-
Die Erfindung betrifft ein Verfahren zur Untersuchung des Verhaltens einer Brennkraftmaschine, durch Bildung eines Modells zur Kennfeldoptimierung der Brennkraftmaschine, das zur Optimierung mindestens einer Zielgröße zur Optimierung von Emissionen und/oder dem Verbrauch der Brennkraftmaschine dient.
-
Die Druckschrift
WO 2006/07621 A2 beschreibt ein Verfahren zur Untersuchung des Verhaltens von komplexen Systemen von Brennkraftmaschinen durch Bildung eines Modells, das verschiedene Messgrößen in Abhängigkeit von Eingangsvariablen darstellt.
-
In einem ersten Schritt erfolgt eine Auswahl verschiedener Messpunkte, die unterschiedlichen Konstellationen von Messgrößen entsprechen und in einem zweiten Schritt werden Messungen zur Ermittlung realer Messgrößen an einem realen System durchgeführt.
-
Es wird weiter wie folgt vorgegangen. Erstellen eines Modells, das die Abhängigkeit der Messgrößen von den Eingangsvariablen abbildet und Kalibrieren des Modells anhand der an den Messpunkten gewonnenen Messwerte des realen Systems durch die Schritte: Dritter Schritt: Unterteilen des Modells in mindestens zwei Teilmodelle. Vierter Schritt: Erstellen mindestens eines ersten Teilmodells, das eine erste Menge von Messgrößen abbildet. Fünfter Schritt: Identifizieren mindestens eines ersten Haupteinflussparameters für das erste Teilmodell. Sechster Schritt: Bestimmen eines optimalen Wertes des ersten Haupteinflussparameters in jedem Messpunkt. Siebenter Schritt: Interpolieren des ersten Haupteinflussparameters für alle sinnvollen Konstellationen von Eingangsvariablen zur Kalibrierung des ersten Teilmodells. Achter Schritt: Erstellen eines weiteren Teilmodells zur Abbildung einer weiteren Teilmenge der Messgrößen in Abhängigkeit der Eingangsvariablen und der zuvor ermittelten ersten Teilmenge der Messgrößen. Neunter Schritt: Identifizieren mindestens eines weiteren Haupteinflussparameters für das weitere Teilmodell. Zehnter Schritt: Bestimmen eines optimalen Wertes des weiteren Haupteinflussparameters in jedem Messpunkt. Elfter Schritt: Interpolieren des weiteren Haupteinflussparameters für alle sinnvollen Konstellationen von Eingangsvariablen zur Kalibrierung des weiteren Teilmodells.
-
Das Verfahren ermöglicht es, bereits bei einer geringen Anzahl von real ermittelten Messgrößen, die als Eingangsmessgrößen oder Eingangsparameter angesehen und bezeichnet werden können, Simulationsmodelle mit einer guten Prognosequalität zu erstellen, um das Verhalten der Brennkraftmaschine - für noch nicht zur Verfügung stehende Messgrößen und/oder für nur aufwändig zu ermittelnde Messdatensätze - auch ohne weitere Messungen anhand der Simulationsmodelle studieren zu können.
-
Es hat sich herausgestellt, dass es bei der Bauteildimensionierung und der Betriebsabstimmung einer Brennkraftmaschine eines multiplen hochkorrelierenden Beschreibungsprofiles bedarf.
-
Ziel bei der Bauteildimensionierung und der Betriebsabstimmung einer Brennkraftmaschine ist es, einen minimalen Kraftstoffverbrauch bei sehr guter Akustik und Dynamik zu realisieren, wobei, wie soeben erläutert, nur eine geringe Anzahl von real ermittelten Messdaten zur Verfügung steht und darüber hinaus nur geringe Prüfstandkapazitäten und Prüfstandressourcen vorhanden sind.
-
Bei dem bekannten Verfahren kommt es in nachteiliger Weise durch die Teilmodellbildung zu einer Reduzierung der Komplexität. Ein gesuchtes Optimum, beispielsweise der minimale Kraftstoffverbrauch, wird zwar gefunden, jedoch ist das Potential zur Suche des gesuchten Optimums nicht vollständig ausgeschöpft.
-
Bei einer theoretischen Aufteilung in Teilprojekte, wie es beispielsweise in der Druckschrift
WO 2006/007621 A2 beschrieben ist, erhöht sich der Aufwand - unter Berücksichtigung weiterer Korrelationen - exponentiell und ist unter Praxisbedingungen nahezu undurchführbar.
-
Ferner wird als weiterer Ausgangspunkt der Erfindung eine Veröffentlichung in der MTZ „Motortechnische Zeitschrift“, 61, 2000, S. 378 - 384 von „Thomas Kruse und Johannes Kuder unter dem Titel „Parameteroptimierung an Ottomotoren mit Direkteinspritzung“ genannt.
-
Das erfindungsgemäße Verfahren geht einen anderen Weg, der es in verbesserter Weise ermöglicht, ein Optimum für mindestens einen gesuchten Versuchsparameter zu ermitteln.
-
Die Aufgabe der Erfindung besteht darin, ein optimiertes Verfahren zur Untersuchung einer Brennkraftmaschine zu schaffen. Das Verfahren soll die Bauteildimensionierung und die Betriebsabstimmung der Brennkraftmaschine unter Berücksichtigung von einer Vielzahl von Messgrößen zur Ermittlung mindestens eines optimalen Versuchsparameters der Brennkraftmaschine verbessern.
-
Ausgangspunkt für die Erfindung sind folgende technische Überlegungen.
-
Die Einhaltung der aktuellen und zukünftigen gesetzlichen Abgasvorschriften bei geringstmöglichem Kraftstoffverbrauch erfordert eine immer komplexere Motorentechnik. Zur weiteren Verbesserung beispielsweise dieses Zielwertes (Kraftstoffverbrauch) und anderer Zielwerte kommen immer mehr Komponenten mit zusätzlichen Stellmöglichkeiten an einer Brennkraftmaschine (Motor) zum Einsatz, um flexibel auf die unterschiedlichen Anforderungen reagieren zu können.
-
Die verschiedenen Stellmöglichkeiten erlauben es, an einer Brennkraftmaschine diverse Einflussgrößen einzustellen. Da die Einflussgrößen in Versuchen aufeinander abgestimmt werden müssen, werden sie auch als Versuchsparameter bezeichnet.
-
Eine Brennkraftmaschine beziehungsweise eine Motorkomponente (Einspritzsystem, Luftsystem) der Brennkraftmaschine weist mehrere solcher Versuchsparameter auf.
-
Dabei wird in sogenannte harte - konstruktive Versuchsparameter* und - sogenannte weiche - Versuchsparameter beziehungsweise Motorverstellparameter unterschieden.
-
Nachfolgend sind die sogenannten harten konstruktiven Versuchsparameter mit * und die sogenannten weichen, nicht konstruktiven Versuchsparameter nicht weiter gekennzeichnet.
-
Versuchsparameter der Brennkraftmaschine sind, wie 6 in einer Übersicht zeigt, beispielsweise:
- übergeordnete Versuchsparameter der Brennkraftmaschine:
- - Motordrehzahl
- - Drehmoment
-
Das Einspritzsystem als Systemkomponente der Brennkraftmaschine weist beispielsweise folgende Versuchsparameter auf:
- - Einspritzdüsenlochanzahl und Spraykegel*
- - Einbautiefe der Einspritzdüse*
- - Einspritzmenge (Zylinderfüllung)
- - Einspritzbeginn
- - Einspritzdruck
- - Lage und Menge der Voreinspritzung
- - Lage und Menge der Haupteinspritzung
- - Lage und Menge der Nacheinspritzung
-
Das Luftsystem als Systemkomponente der Brennkraftmaschine weist beispielsweise folgende Versuchsparameter auf:
- - Abgasrückführstrecken
- ◯ Abgasrate
- ◯ Rohrdurchmesser"
- - Saugrohr
- ◯ Volumen Ansaugluft
- ◯ Ladedruck Ansaugluft
- - Turbolader; gemäß Verdichterkennlinie
- - Variabler Ventiltrieb; gemäß Ventilerhebungskurven: nockenkonturabhängig
- ◯ variable Öffnungszeit
- ◯ variabler Ventilhub
- ◯ variable Spreizung
-
Die Anzahl der Versuchsparameter, insbesondere der weichen Versuchsparameter, steigt stetig an.
-
Die Abstimmung wird zunehmend schwieriger und ist mit konventionellen Methoden beispielsweise über Rastervermessungen nur noch unzureichend zu bewältigen. Bei steigendem Abstimmungsaufwand sollen gleichzeitig die Entwicklungszeiten und Entwicklungskosten weiter reduziert werden. Die Festlegung der optimalen Abstimmung der Versuchsparameter untereinander gestaltet sich mit zunehmender Komplexität immer schwieriger.
-
Nachteil der herkömmlichen Verfahrensweise ist es, dass sich die optimalen Werte der Versuchsparameter nur mit Personaleinsatz manuell an einem Motorprüfstand ermitteln lassen.
-
Dazu wird bisher ausgehend von einem sicher einstellbaren Betriebspunkt beispielsweise ein Versuchsparameter schrittweise so lange verstellt, bis ein physikalischer Grenzwert erreicht wird, oder Überwachungsgrößen wie Temperaturen und Drücke für den zerstörungsfreien Betrieb des Motors nicht überschritten werden.
-
Bei einer geringen Korrelation zwischen den Versuchsparametern kann die manuelle Bestimmung für bis zu drei Versuchsparameter noch in einem annehmbaren Zeitrahmen von wenigen Stunden durchgeführt werden.
-
Bei steigender Anzahl von Versuchsparametern muss die Abstimmung nacheinander erfolgen, wodurch Wechselwirkungen und Korrelationen aller Versuchsparameter nicht mehr ohne Weiteres ermittelt werden können. Die Vorgehensweise ist unter dem Schlagwort „One-factor-at-the-time“-Methode bekannt.
-
Eine andere herkömmliche Methode zur Modellbildung ist der Einsatz von mathematischen Beschreibungen auf Basis von Messdaten. Dabei wird für jede Motorkonfiguration nur ein geringer Teil der möglichen Messpunkte des vollständigen Rasters vermessen. Aus dieser Datenbasis wird dann ein mathematisches Modell erstellt.
-
Das erfindungsgemäße Verfahren berücksichtigt bei der Bauteilauslegung und Bauteilabstimmung der Komponenten der Brennkraftmaschine alle gewünschten Versuchsparameter - konstruktive Versuchsparameter und nicht konstruktive Versuchsparameter - der Systemkomponenten, wie nachfolgend erläutert wird.
-
Die Aufgabe der Erfindung besteht darin, ein Verfahren anzugeben, welches das Verhalten von mehrdimensionalen komplexen Systemen, wie beispielsweise einer Optimierung einer Brennkraftmaschine, mit hoher Qualität abbildet, und welches eine einfache Handhabbarkeit für den Anwender gewährleistet.
-
Ausgangspunkt für die Erfindung ist ein Verfahren zur Untersuchung des Verhaltens von komplexen Systemen von Brennkraftmaschinen durch Bildung eines Modells zur Kennfeldoptimierung von mindestens zwei Versuchsparametern der Brennkraftmaschine, das zur Optimierung mindestens einer Zielgröße zur Optimierung von Emissionen und/oder dem Verbrauch der Brennkraftmaschine dient.
-
Das erfindungsgemäße Verfahren umfasst die Schritte:
- - Ermitteln der Betriebsgrenzen anhand von Messdaten auf einem Prüfstand durch Variation mindestens eines Versuchsparameters der Brennkraftmaschine;
- - Erstellen eines Versuchsplans mit Versuchspunkten für mindestens einen zu variierenden Versuchsparameter;
- - Erfassen der Messdaten für alle in einer Versuchsplanung zu variierende Versuchsparameter und alle für die spätere Plausibilisierung und nachfolgende Modellbildung notwendigen Messgrößen auf dem Prüfstand;
- - Überprüfen der Plausibilität der Messdaten aller Versuchsparameter und Zielgrößen;
- - Bilden mindestens eines die Zielgröße beschreibenden mathematischen Rechenmodells;
- - Optimieren der Versuchsparameter für die mindestens eine Zielgröße mit Hilfe des die Zielgröße beschreibenden mathematischen Rechenmodells;
- - Verifizieren der nach dem Optimieren erhaltenen optimalen Einstellung der Versuchsparameter durch Messungen auf dem Prüfstand.
-
Erfindungsgemäß ist vorgesehen, dass das Erstellen des Versuchsplans in zwei weitgehend voneinander unabhängigen Teilen durchgeführt wird.
-
In einem ersten Teil wird ein standardisierter Versuchsplan in einem n-dimensionalen Versuchsraum erstellt. Das Erstellen erfolgt in dem ersten Teil durch Festlegen der Anzahl von Einstellstufen der mindestens zwei Versuchsparameter in Abhängigkeit eines Modellansatzes durch ein systematisches Erstellen des standardisierten Versuchsplans mit gleichmäßig im Versuchsraum verteilten Versuchspunkten durch Ausnutzung von Randbedingungen, ohne zu diesem Zweck eine zufällige Auswahl von Versuchspunkten oder ein Raster von Versuchspunkten für den gesamten standardisierten Versuchsraum oder für Teile dieses Versuchsraums zu erzeugen, und durch eine bedarfsgerechte Ergänzung dieses gleichverteilten standardisierten Versuchsplans mit D-optimal verteilten Versuchspunkten mit bekannten mathematischen Verfahren.
-
Das Erstellen erfolgt in dem zweiten Teil, indem der im ersten Teil erstellte standardisierte Versuchsplan in den realen Versuchsraum mit seinen höherdimensionalen Korrelationen hineinskaliert wird, durch Beschreibung des gesamten hochdimensionalen Versuchsraumes mit allen Kombinationsmöglichkeiten aller Stufen der mindestens zwei Versuchsparameter einer übersichtlichen, einfach mit Daten zu füllenden Tabellenstruktur und durch automatisierte, eindeutige Zuordnung einer jeden Stufe jedes Versuchsparameters des standardisierten Versuchsplans zu einem Wert aus der den realen Versuchsraum beschreibenden Tabellenstruktur.
-
In bevorzugter Ausgestaltung der Erfindung wird das Optimieren der Messdaten mindestens einen Kennfeldes mit Hilfe einer Bedienoberfläche eines Tabellenkalkulationsprogrammes vorgenommen, indem in einem ersten Bereich der Bedienoberfläche die mindestens zwei Versuchsparameter festgelegt und Randbedingungen für das Optimieren definiert werden, und in einem zweiten Bereich die Zielgrößen definiert werden, und in einem dritten Bereich mindestens ein Optimierungsalgorithmus definiert und festgelegt wird.
-
Bevorzugt wird das Optimieren mit einem Gradientenverfahren und/oder mit einem Partikelschwarmoptimierungsverfahren als Optimierungsalgorithmus vorgenommen.
-
Ferner ist in bevorzugter Ausgestaltung der Erfindung vorgesehen, dass vor dem Optimieren oder während des Optimierens des mindestens einen Kennfeldes die bei dem Erstellen der Versuchsplanung dem standardisierten Versuchsplan zugrunde liegenden Messdaten einem Grenzdetektionsalgorithmus zugeführt werden, der Modellgültigkeitsgrenzen verifiziert.
-
Der die Modellgültigkeitsgrenzen verifizierende Grenzdetektionsalgorithmus wird in bevorzugter Ausgestaltung der Erfindung in zwei Detektionsschritten durchgeführt.
-
In einem ersten Detektionsschritt - in einer Clusteranalyse - werden die minimalen und maximalen Residuen der Messdaten in vorgegebenen, den mindestens zwei Versuchsparametern zugeordneten Clusterstützstellen ermittelt und vorsortiert, und aus den vorsortierten minimalen und maximalen Residuen der Messdaten wird eine mathematische Modellbildung über die mindestens zwei Versuchsparameter des zu optimierenden Kennfeldes vorgenommen und für eine maximale Modellgültigkeitsgrenze oder eine minimale Modellgültigkeitsgrenze eine erste Modellkurve gebildet.
-
In einem nachfolgenden zweiten Detektionsschritt zur Berechnung einer zweiten Modellkurve, auf der die Messdaten auf einer gesuchten Modellgültigkeitsgrenze liegen, werden bei der Ermittlung der maximalen Modellgültigkeitsgrenze nur die oberhalb der ersten Modellkurve liegenden positiven Residuen und bei der Ermittlung der minimalen Modellgültigkeitsgrenze nur die unterhalb der ersten Modellkurve liegenden negativen Residuen ausgewertet.
-
Die zu der zweiten Modellkurve gehörenden Ergebnisse werden in dem Tabellenkalkulationsprogramm angezeigt und können vor dem Optimieren oder während des Optimierens des mindestens einen Kennfeldes angepasst werden.
-
Die im nachfolgenden Beschreibungsteil auch anhand von Figuren erläuterte erfindungsgemäße Vorgehensweise zur Untersuchung einer Brennkraftmaschine anhand eines Simulationsmodells zur Simulation der Bauteildimensionierung und der Betriebsabstimmung der Brennkraftmaschine schöpft ein größeres Potential aus als bisher. Das Verfahrensprinzip ist auch für Simulationen außerhalb der Kraftfahrzeugbranche für andere Gegenstände, als die nachfolgend beispielhaft genannte Brennkraftmaschine, anwendbar.
-
Die Erfindung wird nachfolgend anhand der folgenden Figuren näher erläutert. Es zeigen:
- 1 eine schematische Darstellung des gesamten modellbasierten Verfahrensablaufes zur Abstimmung einer Brennkraftmaschine in der Entwicklung durch Kennfeldoptimierung hochdimensionaler Parameterräume;
- 2 ein Versuchspunktraster eines dreidimensionalen orthogonalen Einstellbereiches von Versuchsparametern, beispielsweise der Versuchsparameter A und B sowie in der dritten Dimension C (nicht dargestellt) innerhalb einer Versuchsplanung;
- 3 einen korrelierten Einstellbereich der Versuchsparameter A, B, C (C nicht dargestellt) zur Darstellung der Ausschlussbereiche am Beispiel der Versuchsparameter A und B innerhalb der Versuchsplanung;
- 4 einen korrelierten Einstellbereich der Versuchsparameter A, B, C (C nicht dargestellt) am Beispiel der Versuchsparameter A und B mit dem erfindungsgemäß angepassten Versuchspunktraster innerhalb der Versuchsplanung;
- 5 einen herkömmlichen orthogonalen dreidimensionalen Betriebsbereich (Versuchsraum) von Versuchsparametern A, B, C und einen durch die erfindungsgemäße Versuchsplanung erstellten tatsächlichen hochdimensionalen Betriebsbereich (Versuchsraum) der Versuchsparameter A, B, C;
- 6 eine Übersicht über die möglichen Versuchsparameter, die zu beachtenden Randbedingungen und die Zielgrößen des Verfahrens;
- 7 eine Darstellung einer Bedienoberfläche für die Kennfeldoptimierung;
- 8 ein Diagramm zur Darstellung einer betriebspunktabhängigen Grenzwertberechnung durch Clusterung der Messpunkte zur Bestimmung der positiven und negativen Residuen zur Bestimmung einer ersten Modellkurve; und
- 9 ein Diagramm zur Darstellung einer betriebspunktabhängigen Grenzwertberechnung nach der Clusterung der Messpunkte zur Bestimmung einer zweiten Modellkurve nach Auswertung der positiven Residuen.
-
Das Verfahren wird nachfolgend erläutert:
- Die 1 zeigt schematisch eine Schrittkette zur Kennfeldoptimierung hochdimensionaler Parameterräume mit mehreren Schritten.
-
In einem ersten Schritt 1 werden „Online“ auf dem Prüfstand zur Kennfeldoptimierung der Brennkraftmaschine die Betriebsgrenzen 1 der Brennkraftmaschine ermittelt.
-
In einem zweiten Schritt 2 wird „Offline“ ein Versuchsplan zur Kennfeldoptimierung der Brennkraftmaschine aufgestellt.
-
In einem dritten Schritt 3 werden „Online“ auf dem Prüfstand an der Brennkraftmaschine Messdaten erfasst.
-
In einem vierten Schritt 4 werden die Messdaten „Offline“ mindestens einer Plausibilitätsprüfung unterzogen.
-
Ferner wird in einem fünften Schritt 5 wiederum „Offline“ mindestens ein mathematisches Rechenmodell gebildet.
-
In einem sechsten Schritt 6 wird „Offline“ über das mindestens eine mathematisch gebildete Rechenmodell eine Kennfeldoptimierung vorgenommen.
-
In einem siebenten Schritt 7 werden die Daten des optimierten Kennfeldes „Online“ auf dem Prüfstand an der Brennkraftmaschine verifiziert.
-
Die Schritte 1, 3 und 7 werden somit „Online“ in einer Online-Ebene mit Hilfe eines Computers und Computerprogrammen an einer realen Brennkraftmaschine auf einem Prüfstand durchgeführt.
-
Die Schritte 2, 4, 5 und 6 werden „Offline“ in einer Offline-Ebene mit Hilfe eines Computers und Computerprogrammen nicht direkt an der Brennkraftmaschine durchgeführt.
-
Dadurch, dass die Schritte 2, 4, 5 und 6 in der Offline-Ebene durchgeführt werden, kann in vorteilhafter Weise in den nachfolgenden Schritten 3 und 7 kostenintensive Versuchszeit in der Online-Ebene, das heißt auf dem Prüfstand, eingespart werden.
-
Das Verfahren hat die technische Wirkung, dass nach der Durchführung der Schritte 1 bis 7 eine hinsichtlich ihres Betriebskennfeldes optimierte Brennkraftmaschine ausgebildet ist. Die Brennkraftmaschine ist nach ihrer Optimierung durch die beschriebene Methode beziehungsweise das Verfahren für den Betrieb vorgesehen.
-
Insofern ist ein Verfahren geschaffen, welches einen optimierten Betrieb einer Brennkraftmaschine ermöglicht.
-
Die Erfindung beinhaltet einen ersten wesentlichen Erfindungsgedanken, der in dem zweiten Schritt des Verfahrens, in der Ausgestaltung einer Versuchsplanung, liegt.
-
Die Erfindung beinhaltet ferner einen zweiten wesentlichen Erfindungsgedanken, der in dem sechsten Schritt des Verfahrens, in der Ausgestaltung der Kennfeldoptimierung 6, liegt.
-
Schritt 2: Die Versuchsplanung:
-
Nach der „Online“ Detektion der Betriebsgrenzen an der Brennkraftmaschine in dem ersten Schritt 1 erfolgt die Erstellung eines Versuchsplans.
-
Bei der Verteilung der Messpunkte der Modelldatenbasis ist für eine hohe Modellgenauigkeit eine optimale Anordnung der Messpunkte in einem Versuchsraum entscheidend.
-
Dafür wurde eine neue Versuchsplanung entwickelt, die zwei Teile umfasst.
-
Bei herkömmlichen orthogonalen oder nur geringfügig eingeschränkten Versuchsräumen ist die Versuchsplanung mit relativ geringem Aufwand möglich.
-
Die 2 zeigt ein Versuchspunktraster eines orthogonalen Einstellbereiches von zwei miteinander korrelierenden Versuchsparametern, beispielsweise den Versuchsparametern A in x-Richtung und B in y-Richtung. In einer dritten Dimension in z-Richtung aus der Blattebene heraus oder in die Blattebene hinein, liegt beispielsweise ein weiterer Versuchsparameter C, der mit den Versuchsparametern A und/oder B korreliert.
-
Die richtige Größe des Versuchsplans ist die vom Anwender unter Berücksichtigung des Modellansatzes, der technischen Voraussetzung des Versuchsaufbaus und der zur Verfügung stehenden Messzeit vorgegebene Anzahl von Versuchspunkten.
-
Für jeden Freiheitsgrad des Modellansatzes wird jeweils ein Versuchspunkt für die exakte Bestimmung der Versuchsparameter benötigt. Daraus ergibt sich eine minimale Anzahl von Versuchspunkten.
-
Für weitergehende Aussagen zur Modellgenaugkeit oder zur Identifizierung von Messfehlern werden weitere Versuchspunkte benötigt. Zu den technischen Randbedingungen gehören zum Beispiel die erwarteten Gradientenänderungen der Zielgröße bei der Verstellung mindestens eines der Versuchsparameter.
-
Für eine hohe Modellqualität ist es erforderlich, Versuchspunkte in den Bereich größerer Gradientenänderungen zu legen. Wenn diese Bereiche vor der Messung nicht bekannt sind, wird für den betroffenen Versuchsparameter eine höhere Stufenanzahl festgelegt, als für den ausgewählten Modellansatz notwendig ist.
-
Bei technisch aufwändigen, sehr teuren oder langwierigen Versuchen wird die Versuchspunktanzahl dicht an der minimalen Anzahl liegen.
-
Bei sehr schnell und kostengünstig durchzuführenden Versuchen oder bei Versuchen mit einer großen Messunsicherheit wird vergleichsweise eine größere Anzahl von Versuchspunkten gewählt.
-
Der Versuchsplan wird so aufgebaut, dass mit den Versuchsergebnissen sowohl Polynommodelle als auch neuronale Netze und Gaußprozess-Modelle erstellt werden können.
-
Durch D-optimale Versuchspläne können sowohl die linearen Einflüsse eines Parameters als auch die Wechselwirkungen zwischen mehreren Versuchsparametern eindeutig erkannt werden.
-
Bei D-optimalen Versuchsplänen werden die Eckpunkte des Versuchsraumes mit besonderer Priorität mit Versuchspunkten besetzt. Es wird aber auch sichergestellt, dass im Inneren ausreichend Versuchspunkte vorhanden sind, um komplexe physikalische Zusammenhänge mit höherdimensionalen Wechselwirkungen mit ausreichender Modellgenauigkeit abbilden zu können.
-
Ein Teil der erfindungsgemäßen Lösung besteht darin, einen Versuchsplan aus einem parameterraumfüllenden und einem D-optimalen Anteil zusammenzusetzen.
-
Bevorzugt ist in diesem Zusammenhang vorgesehen, dass die Anteile von parameterraumfüllenden und einem D-optimalen Anteil je nach Anwendungsfall variierbar, das heißt flexibel einstellbar sind.
-
Der Anwender legt in Abhängigkeit von der Anzahl der Versuchsparameter und des Modellansatzes fest, welcher Anteil der Versuchspunkte aus der gesamten Versuchspunktanzahl gleichmäßig auf den Versuchsraum verteilt wird. Die restlichen Versuchspunkte werden mit bekannten mathematischen Verfahren D-optimal ergänzt.
-
Für „kleine“ Versuchspläne mit wenigen Versuchsparametern und minimaler Versuchspunktanzahl ist es sinnvoll, die Anzahl der parameterraumfüllenden Versuchspunkte auf den Wert Null zu setzen.
-
Die Erstellung des Versuchsplans in dem zweiten Schritt erfolgt etappenweise. Das heißt, der zweite Schritt ist in zwei Etappen unterteilt.
-
In einer ersten Etappe wird ein standardisierter Versuchsplan erstellt. Die Werte der Einstellstufen dieses Versuchsplans werden in Abhängigkeit von der Anzahl der Einstellstufen der einzelnen Versuchsparameter und in Abhängigkeit des Modellansatzes festgelegt.
-
Die realen Verstellbereiche der Versuchsparameter werden in einer zweiten Etappe berücksichtigt.
-
Erster Teil:
-
Im ersten Teil wird gemäß 2 die Anzahl der Stützstellen jedes beispielhaft genannten Versuchsparameters A, B, C so gewählt, wie es für den gewünschten Modellansatz notwendig ist. Gegebenenfalls vorhandene Ausschlussbereiche und der Wertebereich des realen Versuchsraumes werden bei dem erfindungsgemäßen standardisierten Versuchsplan nicht berücksichtigt, wie nachfolgend erläutert wird.
-
Zur Erstellung des parameterraumfüllenden Anteils des Versuchsplans bei hochdimensionalen Versuchsräumen mit bis zu zwanzig oder mehr Versuchsparametern A, B, C, D, E, usw. ist die Anzahl der theoretisch zur Verfügung stehenden Messpunkte so groß, dass es nicht mehr praktikabel ist, ein vollständiges Versuchspunktraster aufzubauen, um dann daraus die Versuchspunkte auszuwählen.
-
Durch den erfindungsgemäßen systematisch aufgebauten standardisierten Versuchsplan werden unter Beachtung bestimmter Randbedingungen Versuchspunkte ausgewählt, ohne dass der gesamte hochdimensionale Versuchsraum erzeugt werden muss, worin ein wesentlicher Vorteil der Erfindung besteht.
-
Folgende Randbedingungen zur Erstellung des standardisierten Versuchsplans sind dabei zu erfüllen:
- a) Die Versuchsparameter werden in Stufen eingeteilt, wobei jede Stufe eines Versuchsparameters gleich oft vorkommen muss;
- b) kein Versuchspunkt darf doppelt vorkommen;
- c) jede Stufenkombination von zwei Versuchsparametern muss mindestens einmal irgendwo im Versuchsplan vorkommen;
- d) benachbarte Versuchspunkte sollen im gesamten Versuchsraum den maximalen möglichen Abstand voneinander haben.
-
Zunächst wird ein vollfaktorieller Versuchsplan nur für einen Teil der Versuchsparameter erstellt.
-
Bei dem ersten Versuchsparameter beginnend, werden so lange weitere Versuchsparameter hinzugefügt, bis der vollfaktorielle Versuchsplan größer ist als die gewünschte Anzahl von Versuchspunkten.
-
Dieser Versuchsplan erfüllt bereits alle vier unter a), b), c), d) genannten Voraussetzungen, kann aber wesentlich größer sein als die gewünschte Anzahl von Versuchspunkten.
-
Bevorzugt wird der Versuchsplan jetzt auf die gewünschte Versuchsplangröße reduziert. Die Auswahl, welche Versuchspunkte aus dem vollfaktoriellen Versuchsplan gelöscht werden, erfolgt systematisch nach einem festgelegten Schema, abhängig von der Anzahl der enthaltenen Versuchsparameter und deren Stufenanzahl.
-
Als nächstes werden die restlichen Versuchsparameter im Versuchsplan so ergänzt, dass die Anzahl der Versuchspunkte einer jeden Stufe jedes Versuchsparameters möglichst gleich ist.
-
Die Verteilung der Stufen jedes Versuchsparameters auf den Versuchsplan erfolgt zufällig. Der Versuchsplan erfüllt jetzt die Voraussetzungen a) und b).
-
Inwieweit auch die Randbedingungen c), d) erfüllt sind, hängt jetzt von der zufälligen Verteilung, der nachträglich an den vollfaktoriellen Anteil angehängten Versuchsparameter ab. Diese werden jetzt so oft spaltenweise vertauscht bis schließlich auch die Randbedingungen c) und d) erfüllt werden.
-
Als Kriterium dafür wird bevorzugt eine Konditionszahl der Versuchsmatrix verwendet.
-
Die Versuchsmatrix wird aus den Termen des ausgewählten Modellansatzes (linear, quadratisch oder kubisch) mit allen Wechselwirkungen und den Stufen der Versuchsparameter für alle Versuchspunkte gebildet.
-
Je kleiner die Konditionszahl ist, desto besser ist die Versuchspunkteverteilung. In einer Schleife werden die Spalten der angehängten Versuchsparameter mehrfach durchlaufen und die Elemente jeder Spalte mehrfach zufällig vertauscht. Für jede dadurch entstandene Versuchsmatrix wird die Konditionszahl berechnet. Die beste Versuchsmatrix wird beibehalten, alle anderen werden verworfen.
-
Bevorzugt wird der derart gebildete sogenannte parameterraumfüllende Versuchsplan durch einen D-optimalen Anteil ergänzt. Als Kandidaten für die Ergänzungspunkte steht der gesamte aus den Kombinationsmöglichkeiten aller Stufen aller Versuchsparameter-zusammengesetzte Versuchsraum zur Verfügung, mit Ausnahme der bereits im parameterraumfüllenden Versuchsplan enthaltenen Versuchspunkte.
-
Aus diesen Kandidaten wird unter Verwendung bekannter mathematischer Verfahren die D-optimale Ergänzung des raumfüllenden Anteils vorgenommen.
-
Bei einem sehr großen Versuchsraum von mehreren 10.000 Punkten kann dieses Verfahren viele Minuten oder sogar Stunden dauern oder scheitert aufgrund eines zu hohen Speicherbedarfs. Wenn die Anzahl der Kandidaten deutlich größer als 10.000 ist, wird sie in der Praxis auf eine sinnvolle ausgewählte Anzahl von 8.000 bis 10.000 zufällig ausgewählten Punkten beschränkt.
-
Da der Innenraum des Versuchsraumes durch den gleichverteilten Anteil bereits gut besetzt ist, werden die Eckpunkte des Versuchsraumes bevorzugt ausgewählt. Der Minimal- und der Maximalwert eines jeden Versuchsparameters werden vollfaktoriell miteinander kombiniert. Es entstehen 2n (n= Anzahl der Anpassungsparameter A, B, C ... usw.) Versuchspunkte. Bei mehr als beispielsweise dreizehn Anpassungsparametern 213,, das heißt mehr als 8192 Versuchspunkten, wird eine zufällige Auswahl von 10.000 Punkten getroffen.
-
Bei einer geringeren Anzahl von Versuchsparametern werden die vollfaktoriell kombinierten Eckpunkte durch eine zufällige Auswahl von weiteren Versuchspunkten aus dem gesamten Versuchsraum ergänzt.
-
Die bereits im gleichverteilten Versuchsplan vorhandenen Versuchspunkte werden aus der Auswahl gelöscht. Es ist möglich, die gelöschten Versuchspunkte durch andere zu ersetzen, aber nicht zwingend notwendig, weil die Beschränkung der Kandidaten für die D-optimale Ergänzung auf 10.000 Punkte willkürlich gewählt wurde und wesentlich größer ist als die Anzahl der benötigten Versuchspunkte.
-
Zweiter Teil:
-
Im zweiten Teil des zweiten Schrittes wird der fertige standardisierte Versuchsplan gemäß 2 in den durch die Anpassungsparameter aufgespannten Versuchsraum „skaliert“, wie 3 darstellt.
-
Durch die „Skalierung“ des im ersten Teil erstellten standardisierten Versuchsplans gemäß 2 in den Versuchsraum gemäß 3 wird sichergestellt, dass auch in den Randbereichen, in denen einzelne Versuchsparameterkombinationen nicht einstellbar sind, genügend Stützstellen zur Bestimmung der Einflüsse der Versuchsparameter und der Wechselwirkungen zwischen den Versuchsparametern vorhanden sind, worin eine wesentliche Idee der Erfindung liegt.
-
Der zweite Teil wird nachfolgend anhand der 2 bis 4 weiter erläutert und verdeutlicht.
-
Je größer die Korrelation der Versuchsparameter untereinander wird, desto mehr physikalische Ausschlussbereiche entstehen. Der mathematische Aufwand der Beschreibung der Ausschlussbereiche nimmt mit steigender Anzahl der Versuchsparameter exponentiell zu.
-
Die 3 zeigt einen korrelierten Verstellbereich oder Versuchsraum von zwei in einer Ebene darstellbaren Versuchsparametern A und B mit Ausschlussbereichen und dem durch den Ausschluss bedingten Wegfall von Versuchspunkten im orthogonalen Versuchspunktraster.
-
Die Verteilung der ausgewählten Messpunkte beschränkt sich jetzt auf einen tatsächlich einstellbaren zweidimensionalen oder bei mehr als zwei Versuchsparametern auf einen n-dimensionalen Betriebsbereich, der kleiner ist als der Betriebsbereich beziehungsweise Versuchsraum gemäß 2.
-
Die Ausschlussbereiche des Versuchsraumes sind in den 3 und 4 mit strichpunktierten Linien dargestellt.
-
Für jede Einstellung des Versuchsparameters A existieren gemäß 4 und der 5 individuelle minimale und maximale Grenzwerte für den Versuchsraum des beispielhaften ausgewählten Versuchsparameters B.
-
Der Versuchsraum (Betriebsbereich) wird gemäß der 3 anschließend an den jeweiligen tatsächlich einstellbaren Versuchsraum (Betriebsbereich) gemäß den 4 und 5 angepasst.
-
Dabei wird so vorgegangen, dass die in den Ausschlussbereichen liegenden Versuchspunkte (Stützstellen) des Versuchspunktrasters in den jeweiligen tatsächlich einstellbaren Versuchsraum (Betriebsbereich) „hineinskaliert“ (siehe Pfeile in 3) werden.
-
Zur Vereinfachung der Darstellung wird in den 2 bis 4 angenommen, dass für jeden Versuchsparameter Ober- und Untergrenze des realen Versuchsraums und des standardisierten und reduzierten Versuchsplans gleich sind. Die „Skalierung“ funktioniert aber auch dann nach den gleichen mathematischen Methoden, wenn sich die Grenzen deutlich unterscheiden.
-
4 zeigt das Ergebnis des zweiten Teils innerhalb des zweiten Schrittes des Verfahrens am Beispiel eines in einer Ebene darstellbaren zweidimensionalen Versuchsraums (Betriebsbereichs) mit den Versuchsparametern A und B.
-
Die Stufen des Versuchsparameters B sind in Abhängigkeit von den Stufen des Versuchsparameters A so skaliert worden, dass sie, unter Nichtberücksichtigung der Ausschlussbereiche, den realen Versuchsraum (Betriebsbereich) möglichst gut ausfüllen.
-
Die Skalierung der Verstellbereiche, das heißt die Skalierung des Versuchsraumes der einzelnen Versuchsparameter, ist bevorzugt hierarchisch aufgebaut.
-
In den 2 bis 4 ist der Wertebereich des standardisierten Versuchsplans für Versuchsparameter A bereits auf den realen Verstellbereich des Versuchsparameters A verteilt.
-
Die Stufen des Versuchsparameters B des standardisierten Versuchsplans werden gemäß den 3 und 4 für jede Stufe des Versuchsparameters A gleichmäßig auf den an dieser Stufe vorhandenen realen Verstellbereich des Versuchsparameters B verteilt. An jeder dadurch entstandenen realen Stufe des Versuchsparameters A hat der Versuchsparameter B einen unterschiedlichen Verstellbereich oder Versuchsraum.
-
Zur praktischen Anwendung des Verfahrens durch einen Benutzer:
- In einer hier nicht gezeigten Tabelle wird für den Anwender jeweils die Abhängigkeit der Verstellbereiche zweier Versuchsparameter A und B voneinander dargestellt.
-
Auf der x-Achse der Tabelle steht die Stufennummer des Versuchsparameters B und auf der y-Achse die Stufennummer des Versuchsparameters A. Innerhalb der Tabelle ist der Stufennummer des Versuchsparameters A jeweils ein fester realer Wert zugeordnet. In der Tabelle steht der reale Einstellwert des Versuchsparameters B. Wenn man mehrere Tabellen untereinander schreibt, dann ist die x-Achse der Tabellen weiterhin mit den Stufen des Versuchsparameters B beschriftet. Jede der untereinander stehenden Tabellen ist für eine Stufe des Versuchsparameters C gültig.
-
Die Stufen für Größe A auf der y-Achse der einzelnen Tabellen kann für jede Tabelle, das heißt jede Stufe des Versuchsparameters C, anders beschriftet werden. Jeder Wert innerhalb einer Stufe des Versuchsparameters B erhält dadurch, in Abhängigkeit von den Werten an den Stufen der Versuchsparameter A und C einen anderen Wert.
-
Neben die Tabellen mit den Werten für den Versuchsparameter B lassen sich für beliebig viele weitere Größen, zum Beispiel D, E und F, Spalten mit Tabellen stellen.
-
Jede Reihe von Tabellen steht dabei für eine Stufe des Versuchsparameters C. Die y-Achse einer Tabellenreihe ist immer gleich. Sie enthält die von Versuchsparameter C abhängigen Stufenwerte des Versuchsparameters A.
-
Jede Spalte von Tabellen, das heißt jeder Versuchsparameter B, D, E und F, hat eine x-Achse, die jeweils immer für einen Versuchsparameter gültig ist und mit den jeweiligen Stufen der Versuchsparameter aus dem standardisierten Versuchsplan beschriftet ist.
-
Die „Skalierung“ der Stufen der einzelnen Versuchsparameter ist, wie erwähnt, hierarchisch aufgebaut.
-
In dem oben stehenden Beispiel steht der Versuchsparameter C an erster Stelle der Hierarchie, gefolgt von dem Versuchsparameter A. Die Skalierungen der Versuchsparameter B, D, E und F stehen auf gleicher Hierarchiestufe unter den Versuchsparametern C und A.
-
In der Praxis hat es sich bei Versuchen für die Motorapplikation herausgestellt, dass es vorteilhaft ist, als Führungsgrößen die Versuchsparameter, die Drehzahl oder das Drehmoment zu verwenden.
-
Die bisher beschriebene hierarchische Abhängigkeit der Skalierungen eines Versuchsparameters von zwei weiteren Versuchsparametern lässt sich in vorteilhafter Weise auf einem Tabellenblatt darstellen.
-
Die Hierarchie der Skalierung lässt sich beliebig weit fortsetzen. Eine weitere Hierarchieebene lässt sich einfach durch Hinzufügen weiterer Tabellenblätter erzeugen. Die Stufenwerte der Versuchsparameter in niedrigerer Hierarchieebene unterscheiden sich dann von Tabellenblatt zu Tabellenblatt. Es entsteht eine Gruppe von Tabellenblättern.
-
Jede weitere Hierarchieebene erfordert dann das Einfügen von ganzen Gruppen von Tabellenblättern. Da jeder Wert in allen Tabellenblättern mit den Einstellwerten aller Versuchsparameter gefüllt werden muss, um den standardisierten Versuchsplan in den realen Versuchsraum hineinskalieren zu können, wird man in der Praxis selten mehr als eine Gruppe von Tabellenblättern verwenden. Die Stufenwerte eines Versuchsparameters sind dann von den Stufenwerten von drei weiteren Versuchsparametern abhängig.
-
Diese Vorgehensweise hat den Vorteil, dass die Erstellung des tatsächlich einstellbaren zweidimensionalen bis mehrdimensionalen Betriebsbereiches oder Versuchsraumes, wie beispielsweise in 5 dargestellt ist, durch den standardisierten Versuchsplan im zweiten Teil von Schritt 2 der erfindungsgemäßen Schrittkette besonders übersichtlich und flexibel ist, weil die Erstellung des Versuchsplans und die Bestimmung des Versuchsraums voneinander getrennt sind. Jeder der beiden Teile der Versuchsplanerstellung kann in vorteilhafter Weise unabhängig voneinander bearbeitet werden.
-
Die Verknüpfung von standardisiertem Versuchsplan und Versuchsraumbestimmung erfolgt komplett automatisch.
-
Die besondere Flexibilität des zweiten Schrittes des Verfahrens ergibt sich daraus, dass bei Änderung des Modellansatzes nur der standardisierte Versuchsplan (erster Teil) und bei Änderung des zu untersuchenden Versuchsraumes, zum Beispiel bei einem neuen konstruktiv ähnlichen Motor, nur die Tabellen zur Beschreibung des Versuchsraumes innerhalb des zweiten Teils geändert werden müssen.
-
Ein weiterer entscheidender Vorteil ist es, dass der gesamte n-dimensionale Versuchsraum mit allen möglichen Variationen der Verstellparameter übersichtlich und leicht zu bearbeiten ist und in wenigen Tabellenblättern - vom Anwender beherrschbar - mit ausreichender Genauigkeit abgebildet wird.
-
Diese Vorgehensweise hat ferner den Vorteil, dass durch die Skalierung des standardisierten Versuchsplans in den tatsächlich einstellbaren zweidimensionalen beziehungsweise mehrdimensionalen Betriebsbereich beziehungsweise Versuchsraum sichergestellt ist, dass in den Randbereichen des Betriebsbereiches, in denen einzelne Kombinationen der Versuchsparameter nicht einstellbar sind, genügend Stützstellen zur Bestimmung der Einflüsse auf die Versuchsparameter und Wechselwirkungen höherer Ordnung vorhanden sind.
-
Das heißt, es wird, wie 5 symbolisiert, ein raumfüllender, hochdimensionaler Versuchsraum aufgespannt, indem alle möglichen Kombinationen der n Versuchsparameter (n = A, B, C, usw.) den realen Versuchsraum vollständig erfassen.
-
Der tatsächliche mehrdimensionale Versuchsraum der Brennkraftmaschine gemäß der Erfindung ist in 5 mit einer gepunkteten Linie umrandet.
-
In 5 ist im Inneren des mit der gepunkteten Linie umrandeten tatsächlichen Versuchsraumes ein rechteckiger Bereich dargestellt, der den orthogonal aufgespannten standardisierten Versuchsraum zeigt. Durch die Pfeile zwischen den beiden Versuchsräumen wird symbolisiert, dass durch das neue Verfahren gegenüber dem bisherigen herkömmlichen Verfahren zur Ermittlung eines Versuchsraumes, durch die erfindungsgemäße Versuchsplanung, ein eine dreidimensionale Hülle aufweisender Versuchsraum geschaffen wird, der den wirklichen korrelierenden Verhältnissen der Versuchsparameter zueinander in der Praxis sehr nahe kommt.
-
Da der erfindungsgemäß erstellte Versuchsplan den realen hochdimensionalen Betriebs- oder Versuchsraum in sehr guter Näherung vollständig abbildet, gehen in vorteilhafter Weise keine Informationen über Variationsbereiche und Optimierungspotentiale der n Versuchsparameter (n = A, B, C, usw.) verloren.
-
In der Beschreibung wird deutlich, dass die Definition des hochdimensionalen Betriebs- oder Versuchsraums (zweiter Teil) in vorteilhafter Weise auf zweidimensionalen tabellenartigen Eingabestrukturen zwischen mindestens zwei oder mehr Versuchsparametern beruht, die vom Anwender beherrscht werden können, worauf nachfolgend noch näher eingegangen wird.
-
Innerhalb des Verfahrens wird eine übersichtlich strukturierte Bedienoberfläche verwendet. Durch diese Bedienoberfläche, über die das Eingeben und Ändern der Versuchsparameter erfolgt, kann der Anwender jederzeit Daten vorgeben und anpassen, so dass die Versuchsplanung in kurzer Zeit mit geringem Aufwand veränderbar ist, wobei das Eingeben und Ändern der Parametergrößen der Versuchsparameter durch die zweidimensionale Struktur der Bedienoberfläche stets von dem Anwender durchschaubar ist und bleibt.
-
Die Versuchsplanung (Schritt 2) und die Kennfeldoptimierung (Schritt 6) ermöglichen jeweils für sich genommen und in Kombination, dass alle Korrelationen und Wechselwirkungen der Versuchsparameter in der vollen Komplexität in dem erfindungsgemäßen Versuchsprozess berücksichtigt werden können.
-
Beispielsweise sind die Anforderungen einer Brennkraftmaschine für die europaweite Typprüfung neuer PKW der Euro-5 Norm und der Euro-6 Norm für alle neu zugelassenen Fahrzeuge bindend. Bei dieser Typprüfung ist die Anmelderin in vorteilhafter Weise in der Lage, mit Hilfe des erläuterten Verfahrens zur Erfüllung der gestellten Anforderungen bei der Typprüfung bevorzugt bis zu zwanzig oder mehr Versuchsparameter zu berücksichtigen.
-
Bei der Versuchsplanung im zweiten Schritt des Verfahrens und/oder der nachfolgenden Kennfeldoptimierung im sechsten Schritt des Verfahrens wird eine vollständige „Offline“-Parametrierungsumgebung geschaffen, die alle gewünschten Versuchsparameter „offline“ in den Versuchsprozess mit einbezieht. Durch die erläuterten Tabellenblätter ist eine einfache und schnelle Versuchsplanparametrierung durch den Anwender möglich.
-
Die Parametrierungsdaten der Versuchsplanung, aus dem zweiten Schritt des Verfahrens, können in vorteilhafter Weise im sechsten Verfahrensschritt, der Kennfeldoptimierung, eingelesen und weiterverwendet werden.
-
Schritt 6: Die Kennfeldoptimierung:
- Wie bereits erläutert, werden anschließend in dem dritten Schritt 3 „Online“ unter Berücksichtigung der Betriebsgrenzendetektion (Schritt 1) und der Versuchsplanung (Schritt 2) auf dem Prüfstand Messdaten an der Brennkraftmaschine erfasst. In dem vierten Schritt 4 werden die Messdaten „Offline“ mindestens einer Plausibilitätsprüfung unterzogen. Ferner wird in dem fünften Schritt 5 wiederum „Offline“ mindestens ein mathematisches Rechenmodell gebildet.
-
In dem sechsten Schritt 6 wird über eine neue Bedienoberfläche weiter „Offline“ über das mindestens eine mathematisch gebildete Rechenmodell eine Kennfeldoptimierung vorgenommen, die nachfolgend erläutert wird.
-
Die Bedienoberfläche entspricht der Bedienoberfläche eines Tabellenkalkulationsprogrammes.
-
Die Bedienoberfläche gliedert sich in drei Teile (siehe 7).
-
Im oberen Bereich der Bedienoberfläche werden die Versuchsparameter A, B, C ... usw. definiert. In diesem ersten Bereich bestehen weitere verschiedene Parametriermöglichkeiten, um bestimmte Randbedingungen für die Versuchsparameter festzulegen.
-
Im darunter folgenden zweiten Bereich, der ähnlich aufgebaut ist wie der erste Bereich, werden tabellarisch die Zielgrößen (siehe 6) beschrieben.
-
Als Zielgrößen der Brennkraftmaschine, die teilweise gegenläufig und stark nichtlinear sind, gelten, wie in der Übersicht der 6 dargestellt ist, der Kraftstoffverbrauch, die Abgasemissionen, das Ansprechverhalten, die Geräuschemissionen und die Leistungscharakteristik. Mit Hilfe des Verfahrens können multiple Optimierungszielfunktionen, die teilweise gegenläufig und stark nichtlinear sind, optimiert werden.
-
Es bestehen im zweiten Bereich ähnliche Möglichkeiten der Parametrierung von Randbedingungen wie im Bereich der Versuchsparameter in ersten Bereich.
-
In einem dritten Bereich können Parameter für einen Optimierungsalgorithmus festgelegt werden. Beispielsweise lassen sich die Mutationsrate sowie die Sterblichkeitsrate beim evolutionären Optimierungsalgorithmus anpassen.
-
Import von Modellen:
-
Eine Importfunktion ermöglicht das automatische Importieren von mathematischen Modellen jeglicher Art, die üblicherweise mit Statistik-Software erstellt und von dort exportiert wurden.
-
Aus den Modellen werden die Versuchsparameter und Zielgrößen ausgelesen und auf die Bedienoberfläche übertragen. Die Versuchsparameter werden nach quantitativen und qualitativen Parametern differenziert.
-
Der jeweilige globale Gültigkeitsbereich der Versuchsparameter wird ebenfalls ausgelesen und übernommen.
-
Des Weiteren hat man die Möglichkeit, in der mit dem Tabellenkalkulationsprogramm verknüpften Software vor dem Import der Versuchsparameter und Zielgrößen vorhandene Modelle zu löschen oder es werden neue Modelle zu den vorhandenen Modellen hinzugefügt.
-
Beispielsweise werden Polynommodelle als Funktionen in einen Editor eingetragen. Im vorliegenden Ausführungsbeispiel werden die Polynommodelle als Funktionen in einen VBA-Editor [VBA = „Visual Basic for Applications“] eingetragen. Hierdurch verkürzt sich in vorteilhafter Weise die Laufzeit sehr stark gegenüber der Nutzung von Tabellenformeln in tabellenbasierten Programmen. Zusätzlich besteht für den Anwender die Möglichkeit, die importierten Funktionen im VBA-Editor zu modifizieren. Eine skalare Zielfunktion lässt sich beispielsweise in eine vektorwertige Zielfunktion konvertieren, um eine Wichtung zwischen mehreren Zielgrößen zu erreichen.
-
Über eine Funktion „benutzerdefiniertes Modell“ lassen sich neue Modelle, welche bisher noch keinen Code enthalten, in Form von benutzerspezifischen Quellcodes in einem Editor anlegen.
-
Der Anwender kann zudem über den Editor, insbesondere einen VBA-Editor, eigene Funktionen programmieren, die optimiert werden sollen. Die Funktion „benutzerdefiniertes Modell“ kann ebenfalls auf der Bedienoberfläche über einen Button „benutzerdefiniertes Modell“ gestartet werden, der im dritten Bereich der in 7 dargestellten Bedienoberfläche angeordnet ist.
-
Optimierung:
-
Die Optimierung von Zielgrößen über das entsprechende Zielfunktionsmodell erlaubt entweder eine Maximierung oder eine Minimierung der Zielgröße. Die Auswahl kann entsprechend über die „Option Buttons“ in der siebenten und achten Zeile des zweiten Bereiches im Parameterbereich der Zielgrößen getroffen werden.
-
Es besteht die Möglichkeit, eine einzelne Zielfunktion zu optimieren. Für den Fall, dass mehrere Zielgrößen zugleich optimiert werden sollen, so kann dies über den VBA-Editor erreicht werden.
-
Eine Wichtung zwischen mehreren Zielfunktionen zur Optimierung der Zielgröße wird dabei über ein benutzerdefiniertes Modell vorgenommen, welches im dritten Bereich der Bedienoberfläche gestartet werden kann.
-
Parametriermöglichkeiten:
-
In den beiden oberen Bereichen der Bedienoberfläche werden die Versuchsparameter und Zielgrößen definiert. Hier werden zugleich die Randbedingungen für die Optimierung festgelegt.
-
In der dritten und vierten Zeile des ersten Parametrierbereiches der Einflussgrößen (Bild 7) lassen sich für jeden Versuchsparameter obere und untere Begrenzungen festlegen. Bei der Optimierung werden nur solche Lösungen akzeptiert, bei denen der Versuchsparameter innerhalb des Minimums und Maximums liegt.
-
Eine optionale Einstellmöglichkeit der Parametrierung des Optimierers ist die bewusste Überschreitung der globalen Gültigkeitsgrenzen. Bei der Optimierungsberechnung verfolgt der Optimierer dann eine Strategie, bei der die globalen Gültigkeitsgrenzen auch bewusst überschritten werden. Dies ist notwendig, um in einem mehrdimensionalen Raum auch das globale Optimum bestimmen zu können, wenn dies unmittelbar durch Randbedingungen begrenzt wird. Die Minima und Maxima der Versuchsparameter werden beim automatisierten Import mit eingelesen. Der aus den Messdaten ermittelte gültige Wertebereich wird dabei aus den mathematischen Statistik-Modellen ausgelesen.
-
Es ist auch möglich, einen Versuchsparameter von der Optimierung auszuschließen. Der Ausschluss eines Versuchsparameters erfolgt auf einfache Weise über die achte Zeile des ersten Bereiches aus 7. Hier kann man einen Konstantwert für einen Versuchsparameter angeben, so dass dieser nicht optimiert wird. Bei Eingabe eines Konstantwertes kann man in vorteilhafter Weise den gültigen Bereich am Wertebereich in der dritten und vierten Zeile des ersten Bereiches in 7 erkennen.
-
Die Begrenzung der Versuchsparameter auf einen Wertebereich kann nicht nur mit statischen Werten erfolgen, sondern die Software kann ebenfalls über dynamische Grenzwertberechnungen erfolgen. In der Zeile fünf und sechs des ersten Bereiches der 7 können Minima (untere Grenze nach Zielgröße und Maxima (obere Grenze nach Zielgröße) angegeben werden, die während der Optimierung dynamisch als Zielgröße berechnet werden.
-
Es wird beispielsweise vorgeschlagen, ein separates Modell als Zielgröße zu erstellen, das die Klopfgrenze des Motors abbildet.
-
Während der Optimierung werden systematisch die Versuchsparameter in einer Vielzahl von Schritten variiert. Für jeden Optimierungsschritt werden hierbei die Zielgrößen, unter anderem die Klopfgrenze, berechnet. Dies bedeutet, dass sich die Begrenzung des Einflussparameters „Zündwinkel“ ZW dynamisch in jedem Optimierungsschritt ändert.
-
Um diese Funktion zu nutzen, trägt man in der fünften oder sechsten Zeile des oberen Bereiches der 7 den Namen der Zielgröße „Klopfen“ ein, die als Begrenzung berücksichtigt werden soll.
-
Die Software ermöglicht die Optimierung der quantitativen Versuchsparameter unter Verwendung von qualitativen Größen („mixed integer problems“).
-
Für qualitative Größen gibt es keinen Wertebereich, sondern es bestehen mindestens zwei diskrete Stufen der Verstellung. Das Eintragen der unterschiedlichen Verstellstufen wird in der siebenten Zeile vorgenommen. Die Stufenbezeichnungen werden dabei durch ein Semikolon, im Beispiel 0; 1 getrennt. In 7 werden beispielsweise die zwei Stellungen 0; 1 des Schaltsaugrohres (SSR) als diskrete Stufen eines qualitativen Parameters verwendet.
-
Parametrierung der Zielgrößen:
-
Die Parametrierung der Zielgrößen erfolgt auf ähnliche Weise wie die der Versuchsparameter.
-
In der dritten und vierten Zeile des Zielgrößenbereiches, im zweiten Bereich der 7, werden statische Grenzen festgelegt. In den darauf folgenden beiden Zeilen, der fünften und sechsten Zeile, besteht wiederum die Möglichkeit, dynamische Grenzen in Abhängigkeit einer weiteren Zielgröße festzulegen.
-
In der siebenten und achten Zeile des zweiten Bereiches der 7 wird über „Option Buttons“ die Auswahl getroffen, welche Zielgröße optimiert werden soll. Hier hat man für jede Zielgröße die Auswahl einer Minimierung oder Maximierung der Zielfunktion/en. Nach erfolgreicher Optimierung wird die neunte Zeile des zweiten Bereiches für die Darstellung der Ergebnisse verwendet.
-
Optimierungsoptionen:
-
Im dritten Bereich der in 7 gezeigten Bedienoberfläche ist eine Anzahl von Einstellparametern dargestellt und parametrierbar, die den Optimierungsalgorithmus beeinflussen.
-
Es handelt sich dabei nur um einen Auszug der vielen Einflussmöglichkeiten, die das sogenannte Optimierungstool des dritten Bereiches bietet. Für die meisten Optionen werden bereits für die Optimierung von Motormodellen sinnvolle Einstellungen gewählt.
-
Generell sind die Optionen so vorbedatet, das heißt mit solchen Daten versehen, dass mit großer Sicherheit auch stets das globale Optimum gefunden wird. Um jedoch die Effizienz zu steigern und die Suche zielgerichteter zu gestalten, sind in dieser Patentanmeldung, die in Bild 7 beispielsweise aufgeführten Optionen, dem Anwender gegenüber offengelegt.
-
In der zugehörigen Software sind als mathematische Rechenmodelle beispielsweise zwei robuste und effiziente Optimierungsalgorithmen implementiert:
- Als erster Optimierungsalgorithmus ist das bekannte Gradientenabstiegsverfahren implementiert. Es verfolgt den Weg des „steilsten Abstiegs“, um das nächstliegende Optimum zu finden. Dieses Verfahren, welches die 1. Ableitung der Zielfunktion verwendet, arbeitet robust und sehr effizient.
-
Dennoch beschränkt sich die Optimierung dieses Verfahrens auf die Suche nach lokalen Optima. Für eine globale Optimierung wird das Gradientenverfahren daher mehrmals mit statistisch ausgewählten Startpunkten ausgeführt („Monte-Carlo-Algorithmus“). DoE-(Design of Experiments) Polynommodelle, die das Motorverhalten beschreiben, werden zurzeit mit bis zu sechzehn Versuchsparametern berechnet. Das Verfahren ist nicht auf sechzehn Versuchsparameter beschränkt. Dabei wird jeder Versuchsparameter maximal bis zur sechsten Ordnung berücksichtigt. Wählt man zwischen 2000 und 4000 Startpunkten für das Gradientenverfahren, so wird für diese Art von Polynommodellen das globale Optimum mit sehr hoher Wahrscheinlichkeit sicher berechnet.
-
Die Erfindung schlägt ferner einen innovativen zweiten Optimierungsalgorithmus vor: Der Optimierungsalgorithmus wird als Partikelschwarmoptimierer [engl.: Particle Swarm Optimizer (PSO)] bezeichnet. Der verwendete Optimierungsalgorithmus ist ein evolutionärer und stochastischer Optimierungsalgorithmus. Er imitiert das Verhalten von schwarmbildenden Tieren wie Fischen oder Vögeln. Die Tiere schließen sich zu einem Schwarm zusammen, um die „mittlere“ Chance aller Individuen bezüglich eines oder mehrerer Ziele (Nahrungssuche, Schutz, Zugverhalten, ...) gegenüber dem Individualverhalten zu erhöhen.
-
Dabei ist charakteristisch, dass das Zusammenwirken der einzelnen Individuen auf wenigen einfachen Regeln beruht, der Schwarm als Ganzes jedoch komplexeres Verhalten zeigt.
-
Im verwendeten PSO werden zwei individuelle Verhaltensregeln abgebildet:
- i) Folge in Richtung des besten Individuums des Schwarms
- ii) Bewege in Richtung der eigenen bisher besten Position
-
Beide Verhaltensregeln sind durch zwei Faktoren phi1 und phi2 gegeneinander gewichtet.
-
Ein Partikel wird dabei als Tupel aller Versuchsparameter n = A, B, C ... usw. verstanden und kann damit bei n Versuchsparametern als Punkt in einem n-dimensionalen Raum gesehen werden.
-
Die Bewegung eines Partikels ist damit durch einen Geschwindigkeitsvektor in diesem Raum darstellbar. Dieser Geschwindigkeitsvektor wird für jedes Partikel und in jedem Iterationsschritt neu berechnet.
-
Ein Optimierungsdurchlauf beginnt mit der stochastischen Verteilung der Position und Geschwindigkeitsvektoren aller Partikeln. Für jeden weiteren Iterationsschritt werden jeweils die Geschwindigkeitsvektoren neu berechnet und das Partikel auf die neue Position gesetzt.
-
Zur Bewertung der Position wird für jedes Partikel in jedem Iterationsschritt eine Güte berechnet, die minimiert wird. Sie besteht im Wesentlichen aus der/den zu optimierenden Zielgröße(n), welche ein der Minimierung entsprechendes Vorzeichen erhalten.
-
Zusätzlich werden noch Strafterme addiert, wenn das Partikel eine oder mehrere Grenzen bei den Zielgrößen oder weiteren Kriterien verletzt. Ein Optimierungsergebnis ist dann im erlaubten Bereich, wenn keine die Kriterien verletzenden Strafterme vorliegen.
-
Zusammengefasst weist die Optimierung der Kennfelder, die über die Bedienoberfläche gemäß 7 durchgeführt wird, folgende vorteilhafte wesentlichen Merkmale auf:
- Es erfolgt die Vorgabe der Optimierungsparameter, beispielsweise durch Versuchsparameter A als mindestens eine Führungsgröße (Drehzahl) und von mindestens einem Versuchsparameter B, C ... usw. als Einflussgrößen.
-
Für die mindestens eine Einflussgröße oder mehrere Einflussgrößen können über die Bedienoberfläche globale Grenzen (Minimum und Maximum) angegeben werden.
-
Es besteht weiter die Möglichkeit der Vorgabe konstanter, nicht zu optimierender Werte von Versuchsparametern als Führungsgrößen und/oder von Versuchsparametern als Einflussgrößen.
-
Ferner besteht über die Bedienoberfläche die Möglichkeit der Vorgabe konstanter Werte der Zielgrößen, die während der Optimierung eingehalten werden sollen.
-
Zudem kann über die Bedienoberfläche eine beliebige Auswahlmöglichkeit der Optimierungszielgrößen aus den vorhandenen Zielgrößen vorgenommen werden. Es können gleichzeitig mehrere Optimierungszielgrößen ausgewählt werden, welche zueinander gewichtet werden.
-
Außerdem können Versuchsparameter als Einflussgrößen und Zielgrößen über die Bedienoberfläche quantitative Größen (Skalare), gestufte quantitative Größen und qualitative Größen sein.
-
Es besteht die Möglichkeit der Angabe von Begrenzungen (i.A. Minima oder/und Maxima) von Versuchsparametern als Einflussgrößen und der Zielgrößen, die von den optimierten Werten eingehalten werden sollen.
-
Schließlich können die Optimierungszielgröße(n) über die Bedienoberfläche maximiert oder minimiert werden.
-
Es wird durch die vorhergehende Beschreibung deutlich, dass bevorzugt in vorteilhafter Weise die Verwendung des an die Kennfeldoptimierung angepassten Partikelschwarmoptimierers [PSO] als Optimierungsalgorithmus für die Kennfeldoptimierung von hochdimensionalen, insbesondere stark nicht linearen hochkorrelierten Optimierungsräumen/Versuchsräumen vorgeschlagen wird.
-
Im Zusammenhang mit der Versuchsplanung wurde bereits erläutert, dass bei der Versuchsplanung ein eine n-dimensionale Hülle aufweisender realer tatsächlicher Versuchsraum geschaffen wird, der den wirklichen korrelierenden Verhältnissen der Versuchsparameter zueinander in der Praxis sehr nahe kommt, insbesondere näher kommt, als bei Verwendung des herkömmlichen orthogonalen n-dimensionalen Versuchsraumes.
-
Im Zusammenhang mit der Kennfeldoptimierung besteht die Möglichkeit der Angabe von hoch korrelierten Begrenzungen (Minima oder/und Maxima) von Versuchsparametern als Einflussgrößen und der Zielgrößen, die von den optimierten Werten eingehalten werden sollen.
-
Insbesondere wird, wie erläutert, mit dem Optimierungsalgorithmus Partikelschwarmoptimierer [engl.: Particle Swarm Optimizer (PSO)] überprüft, ob eine oder mehrere Grenzen bei den Zielgrößen oder weiteren Kriterien verletzt werden. Ein Optimierungsergebnis ist dann im erlaubten Bereich, wenn keine die Kriterien verletzenden Strafterme vorliegen.
-
Bevorzugt wird ferner vorgeschlagen, vor oder während der Kennfeldoptimierung, die bereits erläutert worden ist, die auf im dritten Schritt des Verfahrens erfassten Messdaten basiert, vor dem sechsten Schritt oder innerhalb des sechsten Schrittes aus den vorliegenden Messdaten des Messdatensatzes der Versuchsplanung die Modellgültigkeitsgrenzen zu berechnen.
-
Es wird bevorzugt weiter vorgeschlagen, vor dem sechsten Schritt oder während des sechsten Schrittes des Optimierens 6 des Kennfeldes einen Grenzdetektionsalgorithmus zu starten, der die Modellgültigkeitsgrenzen der Versuchsplanung verifiziert.
-
Eine betriebspunktabhängige Grenzwertberechnung, das heißt die Verifizierung der maximalen Modellgültigkeitsgrenzen, ist in den 8 und 9 dargestellt und wird nachfolgend erläutert. Die Ermittlung der minimalen Modellgültigkeitsgrenzen erfolgt in analoger Weise und wird deshalb nicht näher erläutert.
-
Auf der x-Achse der 8 und 9 ist durch jeweils eine Clusterstützstelle C1, C2, C3, C4, C5 der Wertebereich eines Versuchsparameters gekennzeichnet, beispielsweise ist die Drehzahl (Drehzahlstützstellen 1000 = 1 bis 5000 = 5) U/min als Versuchsparameter A und Führungsgröße angetragen.
-
Auf der y-Achse der 8 und 9 ist jeweils mindestens ein in 8 und 9 nicht angegebener Wertebereich, beispielsweise 0-100 % oder dergleichen einer Zielgröße als Clustergröße, wie beispielsweise der Kraftstoffverbrauch, die Abgassemmission ... usw., siehe ergänzend 6, als ein Minimum und ein Maximum angetragen.
-
Die Erläuterung erfolgt anhand der Bestimmung der maximalen Modellgültigkeitsgrenze für die Modellhülle des Versuchsraumes/Optimierungsraumes im zweidimensionalen Bereich. In der Praxis erfolgt sie jedoch, wie bisher bereits erläutert, in allen Schritten des Verfahrens mehrdimensional (n-dimensional).
-
Alle in den 8 und 9 dargestellten Versuchspunkte stehen aus der Versuchsplanung hervorgehend als vermessbare Messpunkte für die betriebspunktabhängige Grenzwerteberechnung zur Verfügung.
-
Die mit einem Plus „+“ dargestellten Versuchspunkte sind messbar, wurden jedoch laut der erstellten Versuchsplanung nicht vermessen, da es in der zuvor festgelegten Versuchsplanung festgelegt wurde, dass sie nicht berücksichtigt werden müssen.
-
Die mit einem Punkt „O“ dargestellten Versuchspunkte sind tatsächlich vermessene Messpunkte aus der Versuchsplanung.
-
Die mit einem Kreuz „X“ dargestellten Versuchspunkte sind tatsächlich vermessene Messpunkte, die durch die Clusterung im ersten Detektionsschritt deaktiviert werden, wie noch erläutert wird.
-
Erster Detektionsschritt:
-
Innerhalb des Grenzdetektionsalgorithmus werden in einem ersten Detektionsschritt durch eine Sortierung über mindestens zwei Clustergrößen der Messdaten beziehungsweise Messpunkte des Messdatensatzes die lokalen minimalen und maximalen Werte ermittelt, wie in 8 dargestellt ist.
-
Beispielsweise ist die zweite Clustergröße der Kraftstoffverbrauch (y-Achse) als Versuchsparameter B als Optimierungsparameter und die erste Clustergröße (x-Achse) als Versuchsparameter A, die Drehzahl als Führungsparameter.
-
Aus den Messpunkten des Messdatensatzes werden in einer ersten iterativen Regressionsanalyse die positiven und die negativen Residuen je Clusterstützstelle C1, C2, C3, C4, C5 ermittelt.
-
Dabei werden die Plus „+“ dargestellten Versuchspunkte nicht berücksichtigt, da sie laut Versuchsplanung nicht benötigt werden.
-
Ferner werden die mit Kreuz „X“ dargestellten Messpunkte im ersten Detektionsschritt durch die Clusterung deaktiviert, sobald sie nach der Nichtberücksichtigung der mit Plus „+“ dargestellten Versuchspunkte nicht die maximalen Residuen der jeweiligen Clusterstützstellen C1, C2, C3, C4, C5 sind, wie es beispielsweise in der ersten, dritten, vierten und fünften Clusterstützstelle C1, C3, C4, C5 der Fall ist.
-
Schließlich wird mit den verbleibenden Versuchspunkten, je ein Residuum je Stützstelle C1, C2, C3, C4, C5, die in 8 mit „O“ gekennzeichnet sind, eine mathematische Modellbildung (beispielsweise Polynom 3. Grades) über die Versuchsparameter A und B in dem beschriebenen zweidimensionalen Ausführungsbeispiel des zu optimierenden Kennfelds der zweiten Clustergröße Kraftstoffverbrauch B (y-Achse) über der ersten Clustergröße (x-Achse) der Drehzahl A durchgeführt.
-
Nach der mathematischen Modellbildung ergibt sich die Modellkurve I, die in 8 gezeigt ist.
-
Es ergibt sich somit nach der Clusteranalyse und Bildung der Modellkurve I, dass die mit „O“ gekennzeichneten vorsortierten Residuen in den Clusterstützstellen C1, C2, C3, C4 gegenüber der Modellkurve I, über der Modellkurve I liegende positive Werte und unter der Modellkurve I liegende negative Werte sind.
-
Diese Vorgehensweise stellt somit nicht ausreichend sicher, dass diese Werte auch notwendigerweise das Maximum der zu berechnenden Modellhülle bilden.
-
Deshalb werden in einer zweiten iterativen Regressionsanalyse in einem zweiten Detektionsschritt nur die positiven - über der Modellkurve I liegen Residuen - ausgewertet.
-
Um sicherzustellen, dass die Messewerte auf der Modellhülle liegen, werden bei der Ermittlung der maximalen Grenze der Modellhülle für die nächste (zweite) Iteration der Grenzhüllen-Modellbildung, nur die Punkte berücksichtigt, die ein über der ersten Modellkurve I liegendes positives Residuum haben, so dass für die nächste (zweite) Iteration nur die in 8 mit Punkt „O“ gekennzeichneten positiven Residuen oberhalb der ersten Modellkurve I in der ersten, dritten und vierten Clusterstützstelle C1, C3, und C4 weitere Verwendung finden.
-
Durch die Auswertung der mit Punkt „O“ gekennzeichneten positiven Residuen in der ersten, dritten und vierten Clusterstützstelle C1, C3, und C4 in der zweiten iterativen Regression, ergibt sich die in 9 dargestellte Modellkurve II, bei der die mit Punkt „O“ gekennzeichneten positiven Residuen der ersten, dritten und vierten Clusterstützstelle C1, C3, und C4 auf der neuen zweiten Modellkurve II liegen. Dadurch ist es gelungen, die zu berechnende Modellhülle unter Berücksichtigung der aus der Versuchsplanung relevant vorgegebenen Messpunkte maximal aufzuspannen.
-
Bei der Bestimmung der minimalen Grenzen für die Modellhülle wird unter Berücksichtigung der tatsächlich gemessenen Versuchspunkte aus der Versuchsplanung analog vorgegangen.
-
Durch eine allgemeingültige Parametrierung der Clusterintervalle bei der Clusteranalyse im ersten Detektionsschritt und der Anzahl der Iterationsschritte bei der Residuenanalyse im zweiten Detektionsschritt ist sichergestellt, dass die tatsächliche Hülle ermittelt wird, die sich bei hochaufgelöster messtechnischer Rasterung vermessen lässt, worin in vorteilhafter Weise der wesentliche Effekt der beschriebenen Vorgehensweise zu sehen ist. Die nachfolgende oder gleichzeitig mit der Grenzhüllendetektion stattfindende Kennfeldoptimierung erfolgt somit in einem optimierten hochaufgelösten mehrdimensionalen Versuchsraum, der es erlaubt, alle Betriebspunkte kennfeldpunktindividuell anzupassen, ohne dass mögliche optimale Betriebsbereiche der Brennkraftmaschine verlorengehen.
-
Die Ergebnisse werden ebenfalls in Tabellenform in dem Tabellenkalkulationsprogramm angezeigt und können vor und während der eigentlichen Optimierung bearbeitet werden. Ein weiterer Vorteil neben der Möglichkeit der Berechnung der Gültigkeitsgrenzen ist, dass der Vorgang „User-Interface-gesteuert“ durchgeführt werden kann. Der Anwender kann dadurch in vorteilhafter Weise die vorgeschlagenen Grenzen jederzeit kennfeldpunktindividuell für jeden Versuchsparameter einzeln anpassen, da der Vorgang der Berechnung der Modellgültigkeitsgrenzen des Messdatensatzes keinem „Black-Box“-Prozess unterliegt. Durch die beschriebene Vorgehensweise ist es möglich, dass auf einem Standard-Personalcomputer in beliebig vielen Dimensionen innerhalb kurzer Zeit, beispielsweise in zwei Minuten, sämtliche kennfeldpunktabhängige Modellgültigkeitsgrenzen präzise berechnet werden können.
-
Bezugszeichenliste
-
- 1
- Betriebsgrenzendetektion an Brennkraftmaschine
- 2
- Versuchsplanung
- 3
- Messdatenerfassung an Brennkraftmaschine
- 4
- Messdatenplausibilisierung
- 5
- Modellbildung
- 6
- Kennfeldoptimierung
- 7
- Prüfstandsverifikation an Brennkraftmaschine
- I
- erste Modellkurve, Realebene
- II
- zweite Modellkurve, Modellebene
- A, B, C...
- Versuchsparameter
- n
- Anzahl der Versuchsparameter
- *
- die Konstruktion der Brennkraftmaschine betreffende Versuchsparameter
- DRZ
- Drehzahl (Versuchsparameter A als Führungsgröße)
- MD
- Drehmoment
- LAM
- Lambda
- ZW
- Zündwinkel (Versuchsparameter)
- SENW
- Stellung Einlassnockenwelle
- SANW
- Stellung Auslassnockenwelle
- SSR
- Schaltsaugrohr
- BE
- spezifischer Kraftstoffverbrauch
- CH2
- Komponente der Kohlenwasserstoffemission
- HC
- Kohlenwasserstoffemission
- NO2
- Komponente der Stickstoffoxidemission
- NOX
- Stickstoffoxidemission
- PS
- Saugrohrdruck
- TABG
- Temperatur Abgas
- I
- erste Modellkurve
- II
- zweite Modellkurve
- C1 bis C5
- Clusterstützstellen
