Zusammenfassung
Aufgrund der steigenden Anzahl von Stellgrößen und zu optimierenden Ausgangsgrößen an modernen Verbrennungsmotoren werden modellbasierte Verfahren zur Optimierung des Motorverhaltens immer wichtiger. Der erste Teil dieses zweiteiligen Beitrages enthält eine Einführung in spezielle neuronale Netze,geht auf geeignete Prüfstandsmessstrategien ein und stellt eine Modellbildung des Motor- und Abgasverhaltens mit Hilfe schneller neuronaler Netze vor. Mit Hilfe der Modelle kann dann offline eine Applikation der Motorsteuergerätefunktionen durchgeführt werden,ohne Prüfstandszeit zu beanspruchen. Die Untersuchungen wurden im Rahmen des DFG-Sonderforschungsbereichs „Integrierte mechanisch-elektronische Systeme für den Maschinenbau“ am Institut für Automatisierungstechnik der TU Darmstadt durchgeführt.
This is a preview of subscription content, log in via an institution to check access.
Literaturhinweise
Bauder R.: Die Zukunft der Dieselmotoren-Technologie. In: MTZ 59 (1998), Nr. 7/8, S. X–XVII
Schubert K.: Nutzfahrzeugantriebe der Zukunft, 18. Wiener Motorensymposium, Bd. 2, 1998,S. 420–458
Eichlseder, H.; Baumann, E.; Müller, P.; Neugebauer, S.: Chancen und Risiken von Ottomotoren mit Direkteinspritzung. In: MTZ 61 (2000), Nr.3, S. 144–152
Pitsch, H.; Barths, H.; Peters, N.: Modellierung der Schadstoffbildung bei der dieselmotorischen Verbrennung. In: Tagungsband des Dresdner Motorenkolloquiums, 1997, S. 163-169
Nelles, O.: Nonlinear System Identification with Local Linear Neuro-Fuzzy Models. Darmstadt, Technische Universität, Dissertation, 1999
Isermann, R.; Hafner, M.; Müller, N.; Schüler M.: Der Einsatz neuronaler Netze zur Modellierung, Steuerung und Regelung von Verbrennungsmotoren. In: Tagungsband des 3. Stuttgarter Symposiums Kraftfahrwesen und Verbrennungsmotoren, Stuttgart, 1999
Ayoubi, M.: Nonlinear System Identification Based on Neural Networks with Locally Distributed Dynamics and Application to Technical Processes. Darmstadt, Technische Universität, Dissertation, 1996
Hafner, M.; Schüler, M.; Nelles, O.; Isermann, R.: Fast Neural Networks for Diesel Engine Control Design. Angenommen zur Veröffentlichung im Journal `Control Engineering Practice’, Elsevier, 2000
Isermann, R.: Identifikation dynamischer Systeme. Berlin, Springer, 1992
Ernst (Töpfer), S.: Hinging hyperplane trees for approximation and identification. In 37th IEEE Conference on Decision and Control, Tampa, Florida, USA. 1998
Isermann, R.; Jost, O.; Schwarte, A.: Modellgestützte Regelerentwicklung für einen Abgasturbolader mit variabler Turbinengeometrie an einem DI-Dieselmotor. In: MTZ 61 (2000), Nr. 3, S. 184–193
Fehl, G.: Entwicklung einer Messsttrategie zur kontinuierlichen Erfassung von Kennlinien auf Motorprüfständen. Darmstadt, Technische Universität, Dissertation, 1992
Bredenbeck, J.: Statistische Versuchsplanung für die Online-Optimierung von Verbrennungsmotoren. In: MTZ 60 (1999), Nr. 11, S. 740–744
Schüler, M.: Stationäre Optimierung der Motorsteuerung von Pkw-Dieselmotoren mit Abgasturbolader durch Einsatz schneller neuronaler Netze, Darmstadt, Technische Universität, Interner Bericht, IAT, 2000
Author information
Authors and Affiliations
Rights and permissions
About this article
Cite this article
Schüler, M., Hafner, M. & Isermann, R. Einsatz schneller neuronaler Netze zur modellbasierten Optimierung von Verbrennungsmotoren. MTZ Motortech Z 61, 704–711 (2000). https://doi.org/10.1007/BF03227308
Issue Date:
DOI: https://doi.org/10.1007/BF03227308