Selbstvalidierung komplexer elektronischer Systeme in sicherheitskritischen Mobilitätsanwendungen auf Basis von Greybox-Modellen (SesiM); Teilvorhaben des Projektpartners: Erarbeitung von Prüfstrategien sowie Entwicklung und Aufbau eines Messsystems zur Bewertung der Systemzuverlässigkeit KI- basierter Systeme

Abstract

Zentraler Aspekt von SesiM ist die Entwicklung einer KI-basierten Zustandsüberwachung für den optimierten Betrieb von Automobil- und Bahntechnik. Ein digitaler Fingerabdruck der elektro- und mechatronischen Baugruppen wird erzeugt, um auf alterungsbedingten Verschleiß und sicherheitskritische Änderungen proaktiv reagieren zu können. Sich ändernde Einflüsse von Fertigungsprozessen und Materialqualitäten, ex- und intrinsischen Belastungen in der Nutzungsphase sowie systembeschreibende Sensordaten werden erfasst, bewertet und innerhalb einer innovativen Modellbildung genutzt. Der neuartige Ansatz wird in eine Selbstdiagnose auf Systemebene eingebunden und es wird ein intelligentes Betriebs- und Wartungsmanagement realisiert. Bei sicherheitskritischen Systemen werden aktuell starke Überauslegung oder redundante Aufbauten zur Vermeidung von Ausfällen genutzt. Neue Ansätze sind notwendig, um den Vorsprung im Bereich nachhaltiger Fahrzeugentwicklung bei zunehmender Digitalisierung und Automatisierung stetig voranzutreiben. AUCOTEAM war im SesiM-Projekt hauptsächlich für die Definition, Durchführung, Auswertung und Bewertung der Umweltsimulationsprüfungen an Testmustern verantwortlich. Hieraus wurden mittels Online-Monitoring Messdaten generiert und aufbereitet, welche zur Lebensdauerberechnung und KI-Modellierung an die beteiligten Projektpartner übermittelt wurden. The central aspect of SesiM is the development of AI-based condition monitoring for the optimized operation of automotive and railway technology. A digital fingerprint of the electrical and mechatronic assemblies is generated in order to be able to react proactively to age-related wear and safety-critical changes. Changing influences of production processes and material qualities, external and internal loads during the usage phase as well as system-describing sensor data are recorded, evaluated and used within an innovative modeling process. The innovative approach is integrated into self-diagnosis at system level and intelligent operation and maintenance management is implemented. In safety-critical systems, severe overdesign or redundant structures are currently used to avoid failures. New approaches are necessary in order to continuously advance the lead in the field of sustainable vehicle development with increasing digitalization and automation. In the SesiM project, AUCOTEAM was mainly responsible for the definition, implementation, evaluation and assessment of the environmental simulation tests on test samples. Online monitoring was used to generate and process measurement data, which was transmitted to the participating project partners for service life calculation and AI modeling.