ZF nutzt KI zur Temperatur-Überwachung im E-Motor

Durch den Einsatz eines lernfähigen Temperaturmodells soll TempAI die Prognosegenauigkeit um über 15 Prozent verbessern, wie ZF mitteilt. Damit werde eine deutlich präzisere thermische Ausnutzung der elektrischen Maschine möglich. Oder anders ausgedrückt: „Diese exakten Daten erlauben, deutlich mehr Leistung aus einem Elektromotor herauszuholen.“

Das Problem ist in der Branche bekannt: Tief im E-Motor ist es derzeit schlicht unmöglich, die Temperatur genau zu messen. Ohne genaue Kenntnis der exakten Temperatur wurde bisher aus Sicherheitsgründen mit eher konservativen Werten kalkuliert – kein Hersteller oder Zulieferer wollte es riskieren, dass der Elektromotor aufgrund von Überhitzung ausfällt oder Schaden nimmt. Das hatte zur Folge, dass teilweise das Kühlsystem stärker ausgelegt und genutzt wurde als nötig (was zu einem etwas höheren Energieverbrauch führt) oder mehr Rohstoffe verbaut wurden, um die Komponenten resistenter gegen höhere Temperaturen zu machen. Oder es wurden schlichtweg nicht die theoretischen Leistungsreserven der Antriebseinheit ausgenutzt.

Während der Zulieferer Continental zur Lösung dieses Problems vor einigen Wochen einen neuartigen, zweiteiligen Temperatursensor für permanenterregte Synchronmaschinen vorgestellt hat, will ZF bei seinem Ansatz auf zusätzliche Hardware verzichten. „TempAI basiert auf einer Plattform, die physikalisch fundierte Modelle automatisiert aus Messdaten generiert und in kürzester Zeit lauffähig macht. Bestehende Steuergeräte reichen aus, da die verwendeten KI-Modelle geringe Rechenressourcen beanspruchen“, so das Unternehmen vom Bodensee. Die Folge ist klar: Eine reine Software-Lösung ohne neue Sensoren oder Steuergeräte sorgt für eine sehr kosteneffiziente Umsetzung in der Serie.

Mit der präzisere Temperaturvorhersage ermöglicht der Einsatz von TempAI eine gezieltere Regelung bis zur thermischen Betriebsgrenze. ZF gibt „bis zu sechs Prozent mehr Spitzenleistung und eine nachweisebare Effizienzsteigerung im WLTP-Zyklus“ als Ergebnis an. Bei dynamsicher Fahrweise soll der Energieverbrauch je nach Lastpunkt um sechs bis 18 Prozent – als Beispiel wird eine Fahrt über die Nürburgring-Nordschleife genannt.

Neben den Vorteilen im Betrieb ergeben sich mit der besseren Temperaturvorhersage auch Auswirkungen schon in der Entwicklung – und damit ökologische und wirtschaftliche Vorteile. Mit der genaueren Kenntnis der Temperatur kann die thermische Auslegung der Antriebe optimiert werden, um „signifikante Mengen an schweren Seltenen Erden“ einzusparen, so ZF. Und auch die Entwicklungszeit der thermischen Auslegung könne „von mehreren Monaten auf wenige Tage“ verkürzt werden, da die KI helfe, die Vorgänge im Inneren des E-Motors zu verstehen.

„Diese Technologie ermöglicht es uns, die Effizienz und Zuverlässigkeit unserer Antriebe weiter zu steigern“, sagt Stefan Sicklinger, Leiter KI, Digitales Engineering und Validierung im Bereich F&E. „Gleichzeitig zeigen wir mit TempAI, wie datengetriebene Entwicklung nicht nur schneller, sondern auch nachhaltiger und leistungsfähiger sein kann.“

Die auf KI basierte Technologie ist serienreif und für die neue Generation von ZF-Elektromotoren verfügbar – also auch für die jüngst vorgestellte Antriebsplattform SELECT. „Wir sind stolz darauf, diese Innovation nun in die Serienproduktion zu bringen und damit einen bedeutenden Beitrag zur effizienteren E-Mobilität zu leisten“, sagt Otmar Scharrer, Entwicklungsleiter für elektrifizierte Antriebstechnologien. „TempAI ist ein echter technologischer Durchbruch für das Temperaturmanagement elektrischer Antriebe.“

zf.com