Ein Gesamtsystem-Modell für - IVK

Ein Gesamtsystem-Modell für Hybridantriebsstränge mit
wirkungsgradeoptimalem Ottomotor
Jing Cheng, Dr. Frank Altenschmidt, Christoph Ley,
Prof. Dr. Michael Bargende
[email protected]
Abstract: Für die Untersuchung eines wirkungsgradoptimalen
ottomotorischen
Konzepts
in
Verbindung
mit
einem
Hybridantriebsstrang, wird in dieser Arbeit ein GesamtsystemModell vorgestellt, das verbrauchs- und emissionsrelevante
Randbedingungen des Realfahrzeugs enthält. Der Fokus liegt
dabei auf der Rohemissionsprognose eines Magermotors in
transienter Fahrt. Für diesen Zweck werden in der Simulationsumgebung eines nulldimensionalen Fahrzeugmodells ein Steuergerätemodell mit Betriebsstrategiefunktionen des Zielfahrzeugs,
ein Mittelwertmotormodell und ein Rohemissionsmodell mit quasistationärem Ansatz entworfen. Die Simulationsergebnisse werden
mithilfe von Abgasmessungen an einem stationären Motorprüfstand validiert.
1 Einleitung
Die immer strenger werdenden gesetzlichen Vorgaben bzgl. Abgasemissionen und damit auch für die CO2 Emissionen stellen die Automobilindustrie vor große Herausforderungen. Wie Abbildung 1 zeigt, müssen
Fahrzeughersteller in der EU bis 2020 einen Flottenverbrauch von 95 g
CO2/km erreichen. Auch in anderen Märkten werden die Vorgaben
sukzessive erheblich verschärft [1]. Darüber hinaus gelten weltweit immer
strengere Abgasnormen.
Um den Verbrauch zu reduzieren und Abgasemissionen zu senken, setzen
Hersteller verschiedene Technologien ein, die sich grob in die zwei
folgenden Entwicklungsrichtungen einteilen lassen.
Eine hat zum Ziel, das Potenzial des konventionellen Verbrennungsmotors
auszuschöpfen. Neben der Optimierung des Brennverfahrens gibt es Maßnahmen wie z.B. Aufladung, variabler Ventiltrieb, Abgasrückführung, und
Zylinderabschaltung, die eine wesentliche Rolle bei Wirkungsgradverbesserung und Emissionsreduzierung spielen.
Abbildung 1: CO2-Emissionen auf Fahrzyklus normiert [1]
Der andere Entwicklungstrend ist die Elektrifizierung des Antriebsstrangs.
Das Spektrum reicht vom Start-Stopp-System über Hybridkonzepte bis hin
zu den reinen Elektrofahrzeugen. Im Folgenden werden jedoch nur Hybridelektrofahrzeuge (englisch hybrid electric vehicle, HEV) mit paralleler
Aggregateanordnung berücksichtigt, bei denen sich Verbrennungsmotor und
E-Maschine durch ein Kupplungselement trennen lassen. Der Gesamtwirkungsgrad des Hybridfahrzeugs wird durch folgende Effekte maßgeblich
beeinflusst:
 Bremsenergie lässt sich durch Rekuperation rückgewinnen.
 Lastpunktverschiebung kann Betriebspunkte mit geringem Wirkungsgrad vermeiden.
 Schleppverluste des Verbrennungsmotors in der Schubphase können
reduziert werden.
Außer den Verbrauchsvorteilen lässt sich das Leistungsspektrum des
Triebstrangs durch elektrisches Boosten nach oben erweitern.
Da die meisten Hersteller bislang relativ kleine Stückzahlen an Hybridfahrzeugen absetzen, werden Verbrennungsmotoren aus konventionellen
Antriebssträngen oft mit geringen Änderungen in Hybridantriebssträngen
eingesetzt. Dabei wird jedoch mögliches Verbrauchspotenzial nicht
ausgeschöpft. Ziel dieser Arbeit ist es, die beiden obengenannten
Entwicklungstrends zu kombinieren und Synergien zu identifizieren, wobei
der Fokus zunächst auf der dazu benötigten Simulationsumgebung liegt.
2 Stand der Technik
Unter allen Maßnahmen zur Optimierung des Verbrennungsmotors zeichnet
sich die BlueDIRECT® Technologie von Mercedes Benz durch besonders
hohen Wirkungsgrad und geringe Emissionen aus. Mit dem BlueDIRECT®
Brennverfahren ist es zum ersten Mal gelungen, in einem Fahrzeug des
Premiumsegments mit einem Ottomotor das Effizienz Label A zu erreichen
[2].
Hierzu wird u. a. ein strahlgeführtes Brennverfahren mit Piezo-Einspritzsystem eingesetzt. Das Mager-Brennverfahren reduziert die Drosselverluste
im niedrigen Lastbereich des Motors erheblich und erhöht dadurch den
Wirkungsgrad.
Abbildung 2: die Hauptbetriebsarten im Motorkennfeld [2]
Die drei Hauptbetriebsarten des Magermotors sind in Abbildung 2 zu sehen.
Im unteren Teillastbereich kommt der sogenannte Schichtbetrieb (SCH) zum
Einsatz, bei dem ein inhomogenes Gemisch mittels Einspritzungen in den
Verdichtungstakts erzeugt wird. Darüber schließt sich der Homogen-SchichtBetrieb (HOS) an, der durch Einspritzungen während des Ansaugtakts als
auch des Verdichtungstakts charakterisiert ist. So bildet sich ein homogen
mageres Grundgemisch, welches aufgrund der lokalen Anfettung entflammt
werden kann. Für den restlichen Betriebsbereich kommt der stöchiometrische Homogenbetrieb (HOM) zum Einsatz, bei dem die meisten
Einspritzungen im Ansaugtakt stattfinden.
Im Grundprinzip werden auf Basis motorischer Randbedingungen die
Betriebsarten mit verschiedenen Einspritzstrategien je nach Betriebspunkt
zugeteilt.
Die drei Betriebsarten weisen im Hinblick auf Verbrauch und Emissionen
unterschiedliche Eigenschaften und Dynamiken auf. In der Verbrauchssimulation wird oft für jede Betriebsart ein nur vom Lastpunkt abhängiges
Kennfeld hinter einem Betriebsartenschalter hinterlegt. Für den Verbrauch
ergeben sich mit dieser stationären Methodik befriedigende Ergebnisse.
Hingegen ist die Entstehung der Rohemissionen im Verbrennungsmotor
aufgrund der starken Abhängigkeit von den transienten und lokalen
Randbedingungen, wie Gemischzusammensetzung, Temperatur und Druck
im Brennraum, etc. schwierig zu prognostizieren [3]. Das Problem verschärft
sich bei instationärer Zyklensimulation.
Wegen des überstöchiometrischen Luft-Kraftstoff-Verhältnisses im mageren
Betrieb, benötigt der Ottomotor neben einem 3-Wege-Katalysator zusätzlich
aufwändigere und temperaturempfindliche Abgasnachbehandlungstechnik.
Durch rein elektrische Antriebsphasen wird dieses Problem verschärft, was
in der Betriebsstrategie berücksichtigt werden muss, da aktives Aufheizen
der Abgasnachbehandlungsanlage negative Auswirkungen auf die Kraftstoffeffizienz hat.
Um diese Effekte mit hinreichender Genauigkeit simulativ abbilden zu
können und die optimale Regelung des Ottomotors mit allen Betriebsarten,
des elektrischen Antriebs und des Abgasnachbehandlungssystems zu
identifizieren, bedarf es eines detaillierten Gesamtsystem-Modells.
3 Gesamtsystem-Modell
Prämisse des Gesamtsystem-Modells ist, das Fahrzeugverhalten mit der
notwendigen Dynamik zur Verbrauchs- und Emissionsabschätzung
möglichst in Echtzeit zu prognostizieren.
Als Basis für das Gesamtsystem-Modell dient ein vorwärtsrechnendes, nulldimensionales Gesamtfahrzeugmodell in der Softwareumgebung Matlab/Simulink®. In diese Basis werden die detaillierten Teilmodelle mit dem
Schwerpunkt verbrennungsmotorischer Betriebsstrategie samt Rohemissionsmodell implementiert. Die Gesamtmodellstruktur ist in Abbildung 3
zu sehen. Das Fahrzeugmodell errechnet anhand der Geschwindigkeitsvorgabe und mit Hilfe des Fahrerreglers die Momentenanforderungen an
den Fahrzeugtriebstrang. Alle Fahrzeugkomponenten vom Bordnetz bis zum
Getriebe sind in diesem nach einem vereinfachten physikalischen Prinzip
modelliert. Im Grundmodell gibt es für die Verbrauchs- und Emissionsberechnung stationäre Wirkungsgradkennfelder in den entsprechenden
Fahrzeugkomponenten. Im Fall der Verbrauchsprognose geben die
stationären Kennfelder gute Ergebnisse wieder. Für die Emissionsprognose
jedoch liefert der stationäre Ansatz in transienter Fahrt nur unzureichende
Ergebnisse (siehe Abb. 9).
Ziel ist es, mit den neu entworfenen Teilmodellen des Verbrennungsmotors
die Simulationsergebnisse des bestehenden stationären Modells bezüglich
Emissionen wesentlich zu verbessern. Die Hauptarbeit setzt sich aus den
folgenden vorgestellten vier Teilmodellen zusammen.
 Das Mittelwertmotormodell (MWM) rechnet mit Hilfe von physikalischen
Ansätzen die thermodynamischen Zustandsgrößen im Luftpfad aus.
Informationen aus dem MWM fließen in die drei anderen Teilmodelle
ein.
 Das Steuergerätmodell (ECU) liefert die Stellwerte der Aktuatoren des
Verbrennungsmotors und bekommt Sensorersatzwerte vom MWM.
 Das Rohemissionsmodell (REM) arbeitet nach quasi-stationärem
Prinzip und simuliert anhand Steuer- und Regelgrößen der ECU, sowie
der Luftpfadinformationen, realitätsnahe Rohemissionen.
 Das Modell des Abgasnachbehandlungssystems (AGN) errechnet
mithilfe der Luftpfadinformationen und der Emissionskonzentration des
REM, End-of-Pipe Emissionen.
Abbildung 3: die Struktur des Gesamtsystem-Modells
3.1 Das Steuergerätmodell
Anders als in konventionellen Fahrzeugen, wo die Steuergeräte für alle
Antriebskomponenten dezentral fungieren können, werden die Steuergeräte
im Hybridantriebsstrang zunächst in zwei Ebenen eingeteilt [4].
Die erste Ebene umfasst das Hybrid-Steuergerät, welches als MasterSteuergerät die Antriebskomponenten an Bord koordiniert. Dieses
Steuergerät beinhaltet einen Momentenkoordinator, der die Momentenanforderung des Fahrers anhand der Hybridbetriebsstrategie auf
Verbrennungsmotor und E-Maschine aufteilt.
In der zweiten Ebene steuert und regelt die ECU die einzelnen Antriebskomponenten (siehe Abb. 4). In dieser Arbeit wird ein Steuergerätemodell für
den Verbrennungsmotor entwickelt, in dem die Stellwerte für Aktuatoren im
Motor, z.B. Injektor, Zündkerzen, Drosselklappe, Ein- und Auslassventile
berechnet werden.
Abbildung 4: Struktur der Steuerfunktionen
Die Motorsteuerung eines Magermotors ist sehr umfangreich mit stark
verzweigten Funktionen, da viele Randbedingungen einen Einfluss auf die
Motorsteuerung haben können und daher beachtet werden müssen.
Zunächst wird je nach Drehzahl, Lastanforderung, Brennverfahrensgrenzen,
Gemischzusammensetzung, Füllung, Druck und Temperatur im Saugrohr,
sowie den Umgebungsbedingungen, die auszuführende Betriebsart
bestimmt. Anschließend erfolgt die Steuerung des Kraftstoffsystems, der
Zündung, der Füllung, der Abgasrückführung und der Steuerzeit. Die
Untersuchung über die Steuerdynamik und deren mögliche Einflüsse auf
Verbrauch und Emissionen setzt die realitätsnahen Steuerfunktionen in der
Simulation voraus.
Funktionen des Steuergeräts können auf verschiedene Weise in ein
Simulationsmodell integriert werden: Die Funktionslogik kann abstrahiert
werden, jedoch gehen dabei viele Informationen verloren, die große
Auswirkung auf die Rohemissionsbildung haben. Demgegenüber funktioniert
die Funktionsnachbildung nur für stark eingeschränkte Gültigkeitsbereiche
und ist daher zur Zyklussimulation nicht geeignet.
In dieser Arbeit werden ausgewählte Funktionen aus dem Steuergerät direkt
in Form von dll-Files gruppenweise in das Simulink-Modell integriert.
Wichtigstes Auswahlkriterium ist die Beeinflussung der Rohemissionsentstehung. Das ECU-Modell enthält daher die Funktionen zur
Betriebsartenkoordination, Einspritzung, Zündung, Füllung (einschl.
Aufladung), Steuerzeit und Momentumsetzung. Andere Funktionen werden
aus Gründen der Rechenzeit nicht in das Simulationsmodell übernommen.
Die offenen Schnittstellen zum Fahrzeugmodell werden in einem
Restbusmodell geschlossen. Die Vernetzung der Betriebsstrategiefunktionen
erfolgt automatisiert mittels Skript-basierten Methoden und die
Funktionsbedatung wird direkt aus dem Applikationsdatensatz in die
Simulationsumgebung importiert.
3.2 Das Mittelwertmotormodell
Das Mittwertmotormodell berechnet die thermodynamischen Zustandsgrößen im Luftpfad (z.B. Druck und Temperatur), den Massenstrom sowie
den effektiven und indizierten Mitteldruck der Zylinder.
Abbildung 5: Luftpfad im Mittelwertmotormodell
Die thermodynamischen Zustände des Luftpfades werden in diesem Modell
mit der Füll-und Entleermethode berechnet. Abbildung 5 zeigt den
modellierten Luftpfad, wobei die beschrifteten Komponenten als Drosselelemente und die dazwischenliegenden, als Behälterelemente modelliert
sind [5]. Innerhalb der einzelnen Komponenten werden die räumlichen
Gradienten der Zustandsgrößen nicht berücksichtigt. Da die thermodynamischen Eigenschaften der Luftpfadkomponenten unabhängig von den
Betriebsarten sind, wird dieser Modellteil einheitlich kalibriert.
Das Zylindermodell, hinter dem ein quasi-stationärer Ansatz steht, berechnet
Massenstrom, Temperatur und Drehmomentüber alle Zylinder gemittelt. Für
jede Betriebsart wird dieser Modellteil getrennt kalibriert. Die Datenbasis der
Kalibrierung wird am stationären Motorprüfstand gemessen.
3.3 Das Rohemissionsmodell
Das Rohemissionsmodell ist nach quasi-stationärem Ansatz aufgebaut. Das
Arbeitsprinzip ist in Abbildung 6 dargestellt. Zunächst wird der stationäre
Rohemissionswert mithilfe der Lastpunktinformation bestimmt. Anschließend
wird dieser Wert mit einem Korrekturfaktor, der die transienten Randbedingungen berücksichtigt, multipliziert. Zur Bestimmung des Korrekturfaktors sind als Eingang dynamische Größen aus dem Motorsteuergerät
(z.B. Zündzeitpunkt, Einspritzparameter und Steuerzeiten des Ein/Auslassventils) sowie thermodynamische Zustandsgrößen (z.B. Frischgas
und Abgas) nötig.
Abbildung 6: Arbeitsprinzip des Rohemissionsmodells
Für die Ermittlung des Zusammenhangs zwischen dem Korrekturfaktor und
den transienten Randbedingungen gibt es verschiedene Methoden. In dieser
Arbeit wird ein künstliches neuronales Netz (KNN) verwendet, welches bei
stark nichtlinearen Prozessen, wie dem Abgasverhalten, wesentlich besser
geeignet ist als Polynom-Ansatz [6].
Die Erzeugung des neuronales Netzes erfolgt mittels stationären Messdaten.
Der Netzstruktur ist fest und hat jeweils fünf Neuronen in zwei Ebenen
(Siehe Abb. 6). Während der Kalibrierung werden die Messungen zufällig in
drei Gruppen geteilt, eine zum Training des Netzes, eine zum Validieren und
der Rest zum Testen. In mehreren Iterationen werden, zur Optimierung des
KNN, die Messungen erneut aufgeteilt und die Schritte Training, Validierung
und Testen durchgeführt. Das Netz, welches nach einem definierten
Fehlerkriterium die geringste Abweichung in der Testphase aufweist, wird in
die Simulation eingebunden.
Zur Erfassung der Emissionsdynamik mittels eines stationären Motorprüfstands, steht ein darauf spezifizierter Messungsplan im Mittelpunkt.
4 Messung am Prüfstand
Bevor das Gesamtsystem-Modell zum Zweck der Betriebsstrategieoptimierung angewendet werden kann, muss es zunächst anhand von
Prüfstandergebnissen validiert werden. Sowohl für die Modellbedatung als
auch für die Validierung der Simulationsergebnisse werden Messungen am
stationären Motorprüfstand ausgeführt. Die Messungen lassen sich in drei
Phasen gliedern:
 Phase 1: Die vermessenen stationären Motorkennfelder für die drei
Hauptbetriebsarten (HOM, HOS, SCH) decken den gesamten Betriebsbereich ab. Für jeden Betriebspunkt werden die Steuergrößen aus dem
Motorsteuergerät, die Sensorsignale, die thermodynamischen Randbedingungen im Luftpfad, der Verbrauch, die Rohemissionen und
diverse Messwerte des Abgasnachbehandlungssystems erfasst. Um
hohe Rohemissionsgradienten über kleine Last und Drehzahlbereiche
zu erfassen, werden die Betriebspunkte in einem engen Raster über
den gesamten Betriebsbereich vermessen.
 Phase 2: Die in Zertifizierungs- und Kundenzyklen häufig auftretenden
Betriebspunkte sowie die in der Kennfeldrasterung identifizierten
Bereiche mit besonders großen Gradienten der Rohemissionen, sind in
der 2. Phase genauer zu vermessen. Zunächst fährt der Motor in den
betroffenen Betriebspunkten mit der Standard-Applikation, anschließend wird jeweils eine Stellgröße mit fester Abstufung variiert.
Abbildung 7 zeigt ein Beispiel des Zündzeitpunkts als Stellgröße.
Zusätzlich zu dem applizierten Zündzeitpunkt wird der Zündzeitpunkt in
zwei Schritten mit Abstand 2° KW in Richtung früh und spät
verschoben,
gefolgt
von
einer
stationären
Messung
der
Rohemissionen. Da der Zündzeitpunkt eine sehr wichtige Rolle bei der
Verbrennung spielt, befasst sich diese Messung mit dem Einfluss der
Änderung des Zündzeitpunkts auf Rohemissionen in transienten
Motorbetriebszuständen.
 Phase 3: Mittels des stationären Motorprüfstands werden diverse
Fahrzyklen mit 5 Hz Aufzeichnungsfrequenz bei unterschiedlichen
Startbedingungen gemessen. Zusätzlich werden Momenten- und Drehzahlsprünge untersucht.
Abbildung 7: Messung mit variierendem Zündzeitpunkt
5 Ergebnisse und Diskussion
Einige Simulationsergebnisse der in Kapitel. 3 vorgestellten Modelle sind in
diesem Abschnitt zu sehen.
140
v [km/h]
120
100
80
60
40
20
VM_an
0
1
0
80
zw_soll
zw_frühst
zw_spätest
zw_ist
60
ZW [KW° v. OT]
40
20
0
-20
-40
-60
-80
0
200
400
600
Zeit [s]
800
1000
1200
Abbildung 8: Zündsteuerung am Hybridfahrzeug im NEFZ
Abbildung 8 stellt den Steuervorgang des Zündzeitpunkts von einem Hybridfahrzeug dar. Im ersten Teilbild ist das Geschwindigkeitsprofil des neuen
europäischen Fahrzyklus (NEFZ) zu sehen. Die Steuerfunktionen in erster
Ebene ermittelt, wann der Verbrennungsmotor starten soll (die orange Linie
in zweitem Teilbild) und welcher Betriebspunkt eingestellt wird.
Anschließend greifen die motornahen Steuerfunktionen ein. Im Fall der
homogenen Betriebsart funktioniert die Zündsteuerung wie folgt: Die Vorsteuerung und der Klopfregelungseingriff legen eine Frühgrenze (schwarz)
für Zündzeitpunkt fest. Mit einer Brenngrenze ergibt sich eine Spätgrenze
(blau) und aus Wirkungsgradkennfeld und Momentanforderung wird der SollZündzeitpunkt (grün) berechnet. Nach der Überprüfung ob der Soll-Zündzeitpunkt in den Grenzen liegt, übernimmt der Ist-Zündzeitpunkt entweder den
Sollwert oder den Grenzwert.
Abbildung 9 zeigt die Ergebnisse der Simulation des Rohemissionsmodells
bezüglich NOx. Die drei Hauptbetriebsarten sind durch verschiedene Hintergrundfarben markiert. Im Vergleich zur Simulation mit der stationären
Methode (NOx_stat, Korrelationsbeiwert R2stat), ergibt diejenige mit dem
KNN-Ansatz (NOx_NN) und der Messung (NOx_Messung) einen höheren
Korrelationsbeiwert (R2NN).
N [min-1]
relative Füllung [%]
2500
2000
1500
1000
500
0
120
100
80
60
40
20
0
R2stat 0.796
R2NN 0.817
HOM
HOS
SCH
NOX kumuliert
NOX
NOX_stat
NOX_NN
NOX_Messung
0
200
400
600
800
1000
1200
Zeit [s]
Abbildung 9: Simulation und Messung der NOx-Emissionen in NEFZ
In Abbildung 10 ist ein Vergleich von zwei NEFZ Simulationen mit jeweils
unterschiedlichen Kühlwasser-Anfangstemperaturen zu sehen. Der erste
Fall entspricht einem Kaltstart mit Kühlwasser-Anfangstemperatur von 20°C.
Auch hier hat die Simulation mit KNN-Ansatz einen höheren Korrelationsbeiwert zur Messung, als die stationäre Simulation, obwohl die für das
Training des neuronalen Netzes verwendeten Messdaten nur bei 50°C und
darüber aufgenommen wurden (schraffierter Bereich im Abbildung 10).
Im zweiten Fall ist die Kühlwassertemperatur 70°C. Da die KühlwasserAnfangstemperatur hier höher ist, wird die Simulation mit KNN noch
präziser.
NEFZ mit TWasser=70°C am Anfang
NEFZ mit TWasser=20°C am Anfang
Twasser
90
70
50
Variationsbereich der Wassertemperatur in Trainingsdaten
30
10
R2stat 0.407
NOx_stat
NOx_NN
NOx_Messung
NN
R2stat 0.840
NOx_stat
NOx_NN
NOx_Messung
0.433
R2NN 0.917
NOx
R2
0
200
400
600
800
1000
1200 0
Zeit [s]
200
400
600
800
1000
1200
Zeit [s]
Abbildung 10: NOx Emissionen mit verschiedenen Starttemperaturen
Dieses Beispiel soll verdeutlichen, dass das Rohemissionsmodell nicht nur
die Emissionen mit transienten Randbedingungen (in diesem Fall
Wassertemperatur) im trainierten Bereich vorhersagen kann, sondern auch
bei Randbedingungen außerhalb dieses Bereichs zufriedenstellende
Ergebnisse liefert.
6 Zusammenfassung und Aussicht
Da die Betriebsstrategie großen Einfluss auf Verbrauch und Schadstoffemissionen hat, ist ein Schwerpunkt dieser Arbeit, reale Steuergerätefunktionen blockweise in ein Betriebsstrategiemodell zu implementieren.
Dies bietet ggü. vereinfachten und/oder abgeleiteten Betriebsstrategien den
Vorteil, dass in der Simulation reale Nebenbedingungen mit signifikantem
Verbrauchs- und Emissionseinfluss einschließlich NVH, Agilität, HybridFahrbarkeit und Bauteilschutz berücksichtigt werden. Damit wird erreicht,
dass die Koordination der Aggregate eines Hybridantriebsstrangs in der
Simulation exakt wie die im realen Fahrzeugbetrieb abläuft. Motorische
Regel- und Steuergrößen des Luftpfads, des Kraftstoffpfads sowie der
Betriebsarten, Zündung, Einspritzung und Steuerzeit werden somit im
instationären Betrieb detailliert abgebildet.
Ausgehend von der Betriebsart- und Lastpunktbestimmung des Verbrennungsmotors in den Steuergerätefunktionen erfolgt die Berechnung der
Rohemissionen mittels eines quasi-stationären Ansatzes. In diesem werden
Verbrennungsrandbedingungen wie z.B. Einspritzzeitpunkt, Zündzeitpunkt,
Ladedruck etc. auf die Rohemissionsentstehung berücksichtigt. Dadurch
verbessern sich die Simulationsergebnisse im Vergleich zur stationären
Kennfeld-Simulation erheblich, wobei sich die Rechenzeit nur geringfügig
erhöht. Jedoch sind für die Kalibrierung bei diesem Ansatz entweder
umfangreiche Prüfstandmessungen oder detaillierte Simulationsergebnisse
als Trainingsdaten nötig.
Im nächsten Schritt wird mit diesem Modell angestrebt, unter Einhaltung der
Abgasemissionsgrenzen den Verbrauch möglichst weit zu reduzieren.
7 Literaturverzeichnis
[1]
[2]
[3]
[4]
[5]
[6]
the international council on clean transportation, Global Comparison of
Passenger Car and Light-commercial Vehicle Fuel Economy/GHG
Emissions Standards. Available: http://www.theicct.org/infotools/global-passenger-vehicle-standards.
Anton Waltner, Frank Altenschmidt, und Uwe Schaupp,
“Magerbrennverfahren – Die Zukunft für Ottomotoren,” in
Internationaler Motorenkongress 2014, pp. 433–445.
L. Guzzella and C. H. Onder, Introduction to modeling and control of
internal combustion engine systems. Berlin, New York, NY: Springer,
2004.
H. Wallentowitz and K. Reif, Handbuch Kraftfahrzeugelektronik:
Grundlagen, Komponenten, Systeme, Anwendungen: mit 757
Abbildungen und 124 Tabellen, 2nd ed. Wiesbaden: Vieweg +
Teubner, 2011.
C. Ley, R. Steiner, P. Macri-Lassus, und Dr.-Ing F. Mauß, “Optimierung
des Verbrauchs- und Emissionsverhaltens dieselhybridischer
Antriebskonzepte mithilfe Gesamtsystem-Simulation” in 11. FADKonferenz, pp. 23–38.
O. Nelles, Nonlinear system identification with local linear neuro-fuzzy
models. Aachen: Shaker, 1999.