Literatur vom gleichen Autor/der gleichen Autor*in
plus bei Google Scholar

Bibliografische Daten exportieren
 

Hochfrequenzgestützte Zustandsdiagnose für die Überwachung von Benzinpartikelfiltern

Titelangaben

Walter, Stefanie:
Hochfrequenzgestützte Zustandsdiagnose für die Überwachung von Benzinpartikelfiltern.
Düren : Shaker-Verlag, , 2024 . - 180 S. - (Bayreuther Beiträge zur Sensorik und Messtechnik ; 40 )
ISBN 978-3-8440-9427-5
( Dissertation, 2024, Universität Bayreuth, Fakultät für Ingenieurwissenschaften)

Volltext

Link zum Volltext (externe URL): Volltext

Abstract

Angesichts zunehmend strengerer Abgasnormen sind Partikelfilter in modernen Benzinfahrzeugen mittlerweile zum Standard geworden. Eine präzise Überwachung der Ruß- und Aschebeladung des Filters ist entscheidend für eine effiziente Reduktion der Partikelemissionen bei möglichst geringem Mehrverbrauch. Übliche Differenzdrucksensoren, die bei Dieselpartikelfiltern zuverlässig eingesetzt werden, sind jedoch bei Benzinpartikelfiltern aufgrund veränderter Betriebsbedingungen nicht genau genug. In dieser Arbeit wird die Eignung der hochfrequenzgestützten Zustandsdiagnose als alternative Methode zur Bestimmung der Filterbeladung untersucht und eine Methode entwickelt, um Quereinflüsse auf das Sensorsystem zu reduzieren. Zudem wird ein Simulationsmodell erstellt, mit dem das Hochfrequenzsignal vorhergesagt werden kann.

Weitere Angaben

Publikationsform: Dissertation
Institutionen der Universität: Fakultäten > Fakultät für Ingenieurwissenschaften
Fakultäten > Fakultät für Ingenieurwissenschaften > Lehrstuhl Funktionsmaterialien > Lehrstuhl Funktionsmaterialien - Univ.-Prof. Dr.-Ing. Ralf Moos
Profilfelder > Advanced Fields > Neue Materialien
Forschungseinrichtungen > Zentrale wissenschaftliche Einrichtungen > Bayreuther Materialzentrum - BayMAT
Forschungseinrichtungen > Forschungsstellen > BERC - Bayreuth Engine Research Center
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Eingestellt am: 10 Apr 2024 07:54
Letzte Änderung: 10 Apr 2024 07:54
URI: https://eref.uni-bayreuth.de/id/eprint/89272