidelberg: Springer Berlin
Heidelberg, Imprint und Springer, 2004. ISBN: 978-3-662-06802-1.
[32] Dieter Ammon. Modellbildung und Systementwicklung in der Fahrzeugdynamik.
Bd. 73. Leitfäden der angewandten Mathematik und Mechanik. Stuttgart: B.G.
Teubner, 1997. ISBN: 3663122468.
[33] H. B. Pacejka und Igo Besselink. Tire and vehicle dynamics. 3rd ed. Amsterdam
und Boston: Elsevier/BH, 2012. ISBN: 9780080970172.
[34] Hendrik Amelunxen. »Fahrdynamikmodelle für Echtzeitsimulationen im kom-
fortrelevanten Frequenzbereich«. Dissertation. Paderborn: Universität Pader-
born, 2014.
[35] The Publications Office of the European Union. »Richtlinie des Rates zur An-
gleichung der Rechtsvorschriften der Mitgliedstaaten über Maßnahmen ge-
gen die Verunreinigung der Luft durch Emissionen von Kraftfahrzeugen«. In:
1970L0220-DE-01.05.2004-022.001 (2004).
[36] Lino Guzzella und Christopher H. Onder. Introduction to Modeling and Control
of Internal Combustion Engine Systems. Berlin, Heidelberg: Springer Berlin Hei-
delberg, 2010. ISBN: 978-3-642-10774-0. DOI: 10.1007/978-3-642-10775-
7.
[37] Johann C. Wurzenberger u. a. »A Comprehensive Study on Different System

Level Engine Simulation Models«. In: SAE technical paper series (2013). DOI:
10.4271/2013-01-1116.
[38] G. Woschni. »A Universally Applicable Equation for the Instantaneous Heat
Transfer Coefficient in the Internal Combustion Engine«. In: SAE technical
paper series (1967). DOI: 10.4271/670931.
[39] John B. Heywood. Internal combustion engine fundamentals. McGraw-Hill se-
ries in mechanical engineering. New York [etc.]: McGraw-Hill, op. 1988. ISBN:
0-07-028637-X.
[40] Modelica Association. »Modelica®- A Unified Object-Oriented Language for
Systems Modeling«. In: Language Specification 3.4 (2017).
[41] Kai Borgeest. Messtechnik und Prüfstände für Verbrennungsmotoren: Messun-
gen am Motor, Abgasanalytik, Prüfstände und Medienversorgung. Aufl. 2016.
Wiesbaden: Springer Fachmedien Wiesbaden GmbH, 2016. ISBN: 978-3-658-
10117-6.
[42] Neeraj Shidore u. a. »Evaluation of Ethanol Blends for Plug-In Hybrid Vehicles
Using Engine in the Loop«. In: SAE technical paper series (2012). DOI: 10.
4271/2012-01-1280.
[43] J. Faiz u. a. »A complete lumped equivalent circuit of three-phase squirrel-cage
induction motors using two-dimensional finite-elements technique«. In: IEEE
Transactions on Energy Conversion 17.3 (2002), S. 363–367. ISSN: 0885-8969.
DOI : 10.1109/TEC.2002.801729.
[44] Christoph Schlensok. Numerische Berechnung und Optimierung einer Asynchron-

maschine mit Käfigläufer zur elektrischen Lenkunterstützung im Kfz. Aachen se-
ries on multimedia and communications engineering. Aachen: RWTH Aachen
University, 2005. ISBN: 978-3-8322-4418-7.
[45] Andres Diaz u. a. »Induction motor equivalent circuit for dynamic simulation«.
In: IEEE International Electric Machines (2009), S. 858–863. DOI: 10.1109/
IEMDC.2009.5075304.
[46] Dierk Schröder. Elektrische Antriebe - Grundlagen: Mit durchgerechneten Übungs-
und Prüfungsaufgaben. 3., erweiterte Auflage. Springer-Lehrbuch. Berlin, Hei-
delberg: Springer-Verlag Berlin Heidelberg, 2007. ISBN: 978-3-540-72764-4.
DOI : 10.1007/978-3-540-73005-7.
[47] Dierk Schröder. Leistungselektronische Schaltungen. Berlin, Heidelberg: Sprin-

ger Berlin Heidelberg, 2012. ISBN: 978-3-642-30103-2. DOI: 10.1007/978-
3-642-30104-9.
[48] Liyong Yang, Xiaolin Peng und Zhengxi Li. »Induction motor electrical para-
meters identification using RLS estimation«. In: International Conference on
Mechanic Automation and Control Engineering 2010 (2010), S. 3294–3297.
DOI : 10.1109/MACE.2010.5535653.
[49] Tahir Sag und Mehmet Cunkas. »Multiobjective genetic estimation to induc-
tion motor parameters«. In: Electromotion 07 (2007), S. 628–631. DOI: 10.
1109/ACEMP.2007.4510580.
[50] Lluis Monjo u. a. »Squirrel-Cage Induction Motor Parameter Estimation Using
a Variable Frequency Test«. In: IEEE Transactions on Energy Conversion 30.2
(2015), S. 550–557. ISSN: 0885-8969. DOI: 10.1109/TEC.2014.2362964.
[51] Saadettin Aksoy, Aydin Mühürcü und Hakan Kizmaz. »State and parameter
estimation in induction motor using the Extended Kalman Filtering algorithm«.
In: Modern Electric Power Systems, Wroclaw (2010).
[52] Uwe Kiencke und Lars Nielsen. Automotive Control Systems. 2nd ed. New York:
Springer-Verlag Berlin Heidelberg, 2005. ISBN: 978-3-540-26484-2.
[53] Engelbert Gruenbacher und L. del Re. »Robust inverse control for combustion
engine test benches«. In: American Control Conference (2008), S. 2852–2857.
DOI : 10.1109/ACC.2008.4586926.
[54] T. E. Passenbrunner, M. Sassano und L. del Re. »Approximate optimal control

of internal combustion engine test benches«. In: IEEE Conference on Decision
and Control 2011, 50th IEEE Conference (2011), S. 8050–8055. DOI: 10.1109/
CDC.2011.6161120.
[55] B. J. Bunker, M. A. Franchek und B. E. Thomason. »Robust multivariable con-
trol of an engine-dynamometer system«. In: IEEE Transactions on Control Sys-
tems Technology 5.2 (1997), S. 189–199. ISSN: 10636536. DOI: 10.1109/87.
556024. (Besucht am 22. 06. 2018).
[56] Stefan Pischinger und Ulrich Seiffert, Hrsg. Vieweg Handbuch Kraftfahrzeug-
technik. 8., aktualisierte und erweiterte Auflage. Wiesbaden: Springer Vieweg,
2016. ISBN: 978-3-658-09527-7. DOI: 10.1007/978-3-658-09528-4.
[57] J. Chauvin u. a. »Real-time combustion torque estimation on a diesel engi-
ne test bench using time-varying Kalman filtering«. In: 43rd IEEE Conference
(2004), 1688–1694 Vol.2. DOI: 10.1109/CDC.2004.1430287.
[58] Stefan Jakubek und Andreas Fleck. »Schätzung des inneren Drehmoments von
Verbrennungsmotoren durch parameterbasierte KalmanfilterungInner Torque
Estimation for Combustion Engines by Parametric Kalman Filtering«. In: at
- Automatisierungstechnik 57.8 (2009), S. 1695. ISSN: 0178-2312. DOI: 10.
1524/auto.2009.0786.
[59] M. J. Corley und R. D. Lorenz. »Rotor position and velocity estimation for a
salient-pole permanent magnet synchronous machine at standstill and high
speeds«. In: IEEE Transactions on Industry Applications 34.4 (1998), S. 784–
789. ISSN: 0093-9994. DOI: 10.1109/28.703973.
[60] Mattia Morandin, Silverio Bolognani und Adriano Faggion. »Outer-rotor ringed-
pole SPM starter-alternator suited for sensorless drives«. In: Symposium on
Sensorless Control for Electrical Drives, SLED 2011 (2011), S. 96–101. DOI:
10.1109/SLED.2011.6051551.
[61] Mattia Morandin, Silverio Bolognani und Adriano Faggion. »Active Torque
Damping for an ICE-Based Domestic CHP System With an SPM Machine Drive«.
In: IEEE Transactions on Industry Applications 51.4 (2015), S. 3137–3146.
ISSN : 0093-9994. DOI : 10.1109/TIA.2015.2399617.
[62] Rainer Schicker und Georg Wegener. Measuring torque correctly. Darmstadt:
HBM, Hottinger Baldwin Messtechnik, 2002. ISBN: 3-00-008945-4.
[63] Jürgen Andrae und Georg Wegener. »Dynamische Drehmomentmessung. Dreh-
momentaufnehmer in Leistungsprüfständen (Dynamic Torque Measurement.
Torque Transducers in Power Test Stands)«. In: tm – Technisches Messen 73.12
(2006), S. 350. ISSN: 0171-8096. DOI: 10.1524/teme.2006.73.12.684.
[64] EtherCAT Technology Group. EtherCAT: The Ethernet Fieldbus. 2019. URL: https:
//www.ethercat.org (besucht am 31. 12. 2019).
[65] Dierk Schröder. Elektrische Antriebe - Regelung von Antriebssystemen. Berlin,
Heidelberg: Springer Berlin Heidelberg, 2009. ISBN: 978-3-540-89612-8. DOI:
10.1007/978-3-540-89613-5.
[66] Christian Westermayer u. a. »High Dynamic Torque Control for Industrial En-
gine Test Beds«. In: IEEE Transactions on Industrial Electronics 60.9 (2013),
S. 3877–3888. ISSN: 0278-0046. DOI: 10.1109/TIE.2012.2206338.
[67] Lennart Ljung. System Identification Toolbox™ Reference. 17a. The MathWorks,
Inc., 2017.
[68] Rolf Isermann und Marco Münchhof. Identification of Dynamic Systems. Berlin,
Heidelberg: Springer Berlin Heidelberg, 2011. ISBN: 978-3-540-78878-2. DOI:
10.1007/978-3-540-78879-9.
[69] Inc. The MathWorks. Matlab Function Reference. The MathWorks, Inc., 2017.
[70] Sönke Thomsen, Nils Hoffmann und Friedrich Wilhelm Fuchs. »PI Control, PI-
Based State Space Control, and Model-Based Predictive Control for Drive Sys-
tems With Elastically Coupled Loads—A Comparative Study«. In: IEEE Tran-
sactions on Industrial Electronics 58.8 (2011), S. 3647–3657. ISSN: 0278-0046.
DOI : 10.1109/TIE.2010.2089950.
[71] José David López, Jairo José Espinosa und John Agudelo. »Decoupled control
for internal combustion engines research test beds«. In: Revista Facultad de
Ingeniería Universidad de Antioquia 06 (2011), S. 23–31.
[72] Thomas E. Passenbrunner u. a. »Direct multivariable controller tuning for in-
ternal combustion engine test benches«. In: Control Engineering Practice 29
(2014), S. 115–122. ISSN: 09670661. DOI: 10.1016/j.conengprac.2014.
04.009.
[73] Ismael Payo u. a. »Control Applied to a Reciprocating Internal Combustion
Engine Test Bench under Transient Operation: Impact on Engine Performance
and Pollutant Emissions«. In: Energies 10.11 (2017), S. 1690. DOI: 10.3390/
en10111690.
[74] D. G. Brown und S. Thompson. »A Novel Approach to Engine Torque Speed

Control«. In: SAE technical paper series (1983). DOI: 10.4271/831302.
[75] Beaumont, Noble und Mercer. »Predictive control of transient engine test-
beds«. In: 1988 International Conference on Control - CONTROL 88 (1988).
[76] Raphael Priesner u. a. »Predictive control with active disturbance rejection for
elastic drive systems«. In: 7th IEEE Conference on Industrial Electronics and
Applications (2012), S. 196–201. DOI: 10.1109/ICIEA.2012.6360722.
[77] Siegfried Helm und Stefan Jakubek. »Impedance based control for internal
combustion engine test beds«. In: IFAC Proceedings Volumes 43.7 (2010), S. 443–
448. ISSN: 14746670. DOI: 10.3182/20100712-3-DE-2013.00037.
[78] Mingxin KANG und Tielong SHEN. »Modeling and Control for Engine-in-the-
Loop Simulation System«. In: Journal of System Design and Dynamics 7.4 (2013),
S. 428–440. DOI: 10.1299/jsdd.7.428.
[79] Nils Hoffmann, Sonke Thomsen und Friedrich W. Fuchs. »Model based pre-
dictive speed control of a drive system with torsional loads — A practical
approach«. In: Power Electronics and Motion Control Conference, International
(EPE-PEMC) (2010). DOI: 10.1109/EPEPEMC.2010.5606693.
[80] M. Cychowski, K. Szabat und T. Orlowska-Kowalska. »Constrained Model Pre-
dictive Control of the Drive System With Mechanical Elasticity«. In: IEEE Tran-
sactions on Industrial Electronics 56.6 (2009), S. 1963–1973. ISSN: 0278-0046.
DOI : 10.1109/TIE.2009.2015753.
[81] Marcin Cychowski, Rafal Jaskiewicz und Krzysztof Szabat. »Model Predictive
Control of an elastic three-mass drive system with torque constraints«. In: IEEE
International Conference on Industrial Technology (2010), S. 379–385. DOI: 10.
1109/ICIT.2010.5472710.
[82] Patrick Lanusse u. a. »Development of a fractional order based MIMO con-
troller for high dynamic engine testbeds«. In: Control Engineering Practice 56
(2016), S. 174–189. ISSN: 09670661. DOI: 10.1016/j.conengprac.2016.
06.009.
[83] Elmer G. Gilbert. »The Decoupling of Multivariable Systems by State Feed-
back«. In: SIAM Journal on Control 7.1 (1969), S. 50–63. ISSN: 0036-1402.
DOI : 10.1137/0307004.
[84] Serge Zacher und Manfred Reuter. Regelungstechnik für Ingenieure: Analyse,
Simulation und Entwurf von Regelkreisen. 13., überarb. und erw. Aufl. Wiesba-
den: Vieweg+Teubner Verlag / Springer Fachmedien Wiesbaden GmbH Wies-
baden, 2011. ISBN: 9783834809001. DOI: 10.1007/978-3-8348-9837-1.
[85] Carsten Scherer. »Theory of Robust Control«. Lecture notes. Delft: Delft Uni-
versity of Technology, 2001. (Besucht am 28. 11. 2019).
[86] Mayuresh V. Kothare, Venkataramanan Balakrishnan und Manfred Morari. »Ro-

bust constrained model predictive control using linear matrix inequalities«.
In: Automatica 32.10 (1996), S. 1361–1379. ISSN: 00051098. DOI: 10.1016/
0005-1098(96)00063-5.
[87] Fredi Tröltzsch. Optimale Steuerung partieller Differentialgleichungen: Theorie,
Verfahren und Anwendungen. 2., überarb. Aufl. Studium. Wiesbaden: Vieweg
+ Teubner, 2009. ISBN: 978-3-8348-0885-1. DOI: 10 . 1007 / 978- 3 - 8348 -
9357-4.
[88] Jan Lunze. Regelungstechnik. 10., aktualisierte Aufl. Springer-Lehrbuch. Ber-
lin: Springer Vieweg, 2014. ISBN: 978-3-642-53909-1.
[89] Dirk Abel. Mess- und Regelungstechnik. 31. Aufl. Aachen und Aachen: Verlags-
haus Mainz and IRT, 2007. ISBN: 3-86130-890-8.
[90] D. W. Clarke, C. Mohtadi und P. S. Tuffs. »Generalized Predictive Control—Part
II Extensions and interpretations«. In: Automatica 23.2 (1987), S. 149–160.
ISSN : 00051098. DOI : 10.1016/0005-1098(87)90088-4.
[91] D. W. Clarke, C. Mohtadi und P. S. Tuffs. »Generalized predictive control—

Part I. The basic algorithm«. In: Automatica 23.2 (1987), S. 137–148. ISSN:
00051098. DOI: 10.1016/0005-1098(87)90087-2.
[92] Julio E. Normey-Rico und E. F. Camacho. Control of Dead-time Processes. Ad-
vanced Textbooks in Control and Signal Processing. London, Berlin und Hei-
delberg: Springer, 2007. ISBN: 9781846288289. DOI: 10.1007/978-1-84628-
829-6.
[93] Jürgen Pannek. »Modellprädiktive Regelung«. Seminarskript. Bayreuth: Uni-
versität Bayreuth, 2006.
[94] Jürgen Adamy. Nichtlineare Systeme und Regelungen. Berlin, Heidelberg: Sprin-
ger Berlin Heidelberg, 2014. ISBN: 978-3-642-45012-9. DOI: 10.1007/978-
3-642-45013-6.
[95] Rainer Dittmar und Bernd-Markus Pfeiffer. Modellbasierte prädiktive Regelung.
München: Oldenbourg Wissenschaftsverlag GmbH, 2004. ISBN: 9783486594911.
DOI : 10.1524/9783486594911.
[96] H. J. Ferreau, H. G. Bock und M. Diehl. »An online active set strategy to over-
come the limitations of explicit MPC«. In: International Journal of Robust and
Nonlinear Control 18.8 (2008), S. 816–830.
[97] Hans Joachim Ferreau. »Model Predictive Control Algorithms for Applicati-
ons with Millisecond Timescales«. Dissertation. Leuven: Katholieke Universi-
teit Leuven, 2011.
[98] Dan Simon. Optimal state estimation: Kalman, H [infinity] and nonlinear ap-
proaches. Hoboken, N.J.: Wiley-Interscience, 2006. ISBN: 978-0-471-70858-2.
[99] Mohinder S. Grewal und Angus P. Andrews. Kalman filtering: Theory and prac-
tice using MATLAB. 2nd ed. Electronic and electrical engineering. New York:
Wiley, 2001. ISBN: 0-471-26638-8.
[100] Ehrhard Behrends. Elementare Stochastik. Wiesbaden: Vieweg+Teubner Ver-

lag, 2013. ISBN: 978-3-8348-1939-0. DOI: 10.1007/978-3-8348-2331-1.
[101] Deuk-Woo Kim und Cheol-Soo Park. »Application of Kalman Filter for Esti-
mating a Process Disturbance in a Building Space«. In: Sustainability 9(10)
(2017), S. 1–17. DOI: 10.3390/su9101868.
[102] Gabriele Pannocchia und James B. Rawlings. »Disturbance models for offset-
free model-predictive control«. In: AIChE Journal 49.2 (2003), S. 426–437.
ISSN : 00011541. DOI : 10.1002/aic.690490213.
[103] A. Radke und Zhiqiang Gao. »A survey of state and disturbance observers for
practitioners«. In: American Control Conference (2006), 6 pp. DOI: 10.1109/
ACC.2006.1657545.
[104] James B. Rawlings. Model Predictive Control Short Course - Putting it all To-
gether. SADCO Summer School, Workshop on Optimal und Model Predictive
Control, 2013.
[105] A. K. Tangirala u. a. »Issues in multirate process control«. In: 1999 American
Control Conference (1999). DOI: 10.1109/ACC.1999.786576.
[106] Olivier Sename. »New trends in design of observers for time-delay systems«.
In: Kybernetika 37.4 (2001), S. 427–458. URL: http : / / eudml . org / doc /
33545.
[107] Michael Zeitz. »Minimalphasigkeit – keine relevante Eigenschaft für die Rege-
lungstechnik!« In: at - Automatisierungstechnik 62.1 (2014). ISSN: 0178-2312.
DOI : 10.1515/auto-2014-1067.
[108] Alberto Isidori. Nonlinear Control Systems. Third Edition. Communications and
Control Engineering. London: Springer, 1995. ISBN: 9781447139096. DOI:
10.1007/978-1-84628-615-5. URL: http://dx.doi.org/10.1007/978-
1-84628-615-5.
[109] Ferdinand Svaricek. »Nulldynamik linearer und nichtlinearer Systeme: Defini-
tionen, Eigenschaften und Anwendungen (Zero Dynamics of Linear and Non-
linear Systems: Definitions, Properties and Applications)«. In: at - Automati-
sierungstechnik 54.7/2006 (2006), S. 219. ISSN: 0178-2312. DOI: 10.1524/
auto.2006.54.7.310.
[110] Bruno M. Lima, Daniel M. Lima und Julio E. Normey-Rico. »A robust predic-
tor for dead-time systems based on the Kalman filter«. In: IFAC-PapersOnLine
51.25 (2018), S. 24–29. ISSN: 24058963. DOI: 10.1016/j.ifacol.2018.11.
076.
[111] Ludek Buchta und Lukas Otava. »Compensation of Dead-Time Effects Based
on Kalman Filter for PMSM Drives«. In: IFAC-PapersOnLine 51.6 (2018), S. 18–
23. ISSN: 24058963. DOI: 10.1016/j.ifacol.2018.07.123.
[112] Leonid Mirkin und Natalya Raskin. »Every stabilizing dead-time controller has
an observer–predictor-based structure«. In: Automatica 39.10 (2003), S. 1747–
1754. ISSN: 00051098. DOI: 10.1016/S0005-1098(03)00182-1.
[113] H.J. Ferreau, A. Potschka und C. Kirches. qpOASES webpage. 2007–2017. URL:
http://www.qpOASES.org/ (besucht am 31. 12. 2019).
[114] Martin Rau. »Nichtlineare modellbasierte prädiktive Regelung auf Basis lern-
fähiger Zustandsraummodelle«. Dissertation. München: Technische Universi-
tät München, 2003.
[115] Klaus Ries-Mueller u. a. »Verfahren zur Erkennung von Verbrennungsausset-
zern: Patentschrift«. DE19622448.
[116] John C. Doyle, Bruce A. Francis und Allen R. Tannenbaum. Feedback Control
Theory. Dover Books on Electrical Engineering. Newburyport: Dover Publica-
tions, 2013. ISBN: 9780486469331.
[117] Kemin Zhou und John Comstock Doyle. Essentials of robust control. Upper
Saddle River, NJ: Prentice Hall, 1999. ISBN: 9780135258330.
[118] Beate Meffert und Olaf Hochmuth. Werkzeuge der Signalverarbeitung. Humboldt-
Universität zu Berlin, 2018. DOI: 10.18452/19595.

Motorprüfstand Als Eingebettetes System Innerhalb Einer Fahrzeugsimulation

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Motorprüfstand Als Eingebettetes System Innerhalb Einer Fahrzeugsimulation

Hochgeladen von

Copyright:

Verfügbare Formate

Motorprüfstand als eingebettetes

System innerhalb einer

Von der Fakultät für Maschinenwesen der Rheinisch-Westfälischen

Berichter: Jun.-Prof. Dr.-Ing. Jakob Lukas Andert

Tag der Mündlichen Prüfung: 24.07.2020

Diese Dissertation ist auf den Internetseiten der

3. Besonderheiten gekoppelter Prüfstände 26

4. Verfahren zur Verbrennungsmotor Prüfstandsregelung 38

5. Regelung von Antriebsprüfständen gekoppelt mit einer Simulation 56

5.2. Simulative Untersuchung der Regelgüte des gekoppelten Prüfstandes . 60

7. Diskussion und Ausblick 97

2.1. Vier Varianten der Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . 7

3.1. Kopplung Prüfstand mit Co-Simulation, zwei Regelkreise . . . . . . . . . . 27

4.1. Ausgangskopplung und Entkopplung eines MIMO Systems . . . . . . . . . 39

5.1. Bestimmung Q und Ru für Hu = 1 und 10 . . . . . . . . . . . . . . . . . . . . 61

5.4. Regelgüte abhängig vom Stellhorizont Hu . . . . . . . . . . . . . . . . . . . . 63

6.1. Schätzung des Drehmoments des Verbrennungsmotors . . . . . . . . . . . . 81

7.1. Prinzipbild für unterschiedliche Antriebsstrangtopologien . . . . . . . . . . 100

A.1. Frequenzspektrum über der Zeit aufgetragen im WLTC . . . . . . . . . . . 104

3.1. Mechanische Prüfstandsparameter . . . . . . . . . . . . . . . . . . . . . . . . . 31

4.1. Überblick der Verfahren zur Prüfstandsregelung in der Literatur . . . . . . 38

6.1. Massenträgheiten für verschiedene Gänge, umgerechnet auf die Verbren-

A.1. Fahrzeugparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

ACOSAR Advanced Co-simulation Open System ARchitecture

WLTC Worldwide Harmonized Light-Duty Vehicles Test Proce-

Zur Entwicklung dieser Antriebe sind exponentiell steigende Entwicklungsaufwände

In der Steuergeräteentwicklung von Fahrzeugen werden Test- und Kalibrationsauf-

1.1. Problemstellung: Realitätsnahe und effiziente

Abbildung 1.1. Prinzipbild für unterschiedliche Antriebsstrangtopologien

2. Regler: Die Lastmaschine im Prüfstand wird zur Regelung einer Kopplungsgröße

3. Messung: Das Messverfahren oder die Position der Messeinrichtung innerhalb

1.2. Zielsetzung und Aufbau der Arbeit

Kapitel 3 Besonderheiten gekoppelter Prüfstände: Die ersten beiden maßgeblichen

Kapitel 4 Verfahren zur Verbrennungsmotor Prüfstandsregelung: Der erste Teil

Kapitel 5 Regelung von Antriebsprüfständen gekoppelt mit einer Simulation: Der

ßend simulativ erörtert.

1.3. Wissenschaftlicher Beitrag

• Grundlegende Überlegungen bzgl. der Kopplung von zwei Prüfständen sind in

2.1. Zusammenfassung Co-Simulation

enthält mehrere Solver, während eine verteilte Modellbildung unterschiedliche Mo-

klassische Modellseparation für Geschlossene

Neben der Verwendung von unterschiedlichen Modellierungsprogrammen bietet eine

gen. Im trivialen Fall darf beispielsweise ein Verbrennungsmotormodell nicht direkt an

(J1 + J2 )ω̇(t) = M1 (t) + M2 (t) (2.1)

Abbildung 2.2. Berechnung einer Trägheit in zwei getrennten Simulationen

0 = M1 (t) − J1 ω̇(t) − Mm (t)

0 = M2 (t) − J2 ω̇(t) + Mm (t)

Die Übertragungsfunktion der gesamten Co-Simulation (M1 , M2 ) ⇒ ω̇ kann durch

Das charakteristische Polynom der Übertragungsfunktion ist abhängig vom Parameter

Zur Stabilisierung der Co-Simulation kann ein Kelvin-Voigt Feder-Dämpfer-Modell [27]

J1 ω̇1 (t) = −c(φ1 (t) − φ2 (t)) − d(ω1 (t) − ω2 (t)) + M1 (t)

Das Feder-Dämpfer-System soll keine Torsion repräsentieren, sondern die Dämpfung

Modell Solver Rechenschrittweite

Tabelle 2.1. Teilmodelle der Co-Simulation und ihre Solver

Modell 1: Fahrer, Fahrzeug- und Raddynamik

Modell 1, Solver 1: Simulink

schreibung der Modelldynamiken kann in [34] gefunden werden. Ein entscheidendes

Abbildung 2.5. Verbrennungsmotormodell in GT-Power, vgl. [22]

miertes 1D Verbrennungsmotormodell verwendet. Dieses wird in [22] näher erläutert

Abbildung 2.6. Antriebsstrangmodell in SimulationX vgl. [18]

Zustand Drehmomente Drehzahlen

Tabelle 2.2. Zustände der Reibkupplung

Modell 4: ECU, TCU, Restbus