Entwicklung eines KI-Modells zur Prädiktion von Alterungseffekten an Emissionsminderungssystemen

Zur Erfüllung zukünftiger Abgasemissionsgesetzgebungen für die Individualmobilität und im Nutzfahrzeugbereich bedarf es immer besserer Konvertierungsleistungen der Abgaskatalysatoren und Filter, sowie der Abgaskonformität bei deutlich gesteigerten Laufleistungen. Die zunehmende Elektrifizierung, auch im Nutzfahrzeugbereich, erhöht die Komplexität der Abgasnachbehandlungssysteme und Betriebsstrategien und erschwert die Prädiktionsgenauigkeit von Alterungseffekten der Katalysatoren. Die sensorische Erfassung der Alterung der Katalysatoren, zur Sicherstellung von Niedrigstemissionen im gesamten Fahrbetrieb, ist ohne hochpräzise Messtechnik jedoch nicht möglich, sodass auf modelbasierte Ansätze zurückgegriffen werden muss. In diesem Beitrag wird das methodische Vorgehen zur Entwicklung einer fahrzeugunabhängigen, modellbasierten Prädiktion der Alterung von Abgasnachbehandlungssystemen dargestellt. Das Modell beruht auf dem Ansatz einer datengetriebenen KI, für deren Erstellung Messdaten einer diversen Fahrzeugflotte verwendet und analytisch aufbereitet werden.