Die Verschlechterung des Motoröls hat entscheidenden Einfluss auf die Leistung, Effizienz und Langlebigkeit von Verbrennungsmotoren. Konventionelle kilometer- oder zeitbasierte Austauschintervalle führen oft zu vorzeitigen Ölwechseln oder verzögerten Wartungen, die beide die Motorengesundheit beeinträchtigen und die Kosten erhöhen. Diese Übersichtsarbeit untersucht die jüngsten Fortschritte in der Echtzeitüberwachung des Ölzustands und bewertet die Machbarkeit eines kostengünstigen, mikrokontrollerbasierten Systems, das physische Sensoren mit Maschinenlernmodellen zur kontinuierlichen Onboard-Bewertung der Ölgesundheit integriert. Ausgehend von etablierten Techniken aus der industriellen Schmierölüberwachung schlagen wir ein experimentelles Rahmenkonzept vor, das Prinzipien des Elektroingenieurwesens nutzt, einschließlich Schnittstelle zu Sensoren, analoger Front-End-Entwurf, Signalakquisition und implementierte KI zur Gewährleistung genauer, erschwinglicher und skalierbarer Diagnosen der Ölgesundheit. Die Übersichtsarbeit hebt die Chancen für Innovationen in eingebetteten Systemen und im Design des Elektroingenieurwesens hervor und positioniert KI-gesteuerte Überwachung als praktische Lösung für vorausschauende Automobilwartung.
Habyarimana et al. (Wed,) haben diese Frage untersucht.