h1

h2

h3

h4

h5
h6

DFG project G:(GEPRIS)277012063

FOR 2401: Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren

CoordinatorProfessor Dr.-Ing. Jakob Andert
Grant period2016 - 2025
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)277012063

Note: Der aktuell in der Forschung untersuchte Ansatz zur Regelung der Niedertemperaturverbrennung (NTV) ist die zyklusbasierte Regelung. Allerdings erlaubt diese eine Stabilisierung der NTV nur in einem eingeschränkten Kennfeldbereich. Mit einer zyklusbasierten Regelung können nur zyklusintegrale Systemdynamiken und Störgrößen kontrolliert werden. Die für die Stabilität und Emissionsentstehung der NTV relevanten chemisch-physikalischen Prozesse, die auf innerzyklischen Zeitskalen ablaufen, können nicht beeinflusst werden. Aus diesem Grund untersucht die Forschungsgruppe die Multiskalenregelung, um auch die kleineren, innerzyklischen Zeitskalen berücksichtigen zu können. Es wird erwartet, dass mit erfolgreicher Regelung auf diesen kritischen Zeitskalen die Stabilität verbessert, der Kennfeldbereich deutlich ausgeweitet, der Wirkungsgrad erhöht und die Schadstoffemissionen reduziert werden können. Die Multiskalenregelung stellt für die Lösung dieses Problems Neuland dar. Hierbei werden die motorischen NTVProzesse PCCI und GCAI betrachtet. Es wird eine Reglerarchitektur bestehend aus der Kombination von Zyklus-zu-Zyklus-Regelung und einem In-Zyklus-Regler entwickelt. Um der komplexen nichtlinearen Mehrgrößen-Systemdynamik Rechnung zu tragen, werden auf einem Modell des Prozesses beruhende optimierungsbasierte Verfahren entwickelt und angewendet. Hierfür werden für zyklische Prozesse entwickelte numerische Methoden zur iterativ lernenden nichtlinearen modellbasierten prädiktiven Regelung (IL-NMPC) als Grundlage verwendet. Prozessspezifisch erfolgt eine Analyse und Bewertung möglicher Stell- und Regelgrößen sowie die Aufteilung dieser Größen auf die verschiedenen Zeitskalen. Darüber hinaus werden auch geeignete Formulierungen der Optimierungsaufgabe untersucht. Die reglerinternen Modelle werden sowohl für den GCAI- als auch für den PCCI-Prozess erarbeitet. Abgeleitet aus Experimenten an Einzylinderprüfständen werden physikalische Modellierungen und quantitative Beschreibungen der Prozesse erstellt. Weiterhin liegt ein Schwerpunkt auf der kinetischen Beschreibung der Verbrennungsprozesse, welche durch Verwendung von Surrogatbrennstoffen an optimierten Versuchsträgern wie Reaktoren und Flammen gewonnen werden. Es wird besonders die Einbindung von Ionenstrom als neuartiges Sensorkonzept in die Regelung betrachtet. Die erarbeiteten Beschreibungsformen werden in eine regelungstechnisch effektiv verwendbare Struktur überführt. Hierfür sollen unter anderem physikalisch motivierte Grey-Box-Modelle entstehen. Zudem werden vor dem Hintergrund physikalischer und systemtheoretischer Überlegungen Störgrößenmodelle entwickelt. Abschließend werden die entwickelten Regelalgorithmen an Motorenprüfständen validiert. Entscheidende Kriterien stellen dabei die Verbrennungsstabilität, der abdeckbare Kennfeldbereich, in dem ein stabiler Betrieb und transiente Lastprofile realisiert werden können, sowie das Potential zur Emissionsreduktion und Wirkungsgradsteigerung dar.
   

Recent Publications

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Software  ;  ;  ;
Deep Neural Network (DNN) Training Scripts for H2DF Engine Models (alexwin9478/H2dfDnnTrainExpData: Zenodo)
Zenodo () [10.5281/ZENODO.16902579]  GO BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Software  ;  ;  ;
Deep MPC Scripts using acados incl. Closed-Loop Simulation Model (alexwin9478/H2dfDeepMpc: Zenodo)
Zenodo () [10.5281/ZENODO.16902939]  GO BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Software  ;  ;
Deep Learning and Behavior Cloning for H2DF Engine Control (alexwin9478/H2dfBehaviorCloning: Zenodo)
Zenodo () [10.5281/ZENODO.16902947]  GO BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Software  ;  ;
AutoML scripts for LSTM-Based DNNs with Optuna on HPC (alexwin9478/AutoMlforDnnTraining: Zenodo)
Zenodo () [10.5281/ZENODO.16903152]  GO BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article/Contribution to a conference proceedings  ;  ;  ;  ;  ;
Safe Reinforcement Learning-Based Control for Hydrogen Diesel Dual-Fuel Engines
11. IFAC Symposium on Advances in Automotive Control, AAC 2025, EindhovenEindhoven, Netherlands, 16 Jun 2025 - 18 Jun 20252025-06-162025-06-18 IFAC-PapersOnLine 59(5), 19-24 () [10.1016/j.ifacol.2025.07.075] special issue: "11th IFAC Symposium on Advances in Automotive Control : AAC 2025 : Eindhoven, Netherlands, 16-18 June 2025 / Edited by Carlos Guardiola"  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Dataset  ;  ;
Deep Neural Network based MHE and MPC for Thermal Torque Derating of a BEV: Data, DNN Training, Integration acados, Simulink Model. (alexwin9478/DnnBasedMhePaper)
Zenodo () [10.5281/ZENODO.15165902]  GO BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Dissertation / PhD Thesis  ;  ;
Optimierungsbasierte Regelung von multimodalen Brennverfahren für kompressionsgezündete Motoren
Aachen : RWTH Aachen University 1 Online-Ressource : Illustrationen () [10.18154/RWTH-2025-03556] = Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Preprint  ;  ;  ;  ;  ;
Incorporating a Deep Neural Network into Moving Horizon Estimation for Embedded Thermal Torque Derating of an Electric Machine
18 Seiten () [10.20944/preprints202503.1638.v1]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Preprint  ;  ;  ;  ;  ;
Safe Reinforcement Learning for Real-World Engine Control
20 Seiten () [10.48550/arXiv.2501.16613]  GO OpenAccess  Download fulltext Files  Download fulltextFulltext by arXiv.org BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Dataset  ;  ;  ;  ;  ;
Safe Reinforcement Learning for Real-World Engine Control Data and Scripts
Zenodo () [10.5281/ZENODO.14499423]  GO BibTeX | EndNote: XML, Text | RIS

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 


 Record created 2023-01-20, last modified 2025-07-26



Rate this document:

Rate this document:
1
2
3
 
(Not yet reviewed)