Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Prognostics and health monitoring for ECU based on piezoresistive sensor measurements

 
: Palczynska, Alicja
: Melz, Tobias; Rinderknecht, Stephan

:
Volltext ()

Darmstadt, 2018, 142 S.
Darmstadt, TU, Diss., 2018
URN: urn:nbn:de:tuda-tuprints-74559
Englisch
Dissertation, Elektronische Publikation
Fraunhofer LBF ()

Abstract
This dissertation presents a new approach to prognostics and health monitoring for automotive applications using a piezoresistive silicon stress sensor. The stress sensor is a component with promising performance for monitoring the condition of an electronic system, as it is able to measure stress values that can be directly related to the damage sustained by the system. The primary challenge in this study is to apply a stress sensor to system-level monitoring. To achieve this goal, this study firstly evaluates the uncertainties of measurement conducted with the sensor, and then the study develops a reliable solution for gathering data with a large number of sensors.
After overcoming these preliminary challenges, the study forms a framework for monitoring an electronic system with a piezoresistive stress sensor. Following this, an approach to prognostics and health monitoring involving this sensor is established. Specifically, the study chooses to use a fusion approach, which includes both model-based and data-driven approaches to prognostics; such an approach minimizes the drawbacks of using these methods separately. As the first step, the physics of failure model for the investigated product is established. The process of physics of failure model development is supported by a detailed numerical analysis of the investigated product under both active and passive thermal loading. Accurate FEM modeling provides valuable insight into the product behavior and enables quantitative evaluation of loads acting in the considered design elements. Then, a real-time monitoring of the investigated product under given loading conditions is realized to enable the system to estimate the remaining useful life based on the existing model. However, the load in the design element may abruptly change when delamination occurs. A developed data-driven approach focuses on delamination detection based on a monitoring signal. The data driven methodology utilizes statistical pattern recognition methods in order to ensure damage detection in an automatic and reliable manner. Finally, a way to combine the developed physics-of-failure and data-driven approaches is proposed, thus creating fusion approach to prognostics and health monitoring based on piezoresistive stress sensor measurements.

 

In dieser Dissertation wird ein neues Vorgehen an Prognostics and Health Monitoring für Automobileanwendung durch Benutzung eines piezoresistiven Spannungssensors vorgestellt. Der piezoresistive Sensor ist sehr entwicklungsfähig für Zuverlässigkeitsanwendungen, weil er die direkte Messung von mechanischen Spannungen ermöglicht, die auf die Schadensentwicklung bezogen werden kann. Die Hauptherausforderung dieser Studie ist die Umsetzung des Spannungsensors für das Monitoring am Systemniveau. Um dieses Ziel zu erreichen, muss die Messunsichercheit von dem Sensor ausgewertet werden. Desweiteren muss ein System entwickelt werden, welches das Messen mit mehreren Sensoren in der selben Zeit ermöglicht. Nachdem der Rahmen für die elektronische Systemmonitoring mit dem piezoresistiven Spannungssensor festgelegt wurde, konnte ein Vorgehen an Prognostics and Health Monitoring, welches den Sensor beinhaltet, etabliert werden. Es wurde ein Hybridvorgehen ausgewählt, welches das Model Based und das Data Driven Vorgehen enthält und die Nachteile der getrennten Benutzung dieser Methoden minimalisiert. Als erstes muss ein Lebensdauermodel für das untersuchte Produkt entwickelt werden, das von FEM Modellierung unterstützt wird. Die detaillerte FEM Analyse gibt eine wertvolle Einsicht in das Produktverhalten und ermöglicht quantitative Evaluierung von der Belastung, die auf die betrachtete Konstruktionselemente wirkt. Als nächstes muss das Echtzeitmonitoring von dem untersuchten Produkt durchgeführt werden, um die Beurteilung von den Lebensdauer unter Verwendung von dem entwickelten Lebensdauermodel zu ermöglichen. Jedoch steigt die Belastung auf die betrachteten Konstruktionselemente plötzlich, wenn die Delamination auftritt. Deswegen wird das entwickelte Data Driven Vorgehen auf die Delaminationerkennung basierend auf die Spannungssensormessung fokusiert. Es benutzt statistiche Strukturerkennungsalgorithmen, die die automatische und zuverlässige Delaminationdetektion ermöglichen. Letztendlich wird das Hybridvorgehen an PHM vorgeschlagen, das beide entwickelte Methoden kombiniert.

: http://publica.fraunhofer.de/dokumente/N-519734.html