Cooling Fan Failure Modes to Enable Development of Automotive ECU Fan Health Monitoring System
Notice bibliographique
Résumé
Electronic control units (ECUs) are widely used in the automotive industry. Recent efforts to enable enhanced and automated driving requires these ECUs to process and execute computationally expensive algorithms. With these developments, the ECUs now have a higher computing power and thus are at a greater risk of overheating. This may limit the availability of the essential functionalities in the vehicle. Currently, high operating temperatures are mitigated using passive cooling, which allows heat to dissipate without expelling any energy; however, more robust methods are required to enable this new technology. A cooling fan system is one of the desired methods for ECU thermal management, as this type of system draws cooler air from outside and expels the warm air from within. Therefore, the fan health status is critical to ensure ECU availability and reliability for vehicle operation, as when the fans become degraded, they cannot maintain the required airflow to minimize the ECU operating temperature. Traditionally, fan failures are detected by monitoring the fan speed versus the commanded duty cycle, thus it is desired to develop a robust health monitoring method for the fans. Fan failure mode study and fault injection can be used to enable the development of prognostics. Investigating the fan failure modes results in two main categories, which are internal and external. External fan failures include degradation and cracking of the outer casing, while internal failures include motor and ball bearing issues. Fault injection methods were developed based on these failure modes while considering potential operating conditions. For example, the fans were exposed to multiple environmental conditions, such as dust, humidity, and heat. These conditions can potentially trigger both internal and external failures. The data collection was conducted with the fans running in a standalone setup, being controlled by external equipment to ensure that the electronic input values were known. After running tests for 30 days, sufficient data was collected to enable degradation modelling. The data will contribute to the development of a predictive algorithm which will estimate the state of health of the fan based on its performance over time. This paper will discuss the failure modes and the data generated through simulation and fault injection.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».