Bewertung der Zuverlässigkeit selbstoptimierender Systeme mit dem LARES-Framework

Selbstoptimierende mechatronische Systeme bieten die Möglichkeit, ihr Verhalten an geänderte Umgebungsbedingungen anzupassen. Dazu werden beispielsweise redundante Strukturen genutzt, Reglerparameter angepasst oder Regelstrategien umgeschaltet. Dies kann auch genutzt werden, um die Zuverlässigkeit des Systems zu steigern. Zugleich entstehen aber durch die gesteigerte Komplexität dieser Systeme zusätzliche Risiken. Um sicherzustellen, dass das System dennoch die gestellten Anforderungen bezüglich der Zuverlässigkeit erfüllt, ist eine Modellierung des Gesamtsystems und anschließende Zuverlässigkeitsbewertung notwendig. Dies ist aufgrund der situationsabhängigen Verhaltensanpassung und des nicht intuitiv vorhersehbaren Verhaltens jedoch nicht mit klassischen Verfahren möglich. Ein Modellierungsverfahren, das diese Eigenschaften abbilden kann, ist LARES (LAnguage for REconfigurable dependable Systems). Die Anwendung von LARES zur Bewertung der Zuverlässigkeit eines selbstoptimierenden Systems wird anhand des Feder-Neige-Moduls gezeigt. Es ist eine Baugruppe der Fahrzeuge eines innovativen Bahnsystems, der RailCabs. Das Feder-Neige-Modul dient dazu, unerwünschte Schwingungen des Fahrzeugaufbaus zu minimieren. Mit LARES können die Hardware-Komponenten des Systems, ihre in Abhängigkeit von der aktuellen Situation veränderten Belastungen sowie die nicht-deterministische Verhaltensadaption modelliert werden.