Durch KI zu mehr Zuverlässigkeit und Effizienz

Sie ist der größte Feind von elektrischen Motoren – und damit eine Herausforderung für deren Entwickler: übermäßige Hitze. Bewegt sich der Rotor in einem E-Motor mit hoher Drehzahl, erwärmt sich das Innere der E-Maschine bei hoher Belastung auf 100-150 Grad Celsius. Überschreiten die Temperaturen das zulässige Maximum für längere Zeit, beschädigt das unweigerlich die Isolierung der Wicklungen und reduziert die Lebensdauer der Antriebseinheit deutlich. Zusätzlich führt Überhitzung bei E-Motoren mit Permanentmagneten (PSM) zur Entmagnetisierung – der Motor verliert seine Funktionsfähigkeit.

Um dies zu vermeiden, setzen Motorenentwickler zum einen auf eine wirksame Kühlung, zum anderen auf eine effektive Temperaturüberwachung. Beides sorgt dafür, dass die E-Maschine im optimalen Betriebszustand bleibt. Dies verbessert den Wirkungsgrad des Antriebs und senkt dessen Stromverbrauch. So einleuchtend und leicht die Notwendigkeit der Temperaturüberwachung in der Theorie klingt, so anspruchsvoll ist die Umsetzung. “Es ist schwer, die genaue Temperatur innerhalb des Motorengehäuses zu ermitteln, da sich dort keine verkabelten Sensoren anbringen lassen; zum einen fehlt dort der Raum, zum anderen ist es zu heiß”, sagt Alexander Hoffmann. Auch lasse sich die Wirkung der Ölkühlung durch Simulation nicht mit der erforderlichen Genauigkeit ermitteln, erklärt der Senior Manager Electrified Powertrain Technologie bei ZF und ergänzt: „Am Prüfstand hat sich gezeigt, dass wir mit unseren Simulationsmodellen zu große Abweichungen haben, sie sind nicht präzise genug.“

Lösen lässt sich dieses Problem mit Künstlicher Intelligenz (KI). Denn, abgesehen von zuverlässigen Daten aus dem Motorinneren, gibt es genügend Informationen in Form von Messdaten aus aufwändigen Funktionstests am Prüfstand und aus Erprobungsfahrzeugen: Gemessene Temperaturen aus dem Motor-Umfeld – etwa vom Öl in der Ölwanne – sind ebenso vorhanden wie die Ölmenge, die zur Kühlung des E-Motors eingesetzt wird. Auch die Drehzahlen des Rotors werden permanent ermittelt.

Aus diesen Daten erzeugen die Entwickler mit Hilfe der KI zuverlässige Vorhersagen zur Temperaturentwicklung. Genau das ist der Vorteil von KI-Algorithmen: Aus einer Fülle von Daten erfassen sie die Zusammenhänge, die besonders aussagekräftig sind für die Temperaturveränderungen an Rotor und Stator. Daraus leiten sie eine Temperaturprognose ab, die mit der wirklichen Messung am Prüfstand nahezu übereinstimmt. Mit den Temperaturprognosen lassen sich dann wiederum andere Funktionen in der Steuerungssoftware verfeinern. „Erstaunlich ist, dass die von der KI vorhergesagten Temperaturen nur mehr um wenige Grad vom gemessenen Wert abweichen“, so Hoffmann.

ZF nennt diese KI-basierte Lösung zur Temperaturüberwachung im E-Motor des Fahrzeugs „TempAI”. „TempAI“ funktioniert mit einem lernfähigen Temperaturmodell, das auf einer Plattform basiert, die physikalisch fundierte Modelle automatisiert aus Messdaten entwickelt und in kürzester Zeit lauffähig macht.

„Durch unsere technische Lösung ‚TempAI‘ gelingt es uns, die Effizienz und Zuverlässigkeit unserer Antriebe weiter zu steigern. Gleichzeitig zeigen wir mit diesem neuen Ansatz, wie die datengetriebene Entwicklung nicht nur schneller, sondern auch nachhaltiger und leistungsfähiger sein kann“, sagt Dr. Stefan Sicklinger. Er ist bei ZF im Bereich Forschung und Entwicklung der Leiter KI, Digitales Engineering und Validierung.

Neben der Leistung bringt „TempAI“ auch ökologische und wirtschaftliche Vorteile. Durch die optimierte thermische Auslegung lassen sich die E-Motoren viel exakter entwickeln und damit auch der Bedarf an Materialien genauer planen. Da kleinere Motoren eine geringere Menge an Magneten benötigen, spart der Hersteller auch eine erhebliche Menge kostbarer Rohstoffe wie Seltene Erden ein. Gleichzeitig lässt der Einsatz von virtuellen Sensoren die Entwicklungszeit deutlich sinken – von mehreren Monaten auf wenige Tage. Denn KI verarbeitet die Daten sehr rasch, die auf Erprobungsfahrten und an kostenaufwändigen Prüfständen gemessen werden.

Inzwischen ist die KI-basierte Lösung unter dem Namen „ZF TempAI“ in Serie und kommt in der neuen Generation von ZF-Elektromotoren zum Einsatz. Sie ist vollständig softwarebasiert und funktioniert ohne zusätzliche Sensorik. Ermöglicht wird das durch eine Plattform, die aus Messdaten automatisiert physikalisch fundierte Temperaturmodelle erzeugt. Diese benötigen nur geringe Rechenkapazitäten und lassen sich auf bestehenden Steuergeräten ausführen.

Die virtuelle Temperaturerfassung hat auch einen großen Nutzen für die Hersteller, denn durch die genaueren Temperaturvorhersagen lassen sich Elektromotoren im Betrieb näher an ihre maximale Betriebstemperatur bringen. So steigt die Effizienz des E-Motors nachweislich und der Energieverbrauch kann um 6 bis 18 Prozent sinken.