Optimierungsbasierte Regelung von multimodalen Brennverfahren für kompressionsgezündete Motoren

Ritter, Dennis; Abel, Dirk; Pitsch, Heinz

doi:HT031034566

Optimierungsbasierte Regelung von multimodalen Brennverfahren für kompressionsgezündete Motoren = Optimization-based control of multi-mode combustion processes for compression ignition engines

Ritter, Dennis^RWTH*

2024 & 2025

Verantwortlichkeitsangabevorgelegt von Dennis Ritter

ImpressumAachen : RWTH Aachen University 2024

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2025

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Abel, Dirk (Thesis advisor)^RWTH* ; Pitsch, Heinz (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2024-09-23

Online
DOI: 10.18154/RWTH-2025-03556
URL: http://publications.rwth-aachen.de/record/1009590/files/1009590.pdf

Einrichtungen

Lehrstuhl und Institut für Regelungstechnik (416610)

Projekte

Inhaltliche Beschreibung (Schlagwörter)
Brennverlaufsregelung (frei) ; Dieselmotor (frei) ; ILC (frei) ; Mehrfacheinspritzung (frei) ; NMPC (frei) ; Niedertemperaturverbrennung (frei) ; RCCI (frei) ; dual-fuel (frei) ; multimodale Brennverfahren (frei) ; phänomenologische Verbrennungsmodellierung (frei) ; rate shaping (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Diese Dissertation befasst sich mit der optimierungsbasierten Regelung multimodaler Brennverfahren für kompressionsgezündete Motoren. Im Fokus stehen zwei motorische Anwendungen: Erdgas-Diesel-Dual-Fuel-Motoren und Dieselmotoren. Als multimodal werden in dieser Arbeit Brennverfahren verstanden, die verschiedene Verbrennungsmodi kombinieren. Diese sind typischerweise nur in Teilbereichen des Betriebskennfelds einsetzbar und können sich hinsichtlich ihrer verbrennungstechnischen sowie systemtheoretischen Eigenschaften erheblich unterscheiden. Konkret bezieht sich dies auf den kombinierten Betrieb von (konventionellen) Hoch- und Niedertemperaturbrennverfahren. Die Niedertemperaturverbrennung ermöglicht eine Reduktion der Schadstoffemissionen bei gleichzeitig hohem Wirkungsgrad. Dieser Vorteil geht jedoch mit einer erhöhten Komplexität in der Prozessführung einher - das volle Potenzial kann daher nur durch geeignete Regelungsverfahren ausgeschöpft werden. Allgemeine Herausforderungen sind die starke Nichtlinearität des Prozesses, die gekoppelte Mehrgrößencharakteristik, bestehende Beschränkungen sowie die schnelle Dynamik. Zur Prozessführung werden in dieser Dissertation optimierungsbasierte Regelungsverfahren angewendet. Diese beruhen auf einem mathematischen Modell des zu regelnden Prozesses, das zur Echtzeitoptimierung der Stellgrößen genutzt wird. Dadurch lassen sich Nichtlinearitäten und Mehrgrößensysteme beherrschen sowie Beschränkungen berücksichtigen. Für die Regelung des Erdgas-Diesel-Dual-Fuel-Motors wird eine linear zeitvariante modellprädiktive Regelung entwickelt. Das Konzept basiert auf der Regelung zyklusintegraler Größen und einem datengetriebenen Verbrennungsmodell. Die experimentelle Validierung am Motorprüfstand zeigt, dass das Regelungskonzept in der Lage ist, transiente Betriebsbedingungen zu stabilisieren. Für den Dieselmotor wird eine direkte Brennverlaufsregelung umgesetzt, um den kurbelwinkelaufgelösten Druck- bzw. Brennverlauf mittels einer vollvariablen Mehrfacheinspritzstrategie auf einen vorgegebenen Sollverlauf zu regeln. Aus regelungstechnischer Sicht kommen dabei quasi-kontinuierliche Stell- und Regelgrößen zum Einsatz. Zur Lösung dieses Regelungsproblems wird eine nichtlineare iterativ lernende modellprädiktive Regelung entwickelt, die die zyklischen Prozesseigenschaften gezielt ausnutzt. Dafür wird ein physikalisch motiviertes Modell mit geringer Komplexität entworfen, das strukturell für die Echtzeitoptimierung geeignet ist. Das Regelungskonzept wird sowohl in der Simulation als auch im Experiment erfolgreich validiert.

This dissertation addresses the optimization-based control of multimodal combustion processes for compression-ignition engines. The focus is on two engine applications: Natural gas diesel dual-fuel engines and diesel engines. In this work, multi-mode combustion processes are defined as combustion processes that combine different combustion modes. These can typically only be used in parts of the operating map and can differ considerably in terms of their combustion and system characteristics. Specifically, this refers to the combined operation of (conventional) high and low-temperature combustion processes.Low-temperature combustion makes it possible to reduce pollutant emissions while maintaining a high level of efficiency. However, these advantages are accompanied by increased complexity in process control - the full potential can therefore only be exploited using suitable control algorithms. General challenges are the strong non-linearity of the process, the coupled multiple-input-multiple-output (MIMO) characteristic, existing constraints and the fast dynamics. Optimization-based control methods are used for process control in this dissertation. These are based on a mathematical model of the process to be controlled, which is used for real-time optimization of the manipulated variables. This allows non-linearities and MIMO systems to be controlled and constraints to be taken into account directly. A linear time-variant model predictive controller is developed for the control of the natural gas diesel dual-fuel engine. The concept is based on the control of cycle-integral variables and a data-driven combustion model. Experimental validation on the engine test bench shows that the control concept is capable of stabilizing transient operating conditions. Direct combustion rate shaping control is implemented for the diesel engine in order to control the crank angle-resolved pressure or combustion rate profile to a specified target profile using a fully variable multiple injection strategy. From a control system point of view, quasi-continuous manipulated and controlled variables are used. To solve this control problem, a non-linear iterative learning model predictive controller is developed, which specifically utilizes the cyclic process characteristics. For this purpose, a physically motivated model with low complexity is designed, which is structurally suitable for real-time optimization. The control concept is successfully validated in both simulation and experiment.

OpenAccess:
PDF
(additional files)