Fehlertolerantes System erhöht Sicherheit bei E-Auto-Motorausfall
Ein plötzlicher Motorausfall im Straßenverkehr ist für Fahrer stets ein beunruhigendes Szenario. Bei Fahrzeugen mit Verbrennungsmotor führt ein solcher Defekt meist zum kompletten Ausfall der Antriebskraft – das Fahrzeug kommt zum Stillstand. Bei modernen Elektrofahrzeugen (EVs) mit vier individuell angetriebenen Rädern verhält sich die Situation anders. Technisch gesehen kann ein EV auch dann weiterfahren, wenn ein oder zwei Radnabenmotoren ausfallen. Doch diese Fortbewegung ist keineswegs risikofrei. Ein defekter Motor verursacht eine ungleichmäßige Drehmomentverteilung, was zu unerwünschten Giermomenten, seitlichem Abdriften und potenziellem Kontrollverlust führen kann. Ohne geeignete Gegenmaßnahmen drohen Spurverlassen, Kollisionen oder sogar ein Überschlag, besonders bei höheren Geschwindigkeiten oder abrupten Ausweichmanövern.
Dieses kritische Sicherheitsrisiko steht im Fokus der Forschung von Dr. Zhang Wenqing vom College of Mechanical and Electrical Engineering der Shanghai Jian Qiao University. In ihrer jüngsten Veröffentlichung präsentiert sie eine neuartige, fehlertolerante Stabilitätskontrollstrategie, die speziell darauf ausgelegt ist, Elektrofahrzeuge sicher durch einen Motorausfall zu bringen. Ihr Ansatz geht über einfache Notlaufkonzepte hinaus und stellt eine proaktive, dynamische Kontrollarchitektur vor, die das Fahrzeug aktiv stabilisiert, selbst wenn ein Radmotor oder sein Inverter versagt.
Die Notwendigkeit einer solchen Technologie wächst mit der Verbreitung von Elektrofahrzeugen, die über unabhängige Vierradantriebe verfügen. Diese Architektur ermöglicht hochpräzise Drehmomentvektorierung, was die Fahrdynamik verbessert und eine bessere Traktion bietet. Gleichzeitig erhöht sie jedoch die Anzahl der kritischen Komponenten. Ein Ausfall eines einzelnen Motors – sei es durch einen Kurzschluss, einen Unterbrechung im Stromkreis oder durch magnetische Sättigung – stört das empfindliche Gleichgewicht der Kräfte, die auf das Fahrzeug wirken. Die Folge ist eine asymmetrische Kraftverteilung, die das Fahrzeug unkontrolliert in die Querlage ziehen kann.
Dr. Zhangs Arbeit zeichnet sich durch ihre ganzheitliche Herangehensweise aus. Sie entwickelte kein bloßes Überwachungssystem, sondern eine integrierte Regelungsstrategie, die in Echtzeit auf einen Fehler reagiert und ihn kompensiert. Ihr vorgeschlagenes System kombiniert zwei zentrale Betriebsmodi: den „Limp Home Mode“ (LHM) und die fehlertolerante Elektronische Stabilitätskontrolle (ESC). Diese beiden Modi arbeiten synergistisch, um die Fahrzeugstabilität zu bewahren, die seitliche Abweichung zu minimieren und dem Fahrer ermöglichen, das Fahrzeug kontrolliert an den Straßenrand zu bringen oder eine Werkstatt zu erreichen.
Der Limp Home Mode fungiert als primäre Reaktion auf einen Motorausfall. Sobald ein Fehler erkannt wird – beispielsweise wenn der linke Vorderradmotor seine Antriebskraft verliert – berechnet das System sofort eine neue Drehmomentverteilung für die verbleibenden funktionsfähigen Motoren. Unter normalen Bedingungen tragen alle vier Motoren gleichmäßig zur Vortriebskraft bei. Bei einem Ausfall entsteht jedoch ein Ungleichgewicht, das ein Drehmoment um die Hochachse (Giermoment) erzeugt. Um diesem entgegenzuwirken, befiehlt der LHM-Modus dem gegenüberliegenden oder dem gleichseitigen Motor, seine Leistung zu erhöhen, um die seitlichen Kräfte am Fahrzeug zu balancieren.
Ein konkretes Beispiel: Bei einem Ausfall des linken Vorderradmotors könnte der linke Hinterradmotor angewiesen werden, die doppelte Drehmomentleistung zu erbringen, um die Symmetrie entlang der Fahrzeuglängsachse zu erhalten. Diese Lösung setzt jedoch voraus, dass der Ersatzmotor noch über ausreichende Leistungsreserven verfügt. Hier kommt eine entscheidende Innovation von Dr. Zhangs Forschung ins Spiel: die Berücksichtigung der realen Leistungsgrenzen der Motoren. Bei höheren Geschwindigkeiten erreichen permanenterregte Synchronmotoren aufgrund elektromagnetischer und thermischer Beschränkungen ihre maximale Drehzahl, und das verfügbare Drehmoment nimmt signifikant ab. Wenn der linke Hinterradmotor nicht in der Lage ist, die erhöhte Anforderung zu erfüllen, passt das System dynamisch nach. Es reduziert stattdessen das Drehmoment am rechten Hinterrad, um das Giermoment durch einen differenziellen Effekt auszugleichen, ähnlich wie bei einem elektronischen Sperrdifferential.
Dieser adaptive Ansatz ist nicht nur auf die Aufrechterhaltung der Vorwärtsbewegung ausgerichtet, sondern primär auf die Sicherheit. Indem das seitliche Abdriften minimiert wird, bleibt das Fahrzeug innerhalb seiner Fahrspur und vermeidet gefährliche Interaktionen mit anderen Verkehrsteilnehmern. Umfangreiche Simulationen, durchgeführt mit den professionellen Softwaretools CarSim und MATLAB/Simulink, belegen die Effektivität dieser Strategie. Im Szenario einer geraden Beschleunigung reduzierte der vorgeschlagene Regelalgorithmus die seitliche Abweichung um beeindruckende 88,9 % im Vergleich zu einem unbeaufsichtigten Fahrzeug. Über eine Distanz von 240 Metern driftete ein Fahrzeug ohne Fehlertoleranz fast 18 Meter von der Fahrspur ab, während dasselbe Fahrzeug mit Dr. Zhangs Algorithmus innerhalb von nur 2 Metern zur Fahrspurbegrenzung blieb.
Diese Leistung ist in städtischen und auf Autobahnen von entscheidender Bedeutung, wo Fahrspuren selten breiter als 3,5 Meter sind. Ein Abdriften von nur 3 bis 4 Metern kann bereits zu Seitenaufprallen oder der Einfahrt in den Gegenverkehr führen. Indem die Abweichung über längere Strecken unter 2 Metern gehalten wird, gewährleistet das System, dass Fahrer ausreichend Zeit haben, das Fahrzeug kontrolliert zu verlassen oder einen sicheren Ort zu erreichen.
Die Herausforderung der Stabilität ist jedoch auf Geraden nur die halbe Miete. Das Kurvenverhalten unter Defektbedingungen stellt eine noch größere Gefahr dar. Bei Kurvenfahrten befindet sich das Fahrzeug bereits unter komplexen Lastwechseln und seitlichen Beschleunigungen. Die Einführung eines ausgefallenen Motors in diese Gleichung verstärkt die Instabilität erheblich, insbesondere bei Unter- oder Übersteuern. Hier kommt der zweite Kern des Systems – die fehlertolerante ESC – zum Einsatz.
Traditionelle ESC-Systeme korrigieren Gierabweichungen durch selektives Bremsen einzelner Räder. Dr. Zhangs Ansatz nutzt jedoch die inhärenten Vorteile elektrischer Antriebe: die unabhängige Drehmomentsteuerung an jedem einzelnen Rad. Wenn während einer Kurve ein Fehler erkannt wird, berechnet das System die gewünschte Giergeschwindigkeit basierend auf Lenkwinkel und Fahrzeuggeschwindigkeit. Diese Sollgröße wird mit der tatsächlich gemessenen Giergeschwindigkeit verglichen, und ein korrigierendes Drehmomentvektor wird errechnet.
Im Fall von Übersteuern – wenn das Heck des Fahrzeugs nach außen zu schwenken beginnt – wird ein negatives Drehmoment (rekuperatives Bremsen oder reduzierte Antriebskraft) auf das äußere Vorderrad ausgeübt, um die Rotation zu dämpfen. Umgekehrt, bei Untersteuern – wenn die Vorderräder den Grip verlieren und das Fahrzeug die Kurve zu weit schneidet – kann dem inneren Hinterrad zusätzliche Antriebskraft zugeführt werden, um das Fahrzeug in die Kurve zu „drehen“.
Was diesen Ansatz besonders effektiv macht, ist die enge Integration mit den realen Leistungsgrenzen der Motoren. Viele existierende Regelstrategien gehen von idealisierten, unbegrenzten Drehmomentverfügbarkeiten aus und ignorieren, dass elektrische Motoren ein geschwindigkeitsabhängiges Leistungsprofil aufweisen. Bei niedrigen Geschwindigkeiten steht hohes Drehmoment zur Verfügung; bei hohen Geschwindigkeiten reduzieren thermische und elektromagnetische Grenzen die Spitzenleistung. Dr. Zhangs Algorithmus berücksichtigt diese physikalischen Limitationen explizit und stellt sicher, dass die befohlenen Drehmomente realisierbar sind und keine gesunden Motoren überlasten.
Diese Realitätsnähe steigert sowohl die Sicherheit als auch die Lebensdauer des Fahrzeugs. Eine Überlastung eines funktionsfähigen Motors könnte zu Überhitzung, Isolationsausfällen oder sogar zu einer Kettenreaktion von weiteren Ausfällen führen. Indem die Betriebsgrenzen respektiert werden, vermeidet das Kontrollsystem, das ursprüngliche Problem zu verschärfen. Stattdessen priorisiert es die Stabilität innerhalb der erreichbaren Leistungsparameter.
Die Simulationsresultate bestätigen diesen ausgewogenen Ansatz. In einem Szenario mit konstanter Kurvenfahrt und einer Lenkeinschlag von 30 Grad zeigte das Fahrzeug ohne Fehlertoleranz starke Gieroszillationen und ein seitliches Abdriften von über 35 Metern über 140 Meter Fahrstrecke. Mit der vorgeschlagenen Regelung wurde das Abdriften auf 15 Meter reduziert – eine Verbesserung um 57,1 %. Noch wichtiger ist, dass der Fehler in der Giergeschwindigkeit klein und stabil blieb, was auf ein konsistentes und vorhersehbares Fahrverhalten hindeutet, trotz des vorliegenden Defekts.
Diese Ergebnisse sind keine theoretischen Spekulationen. Sie basieren auf realistischen Fahrdynamikmodellen, die ein detailliertes Fahrzeugplattform mit genauen Parametern verwenden: ein 710 kg schweres Mikro-EV mit einem Radstand von 2,1 Metern, einer Spurweite von 1,5 Metern und Radmotoren, die bis zu 64,5 N·m Spitzenmoment bei Geschwindigkeiten bis zu 600 U/min liefern können. Das Reifenmodell integriert die sogenannte „Magische Formel“ nach Pacejka, die nichtlineare Reibungseigenschaften erfasst, die den Grip während kombinierter Längs- und Querbelastung beeinflussen.
Besonders hervorzuheben ist, dass die Regellogik auf die genaue Position des Fehlers reagiert. Ein Ausfall des linken Vorderradmotors erzeugt andere Gierneigungen als ein Ausfall des rechten Hinterrads. Das System identifiziert den spezifischen Fehlermodus – sei es ein Unterbrechung oder ein Kurzschluss – und passt seine Reaktion entsprechend an. Unterbrechungen führen typischerweise zu einem sauberen Drehmomentverlust, während Kurzschlüsse aufgrund von Restströmen parasitäre Drehmomente erzeugen können. Beide Zustände werden in Echtzeit über die Diagnoseschnittstelle des Fahrzeugs überwacht.
Das Überwachungssystem arbeitet kontinuierlich und scannt Gesundheitsdaten der Motoren und Inverter wie Stromwelligkeit, Temperaturanstieg und Anomalien in der Gegenspannung (Back-EMF). Sobald ein Fehler bestätigt ist, erfolgt der Übergang in den fehlertoleranten Modus nahtlos. Es ist keine Fahrerintervention oder manuelles Umschalten nötig. Das Fahrzeug aktiviert automatisch die LHM- und ESC-Subroutinen und kalibriert Drehmomentverteilungen und Stabilitätsschwellen innerhalb von Millisekunden.
Aus Sicht des Fahrers könnte das Erlebnis wie eine leicht reduzierte Beschleunigung oder ein subtiler Wechsel im Lenkgefühl wirken – aber nichts, das die unmittelbare Sicherheit gefährdet. Die Priorität liegt nicht auf der Erhaltung der Performance, sondern auf einem kontrollierten und vorhersehbaren Verhalten. Der Fahrer wird keine plötzlichen Rucke, Drehungen oder unbeabsichtigten Spurwechsel erleben.
Diese Philosophie entspricht den modernen Automobil-Sicherheitsstandards, die einen „graceful degradation“ (geordnete Degradation) gegenüber einem kompletten Systemausfall bevorzugen. In der Luftfahrt ist dies als „fail-operational“-Design bekannt; in der Automobiltechnik wird es zunehmend als „Limp-Home“-Fähigkeit bezeichnet. Dr. Zhangs Arbeit treibt dieses Prinzip voran, indem sie es dynamisch, intelligent und tief in die Fahrzeugdynamik integriert.
Die Implikationen reichen über die Sicherheit einzelner Fahrzeuge hinaus. Während sich die Technologien für autonomes Fahren weiterentwickeln, wird die Fähigkeit, Komponentenausfälle ohne menschliches Eingreifen zu erkennen und darauf zu reagieren, von größter Bedeutung. Ein plötzlicher Motorausfall in einem autonomen EV könnte sonst zu Notstopps im fließenden Verkehr führen – ein Risiko an sich. Dr. Zhangs Kontrollarchitektur liefert einen Bauplan für eine solche Resilienz. Durch die Kombination aus Echtzeit-Fehlererkennung, adaptiver Drehmomentumverteilung und physikbasierten Stabilitätskorrekturen schafft sie ein robustes Framework, das sowohl für menschengesteuerte als auch für autonome Anwendungen geeignet ist.
Ein weiterer Vorteil des Systems ist seine Kompatibilität mit bestehender Fahrzeugelektronik. Es erfordert keine exotischen Hardwarekomponenten oder proprietäre Systeme. Die Algorithmen laufen auf standardmäßigen, automobiltauglichen Mikrocontrollern und kommunizieren über den CAN-Bus mit den Motorreglern und Sensornetzwerken. Dies macht die Lösung skalierbar und kosteneffektiv – entscheidende Faktoren für die Massenverbreitung.
Automobilhersteller erforschen bereits ähnliche Konzepte. Tesla-Modelle mit zwei Motoren können im Einmotormodus weiterfahren. Rivians Quad-Motor-Plattform bietet Drehmomentvektorierung für verbesserte Offroad-Stabilität. Die meisten derzeitigen Implementierungen konzentrieren sich jedoch auf Redundanz und nicht auf eine aktive Stabilitätskorrektur. Dr. Zhangs Forschung schließt diese Lücke, indem sie eine systematische, validierte Methodik zur Aufrechterhaltung der Fahrzeugstabilität unter asymmetrischen Antriebsbedingungen bietet.
Die Ergebnisse haben auch regulatorische Relevanz. Mit dem Wachstum der EV-Flotten aktualisieren Sicherheitsbehörden weltweit ihre Standards für Crashsicherheit und funktionale Sicherheit. ISO 26262, der internationale Standard für funktionale Sicherheit im Automobilbereich, verlangt, dass elektronische Systeme fehlertolerante Mechanismen enthalten, insbesondere in sicherheitskritischen Bereichen wie Antrieb und Bremsen. Diese Forschung leistet einen direkten Beitrag zur Einhaltung dieser Vorschriften, indem sie eine quantifizierbare, testbare Regelstrategie bietet, die das Verhalten nach einem Ausfall nachweislich verbessert.
Darüber hinaus sollten die ökologischen und wirtschaftlichen Vorteile nicht übersehen werden. Ein EV, der nach einem Motorausfall sicher weiterfahren kann, vermeidet Pannen am Straßenrand, reduziert den Bedarf an Abschleppdiensten und minimiert Verkehrsbehinderungen. Er erhöht auch das Vertrauen der Verbraucher in die Elektromobilität, indem er eine der verbleibenden Bedenken bezüglich der Zuverlässigkeit von Elektrofahrzeugen adressiert.
Aus konstruktiver Sicht fördert die Studie einen Paradigmenwechsel im Denken von Ingenieuren über das Fehlermanagement. Statt Komponentenausfälle als katastrophale Endpunkte zu betrachten, können sie als Betriebszustände verstanden werden, die adaptive Reaktionen erfordern. Diese Denkweise unterstützt die Entwicklung widerstandsfähigerer, intelligenterer und robusterer Fahrzeuge, die in der Lage sind, mit den Unsicherheiten der realen Welt umzugehen.
Dr. Zhangs Arbeit unterstreicht auch die Bedeutung interdisziplinärer Zusammenarbeit. Ihr Ansatz verbindet Maschinenbau (Fahrdynamik), Elektrotechnik (Motorregelung) und Informatik (Regelalgorithmen) zu einer kohärenten Lösung. Eine solche Integration ist entscheidend, um die vielschichtigen Herausforderungen moderner Verkehrssysteme zu meistern.
Die nächste Entwicklungsetappe könnte die Erweiterung dieser fehlertoleranten Logik auf andere Subsysteme beinhalten – Batterieausfälle, Sensordefekte oder Kommunikationsfehler. Die Kernprinzipien von Erkennung, Kompensation und Stabilisierung sind universell anwendbar. Während Fahrzeuge zunehmend vernetzt und softwaredefiniert werden, wird die Fähigkeit, trotz teilweiser Ausfälle die Funktionalität aufrechtzuerhalten, die nächste Generation der Automobiltechnik prägen.
Zusammenfassend stellt die Forschung von Dr. Zhang Wenqing einen bedeutenden Fortschritt in der Sicherheit von Elektrofahrzeugen dar. Durch die Einführung eines zweimodigen fehlertoleranten Kontrollsystems, das Limp Home Mode und Elektronische Stabilitätskontrolle kombiniert, hat sie eine praktische, leistungsstarke Lösung für ein kritisches Problem der realen Welt entwickelt. Validiert durch rigorose Simulationen, reduziert die Strategie das seitliche Abdriften um bis zu 88,9 % bei Geradeausfahrt und um 57,1 % bei Kurvenfahrt und sorgt dafür, dass EVs auch bei Motorausfall stabil und kontrollierbar bleiben. Diese Arbeit verbessert nicht nur die Fahrersicherheit, sondern ebnet auch den Weg für eine zuverlässigere, intelligentere und resilientere Elektromobilität.
Fehlertolerantes System erhöht Sicherheit bei E-Auto-Motorausfall
Von Zhang Wenqing, Shanghai Jian Qiao University, veröffentlicht in Microcomputer Applications