Experimentelle Systemidentifikation

Das Ziel des Projektes ist es, in Zusammenarbeit mit niederländischen KMU Vibes Technology B.V. und der BMW Group, Methoden- und Algorithmen für die Software COUPLE zu entwickeln. COUPLE verwendet die frequenzbasierte Substrukturierung, um zu ermitteln, wie aktiv schwingende Komponenten Energie durch Dämpfungselemente (Gummidurchführungen) auf passive Komponenten übertragen, um das Ziel (z. B. Fahrerohr) zu erreichen. Die frequenzbasierte Substrukturierung unterteilt eine Baugruppe in Substrukturen, die dann separat modelliert werden. Die Modelle dieser Substrukturen werden unter Verwendung von Kraft- und Verschiebungsgleichgewichtsbedingungen kombiniert, um die Reaktion des Gesamtsystems vorherzusagen.
Bei der Verwendung der Substrukturierung können die einzelnen Komponenten über zwei Ansätze modelliert werden: rechnerbasiert und testbasiert. Die rechnerbasierte Modellierung ist relativ einfach, aber ihre Ergebnisse sind nicht gut genug, um in realen praktischen Anwendungen eingesetzt zu werden. Die testbasierte Modellierung (die von COUPLE in Kombination mit computergestützten Modellen verwendet wird) ist viel genauer, jedoch gibt es große technische Herausforderungen, um sie auf komplizierte Strukturen in der Praxis anzuwenden. In den letzten zehn Jahren wurde die testbasierte Substrukturierung meist in akademischer Umgebung an einfachen Strukturen, in gut kontrollierten Umgebungen und mit einer Validierungsmessung als Referenz durchgeführt. Mit diesen Untersuchungen konnte das enorme Potenzial der testbasierten Modellierung gezeigt werden. Der nächste Schritt liegt darin gemeinsam mit den Industriepartnern die Methode zu der von der Industrie geforderten Reife zu bringen.

Das Ziel ist es, praktische, robuste und zuverlässige Finite-Elemente-Modelle für zwei Arten von Verbindungselementen, nämlich Schraubverbindungen und Gummilagerungen, anzubieten, um das Schwingungsverhalten des Systems für verschiedene Kontaktarten und -eigenschaften vorherzusagen. Beim Gummi liegt der Schwerpunkt eher auf der konstitutiven Modellierung des Materials, während bei der Schraubverbindung der Kontakt selbst das kritische Element darstellt. In beiden Fällen liegt die Komplexität in der Modellierung des nichtlinearen Verhaltens und der Parameterabhängigkeiten, die die Verbindung unter bestimmten Betriebsbedingungen charakterisieren. Die Modellierungsansätze reichen von einer White-Box- bis zu einer Black-Box-Beschreibung, basierend auf der experimentellen Abstimmung, die zur Beschreibung des dynamischen Verhaltens der Verbindung erforderlich ist. Ersteres impliziert ein vollständiges Verständnis und Vorhersagbarkeit der der Verbindungsdynamik zugrunde liegenden multiskaligen und multiphysikalischen Phänomene. Letzteres deutet auf die Kenntnis der einzigen Input/Output-Dynamikdarstellung des Verbindungselements hin. In jedem Fall ist sowohl eine Strategie zur Charakterisierung der Verbindungsparameter als auch eine praktische und effiziente Implementierung der zugehörigen Modelle in klassischen Finite-Elemente-Codes erforderlich.

In der Automobilindustrie werden Noise, Vibration, and Harshness (NVH) immer wichtiger, um die Erwartungen der Kunden an die akustische Leistung zu erfüllen. Dazu werden Methoden entwickelt, um NVH-Probleme vorherzusagen und zu verbessern. Eine breite Gruppe von Diagnosewerkzeugen für die Analyse von Geräuschen und Schwingungen ist die Transferpfadanalyse (TPA). Theoretisch sollte es möglich sein, Schwingungen von aktiven (Quelle) und passiven (Empfänger) Strukturen unabhängig voneinander zu charakterisieren. Damit kann eine Vorhersage des Körperschalls für eine Struktur mit Anregungsquelle (z.B. Motor-Getriebe-Einheit) an einer beliebigen gekoppelten Empfängerstruktur (z.B. Karosserie inkl. Gummilager) gemacht werden. Im Rahmen dieses Projektes sollen bestehende Methoden zur Charakterisierung der aktiven Struktur weiterentwickelt werden. Weiterhin ist die Annahme von unveränderten Anregungen in verschiedenen Prüfständen zu untersuchen, um die Übertragbarkeit von äquivalenten Kräften zu ermöglichen. Eine Methode, die den Beitrag der nicht messbaren Betriebskräfte in den Messsignalen eliminiert, wird als Operational System Identification (OSI) Methode bezeichnet. Diese soll weiterentwickelt werden, um ein Referenz-Anregungssignal zu erhalten, das messbar ist. Kombiniert man dies mit dem Ansatz der in-situ blocked force TPA, kann dies zu einem vielversprechenden Messverfahren führen, das es ermöglicht, die Gummilager in einem bestimmten Betriebszustand zu halten. Darüber hinaus sollen Methoden zur Charakterisierung von Gummilagern weiterentwickelt werden. Hierbei sollen die abhängigen Faktoren wie statische Vorspannung, Temperatur, Frequenz und Amplitude näher untersucht werden. Eine große Herausforderung kann das nichtlineare Verhalten der Gummilager sein. Eine Untersuchung, wie nichtlineare Effekte von Gummilagern in das FBS-Verfahren integriert werden können, ist daher ebenfalls geplant.

Projektpartner

Dieses Projekt wird teilweise von der Hyundai Motor Company (HMC) einschließlich ihrer Tochtergesellschaft Kia Motors Coroperation unterstützt - 12, Heolleung-ro, Seocho-gu, Seoul, 06797, Korea

Die kontinuierliche Entwicklung von experimentellen Techniken im Bereich der dynamischen Substrukturierung und Schwingungsanalyse erfordert umfangreiche Untersuchungen und experimentelle Forschung. Zusätzlich zu den Anstrengungen, die für Messkampagnen, Versuchsaufbau und experimentelle Erfassungen unternommen werden, ist eine angemessene Nachbearbeitung der erfassten Daten notwendig, um die Qualität und Zuverlässigkeit der experimentellen Substrukturierungsvorhersagen zu verbessern. Unsicherheitsquantifizierung, Regularisierung, Rauschfilterung und Datenselektion sind einige der Themen, die in diesem Forschungsprojekt behandelt werden. Hierbei werden aktuelle wissenschaftliche und industrielle Herausforderungen näher untersucht. Ziel ist es, ein tiefgreifendes Verständnis für die Fehler zu entwickeln, die die Substrukturierungsergebnisse beeinflussen, und letztendlich praktische und robuste Strategien und Werkzeuge für einen verbesserten Umgang mit experimentellen Daten anzubieten.