Versuchsplanung und Methoden zur Identifikation zeitkontinuierlicher Zustandsraummodelle am Beispiel des Verbrennungsmotors

Diese Arbeit beschreibt neue Methoden der Online-Versuchsplanung und Online-Identifikation dynamischer Zusammenhänge am Verbrennungsmotorenprüfstand. Diese Methoden sollen die Steuergeräteapplikation bei der Modellierung und Optimierung dynamischer Vorgänge unterstützen. Die Ergebnisse der Arbeit fließen in den modellbasierten Online-Optimierungsalgorithmus ein, welcher zur Optimierung des Stationärverhaltens des Verbrennungsmotors verwendet wird, und ermöglichen diesen zukünftig auch zur Optimierung des Instationärverhaltens einzusetzen. Die wesentlichen Neuerungen dieser Arbeit betreffen die modellbasierte Online-Versuchsplanung und Online-Modellbildung. Die vorgestellten Methoden der Online-Versuchsplanung ermöglichen es unter Berücksichtigung von Einschränkungen an die Ein- und Ausgänge mit möglichst wenigen Messungen einen maximalen Informationsgewinn aus diesen zu ziehen und die Versuchsplanung hinsichtlich des späteren Einsatzzwecks der Modelle zu optimieren. Die Methoden der Online-Modellbildung ermöglichen die Identifikation eingangs-/zustandsstabiler zeitkontinuierlicher Zustandsraummodelle unter Verwendung von Neuronalen Netzen, die mittels Runge-Kutta Methoden zeitdiskretisiert werden. Es kann gezeigt werden, dass sowohl die Methoden der Online-Versuchsplanung als auch die der Online-Modellbildung zu einer Verbesserung der erzielten Modellgüte führen und den bisher am Verbrennungsmotorenprüfstand eingesetzten Methoden der Versuchsplanung und Identifikation dynamischer Modelle überlegen sind. Die Versuchsplanung und Modellbildung eignet sich auch für den konventionellen Offline-Betrieb. Anhand von zwei Beispielen wird die Anwendbarkeit der entwickelten Methoden am Verbrennungsmotorenprüfstand gezeigt.