ZeTeM > Forschung und Anwendungen > Projekte > PIA-Parameter Identification Automotive

PIA-Parameter Identification Automotive

ArbeitsgruppeAG Optimierung und Optimale Steuerung
Leitung: Prof. Dr. Christof Büskens ((0421) 218-63861, E-Mail: bueskens@math.uni-bremen.de)
Dr.-Ing. Mitja Echim ((0421) 218-63865, E-Mail: mitja@math.uni-bremen.de)
Bearbeiter: Dr.-Ing. Stephanie Chen
Arne Berger ((0421) 218-63872, E-Mail: aberger@math.uni-bremen.de)
Christian Meerpohl ((0421) 218-59891, E-Mail: cmeerpohl@math.uni-bremen.de)
Projektpartner: IAV, Ingenieurgesellschaft Auto und Verkehr, Gifhorn
Laufzeit: seit 01.01.2015

Bild des Projekts PIA-Parameter Identification Automotive

Durch steigende Rohstoffpreise und strengere Emissions-Grenzwerte des Gesetzgebers ist die Motorentwicklung von Automobilen in den vergangenen Jahren weiter in den Fokus gerückt. Dies ist insbesondere bei Dieselverbrennungsmotoren der Fall, deren Marktanteil stetig zunimmt und in Deutschland bereits bei über 50% liegt.

Neben dem Einsatz von Katalysatoren und verbesserten Einspritzstrategien ist die Abgasrückführung eine gängige Praxis zur Reduzierung der Stickoxidemission. Dabei werden die Abgase der Verbrennung zum Teil der Motorluftzufuhr beigemischt. Durch die Rückführung entsteht ein hochkomplexes Gasstreckensystem, welches zur erfolgreichen Emissionsreduzierung eine präzise Steuerung benötigt. Für die erfolgreiche Steuerung dieses Systems ist die genaue Kenntnis von physikalischen Größen wie Temperaturen, Drücken und Massenströmen unerlässlich. Ist der Einsatz von Zusatzsensoren im Serienmodell kostspielig oder technisch nicht möglich, kann ein mathematisches Modell mithilfe von Kennfeldern und Kennlinien einen Zusammenhang zwischen verschiedenen Messgrößen herstellen und dadurch eine Berechnung von unbekannten Werten ermöglichen. Die Qualität der Berechnung hängt maßgeblich vom mathematischen Modell ab. Die Bestimmung dieser Kennfelder und Kennlinien ist ein aufwändiger Prozess, der aufgrund der steigenden Anzahl an Komponenten, beispielsweise Partikelfilter und Katalysatoren, häufig wiederholt werden muss. Eine manuelle Optimierung ist daher nicht möglich. Die Idee, dieses Identifikationsproblem durch mathematische Optimierung zu lösen, besteht darin die Modellparameter so zu bestimmen, dass berechnete und gemessene Größen bestmöglich übereinstimmen.

Kennfeldoptimierung ohne Nebenbedingungen Kennfeldoptimierung ohne Nebenbedingungen

Kennfeldoptimierung mit GlattheitsnebenbedingungenKennfeldoptimierung mit Glattheitsnebenbedingungen

Durch die Verwendung großer Datenmengen, sowie der gleichzeitigen Identifikation vieler Modellparameter entstehen hohe Anforderungen an die Effizienz des eingesetzten Optimierungsalgorithmus. Eine zusätzliche Berücksichtigung von Nebenbedingungen an die Modellparameter, um physikalische Gesetzmäßigkeiten zu gewährleisten, ist dabei ebenso notwendig wie die Robustheit des Algorithmus bei der Lösungssuche. Die Arbeitsgruppe Optimierung & Optimale Steuerung entwickelt gemeinsam mit den Ingenieuren der IAV GmbH hocheffiziente und anwenderfreundliche Software um die Modelle der Dieselmotorluftstrecke in akzeptabler Rechenzeit identifizieren zu können. Wesentliches Werkzeug auch hier ist die nichtlineare Optimierungssoftware WORHP für hochdimensionale Fragestellungen.