Fahrzeugtechnik

Fahrzeugtechnik ist ein Fachgebiet des Maschinenbaus, das eine eigene Ingenieurdisziplin darstellt.
Während der Fahrzeugbau sich mit der Produktion von (Kraft-) Fahrzeugen befasst und die Verkehrstechnik in der Hauptsache die Lenkung von Verkehrsströmen behandelt, geht es in der Fahrzeugtechnik um umfassende Betrachtung der Konzeption, Konstruktion, Simulation und des Betriebs des Gesamtsystems Fahrzeug und dessen Einzelkomponenten.

Loading Video...

Defeat device, kommen her zu mir!

by Paul Balzer on 14. Juli 2019

No Comments

Play Video Hide Video

Am 16. Mai 2003 vor 9Uhr früh schreibt ein Audi-Software-Entwickler eine Email mit dem Betreff “OBDII ein Gedicht” mit u.a. folgendem Inhalt:

Der Erlkönig anno 2004

[…]

Defeat device, komm her zu mir!
Gar schöne Spiele spiel ich mit dir;
Manch’ Schweinerei liegt auf der Hand,
die ich will verdecken mit nem Hystereseband.

[…]

Das ist doch nur schön, wenn man Resignation in kunstvolle Kritik wandelt und den letzten Arbeitstag vorm Wochenende bei den Kollegen mit einem Lächeln starten lässt. Mangelnde Kreativität kann man den Audi-Entwicklern jedenfalls nicht vorwerfen!

Der Fall Audi – ARD Reportage

Was die Reportage m.M.n. das 1. mal zeigt, ist die Software-Manipulation bei EU6 Fahrzeugen. Alles was bisher juristisch anhängend und breit in den Medien diskutiert war/ist, sind die EA189 und EA288 EU5 Motoren von VW. Das sind Fahrzeuge ohne AdBlue und dort ging es um die Ansteuerung des AGR Ventils. Der Wikipedia Artikel zum Thema Abgasskandal behandelt ausschließlich diese Motoren (Stand 07/2019). Diese Reportage deckt eine ganz neue Seite der Manipulation auf.

Hier wird nun deutlich, was jedem hätte klar sein müssen: Die Größe des AdBlue Tanks und die Auffüll-Intervalle der ersten EU6 Motoren (EA 897) passen nicht zusammen. Der AdBlue Verbrauch liegt theoretisch in etwa bei 5% des Diesel-Verbrauchs (kann bei Stadtfahrten wesentlich höher werden). Das bedeutet, man müsste ca. 5L AdBlue pro 100L verbranntem Diesel in den SCR Kat einspritzen. Für ein Beispielfahrzeug mit durchschnittlich 8L/100km Diesel Kraftstoffverbrauch und einem 6L AdBlue Tank, müsste man diesen AdBlue Tank alle 1.500km nachfüllen! So ist in einer Audi Präsentation zum Thema AdBlue Verbrauch und Tankgröße folgendes zu sehen:

  • Verbrauch läge in Kundenhand bei bis zu 8L/1000km
  • Volumen AdBlue-Tank – Touareg GP (Soll: 17 L)

Das wollte und konnte niemandem den Kunden zumuten!

Mach das weg!

In der Reportage wird auch ziemlich klar, dass die von den Ingenieuren getroffenen Feststellungen (u.a. schon Anfang 2008 bei Testfahrten) nicht nach oben getragen werden sollten. Mit jeder Führungsebene nach oben wurde der Druck höher und die Vorstandsvorsitzenden duldeten keine schlechten Nachrichten. Wer schlechte Nachrichten überbrachte, wurde ein Kopf kürzer gemacht. Dazu der Druck vom US-Vertrieb wegen der “Clean Diesel” Markteinführung-Strategie.

Ein System von Befehl und Gehorsam

Nachdem das Problem softwaremäßig durch zwei verschiedene Betriebsmodi (Prüfstand und Realfahrt) gelöst wurde, konnte es relativ leicht für den EU Markt genutzt werden, denn hier ist es gesetzlich (NEFZ) nicht vorgeschrieben gewesen, die Prüfstandsemissionen auch auf der Straße einhalten zu müssen.

Risikoeinschätzung

Neben den technischen Schwierigkeiten, welche gelöst wurden, gab es natürlich eine juristische Einschätzung im Konzern. Im Oktober 2013 wurde folgendes festgehalten:

  • Das Kernrisiko besteht in der Aufdeckung von Softwaremaßnahmen, die unerlaubt Eingriffe in das Emissionskontrollsystem vornehmen
  • Für EPA erfüllt das Fahrzeug im Extremfall die Emissionsanforderungen nicht
  • In der Vergangenheit sind solche Themen selten an die Öffentlichkeit gelangt.
  • Eine direkte Auffälligkeit vor Kunde ist eher gering. Nur Fachinstitut und Behörden haben die Möglichkeit zu einer genauen Analyse. Bei einem gezielten Hinweis ist der Nachweis jedoch einfach.
  • Betroffen sind im Feld seit MY 09 62.000 V6 TDI, von MY 15-19 geplant 70.000 V6TDI in 7 Konzepten bei 3 Marken.
  • Empfehlung EA-5: Umstellung Software asap, Field-Fix vorbereiten und Entwicklung einer Argumentation für mögliche Behördennachfrage.

Die Behördennachfragen kamen und waren so formuliert, dass man “mit einem blauen Auge davon kam”. Mittlerweile hat sogar die Staatsanwaltschaft ein Blick auf das KBA geworfen, weil dort nur eingeschränkte Kooperation zu erfahren ist.

Ist der Diesel tot?

Nein! Man darf nicht vergessen, dass wir auf der Welt versuchen müssen die Kohlendioxid-Emissionen (CO2) zu reduzieren und da ist der Diesel das beste Antriebskonzept. Die nachgelagerten Stickoxid- und Ruß-Problematiken sind mittlerweile gelöst und man kann aktuelle Diesel ab Abgasnorm EU6d-temp ohne Problem kaufen:

Diesel Abgasnorm und Emissionsverhalten nach RDE und entsprechender Kaufempfehlung

4D Kalman Filter in C

by Martin Paridon on 31. Dezember 2018

No Comments

Einleitung

Für ein Vorstellungsgespräch bei meinem jetzigen Arbeitgeber habe ich unter anderem nach den gängigsten Filtern zur Beschreibung von Bewegungen im Raum gesucht. Dabei bin ich auf dieses 4D Kalman Filter gestoßen. Dort werden die mathematischen Zusammenhänge und die Implementierung des Filters in Matlab beleuchtet. Da ich bei meiner aktuellen Arbeitstelle allerdings mit C-Code arbeite, habe ich mir zum Ziel gesetzt, den Algorithmus in C umzusetzen.

Mein Vorschlag ist daher keine Kritik oder Neuentwicklung des besprochenen Filters an sich, sondern ist vielmehr als Ergänzung für Entwickler gedacht, die lieber in C arbeiten.

Der komplette Source-Code befindet sich hier. Abhängigkeiten zu externen (nicht-Standard-) Bibliotheken wurden gezielt vermieden, allerdings wurde an zwei Stellen externen Code mit in das Projekt eingebaut und entsprechend erwähnt. Dieser Filter kann durch einfache Änderungen als Basis für einen echten eingebetteten Filter hergenommen werden.

Ich werde hier Schritt für Schritt durch die wichtigsten Stellen des Codes gehen und an geeigneten Stellen auf den originalen Algorithmus verweisen.

Sollten programmiertechnische Fehler auffallen oder gar Copyright-Probleme entdeckt werden, bitte ich sehr darum, sich bei mir zu melden oder selbst über Github aktiv zu werden. Der Code wurde auf meiner Maschine mit meinem Compiler getestet, ein plattformübergreifendes Funktionieren kann nicht garantiert werden. Ich bin aber gerne für konstruktive Kritik offen!

Source Code

Inhalt von KalmanFilter.c

Zeilen 1 – 6

Benötigte Includes, hauptsächlich für Ein- und Ausgabe und zu selbstgeschriebener KalmanFilter.h-Datei.

Zeilen 15 – 26

Erzeugen von Zufallsvariablen. Benutzt wird die Box Muller Transformation zur Erzeugung Gauß-verteilter Zufallszahlen (entnommen von hier). Dies entfällt bei einem echten System.

Zeilen 29 – 37

Matrizen werden entsprechend dem Beispiel mit Anfangsdaten befüllt.

Zeilen 40 – 57

In diesen Matrizen werden Zwischenergebnisse gespeichert. Diese werden hier mit Nullen initialisiert.

Zeilen 59 – 62

Es wird eine Ergebnis-Datei geöffnet und der Gnuplot initialisiert.

Zeilen 64 – 112

Hauptschleife, die den Algorithmus implementiert. Kann im Falle einer echten Anwendung durch eine while-Schleife ersetzt werden, in der zyklisch Werte abgefragt und weiterverarbeitet werden. Das Abfragen der Werte kann in

Zeilen 78 + 79

geschehen.

Vor jedem Rechenschritt steht der Teil des originalen Algorithmus, der darunter berechnet wird. In

Zeilen 105 – 109

werden Zwischenschritte der Berechnung ausgegeben. Hier kann man zu Debug-Zwecken auch andere Werte verwenden.

Zeilen 115 – 121

Housekeeping

Zeilen 125 bis Ende

Der Rest des C-Files implementiert die nötigen Algorithmen. Bei den meisten handelt es sich um einfache Matrix-Multiplikationen oder Ausgabefunktionen. Die einzig kompliziertere Rechnung ist die der Matrix-Inversen (entnommen von hier). Durch die Ausgabe im gnuplot und als Textdatei, kann der Entwickler schnell und einfach feststellen, dass er richtig entwickelt hat. Im Falle dieses Algorithmus habe ich so recht einfach meinen Output mit dem des Originaloutputs vergleichen können.

Inhalt von KalmanFilter.h

Enthält

Ab Zeile 10

hauptsächlich Funktionsdeklarationen der im vorhergehenden Teil beschriebenen Funktionen.

Ab Zeile 86

werden nützliche Abkürzungen definiert, die den Hauptcode etwas aufgeräumter wirken lassen sollen. Der Schlüssel #define weist den Compiler an, den nachfolgenden String VOR dem Compilieren durch den darauffolgenden String zu ersetzen.

Beispiel:

#define WRITEFLOATARRAYTOFILE(f, arr) int i; for ( i= 0; i < SIZEOFARRAY(arr); i++) fprintf(f, "%f\n", arr[i]);

Schreibt die Werte eines Float-Arrays (arr) in eine Textdatei (f), mit jeweils einem Zeilenvorschub (\n) unter Zuhilfenahme eines weiteren hilfreichen Shortcuts SIZEOFARRAY (da die Größe eines Arrays in C nicht ohne Umwege zu erhalten ist). Im Code ist diese Funktionalität durch die Abkürzung WRITEFLOATARRAYTOFILE(f, arr) zu erreichen.

Inhalt von CleanMakeAndRun.bat

Dieses Skript entfernt zuvor gebaute Objekte und Executables und baut den Source Code neu. Außerdem wird er nach dem Bauen ausgeführt und das eventuell schon vorhandene gnuplot Fenster vor dem Ausführen geschlossen. So kann nach Änderungen am Code im gleichen Fenster neu gecleanet, gebaut und ausgeführt werden; alles mit einem Tastendruck.

Wie das funktioniert, wird im folgenden Video dargestellt.

Inhalt von Makefile

Eigentliche Anweisungen an den Compiler. Muss bei Hinzufügen, Ändern oder Löschen von Source-Code angepasst werden.

Inhalt von Kalman.m

Leicht angepasster Original-Algorithmus von hier.

Abhängigkeiten

Das Programm muss mit einem geeigneten C-Compiler compiliert werden. Ich selbst benutze MinGW auf Windows 10. Falls gnuplot zur Anzeige der Daten genutzt werden soll, ist die Installation von gnuplot erforderlich.

Vergleich der Output-Daten

Wie besprochen, handelt es sich im hier vorgeschlagenen Beitrag um eine Code-Portierung von Matlab auf C. Die folgenden Bilder zeigen, dass beide Algorithmen sich mit gleich parametriertem Filter in etwa gleich verhalten. Da es sich in beiden Fällen um “echte” Zufallszahlen handelt, kann nie der exakt gleiche Output erwartet werden.

Folgende Abbildung zeigt den Output des originalen Matlab-Algorithmus.

Der vorgeschlagene Ansatz in C liefert folgenden Output:

[Tutorial] Georeferenzieren mit QGIS

by Paul Balzer on 8. Mai 2018

1 Comment

Zur Abwechslung mal ein Beitrag aus dem Themengebiet der Kartografie. Motorblog mit einem Beitrag zur Kartografie, wie kommt das denn? Ganz einfach: Vor meinem Fahrzeugtechnik-Studium habe ich mal Vermessungstechniker gelernt und nun ist die Zeit, wo sich das Wissen beider Fachrichtungen kombinieren lässt. Fahrzeuge benötigen heutzutage hochgenaue Karten und ein in sich relatives Koordinatensystem zur Ego-Positionsbestimmung. Fährt man auf Testgeländen oder neuen Strecken, hat man i.d.R. keine hochgenauen Karten.

Man muss sie selbst erstellen. Wie kann man das machen? Die einfachste Möglichkeit ist, dass man ein Luftbild, z.B. von einer Drohne georeferenziert und dann alle relevanten Punkte aus dem Foto entnehmen kann. Man setzt also das Foto in einen geografischen Kontext (georeferenzieren) und kann dann vom Foto korrekte Geokoordinaten abnehmen.  Zum Beispiel die Koordinaten von Gebäude-Ecken oder Lichtsignalanlagen oder Schildern oder Straßenmarkierungen oder oder oder.

Hier ein Beitrag, wie man ein Luftbild (z.B. von einer Drohne) mit QGIS georeferenziert.

Continue Reading

Einblicke in die Automobile Entwicklung: Gespräche mit Mercedes-Ingenieuren

by Paul Balzer on 1. Februar 2018

No Comments

Ich lobe die Herren von fünfkommasechs sonst nicht so sehr für ihre Folgen, doch diesmal reden sie selbst nicht so viel, sondern lassen andere zu Wort kommen und das ist ein (leider viel zu seltener) Einblick in die historische Automobil-Entwicklung! Aufgezeichnet wurden Interviews mit ein paar der ehemaligen Entwicklungs-Ingenieuren der S-Klassen W109, W116, W126, W140, W220 und W221 während der “Faszination Mercedes-Benz S-Klasse” Veranstaltung.

Continue Reading

Einsatz von Software Defined Radios für Kommunikations- und Ortungsanwendungen

by Robert Richter on 22. Dezember 2017

1 Comment

Was sind überhaupt Software Defined Radios, kurz SDR und wofür setzt man diese sinnvoll ein?

Ein SDR besteht prinzipiell erst einmal aus einem einstellbaren breitbandigen Radio Frontend ohne Funktion. Das bedeutet, es kann einen bestimmten Frequenzbereich mit einer bestimmten Bandbreite bedienen. Als Beispiel sei hier das allseits beliebte USRP-2920 von National Instruments (früher Ettus Research), mit 20 MHz Bandbreite und einen Frequenzbereich von 50 MHz bis 2,2 GHz, genannt (vgl. Abbildung 1).

Abbildung 1 USRP-2920 von National Instruments

Über einen verbauten Hochgeschwindigkeits‑A/D‑Wandler und ‑D/A‑Wandler für das sogenannte Basisband‑I/Q‑Streaming können, über einen Host‑PC mit entsprechender Gigabit‑Ethernet Anbindung, beliebige Kommunikations- und Ortungssignale erzeugt werden. Die Betonung liegt hier auf dem Wort „können“.

Das bedeutet, allein die Software bestimmt die Funktion!

Continue Reading

Von der Theorie auf die Rennstrecke: Kalman-Filter für die Antriebsschlupfregelung

by Stephan Heidrich on 16. Mai 2017

1 Comment

Wie schon viele von euch habe ich mich im Rahmen meines eigenen Projektes mit dem Kalmanfilter beschäftigt und dabei viel von den Blogeinträgen KF 1/KF 2/EKF gelernt. Da ich auch aufgrund des Standortvorteils direkt mit Paul über die Gestaltung fachsimpeln konnte, ist zwischen uns die Idee enstanden euch meine Umsetzung nicht vorzuenhalten. Deswegen möchte ich im Folgenden genauer auf die Bedatung der verschiedenen Matrizen, aber weniger auf die Berechnungen eingehen. Dafür sind ja schon die genannten Einträgen da.

Continue Reading

Aktueller Stand zum hochautomatisierten Fahren – by Mercedes-Benz Ingenieur Ralf Herrtwich

by Paul Balzer on 20. Februar 2017

1 Comment

Überraschend ehrlich und direkt präsentiert Prof. Dr.-Ing. Ralf Herrtwich den aktuellen Stand zum hochautomatisierten Fahren. Er umreist sowohl die Themen “Warum überhaupt?”, “Wie?” als auch “Wie lange noch?” und zeigt eindrucksvoll, wie es derzeit vorwärts geht. Absolute Empfehlung!

Ende des Verbrennungsmotors: Milchmädchenrechnung zum Energieerhaltungssatz

by Paul Balzer on 9. Oktober 2016

10 Comments

Lassen wir das Lobbying von allen Seiten mal weg, sind wir für oder gegen einen schönen BMW M5 oder für oder gegen einen schönen Tesla Model S. Doch die Meldung, dass der Bundesrat die Neuzulassung von Verbrennungsmotoren ab 2030 verbieten möchte, ist dann doch sehr konkret.

Von vielen kleinen Fragezeichen, die sich dann ergeben und für die sicher die Politik Lösungen finden wird, stellt sich für mich vor allem folgende Frage: Woher kommt denn dann die Energie?

2009-11-16-I-drive-a-clean-car-Fuck-yeah.png

Continue Reading

False Positive und Kundenakzeptanz – Wieso der Tesla Autopilot Crash kaum zu verhindern war

by Paul Balzer on 4. Juli 2016

1 Comment

Irgendwann musste es passieren: Ein im automatisierten Fahrbetrieb befindliches Fahrzeug ist in einen Unfall verwickelt und kann die Situation nicht retten. In diesem Fall ist ein Mensch um’s Leben gekommen. Sehr tragisch. Was ist passiert?

Ein Truck biegt an einer Kreuzung links ab und nimmt einem geradeaus fahrenden Fahrzeug die Vorfahrt. Soweit erst einmal ein statistisch gesehen relativ häufiger Vorfall. In diesem Fall war das Fahrzeug ein Tesla Model S im ‘Autopilot’ Modus. Das bedeutet, dass das Fahrzeug selbst die Längs- und Querführung übernommen hat (Lenken & Gas/Bremse). Die Software wird von Tesla unter Realbedingungen ‘beim Kunden’ getestet, sie ist ausdrücklich als Beta Version verfügbar, das bedeutet der Kunde darf sich nicht auf die Fehlerfreiheit verlassen, denn er hat eingewilligt sie als Testfahrer zu nutzen. Mutig von Tesla, deutsche Hersteller haben sich dagegen entschieden, wenngleich sie technisch auch so weit wären.

Es ist ein Unglück, welches durch die Verkettung menschlichen Versagens hervorgerufen wird aber in der Verfehlung der Technik mündet:

  1. LKW Fahrer nimmt die Vorfahrt
  2. PKW Fahrer schaut nicht auf die Straße
  3. Autopilot reagiert nicht

Die mediale Debatte entfaltet sich natürlich in Richtung Tesla und Fehler der “Autopilot” Funktion. Wieso hat der Autopilot das nicht erkannt? Nungut, steigen wir mit ein.

Continue Reading

Fahrwerk: Geometrische Grundbegriffe

by Paul Balzer on 14. Juni 2016

4 Comments

Ein Auto besteht nicht nur aus Motor und Lenkrad. Die Verbindung zwischen dem Fahrzeug und der Fahrbahn erfolgt über das Fahrwerk. Dazu gehören die Reifen, Felgen, Radaufhängung, Stoßdämpfer und Federung. All dies arbeitet gemeinsam für eine sichere und komfortable Art sich fortzubewegen.

Das Thema Fahrwerk ist so komplex, dass man es niemals komplett und allgemeingültig beschreiben kann. Man kann sich immer nur einzelne Details heraus greifen und isoliert darüber schreiben. Man darf nicht vergessen, dass das Fahrwerk eine geführte Bewegung des Rades in 3 Dimensionen erlauben muss, dazu noch Längs-, Quer- und Vertikalkräfte aufnehmen, Feder- und Dämpfungskräfte verarbeiten und einlenken soll das Rad auch noch. Das alles in einem sehr beschränkten Bauraum. Außerdem müssen Sollbruchstellen und Crash-Zwangsbewegungen eingehalten werden. Extrem komplexe Zusammenhänge!

Wer von sich behauptet alles über Fahrwerksdynamik und -setup zu wissen und deshalb selbst anfängt daran rum zu schrauben (Tieferlegungsfedern, Distanzscheiben, …), der sollte bitte ein Praktikum bei BMW, Porsche oder ZF machen und den Jungs mal über die Schulter schauen. Don’t touch this!

In diesem Beitrag werden wir uns den ganz einfachen Basics des Fahrwerk-Setups widmen und über Sturz, Spreizung und Nachlauf reden.

Continue Reading

[Test] Mobileye – Nachrüstbares Fahrerassistenzsystem

by Paul Balzer on 27. Februar 2016

6 Comments

Fahrerassistenzsysteme leisten seit einigen Jahren einen wesentlichen Beitrag zur aktiven Sicherheit im Straßenverkehr. Anders als passive Sicherheitssysteme (wie Airbag, Gurtstraffer usw.) versuchen sie Unfälle erst gar nicht entstehen zu lassen. Das ist gar nicht so leicht! Auch wenn es viele nicht wahrhaben wollen, aber es gibt eine erschreckende Zahl: 90.

  • 90% aller Autofahrer_innen denken, sie sind gute Fahrer_innen
  • 90% aller Autofahrer_innen denken, andere sind schlechte Fahrer_innen
  • 90% aller Verkehrsunfälle sind auf menschliches Fehlverhalten zurückzuführen

Offensichtlich hat die Verkehrssicherheit ein großes Problem: Menschen werden schwer verletzt oder sterben, weil andere Menschen Fehler machen. Sei es, dass sie Geschwindigkeiten oder Abstände falsch einschätzen, dass sie mit der Fahrsituation überfordert sind oder das sie schlichtweg emotional reagieren und Verletzungen riskieren.

Neuwagen können mit einer großen Anzahl an Fahrerassistenzsysteme ausgestattet werden, bishin zu teilautomatisierten Fahrfunktionen. Der Weg zum selbstfahrenden Auto ist zwar noch lang, aber der Weg dahin wird beschritten. Nicht zuletzt die Versicherer machen Druck, denn Unfälle kosten Geld. Schön wäre es doch, wenn man auch ältere Fahrzeuge mit moderner Technik ausstatten könnte. Ein nachrüstbares System auf dem Markt ist das Mobileye Kamerasystem.

Nachfolgend ein kurzer, technischer Test des Systems aus Sicht eines Entwicklers.

Continue Reading

[Analyse] Der Weg zum selbstfahrenden Auto ist (noch) lang

by Paul Balzer on 20. Januar 2016

4 Comments

Seit circa zwei Jahren mischt Google medial massiv im Business der selbstfahrenden Autos mit. Man hat praktisch den Eindruck, als ob es nur noch eine Frage des äußeren Erscheinungsbildes ist, welches Fahrzeug Google nun als Taxiersatz auf die Straßen dieser Welt los lässt.

Ersatz für den privaten PKW, für das Taxigewerbe sowieso und auch Waren- und Dienstleistungen werden alsbald durch die Self Driving Cars ersetzt, so die mediale Darstellung. Journalisten und Blogger geben jedes noch so schön aussehende Foto von selbstfahrenden Autos zum besten und wiederholen Aussagen über die dinosaurierartige Entwicklungsgeschwindigkeit der deutschen Automobilhersteller.

Ich möchte mit diesem Beitrag eine kleine Einschätzung zu der aktuellen und zukünftigen Situation der selbst fahrenden Autos machen.

Continue Reading

Loading Video...

Re-Engineering der Prüfstandserkennung zur Manipulation der NOx-Emissionen

by Paul Balzer on 28. Dezember 2015

1 Comment

Play Video Hide Video

Im Code liegt die Wahrheit! Viele Pressemitteilungen und journalistische Glanzleistungen sind schon verbreitet worden, doch Fakten gab es bisher wenige. Es gibt wenige Leute, die ausreichend KnowHow haben, sich des Themas #Dieselgate anzunehmen und nicht in finanzieller Abhängigkeit eines Beteiligten stehen oder einen NDA unterschrieben haben.

Einleitender Teil bis 40:00min, ab Minute 40 der Re-Engineering Teil

Felix Domke und Daniel Lange haben auf dem diesjährigen 32. Chaos Communication Congress (kurz: #32c3) einen Vortrag über die Motorsteuerungs-Software auf dem BOSCH Motorsteuergerät gehalten, welches die Prüfstandserkennung und ‘Anpassung’ von AdBlue Einspritzmengen steuert, um

  • auf dem Prüfstand die gesetzlichen Grenzwerte einzuhalten
  • sonst AdBlue zu sparen, damit der Kunde es nicht auffüllen muss

Wer etwas über Dieselmotoren und Abgasnachbehandlung lesen möchte: “Verbrennung von Kraftstoff und Luft” sowie “Definiere einen Grenzwert und man wird ihn erreichen” helfen gut, das Thema zu verstehen.


Auf dem Steuergerät wird ein kompliziertes AdBlue-Dosierungs-Modell (welches vermutlich die korrekte Menge AdBlue einspritzt) und ein Vereinfachtes (welches zu wenig einspritzt) parallel gerechnet. Eine Entscheidungslogik, welche relativ unsinnig parametriert ist, wählt eines der beiden Modelle aus.

Screenshot aus Vortrag von Felix Domke, CC-BY-4.0 Lizenz

Screenshot aus Vortrag von Felix Domke, CC-BY-4.0 Lizenz

Wie man an den Parametern sehen kann, ist die Bedingung immer erfüllt. Anschließend wird allerdings noch eine Unlock-Condition abgefragt, welche sich mit folgender Entscheidungslogik aktiviert.

Screenshot aus Vortrag von Felix Domke, CC-BY-4.0 Lizenz

Screenshot aus Vortrag von Felix Domke, CC-BY-4.0 Lizenz

Der NEFZ als Prüfzyklus ist ziemlich genau genormt, beispielsweise muss das Fahrzeug vorab auf ca. 20°C temperiert werden (was >15°C ist) und der Test muss bei 1bar Umgebungsdruck durchgeführt werden (was >920hPa ist) und es muss ein genau definiertes Geschwindigkeitsprofil abgefahren werden.

Im Steuergerät sind min/max Grenzen für ein Strecke als Funktion der Zeit Profil hinterlegt. Integriert man die Geschwindigkeitsprofile des NEFZ Prüfzyklus auf, so erhält man eine Fahrtstrecke über Zeit, welche ziemlich exakt in der Grenze liegt, welche auf dem Steuergerät hinterlegt ist.

Screenshot aus Vortrag Felix Domke, CC-BY-4.0

Screenshot aus Vortrag Felix Domke, CC-BY-4.0

Verlässt man diese Grenzen, z.B. in dem man statt wieder abzubremsen weiter fährt, schaltet das Steuergerät vom exakten Modus in den alternativen Modus und spritzt damit kaum noch AdBlue ein, wie Felix Domke mit einer Messung zeigt:

Wird das Fahrzeug so bewegt, wie es auch im Prüfzyklus (NEFZ) gefahren wird, dosiert das Motorsteuergerät eine hohe Menge AdBlue. Sobald der NEFZ Modus verlassen wird (hier durch 'weiter mit konstanter Geschwindigkeit fahren, nicht abbremsen, wie vorgesehen' realisiert), wechselt das Steuergerät in einen Alternativmodus und dosiert kaum/kein AdBlue, sodass kaum/keine NOx Konvertierung stattfindet

Wird das Fahrzeug so bewegt, wie es auch im Prüfzyklus (NEFZ) gefahren wird, dosiert das Motorsteuergerät eine hohe Menge AdBlue. Sobald der NEFZ Modus verlassen wird (hier durch ‘weiter mit konstanter Geschwindigkeit fahren, nicht abbremsen, wie vorgesehen’ realisiert), wechselt das Steuergerät in einen Alternativmodus und dosiert kaum/kein AdBlue, sodass kaum/keine NOx Konvertierung stattfindet. Abbildung von Felix Domke, Annotationen von mir.

Der Vortrag ist seit langer Zeit eines der wenigen faktenbasierten und korrekten Darstellungen des Sachverhalts und wirft vor allem eine Frage auf: Sie reden über einen EA189 – EU6 Diesel. Beim VW Abgasskandal ging es bisher vor allem um EU5 Diesel, welche gar kein SCR System mit AdBlue-Einspritzung haben.

Fazit

Im ersten Teil des Vortrags wird von Daniel Lange darauf eingegangen, mit welcher Frechheit der Konzern versucht, es als ‘Kleinigkeit’, als ‘ein Entwickler hat da was rein programmiert, wir wussten von nichts’ abzutun. Er beleuchtet relativ klar, dass es unmöglich ist, eine Funktion die nicht gewollt ist, auf so ein Gerät zu programmieren. Schon allein, weil der enorme Zeitdruck bei der Software-Entwicklung keinen einzigen Entwickler dazu motiviert auch nur eine einzige Zeile Code zu erstellen, die nicht im Lastenheft gefordert wird. Welche Motivation hätte er/sie?!

Diese klar definierte Funktionsanforderung ist nicht ‘mal schnell’ umgesetzt und getestet und funktioniert nicht zufällig Fehlerfrei seit vielen Jahren in vielen Modellen in vielen Ländern (siehe die anderen min/max Kurven in der Abbildung oben).

[Update vom 33c3]

Felix hat noch mal nachgelegt und auf dem 33c3 ebenfalls einen Vortrag “Software Defined Emissions” gehalten. Ebenfalls sehenswert!

Vergleich zwischen Tesla Powerwall und anderen Mitbewerbern

by Paul Balzer on 14. Mai 2015

13 Comments

WiWo Green hat dieser Tage einen Vergleich zwischen verschiedenen elektrischen Heim-Energiespeichern heraus gebracht. Diese benötigt man z.B., wenn man sein Elektrofahrzeug zu Haus laden möchte und dabei die Energie, die die Photovoltaikmodule auf dem Dach tagsüber produziert haben, dafür nutzen möchte an statt das konventionelle Stromnetz. Dazu sei auch noch mal auf folgenden Artikel verwiesen: Kann man sein Elektrofahrzeug mit Solarmodulen laden?

Tesla Gründer Elon Musk hatte für bereits am Markt befindliche Lösungen nicht viel übrig:

They suck. They’re really horrible.

Der deutsche Mittelstand reagierte allergisch auf die Arroganz: “Teslas Batterie ist technisch nicht beeindruckend” schreibt das Manager-Magazin.

Nungut, schauen wir doch mal auf ein paar technischen Fakten.

Continue Reading

Loading Video...

The Future of Computer Vision and Automated Driving by Prof. Amnon Shashua (MobileEye)

by Paul Balzer on 26. März 2015

5 Comments

Play Video Hide Video

Prof. Amnon Shashua ist Co-founder & CTO von Mobileye und er sprach auf der Deutsche Bank Global Auto Industry Conference.

Inkrementale Verbesserungen in der Computer Vision

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Er spricht über die historische Entwicklung der Computer Vision für Fahrerassistenzsysteme und auch die zukünftige. So wird beispielsweise dieses Jahr ein automatischer Notbremsassistent bei Audi eingeführt, welcher nur mit Computer Vision als Sensorik funktioniert. Bisher ein klassisches Betätigungsfeld für Radarsensorik oder Lidar.

Er spricht außerdem über False-Positive (d.h. es gibt kein Hindernis, das System hat aber etwas erkannt und ausgelöst) und False-Negative (d.h. es gab ein Hindernis, das Computer Vision System hat es aber nicht erkannt) Auswirkungen für die Detektion von Ereignissen.

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Außerdem wird auf die Fortschritte der Straßenverlaufs- und Hinderniserkennung bei Nacht eingegangen.

Ebenfalls wird auf die Erkennung von Straßeneigenschaften, d.h. Schlaglöcher oder Schwellen, eingegangen. Diese können relativ genau erkannt und das Fahrwerk bzw. die Geschwindigkeit darauf angepasst werden. Dies wird spätestens bei autonomer Fahrt interessant.

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Videosensorik erkennt Straßenunebenheiten. Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Möglichkeiten der Umfeldwahrnehmung auf dem Weg zur vollautonomen Fahrt

Um das Fahrzeug in der Umgebung sicher bewegen zu können, gibt es verschiedene Ansätze. Google beispielsweise fährt umher und scannt einfach die gesamte Stadt mit 360° Laserscannern in riesigen Punktwolken ab, welche dann zu 3D Modellen zusammen gesetzt werden. Daraus können Straßen, Hindernisse, Ampeln, Bordsteine, Einfahrten etc. extrahiert werden.

Genau auf der anderen Seite der Möglichkeiten steht, gar keine Daten zu sammeln, sondern nur Sensoren immer schauen zu lassen, wie es denn gerade aussieht.

Paradigms-for-Autonomous-Driving-Maps

Doch all diese Step-by-Step Verbesserungen reichen nicht, um autonome Fahrt realisieren zu können. Dafür muss ein großer, riesiger Schritt getan werden.

Deep Learning für vollautonome Fahrt

Prof. Shashua spricht über Deep Learning und das MobileEye seit 2 Jahren an der Nutzung von Deep Learning Algorithmen (genauer: Deep Convolutional Networks) für die Umfeldsensorik arbeitet. Dabei war vor allem das Problem der vielen (kleinen) Operationen (mathematischen Faltungen = Convolutions) die Herausforderung, was aber mit dem neuen EyeQ3 Chip wohl gelöst sei.

Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Videosensorik, angelernt mit Deep Learning markiert Pixelgenau, was freier Raum (grün), Fahrbahnbegrenzung (rot), Front/Heck anderer Fahrzeuge (blau) oder Seite anderer Fahrzeuge (pink) ist. Quelle: Screenshot aus Vortrag Prof. Shashua auf dem Deutsche Bank Global Auto Industry Conference 2015

Mit angelernten neuronalen Netzen war es möglich Fahrspuren zu erkennen, selbst wenn keine Fahrbahnmarkierungen zu ‘sehen’ waren. Außerdem erkennt das Netz freie Fahrbahn, Fahrzeuge und Straßenbegrenzungen. Siehe auch ‘Es beginnt selbst zu lernen…

Dies ist keine Zukunftsmusik, so Shashua, es wird dieses Jahr einen Fahrzeughersteller geben, der dies in Serie heraus bringen wird. Und er sprach viel über Tesla in diesem Vortrag. :)

Sein Fazit ist, dass die Computer Vision die Sensorik für Fahrerassistenzsysteme werden wird, Radar und Laserscanner nur zur Redundanz bzw. Absicherung eingesetzt werden, falls der Fahrzeughersteller diese Kosten auf sich nimmt. Denn Computer Vision Sensorik ist die mit Abstand günstigste.

Nungut, bei Nebel sieht ein Computer Vision System auch nichts, da muss das Radar die Abstandsinformation liefern.

Lange Rede, kurzer Sinn, hier der Vortrag:

Vortrag ‘Zukunft der Computer Vision und Autonomen Fahrt’ von Prof. Amnon Shashua von MobileEye

 

Errata: In der ursprünglichen Fassung des Artikels war die Beschreibung für False-Positive und False-Negative vertauscht.

[Podcast] Automobile Selbstfindung – Die Ära des autonomen Fahrens beginnt

by Paul Balzer on 12. März 2015

1 Comment

Um Autos zu entwickeln, die selbstständig fahren, braucht man freie Bahn. In einigen US-Bundesstaaten mit ihren breiten Straßen und dem ruhigen Verkehr ist das seit 2014 möglich. In Europa mit seinem hohen Autoaufkommen und den engen Fahrspuren tut man sich da schwerer. Das Bundesverkehrsministerium wartet ab.

Dieser Podcast beschäftigt sich mit dem aktuellen Stand der Serienforschung am Beispiel eines Volkswagens. Es wird auf das Wiener Übereinkommen eingegangen als auch auf Deep Learning Algorithmen (Neuronale Netze) zur Lösung von komplexen Problemen des tatsächlichen innerstädtischen Verkehrs.

  Deutschlandfunk

Prädikat: Hörenswert!

Titelbild: CC-BY-NC2.0 Lizenz von flickr.com Brook Ward – “Self Portrait

Bei aller Diskussion um autonomes Fahren sollten die Herausforderungen nicht unterschlagen werden:

Top-Kartenmaterial wird benötigt, die Zuverlässigkeit muss auch bei schlechtem Wetter garantiert sein, Absicherung gegen Cyberattacken und gesellschaftlicher Konsens.”

@zukunftmobil auf Twitter

Anmerkungen zum OmegaTau Podcast: Elektromobilität

by Paul Balzer on 26. Januar 2015

1 Comment

Der OmegaTau Podcast hat Detlef Schumann von bridgingIT zu Gast und sie sprechen über Technologien (Antriebe, Batterien), Infrastruktur (Laden, Stromversorgung), die Auswirkungen auf das existierende Stromnetz, die Ökobilanz elektrischer Antriebe, das Verhalten der Industrie, Auswirkungen auf die Gesellschaft als Ganzes, sowie aktuelle Forschungsthemen.

OmegaTau Podcast #163: Elektromobilität

Ich möchte ein paar Fakten aufgreifen und noch mal ergänzen:

Continue Reading

Loading Video...

Rise of the Machines: Es beginnt selbst zu lernen

by Paul Balzer on 16. September 2014

2 Comments

Play Video Hide Video

Es gibt praktisch kein informationsverarbeitendes Gerät, was ohne Algorithmen auskommt. Dabei sind die guten Dienste immer Artificial Intelligence getrieben. Ob die Produktvorschläge bei Amazon, die Spracherkennung von Google, Siri oder Shazaam. Alles das Ergebnis von Maschine Learning Algorithmen.

Einen sehr schönen Einstieg in die Thematik “Algorithmen”, zeigt dieses Video:

Doch wie geschieht es nun, dass ein Computer so lernen kann?

Continue Reading

Fahrzeugumfeldsensorik: Überblick und Vergleich zwischen Lidar, Radar, Video

by Paul Balzer on 29. Juli 2014

12 Comments

Niemand würde auf die Idee kommen mit verbundenen Augen und den Händen hinterm Rücken zusammen gebunden, durch die Welt zu laufen und erst auf Hindernisse zu reagieren, wenn die Nase diese berührt.

In etwa so geht es aber dem Auto. In ihm übernehmen Beschleunigungssensoren hinter der Stoßstange die Funktion der Nase. Wenn ein Einschlag registriert wird, zünden die Airbags, die Gurte werden gestrafft und eventuell werden Fenster/Schiebedach geschlossen und die Sitze in aufrechte Position gefahren. Dass die zur Verfügung stehende Zeit echt knapp ist, merkt man sofort.

Die Evolution hat uns Menschen Augen gegeben, mit denen wir eine Wand rechtzeitig erkennen und entsprechend reagieren können. Die Physik hat für das Auto Messprinzipien entwickelt, mit welchem es versuchen kann ebenfalls die Umwelt wahrzunehmen. Die Fahrzeugumfeldsensorik hilft dabei, wichtige Informationen über das Fahrzeugumfeld zu sammeln. Die Wichtigsten möchte ich nachfolgend vorstellen.

Continue Reading

[Podcast] Connected Cars: Autonom und vernetzt

by Paul Balzer on 26. Juli 2014

1 Comment

Deutschlandradio Kultur hat in der Sendung Breitband ein Beitrag zu “Connected Cars: Autonom und vernetzt” gebracht, bei dem ich auch etwas beigesteuert habe. Scheint ganz gut angekommen zu sein:

Das komplette Interview ist nachfolgend zu hören:

Titelbild: Bunt von Michael Pollak auf Flickr, cc-by

Themen

  • Sensoren im Fahrzeug: Kleiner Überblick über Sensoren im Fahrzeug.
  • Aufzeichnung der Daten: Ob das Fahrzeug dauerhaft Daten aufzeichnet und speichert ist Geheimnis der Fahrzeughersteller. Ob und wie die Fahrer_innen “bewertet” werden, ist nicht klar. Es gibt jedoch ein paar Anhaltspunkte.
  • Begehrlichkeiten für Fahrzeugdaten: Versicherungstarife und Fahrerklassifikation. Ist nicht so einfach, wie viele Marketingbroschüren für Zusatzhardware versprechen. Der Fahrzeughersteller könnte das ganz gut bewerten, aber der verdient sein Geld (noch) mit dem Verkauf von Fahrzeugen.
  • Was für Assistenzsysteme sind denn derzeit im Markt? Zum Beispiel Adaptive Geschwindigkeitsregelung mit allen Vorteilen für Komfort und Straßenauslastung.
  • Wer hat das letzte Wort, wenn Assistenzsystem und Fahrer_in etwas anderes wollen?
  • Die Zukunft: Das selbstfahrende Auto. Wann kommt es?
  • Und was ist mit den ethischen Fragen für vollautonome Fahrt?

Podcast: Verbrennungsmotoren

by Paul Balzer on 21. Juli 2014

2 Comments

Dr. Donatus Wichelhaus (Leiter Motorenentwicklung bei VW Motorsport) ist zu Gast im OmegaTau Podcast und spricht dort in knapp 3h über alles Wesentliche, was man zum Verbrennungsmotor wissen muss.

Er spricht über die Unterschiede von Diesel- und Ottomotor, den grundlegenden Aufbau eines Verbrennungsmotors (wobei der Interviewer Markus Völter mit “Einspritzung” immer nach der Luft fragt), die Problematik des instationären Laufs für Serien-PKW (und weshalb es Stationärmotoren auf Schiffen wesentlich besser haben), Kreisprozesse, Vorteile des Dieselmotors im Teillastbreich, Aufladung, Abgasenthalpie, Getriebe und am Ende noch über Besonderheiten im Motorsport.

Fazit

Die ersten 2h fassen die Grundlagenvorlesung Verbrennungsmotoren in jedem Fahrzeugtechnikstudium  ziemlich gut zusammen! Absolut grandios vorgetragen und komprimiert. Entsprechende weiterführende Links sind auf http://omegataupodcast.net/2014/07/151-verbrennungsmotoren/ zu finden.

Wenn man noch nicht weiß, wie ein Verbrennungsmotor funktioniert, ist es wahrscheinlich zu kompliziert. Vielleicht hilft diese Infografik.

Titelbild: “Scania 500/560/620 hp 16-litre V8 Euro 4 engine” unter CC-BY-NC-ND2.0 Lizenz von flickr.com

Loading Video...

Kritik am “eCall” für Autos

by Paul Balzer on 7. Juli 2014

No Comments

Play Video Hide Video

Pro: “Da geht’s um’s Leben! Das ist ganz klipp und klar.” – Florian Meier, Notarzt

vs.

Contra: “Wir haben sehr, sehr viele Beispiele dafür, dass der Gesetzgeber erst einmal mit ganz strengen Tatbestandsvoraussetzungen beginnt und später sind wir dann beim Bußgeldverfahren, wo das dann verwendet wird.” – Thomas Petri, Datenschutzbeauftragter

Anmerkung zu Tesla Motors und den Patenten

by Paul Balzer on 13. Juni 2014

5 Comments

Es ging wie ein Sturm durch die Medienlandschaft: Elon Musk, CEO von Tesla Motors, erklärt, dass die Firma keinen gutwilligen Patentverletzungen nachgehen wird. Viele Journalisten machten daraus ganz krumme Meldungen wie “Tesla verschenkt Patente” oder “Tesla macht Patente öffentlich” oder oder oder.

Nein. Die Patente gehören auch weiterhin Tesla Motors.

Nein. Patente sind immer öffentlich, denn erst dann sind sie wirksam.

Er sagte lediglich, dass die Firma darauf verzichtet Patentverletzungen zu ahnden, sollten sie im Sinne der Elektromobilität sein. Good guy Elon Musk!

Weshalb macht er das?

Er möchte, dass auch andere Automobilhersteller die gleiche bzw. ähnliche Technik nutzen, damit die Preise sinken. Denn Tesla ist schlichtweg zu klein, um günstig (wettbewerbsfähig) herzustellen/einzukaufen. Indem Tesla sagt, die Konkurrenten können die Ideen nutzen, z.B. den Ladestecker oder das Touch Display, sinken die Preise und man kann vielleicht gemeinsam bei einem Zulieferer auftreten.

Verhandlungen mit BMW zur Zusammenarbeit mit i3 und i8 laufen ja bereits…

Um die geplante GigaFactory umzusetzen werden wohl noch viele Partner an Board kommen müssen.

Was könnte er noch erreicht haben?

Bildet man die Quote der Ausgaben für die Abteilungen Engineering und Legal, dürfte  Tesla Motors nun auf Platz 1 gelandet sein.

\(Q=\displaystyle\frac{\Sigma_\text{Engineering} \$}{\Sigma_\text{Legal}  \$}=\text{Top!}\)

;)

Bitte was? – Ihr Auto verhält sich ethisch nicht korrekt!

by Paul Balzer on 7. Mai 2014

4 Comments

Es ist schon lange davon zu lesen, dass die Art der Softwaregestaltung maßgeblich die Charakteristik des Autos, je nach Hersteller, prägt. Ein Daimler wird das ESP wohl eher soft und sicher auslegen, ein Porsche wohl eher im Grenzbereich die Parameter setzen. Doch wie geht es weiter, vor allem in Bezug zur vollautonomen Fahrt?

Continue Reading