Horstmann, M.; Becker, U.; Gratzke, R.:
Modellierung der Momentenumsetzung für einen Dieselmotor mit künstlichen neuronalen Netzen.
In: IAV GmbH, Hrsg.: Tagungsband 4. Symposium Steuerungssysteme für den Antriebsstrang von Kraftfahrzeugen, S. 137-152, Oktober 2003. 4. Symposium Steuerungssysteme für den Antriebsstrang von Kraftfahrzeugen.
Unterschiedliche Momentenanforderungen (z.B. Fahrerwunsch, externe Eingriffe über CAN, Fahrgeschwindigkeitsregelung oder Leerlaufregelung) müssen übergeordnet koordiniert werden um dann ein resultierendes Moment zu bilden. Die wirkungsgradabhängige Momentenumsetzung eines Dieselmotors in eine Kraftstoff-Einspritzmenge kann durch verschiedene Modellierungsansätze abgebildet werden. Ein physikalischer Ansatz scheidet aufgrund der komplexen thermodynamischen, strömungsmechanischen, kinematischen und chemischen Vorgänge des Verbrennungsmotors relativ schnell aus, besonders wenn die rechentechnischen Möglichkeiten der Zielhardware (Steuergerät) berücksichtigt werden. Als experimentelle Ansätze sind der Polynomansatz und Künstliche Neuronale Netze (KNN) anzusehen. Polynomansätze werden innerhalb der IAV GmbH im Rahmen der statistischen Versuchsplanung (DOE) bereits zur Kennfeldbedatung eingesetzt. Aus der Literatur [z.B. Schu 98] ist bekannt, dass KNN für Identifikationsprobleme der vorliegenden Art als Alternative zu den Polynomansätzen zu sehen sind. Es werden zwei verschiedene, technisch relevante Arten von KNN genauer betrachtet. Die Ergebnisse der Modellbildung für einen Common-Rail Motor werden mit einem existierenden Polynommodell für diesen Motor verglichen. Beide experimentellen Modelle basieren auf Messungen aus der Statistischen Versuchsplanung (DOE).