Aandrijflijnonderdelen testen met geavanceerde technologie
Aandrijflijnen zijn essentieel om voertuigen in beweging te krijgen. Ze halen de kracht uit de motor en geven deze door aan de wielen. Als een onderdeel zwak is, kan het net als bij een ketting breken, wat voertuigproblemen of zelfs ongelukken kan veroorzaken. Om machines en voertuigen soepel en veilig laten draaien, is het essentieel dat aandrijflijnen aan uitgebreide testen onderworpen worden. Hierbij moeten alle relevante operationele omstandigheden en factoren gesimuleerd worden. Deze testdata kan vervolgens ook bijdragen tot het vroegtijdig opsporen van afwijkingen en problemen in voertuigen en machines. Met deze data kan een AI-model getraind worden om afwijkingen te detecteren en een slim onderhoudsregime te ontwikkelen, met efficiëntiewinst en hogere kwaliteit tot gevolg.
Met onze Modular Multi-Load Drivetrain Test Cell beschikken we over een geavanceerde, veilige testopstelling waarmee componenten van een aandrijflijn dynamisch kunnen getest worden. Vervolgens worden algoritmes ontwikkeld voor het slim opsporen van gebreken. In dit artikel gaan we dieper in op de werking hiervan.
Voorbeeld van een voertuigaandrijflijn - onze Range Rover Evoque
Onderdelen testen in het labo - zoals op de weg
We beschikken over een geavanceerde testopstelling waarmee verschillende onderdelen van aandrijflijnen kunnen worden getest voor (hybride) elektrische voertuigen. Deze opstelling omvat onderdelen zoals de differentieeleenheid (die uw auto helpt bochten te maken), aandrijfas en wielassen. Het is een Hardware-in-the-Loop setup, er wordt gebruik gemaakt van software om alles veilig aan te sturen. Realistische rijsituaties worden nagebootst: het oprijden van een heuvel wordt bijvoorbeeld gesimuleerd door aan te passen hoeveel koppel en snelheid de testmotoren gebruiken.
Om componenten ook in niet-standaard situaties te testen, kunnen afwijkingen mechanisch worden geïntroduceerd of geëmuleerd. Anomaliën die we hebben uitgetest zijn bijvoorbeeld het verkeerd uitlijnen van onderdelen of het laten slippen van de koppeling. Zo kunnen we zien hoe het systeem hiermee omgaat. Dit helpt ons erachter te komen hoe we deze problemen in een vroeg stadium in praktijkscenario's kunnen detecteren.
De testen leveren een schat aan data op. Reguliere gegevens zoals motorkoppel en toerental kunnen worden sowieso geregistreerd. Daarnaast kan een extra, op maat gemaakt data-acquisitiesysteem worden toegevoegd om gegevens van specifieke sensoren te loggen, zoals trillingen van het subframe of belasting van lagerhuizen.
Voorbeeld van een beschadigde aandrijfas. Bron afbeelding
Digital Twin
Vanuit deze testopstelling ontwikkelden we ook een Digital Twin via een Simscape model. Zo kunnen we nog meer scenario’s veilig via simulatie testen. We hebben de betrouwbaarheid van deze Digital Twin gevalideerd door de testresultaten met het digitale model te vergelijken met die van de testopstelling. De resultaten van de simulatie correleren met de experimentele data.
Deze Digital Twin is bijzonder waardevol voor het testen van ernstige anomalieën die fataal zouden zijn voor de getestte onderdelen. Om veiligheidsredenen zal onze testopstelling uitschakelen, maar uit de simulatiedata kunnen we hieruit veel leren over risico's en preventie.
Bovendien genereren we op deze manier heel wat data die gebruikt kan worden voor AI training - om ze detectietools slimmer te maken zonder daadwerkelijke onderdelen te riskeren.
Van voertuigen tot machines: meer veiligheid en betrouwbaarheid
Dit soort testen helpt niet alleen auto's; het kan voor allerlei soorten machines worden gebruikt. De technologie maakt meer verbeteringen mogelijk in de manier waarop machines worden bestuurd en hoe ze presteren, waardoor alles, van rijden tot industriële machines, veiliger en betrouwbaarder wordt. We kunnen daarom de mogelijkheid bieden om storingsmodi van componenten in voertuigen en machines te detecteren, beperken en analyseren voor onze klanten.
