Simulating electromechanical powertrains: System-level performance and component-level condition monitoring

Thumbnail Image

Files

isbn9789526428925.pdf (20.87 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Electrical Engineering | Doctoral thesis (article-based) | Defence date: 2026-01-22
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2026

Department

Sähkötekniikan ja automaation laitos
Department of Electrical Engineering and Automation

Major/Subject

Mcode

Degree programme

Language

en

Pages

105 + app. 88

Series

Aalto University publication series Doctoral Theses, 5/2026

Abstract

Electromechanical powertrains play a crucial role in modern transportation and industrial systems, driven by the increasing trends of electrification and sustainability. Computational simulation models serve as powerful tools for improving the design and analysis of such powertrains under various operating conditions. However, the development of effective simulation models involves balancing accuracy and computational efficiency, guided by practical constraints like experimental data-related challenges. In this thesis, I introduce scalable and adaptable simulation-driven methods for electromechanical powertrains, addressing two complementary challenges: system-level performance optimisation of electrified heavy-duty vehicles and component-level simulation condition monitoring (CM) of critical rotating machinery. Physics-based approaches are adopted throughout, combining validated dynamic models with realistic operational scenarios to generate high-quality datasets for both powertrain configuration design and diagnostic purposes. At the system level, I extended the Smart eFleet (SeF) toolbox to evaluate the performance of an eretrofitted heavy-duty truck. I prepared simulation modules for three distinct configurations across ten realistic driving cycles, created based on GPS data. The results demonstrated that retaining a multi-speed transmission significantly improves traction and gradeability under heavy-load conditions, with marginal effects on energy efficiency. At the component level, I adapted a multibody simulation (MBS) framework employing the surface geometry-based polygonal contact method (PCM) for rolling bearings and bevel gears. PCM parameters were calibrated against well-established Hertzian-based tools for healthy conditions, after which faulty geometries were applied. To prioritise signals that are less prone to external disturbances and potential for future CM, I acquired relative shaft displacements from the bearings and torsional vibrations from the gears. The simulated responses were carefully validated against experimental measurements. The results confirmed that PCM-based MBS models can replicate realistic fault responses for data-driven diagnostics purposes, including scenarios that are difficult or impossible to reproduce experimentally. The generated bearing dataset was then applied to train and test a machine learning-based fault classifier. The classification results exhibited a successful differentiation of bearing faults, whether located in the outer ring or inner ring, from healthy counterparts. This thesis delivers a scalable framework for system-level powertrain performance assessment and a validated methodology for integrating high-fidelity MBS contact models into component-level CM. Together, these advances improve performance optimisation, enable realistic fault simulation, and strengthen predictive maintenance capabilities in electromechanical powertrains.

Sähkömekaanisilla voimansiirtolinjoilla on tärkeä rooli nykyajan liikenteessä ja teollisuusjärjestelmissä, joita ohjaavat kasvavat sähköistymisen ja kestävyyden trendit. Tietokonepohjaiset simulointimallit toimivat tehokkaina työkaluina kyseisten voimansiirtolinjojen suunnittelun ja analyysin parantamisessa monenlaisissa käyttöolosuhteissa. Simulointimallien kehittäminen edellyttää kuitenkin tasapainottelua tarkkuuden ja laskennallisen tehokkuuden välillä, mitä ohjaavat käytännön rajoitteet, kuten kokeelliseen dataan liittyvät haasteet. Tässä väitöskirjassa esitellään skaalautuvia ja mukautuvia simulaatiopohjaisia menetelmiä sähkömekaanisille voimansiirtolinjoille painottaen kahta toisiaan täydentävää haastetta: sähköistettyjen raskaiden ajoneuvojen systeemitason suorituskyky ja pyörivien koneiden kriittisten osien komponenttitason kunnonvalvonta. Työssä hyödynnetään fysiikkapohjaisia menetelmiä, joissa validoidut dynaamiset mallit yhdistetään realistisiin käyttötilanteisiin korkealaatuisten datasettien tuottamiseksi sekä voimansiirtokokoonpanojen suunnittelun että diagnostiikan tarpeisiin. Systeemitasolla Smart eFleet (SeF) –työkalupakkia laajennettiin sähköistetyn raskaan kuormaauton voimansiirron suorituskyvyn arvioimiseksi. Erilliset simulointimoduulit valmisteltiin kolmelle eri konfiguraatiolle, joita vertailtiin kymmenen GPS-datan pohjalta luodun ajosyklin kanssa. Tulokset osoittivat, että monivaihteisen vaihteiston säilyttäminen parantaa merkittävästi veto- ja mäennousukykyä raskailla kuormilla vaikuttaen vain vähäisesti energiatehokkuuteen. Komponenttitasolla monikappalemallinnuksessa (engl. MBS) hyödynnettiin pintageometrioihin perustuvaa polygonikontaktimenetelmää (engl. PCM), joka sovitettiin vierintälaakereille ja kartiohammaspyörille. PCM-parametrit kalibroitiin ehjille kontakteille vakiintuneiden Hertzin teoriaan perustuvien työkalujen avulla, minkä jälkeen sovellettiin viallisia geometrioita. Jotta voitiin priorisoida signaaleja, jotka ovat vähemmän alttiita ulkoisille häiriöille ja jotka ovat potentiaalisia tulevaisuuden kunnonvalvonnassa, laakereista hankittu data oli akselin suhteellista siirtymää ja hammaspyöristä hankittu data vääntövärähtelyjä. Simuloidut vasteet validoitiin huolellisesti kokeellisilla mittauksilla. Tulokset vahvistivat, että PCM-pohjaiset MBS-mallit pystyvät jäljentämään realistisia vikavasteita, jotka soveltuvat datapohjaiseen diagnostiikkaan mukaan lukien tilanteet, joita on vaikea tai mahdotonta toistaa kokeellisesti. Tuotettua laakeridataa hyödynnettiin lisäksi koneoppimispohjaisen vikaluokittelijan kouluttamiseen ja testaamiseen. Luokittelutulokset osoittivat onnistuneen erottelun ehjien ja viallisten laakeritapausten välillä riippumatta siitä, sijaitsiko vika ulko- vai sisäkehällä. Tämä väitöskirja tarjoaa skaalautuvan viitekehyksen voimansiirtolinjan suorituskyvyn arviointiin systeemitasolla sekä validoidun metodologian tarkkojen MBS-kontaktimallien integroimiseksi komponenttitason kunnonvalvontaan. Yhdessä nämä edistysaskeleet parantavat suorituskyvyn optimoimista, mahdollistavat realististen vikojen simuloinnin ja vahvistavat ennakoivan kunnossapidon valmiuksia sähkömekaanisille voimansiirtolinjoille.

Description

Supervising professor

Belahcen, Anouar, Prof., Aalto University, Department of Electrical Engineering and Automation, Finland

Thesis advisor

Keränen, Janne, Dr., VTT, Finland
Tammi, Kari, Prof., Aalto University, School of Engineering, Finland

Keywords

physics-based modelling, powertrain dynamics, vehicle performance, multibody simulation, condition monitoring, ball bearing, bevel gear, fysiikkapohjainen mallinnus, voimansiirtolinjan dynamiikka, ajoneuvon suorituskyky, monikappalesimulointi, kunnonvalvonta, kuulalaakeri, kulmavaihde

Other note

Parts

  • [Publication 1]: Vehviläinen, Milla; Rahkola, Pekka; Keränen, Janne; Pippuri-Mäkeläinen, Jenni; Paakkinen, Marko; Pellinen, Juha; Tammi, Kari; Belahcen, Anouar. Simulation-Based Comparative Assessment of a Multi-Speed Transmission for an E-Retrofitted Heavy-Duty Truck. Energies, 15, article id: 2407, 2022.
    Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202204282935
    DOI: 10.3390/en15072407 View at publisher
  • [Publication 2]: Vehviläinen, Milla; Rahkola, Pekka; Keränen, Janne; Halme, Jari; Sopanen, Jussi; Liukkonen, Olli; Holopainen, Antti; Tammi, Kari; Belahcen, Anouar. Adapting Geometry-Based Polygonal Contacts for Simulating Faulty Rolling Bearing Dynamics. Mechanism and Machines Theory, 192, article id: 105552, 2024.
    Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202401041057
    DOI: 10.1016/j.mechmachtheory.2023.105552 View at publisher
  • [Publication 3]: Vehviläinen, Milla; Tahkola, Mikko; Keränen, Janne; El Bouharrouti, Nada; Rahkola, Pekka; Halme, Jari; Pippuri-Mäkeläinen, Jenni; Belahcen, Anouar. 3D Multibody Simulation of Realistic Rolling Bearing Defects for Fault Classifier Development. In 2024 InternationalConference on Electrical Machines (ICEM), Turin, Italy, pp. 1–7, September 2024.
    Full text in Acris/Aaltodoc: https://urn.fi/URN:NBN:fi:aalto-202502052264
    DOI: 10.1109/ICEM60801.2024.10700332 View at publisher
  • [Publication 4]: Vehviläinen, Milla; Hämäläinen, Aleksanteri; Rahkola, Pekka; Savolainen, Mikko; Keränen, Janne; Pippuri-Mäkeläinen, Jenni; Tammi, Kari; Belahcen, Anouar. Simulating Torsional Vibrations of Faulty Bevel Gears Using the Polygonal Contact Method. Submitted to Mechanical Systems and Signal Processing, 20 pages, Aug 2025.

Citation

Permanent link to this item

https://urn.fi/URN:ISBN:978-952-64-2892-5

Collections

[diss] Sähkötekniikan korkeakoulu / ELEC