h1

h2

h3

h4

h5
h6

DFG project G:(GEPRIS)317766062

Multiskalenregelung des Niedertemperatur-Brennverfahrens GCAI (Teilprojekt 1)

CoordinatorProfessor Dr.-Ing. Dirk Abel ; Dr.-Ing. Thivaharan Albin
Grant period2016 - 2025
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)317766062

⇧ FOR 2401 Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren ⇧

Note: Der aktuell in der Forschung untersuchte Ansatz zur Regelung des Niedertemperatur-brennverfahrens GCAI ist die zyklusbasierte Regelung. Diese Regelung erlaubt eine Stabilisierung des Prozesses allerdings nur in einem sehr 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 TP1 die Multiskalenregelung, um auch die kleineren Zeitskalen berücksichtigen zu können. Es wird erwartet, dass mit erfolgreicher Regelung auf diesen kritischen Zeitskalen der Kennfeldbereich deutlich ausgeweitet, der Wirkungsgrad verbessert und die Schadstoffemissionen reduziert werden können. Im Rahmen der ersten Förderperiode wurde ein konkretes Konzept für die Multiskalenregelung erarbeitet und umgesetzt. In TP1 finden die regelungstechnischen Erweiterungen der Multiskalenregelung zur Realisierung von last- und drehzahltransienten Betriebsszenarien statt. Um die Drehzahl inhärent zu berücksichtigen, sollen die Modelle um den Einfluss der Drehzahl erweitert werden. Hierfür werden neue Experimente am Motorprüfstand in Kooperation mit TP3 durchgeführt und die Modelle basierend auf den Erkenntnissen erweitert. Darüber hinaus soll der Einsatz der im Rahmen der Forschungsgruppe entwickelten Reaktionskineitk in den rechenzeitreduzierten Modellen zur Verbesserung der Prädiktion und der damit einhergehenden Regelgüte untersucht werden. Hierfür werden insbesondere Methoden zur Modellordnungsreduktion untersucht. Zur Berücksichtigung der signifikanten Prozessunsicherheit werden einerseits weitere Störgrößeneinflüsse durch physikalische Störgrößenmodelle untersucht. Darüber hinaus werden robuste Regelungsansätze erforscht. Während sich TP1 auf die entsprechende systemspezifische Problemformulierung, insbesondere der adequaten Beschreibung der Unsicherheit fokussiert, werden die entwickelten Algorithmen in TP2 erweitert, um die hohen Anforderungen an die Rechenzeit trotz der Erhöhung der Rechenoperationen, die mit der robusten Regelung einhergeht, zu erfüllen. Abschließend werden die entwickelten Regelalgorithmen gemeinsam mit TP3 am Motorprüfstand validiert. Entscheidende Kriterien stellen dabei der abdeckbare Kennfeldbereich, in dem ein stabiler Betrieb unter Berücksichtigung von transienten Last- und Drehzahlprofilen realisiert werden kann, 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 Talk (non-conference) (Invited)
Engine Control and Battery Management System - Merging Academia and Industry
Mechanical Engineering Graduate Student Association (MEGSA), University of Alberta: Graduate Research Seminar, MEGSA, EdmontonEdmonton, Canada, 19 Sep 2024 - 19 Sep 20242024-09-192024-09-19 ()  GO  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Talk (non-conference) (Plenary/Keynote)  ;
RL for Control Development in the XiL Platform (Mario Picerno) & Metamodel-Based Design Conception of Electric Machines (Christoph Wellmann)
Competence Center AI & Optimization: Research Colloquium with TU Eindhoven, AachenAachen, Germany, 12 Dec 2023 - 12 Dec 20232023-12-122023-12-12 ()  GO  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Dataset  ;
Deep Neural Network Training Script incl. Data for HCCI Low-Temperature Combustion (alexwin9478/DnnTrainingHcci_pub: Zenodo)
Zenodo () [10.5281/ZENODO.10078477]  GO BibTeX | EndNote: XML, Text | RIS

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


 Record created 2023-01-20, last modified 2026-11-07



Rate this document:

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