Praktische Ansätze zur inversen Berechnung von Drivesignalen für Landmaschinen auf dem virtuellen Prüfstand

Aufgrund der hohen Anforderungen in der Agrarindustrie werden Landmaschinen ständig komplexer. Die Grundlage jeder zielorientierten Auslegung hinsichtlich Festigkeit und Schwingungsverhalten ist die Kenntnis der äußeren Belastungen. Messungen von Kräften und Momenten an der Radnabe, jenem Punkt an dem die Lasten in die Maschine eingeleitet werden, sind technisch nicht möglich bzw. finanziell nicht tragbar. Zusätzlich weisen Landmaschinen nichtlineares Verhalten auf, wie etwa komplexes Reifenverhalten, Lagertoleranzen oder nichtlineare Hydraulikkomponenten. Synthetisch generierte Straßenprofile können nur bedingt verwendet werden, da typische Feldwege durch starke statistische Streuungen charakterisiert werden. Daher ist die Krafteinleitung in die mechanische Struktur ebenfalls eine komplexe stochastische Funktion, die für die messtechnische Erfassung erhebliche Probleme darstellt. Im Gegensatz zu den äußeren Anregungen (Eingangsvariablen) sind innere Messgrößen (Ausgangsvariablen) durch standardisierte Messverfahren eindeutig bestimmbar. Typischerweise werden Beschleunigungen, Dehnungen oder Kräfte an der Maschine erfasst und als Targetsignale definiert. Aus diesen Gründen ist man in der Landtechnik bestrebt, mathematische Methoden zu finden, mit denen Eingangsvariablen in einer inversen Berechnung anhand von gemessenen Ausgangsvariablen (Targets) berechnet werden können. In dieser Arbeit werden verschiedene mathematische Ansätze vorgestellt. Die erste Methode ist die sog. „virtuelle Iteration“, welche sich im Automotive - Bereich bereits erfolgreich etablieren konnte. Das Modell wird in einem bestimmten Zustand linearisiert und die Übertragungsfunktionen von Ein- und Ausgangsgrößen werden ermittelt. Durch Invertierung der Übertragungsmatrix können mit den gemessenen Ausgangssignalen die unbekannten Eingangssignale (Drives) berechnet werden. Um Nichtlinearitäten im Modell berücksichtigen zu können, muss diese inverse Berechnung in mehreren Iterationsläufen wiederholt werden. Ein anderer mathematischer Ansatz behandelt die Problematik als optimale Steuerung. Durch verschiedene Optimierungsalgorithmen werden jene Eingangssignale berechnet, damit die Ausgangssignale der Simulation bestmöglich mit den gemessenen Targetsignalen übereinstimmen. Der gesamte zu untersuchende Zeithorizont wird dabei in kurze, einzelne Zeitintervalle gesplittet und somit kann die Optimierung für jedes Intervall individuell durchgeführt werden. Effizienz, Rechenaufwand sowie praktische Einsetzbarkeit der verschiedenen Methoden werden diskutiert und kritisch miteinander verglichen.