KR20180008509A - 모델에 근거한 기계 장치의 최적화 방법 및 장치 - Google Patents
모델에 근거한 기계 장치의 최적화 방법 및 장치 Download PDFInfo
- Publication number
- KR20180008509A KR20180008509A KR1020177033544A KR20177033544A KR20180008509A KR 20180008509 A KR20180008509 A KR 20180008509A KR 1020177033544 A KR1020177033544 A KR 1020177033544A KR 20177033544 A KR20177033544 A KR 20177033544A KR 20180008509 A KR20180008509 A KR 20180008509A
- Authority
- KR
- South Korea
- Prior art keywords
- parameter
- model
- optimized
- parameters
- physical
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 147
- 238000002485 combustion reaction Methods 0.000 claims abstract description 252
- 238000005259 measurement Methods 0.000 claims abstract description 89
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 238000002347 injection Methods 0.000 claims description 186
- 239000007924 injection Substances 0.000 claims description 186
- 230000006835 compression Effects 0.000 claims description 31
- 238000007906 compression Methods 0.000 claims description 31
- 230000033001 locomotion Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011049 filling Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 239000000470 constituent Substances 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 239000000446 fuel Substances 0.000 description 95
- 239000007789 gas Substances 0.000 description 79
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 61
- 239000003570 air Substances 0.000 description 39
- 230000000977 initiatory effect Effects 0.000 description 38
- 239000001301 oxygen Substances 0.000 description 29
- 229910052760 oxygen Inorganic materials 0.000 description 29
- 238000004364 calculation method Methods 0.000 description 28
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 27
- 230000000694 effects Effects 0.000 description 25
- 239000004071 soot Substances 0.000 description 25
- 230000006870 function Effects 0.000 description 21
- 238000012360 testing method Methods 0.000 description 18
- 239000000203 mixture Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 230000015572 biosynthetic process Effects 0.000 description 12
- 238000011161 development Methods 0.000 description 12
- 230000018109 developmental process Effects 0.000 description 12
- 230000003993 interaction Effects 0.000 description 12
- 230000003647 oxidation Effects 0.000 description 10
- 238000007254 oxidation reaction Methods 0.000 description 10
- 238000004088 simulation Methods 0.000 description 9
- 239000004215 Carbon black (E152) Substances 0.000 description 8
- 229930195733 hydrocarbon Natural products 0.000 description 8
- 150000002430 hydrocarbons Chemical class 0.000 description 8
- 238000002156 mixing Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000001052 transient effect Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 description 5
- 239000007921 spray Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000037361 pathway Effects 0.000 description 3
- 230000002028 premature Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 230000002000 scavenging effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000009841 combustion method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000008929 regeneration Effects 0.000 description 1
- 238000011069 regeneration method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
-
- G06F17/5009—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Abstract
본 발명은 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치의 교정을 위한 방법에 관한 것이다. 상기 방법은 아래의 작업 단계, 즉: 최적화될 기계 장치와 관련하여 물리적 변수를 특징짓는 적어도 하나의 첫 번째 매개 변수를 측정하는 단계; 최적화될 기계 장치와 관련하여 적어도 하나의 공지된 물리적 요인을 특징짓고, 적어도 하나의 첫 번째 매개 변수가 입력 매개 변수로서 제공되는 첫 번째 물리적 모델을 통해 적어도 하나의 두 번째 매개 변수를 측정하는 첫 번째 측정 단계; 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 내연 기관 측정에 기반을 두며, 적어도 하나의 두 번째 매개 변수가 입력 변수로서 제공되는 적어도 하나의 첫 번째 경험적 모델을 통해 적어도 하나의 세 번째 매개 변수를 측정하는 두 번째 측정 단계, 이때 적어도 하나의 세 번째 매개 변수는 최적화될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치를 수정, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합하며; 적어도 하나의 세 번째 매개 변수를 전달하는 단계를 포함하는 것을 특징으로 한다.
Description
본 발명은 모델에 근거한 기계 장치, 특히 내연 기관의 최적화 방법 및 장치에 관한 것이다.
미래의 법 제정 및 연료 소모와 배기가스 배출과 같이 논란의 여지가 있는 분야에 적합하게 대처하기 위해 모든 구성 요소를 포함하는 연소 기관(combustion engine)은 일반적으로 통합 시스템으로서 최적화될 수 있다.
효율적인 엔진 개발을 위해 그러한 엔진 개발의 훨씬 이전 단계에 해당하는 연료 소모 및 배기가스 배출에 대한 과도기적 엔진 거동(engine behavior)은 특히 시뮬레이션 도구(simulation tool)를 사용함으로써 가능하다는 인식이 매우 중요하다.
증가하는 제어 변수(control variable)의 수와 법률적으로 첨예화된 배기가스 배출 요구 조건 및 진단 조건은 엔진 개발과 엔진 교정(engine calibration)의 소요 비용을 상당히 증가시킨다. 동시에, 점점 가속화되고 있는 제품 수명 주기를 가능하게 하는 개발 시간은 감소되고 있다.
이러한 엔진 개발과 관련하여 증가하는 개발 비용 및 교정 비용을 합리적으로 극복하기 위해 모델에 근거한 개발 방법이 교정 프로세스(calibration process)의 중요한 구성 요소가 되었다. 또한, 모델에 근거한 그러한 개발 방법을 엔진 개발 공정에 적용하기 위해 상기 방법은 연소 기관(combustion engine)의 과도기적 과정(transient process)을 실시간으로 평가할 수 있어야 한다.
모델에 기반을 둔 통합 시스템의 최적화는 불안정한 또는 과도기적 엔진 모델 작동 가능성을 전제 조건으로 삼는다. 이러한 방식으로 전술한 것과 관련된 사상은 효율적이고 빠른 엔진 모델을 통해 비용면에서 저렴하고, 짧은 시간 동안에 검사, 평가 및 경우에 따라 최적화될 수 있다.
선행 기술에는 모델에 근거한 기계 장치의 최적화를 위한 서로 다른 사상을 공지하고 있다. 특히, 내연 기관(internal combustion engine)을 개발하거나 또는 교정할 때 최적화 분야에서 다음과 같은 방법이 적용되고 있다:
EP 1 150 186 A1은 이차 조건을 유지한 상태에서 복수의 입력 변수에 따라 좌우되는 시스템, 예를 들어 내연 기관의 출력 변수(output variable)를 자동으로 최적화하는 방법을 공지하고 있으며, 상기 출력 변수와 이차 조건의 이론값은 변수(variable)로서 입력 변수를 갖는 모델 기능을 통해 측정되고, 연속적인 각각의 단계에서 상기 입력 변수 가운데 하나의 입력 변수는 변동 범위 내에서 변한다. 각각의 입력 변수에 대응하는 출력 변수와 이차 조건을 위한 값(value)은 시스템에서 직접 측정되며, 모델 기능이 이차 조건을 충족시킬 때까지, 그리고 출력 변수를 위한 최적화 값이 도달할 때까지 이러한 모델 기능의 교정이 실시된다.
WO 2013/131836 A2는 내연 기관의 최적화, 특히 배기가스 배출 최적화 및 연료 소모 최적화를 위한 방법을 공지하고 있으며, 상기 내연 기관의 경우 서로 다른 부하량 범위 및 회전수 범위와 서로 다른 온도 범위에서 배기가스 배출 한계 값이 유지되도록 2차 영향 변수 가운데 적어도 하나의 영향 변수는 온도, 부하량 및 회전수와 같은 매개 변수를 통해 부여된 각각의 작동 지점에서 상기 내연 기관의 제어 장치에 있는 교정 기능을 통해 조절된다. 첫 번째 단계에서, 작동 지점 및 2차 영향 변수를 위한 테스트 밴드는 최적화될 변수와 관련된 제어 장치 기능과 내연 기관의 수학적 모델을 사용하여 생성되고, 시험대(test stand)에서 추적되며, 두 번째 단계에서는 상기 시험대에서 측정된 데이터로부터 최적화될 변수를 위한 모델이 생성되고, 세 번째 단계에서는 생성된 모델을 근거로 하여 2차 영향 변수의 최적의 값이 배기가스 배출 한계 값을 유지한 상태에서 측정되며, 이러한 값은 제어 장치의 교정 기능을 교정하기 위해 제공된다.
EP 1 703 110 A1은 엔진의 동적 상태 변화를 고려하고, 신경 네트워크(neuronal network)를 사용하여 내연 기관 교정을 최적화하기 위한 방법을 공지하고 있으며, 교정 테스트는 시작 조건(start condition)으로부터 시작하고 교정을 위해 정해진 매개 변수의 수정이 설정된다.
DE 10 2011 013 481 A1은 연소 기관 및 내부 배기가스 재순환 장치(internal exhaust gas reciculation)를 제어하기 위한 방법을 공지하고 있다. 상기 내부 배기가스 재순환 장치는 상기 연소 기관 밸브의 가변식 밸브 제어(variable valve control)를 통해 조절될 수 있다. 상기 방법의 경우, 전체 가스량과 산소 농도는 상기 연소 기관의 연소실에서 측정된다. 또한, 상기 연소 기관의 정해진 작동 지점을 위해 원하는 전체 가스량과 원하는 산소 함량이 상기 연소실에서 결정된다. 전체 가스량, 산소 함량 및 원하는 전체 가스량과 원하는 산소 함량에 따라 상기 연소 기관의 액추에이터가 조절된다.
US 2014/0326213 A1은 예측된 스로틀 밸브 개방도(throttle valve opening degree)를 토대로 터보 부스트 압력(turbo boost pressure)의 예측 값을 예측하는 제어 장치를 공지하고 있으며, 터보 충전된 기계의 물리적 모델(physical model)이 사용된다. 또한, 상기 제어 장치는 교정량을 계산할 수 있다. 이를 위해, 상기 터보 부스트 압력 측정값은 터보 부스트 압력 센서를 통해 측정되고, 상기 터보 부스트 압력의 측정된 값은 스로틀 밸브 개방도의 측정값을 토대로 측정되며, 터보 충전된 기계의 전술한 물리적 모델이 사용된다. 측정값과 터보 부스트 압력의 측정된 값의 차이가 계산되며, 그러한 차이는 상기 터보 부스트 압력의 예측된 값을 위한 교정량으로서 사용된다. 상기 제어 장치는 터보 부스트 압력의 교정된 예측 값과 스로틀 밸브 개방도의 예측된 값을 토대로 실린더 흡입 공기(cylinder intake air) 양의 예측된 값을 계산할 수 있다.
본 발명의 목적은 모델에 근거한 기계 장치, 특히 내연 기관의 최적화 방법 및 장치를 제공하는 것이며, 이러한 장치를 통해 실제 시험대로부터 가상 시험대로 전환할 수 있는 또 다른 개발 목적이 달성될 수 있다. 내연 기관과 관련된 본 발명의 또 다른 목적은 바람직하게는 가상 시험대에서 성능 교정 및 배기가스 배출 교정을 비표준 주변 조건에 따라 적용하는 것이다. 바람직하게는, 본 발명의 또 다른 목적은 기계 장치의 실시간 통합 시스템 시뮬레이션을 가능하게 하는 것이다.
본 발명의 상기 목적은 독립항의 방법 및 장치를 통해 해결된다. 바람직한 실시 형태는 종속항의 대상이다. 청구항의 표현은 발명의 상세한 설명과 확실한 연관성을 갖고, 발명의 상세한 설명에 의해 뒷받침된다.
상기 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치 교정을 위한 본 발명에 따른 방법은 바람직하게는 다음과 같은 작업 단계, 즉; 최적화될 기계 장치와 관련하여 물리적 변수를 특징짓기 위해 적합한 적어도 하나의 첫 번째 매개 변수를 검출하는 단계; 최적화될 기계 장치와 관련하여 적어도 하나의 공지된 물리적 요인(physical factor)을 특징짓고, 적어도 하나의 첫 번째 매개 변수가 입력 매개 변수로서 제공되는 첫 번째 물리적 모델(physical model)을 통해 적어도 하나의 두 번째 매개 변수를 측정하는 첫 번째 측정 단계; 최적화될 기계 장치와 관련하여 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 내연 기관 측정에 기반을 두며, 적어도 하나의 두 번째 매개 변수가 입력 매개 변수로서 제공되는 적어도 하나의 첫 번째 경험적 모델(empirical model)을 통해 적어도 하나의 세 번째 매개 변수를 측정하는 두 번째 측정 단계, 이때 적어도 하나의 세 번째 매개 변수는 최적화될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치를 수정, 특히 그러한 기계 장치의 제어 장치를 조절하기 위해 적합하며; 적어도 하나의 세 번째 매개 변수를 전달하는 단계를 포함한다.
상기 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치의 교정을 위한 본 발명에 따른 또 다른 방법에서, 최적화될 기계 장치의 통합 시스템은 공지된 적어도 하나의 물리적 요인을 특징짓기 위해 적합한 적어도 하나의 물리적 모델 및 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 다수의 내연 기관 측정에 근거를 두고 있는 적어도 하나의 경험적 모델을 통해 시뮬레이션 된다. 바람직하게는, 적어도 하나의 물리적 모델 및/또는 적어도 하나의 경험적 모델은 추가로 특정 기계의 설정 매개 변수(setting parameter)의 영향을 받으며, 이것은 각각의 모델을 최적화될 기계 장치에 맞게 조절하기 위한 것이다. 본 발명에 따른 방법의 첫 번째 단계에서 최적화될 기계 장치가 작동할 때 적어도 하나의 측정 지점(measurement point)이 측정되고, 측정값이 모델에 의해 계산된 측정 지점 값과 비교됨으로써 특정 기계의 설정 매개 변수는 적어도 하나의 측정 지점을 토대로 측정된다. 본 발명에 따른 두 번째 단계에서 최적화될 기계 장치가 작동할 때 측정이 더는 실시되지 않으며, 최적화될 기계 장치의 통합 시스템은 적어도 하나의 물리적 모델 및 적어도 하나의 경험적 모델을 통해 시뮬레이션 되고, 적어도 하나의 물리적 모델을 통해 측정된 두 번째 매개 변수는 입력 매개 변수로서 적어도 하나의 경험적 모델에 제공된다.
모델에 근거한 기계 장치, 특히 내연 기관의 교정을 위한 본 발명에 따른 장치는 바람직하게는 교정될 기계 장치와 관련하여 물리적 변수를 특징짓기 위해 적합한 적어도 하나의 첫 번째 매개 변수를 측정하기 위한 측정 장치를 구비한다. 또한, 본 발명에 따른 장치는 바람직하게는 기억 장치(storage device)를 구비하며, 상기 기억 장치에는 공지된 물리적 요인을 특징짓기 위해 적합한 적어도 하나의 첫 번째 물리적 모델 및 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 다수의 내연 기관 측정에 근거를 두고 있는 첫 번째 경험적 모델이 제공된다. 또한, 바람직하게는 본 발명에 따른 상기 장치는 첫 번째 매개 변수를 적어도 하나의 첫 번째 물리적 모델에 따라 두 번째 매개 변수에 지정하는 첫 번째 지정 장치 및 적어도 하나의 경험적 모델에 따라 상기 두 번째 매개 변수에 세 번째 매개 변수를 지정하기 위한 두 번째 지정 장치를 구비한다. 추가로, 본 발명에 따른 상기 장치는 바람직하게는 적어도 하나의 세 번째 매개 변수를 전달하기 위한 인터페이스를 구비하며, 상기 세 번째 매개 변수는 교정될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치의 수정, 특히 제어 장치를 조절하기 위해 적합하다.
본 발명의 의미에서 검출이란, 특히 자동 입력 또는 수동 입력 및/또는 매개 변수를 계산함으로써 매개 변수 값을 판독하는 것이다.
본 발명의 의미에서 물리적 변수는 물리적 대상, 과정 또는 상태와 관련하여 양적으로 확정 가능한 특성을 말한다. 이것은 바람직하게는 수치(측정값) 및 측정 장치의 생산물로서 제공된다. 벡터 변수(vector variable)는 변수 값 및 방향을 통해 표시된다. 바람직하게는, 상기 측정 장치는 SI-표준에 따라 결정된다.
본 발명의 의미에서 측정이란, 기능, 기능 테이블 또는 그밖의 지정 규정에 따라 출력 매개 변수를 입력 매개 변수에 지정하는 것을 의미한다.
본 발명의 의미에서 물리적 모델이란, 공지된 물리적 요인을 재현하는 것으로서, 상기 물리적 요인은 특히 기본 기능을 토대로 제공된다. 바람직하게는, 상기 물리적 모델은 최적화되어야 하는 기계 장치 유형(type), 특히 모든 기계 장치에도 보편적으로 적용된다. 상기 물리적 모델은 물리 공식 또는 다수의 물리 공식 및 물리적 요인들로 구성될 수 있다.
본 발명의 의미에서 경험적 모델은 이미 공지된 다수의 기계 장치의 측정된 값을 토대로 논리적으로 구성된다. 바람직하게는, 회귀 연산 방법, 특히 회귀 모델(regression model)이 사용된다.
본 발명의 의미에서 다수란, 적어도 두가지 이상을 말한다.
본 발명의 의미에서 전달(outputting)이란, 사용자에게 제공하는 것 또는 본 발명에 따른 방법의 또 다른 단계에서 획득한 적어도 하나의 값을 제공하는 것을 말한다. 바람직하게는, 모델에 근거한 최적화 방법 내에서 전달된 매개 변수 값은 계속해서 사용된다.
본 발명의 의미에서 유형(type)은 기계 장치를 복수의 기계 장치 그룹(group)에 지정하는 것이다. 특히, 구동 장치, 내연 기관, 오토-기관(otto-engine), 디젤 엔진 또는 기계 장치의 기계적 공통성에 따른 또 다른 개별 그룹의 장치가 상기 유형의 대상이다.
본 발명은 모델에 근거한 최적화를 실시할 때 각각의 모델을 서브 모델(sub model)로서 서로 연결하기 위한 사상에 근거를 두고 있기 때문에 기계 장치, 예를 들어 내연 기관의 실시간 최적화가 가능하다. 상기 기계 장치의 특성을 가능하면 정확하게 판단하기 위해 상기 경험적 모델은 보편 타당한 물리적 요인을 재현할 수 있는 물리적 모델로 대체된다. 바람직하게는, 크랭크 샤프트 각도는 계산에 포함되지 않는 것, 즉 본 발명에 따라 크랭크 샤프트 회전의 전체 사이클을 통해 상기 크랭크 샤프트 각의 주기적 간격에서 값이 계산되는 것은 아니다. 전술한 것과 달리, 바람직하게는 정해진 크랭크 샤프트 위치, 특히 연소점(MFB 50%), 분사 시점 및/또는 점화 시점의 값이 계산된다. 보편 타당한 다수의 물리적 서브 모델을 사용함으로써 경험적 서브 모델의 수량이 감소할 수 있다. 이로 인해, 경험적 서브 모델 내의 입력 매개 변수는 다수의 엔진이 하나 또는 동일한 입력 매개 변수의 세트로 이미지화될 수 있도록 선택될 수 있다. 상기 설정 매개 변수를 통해 각각의 경험적 서브 모델은 최적화될 각각의 기계 장치에 맞게 조절될 수 있다.
상기 설정 매개 변수는 바람직하게는 추가 입력 매개 변수로서 대응하는 모델에 제공된다. 특히 바람직하게는, 특정 기계의 설정 매개 변수는 경험적 모델의 입력 매개 변수를 위해 제공된다. 입력 매개 변수로서 특정 기계의 설정 매개 변수는 바람직하게는 다항식 모델에서 다항식(polynomial)의 모든 다른 항(term)과 마찬가지로 계수를 갖는다. 모델의 상기 설정 매개 변수는 바람직하게는 개별 기계 장치의 작동 범위를 통해 변하지 않지만, 기계 장치에 따라 수정될 수 있다. 이와 반대로, 바람직하게는 기계 장치의 전체 작동 범위, 또한 모든 다른 기계 장치의 전체 작동 범위를 위한 모델의 계수는 변하지 않는다. 상기 설정 매개 변수가 단순한 오프셋 값(offset value)이 아니기 때문에 개별 모델의 기능뿐만 아니라, 모델 정확도(model accuracy)가 변할 수 있으며, 특히 남은 수(residuum)와 관련하여 결정 계수(coeffieient of determination, (R2))가 개선될 수 있다. 본 발명에 따른 매개 변수가 계산된 특정 크랭크 샤프트 각도의 위치는 연소 과정의 순서에 따라 차례 대로 조절된다.
상기 내연 기관의 경우, 예를 들어 첫 번째 분사의 분사 개시 및 이러한 분사 개시가 이어지는 분사에 미치는 영향으로부터 주어진 엔진 성능, 냉각수와 배기가스에 전달되는 열 유동(heat flow) 및 산화질소 배출이 계산된다.
또한, 본 발명에 따른 내연 기관과 관련하여 서브 모델을 생성하는 것이 가능하며, 상기 서브 모델은 연소가 진행되는 동안 실린더에서 직접적으로 작용하지 않지만, 예를 들어 엔진 마찰과 같은 실질적 사용에서 매우 중요한 기능을 한다.
본 발명에 따른 내연 기관과 관련하여 크랭크 샤프트 각도에 따른 연소가 실시되지 않은 상태에서 실린더 벽의 출력 손실이 계산될 수도 있다. 실린더 벽으로 인한 출력이 손실된다는 정보 획득은 엔진 출력 및 배기가스 엔탈피(exhaust gas enthalpy)의 필수 전제 조건이다. 상기 내연 기관과 관련하여 다음의 매개 변수는 적어도 하나의 모델에 의해 계산될 수 있다: 연소의 특성 변수(시동, 연소 중심점 및 분사 압력, 열 유동, 엔진 성능, 가스 온도, 산화질소 배출 또는 매연 배출).
본 발명에 따라, 상기 경험적 모델의 경우 바람직하게는 이미 공지된 다수의 기계 장치에 대한 복수의 측정이 실시되며, 측정 데이터에 따라, 특히 회귀 분석에 따라 경험적 모델, 특히 다항식 모델이 생성된다. 상기 경험적 모델의 품질이 향상될수록 최적화될 기계 장치 유형의 공지된 더욱더 많은 기계 장치도 경험적 모델 생성을 위해 제공될 수 있다.
특히, 모델에 근거한 최적화를 위한 본 발명에 따른 방법과 이에 대응하는 장치는 특정 데이터 없이도 질적으로, 그리고 양적으로 적합하게 설명될 수 있다.
시뮬레이션을 위해 특히 높은 모델의 품질을 원할 경우, 경험적 서브 모델의 설정 매개 변수 값은 적은 작동 지점 측정 또는 단지 단 하나의 작동 지점 측정으로 정확하게 측정될 수 있다. 이러한 설정 매개 변수는 최적화될 기계 장치의 전체 작동 범위에서 변하지 않고 유지된다. 상기 설정 매개 변수는 예를 들어 시험대의 표준 조건 측정을 통해 측정될 수 있다. 따라서, 시험대에서 기계 장치의 교정은 시험대의 표준 조건에서 계속해서 진행될 수 있으며, 이와 반대로 다른 조건에서 교정은 모델을 통해 실시된다.
본 발명에 따른 방법의 바람직한 실시 형태에 따라, 적어도 하나의 세 번째 매개 변수의 두 번째 측정은 단지 적어도 하나의 미리 정해진 측정 지점, 특히 기계 장치의 크랭크 샤프트 위치, 특히 분사 시점, 유입 밸브 폐쇄, 점화 시점 및/또는 연소 중심점(MFB 50%)에서 실시된다. 본 발명에 따른 방법 또는 상기 방법을 실행하기 위해 실시한 연산은 크랭크 샤프트의 전체 사이클, 즉 크랭크 샤프트 각도를 통해 계산되지 않음으로써 중요한 정보 손실 없이도 본 발명에 따른 장치의 계산 시간 및 필요한 계산 능력이 감소할 수 있다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 바람직하게는 최적화될 기계 장치의 성능 잠재력, 특히 상기 내연 기관의 피스톤 배기량과 관련하여 적어도 하나의 첫 번째 매개 변수 및/또는 적어도 하나의 두 번째 매개 변수 및/또는 적어도 하나의 세 번째 매개 변수의 표준화 작업 단계를 포함한다. 특히, 표준화로 인해 기계 장치에만 국한되지 않는 보편 타당한 관계가 본 발명에 따른 방법을 통해 제공될 수 있다. 상기 내연 기관에서 매개 변수는 바람직하게는 피스톤 배기량과 연관성을 갖는다. 전술한 것을 토대로 필요할 경우 다음과 같은 특정 측정 변수가 적용될 수 있다:
- 작업 사이클 l/l mg의 연료량
- W/l의 연료 에너지
- W/ㅣ의 실린더 내부와 외부의 엔탈피 유동
- W/l의 벽의 열 유동
- W/l의 고압 및 저압 루프(loop)에 대한 표시된 출력(indicated power)
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 상기 방법은 다음의 작업 단계 즉, 두 번째 물리적 모델 및/또는 적어도 세 번째 매개 변수 및/또는 다수의 첫 번째 매개 변수 가운데 적어도 하나의 첫 번째 매개 변수 및/또는 다수의 두 번째 매개 변수 가운데 적어도 하나의 두 번째 매개 변수를 토대로 하는 두 번째 경험적 모델을 통해 적어도 하나의 네 번째 매개 변수를 측정하는 세 번째 측정 단계를 포함한다. 바람직하게는, 적어도 하나의 네 번째 매개 변수는 최적화될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치의 수정, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합하다. 또한, 바람직하게는 이러한 네 번째 매개 변수는 또 다른 단계에 전달될 수 있다.
모델에 근거한 최적화를 위한 본 발명에 따른 방법에서, 상기 기계 장치의 기능은 캐스케이드(cascade) 형태로 처리될 수 있다. 서브 모델의 출력 매개 변수는 입력 매개 변수로서 또 다른 서브 모델에 체계적으로 전달된다. 상기 경험적 서브 모델에 전달된 입력 매개 변수는 가능하면 물리적 모델을 이용한 공지된 물리적 요인을 통해 계산될 수 있다. 모델에 근거한 최적화를 위한 본 발명에 따른 방법의 캐스케이드 구조를 실시하기 위해 본 발명에 따른 방법의 또 다른 바람직한 실시 형태는 적어도 하나의 또 다른 물리적 모델 및/또는 적어도 하나의 세 번째 매개 변수 및/또는 적어도 하나의 네 번째 매개 변수 및/또는 다수의 매개 변수 가운데 적어도 하나의 매개 변수 및/또는 적어도 다수의 두 번째 매개 변수 가운데 적어도 하나의 두 번째 매개 변수를 토대로 하는 적어도 하나의 또 다른 경험적 모델을 통해 적어도 하나의 또 다른 매개 변수를 측정하기 위한 네 번째 측정 단계를 포함하며, 적어도 하나의 또 다른 매개 변수는 최적화될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합하다. 바람직하게는, 본 발명에 따른 방법은 적어도 하나의 또 다른 매개 변수를 전달하는 단계를 포함한다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 세 번째 매개 변수의 두 번째 측정과 마찬가지로 네 번째 매개 변수의 세 번째 측정 및/또는 또 다른 매개 변수의 네 번째 측정은 기계 장치의 또 다른 시점에서 실시될 수 있다. 이러한 방식으로 각각의 물리적 모델 또는 경험적 모델에서 중요한 시점은 차례대로 기계 장치의 기능 순서에 따라 제공될 수 있다. 이미 계산된 서브 모델로부터 제공된 정보는 이어지는 다음 서브 모델로 직접 전달된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 검출, 첫 번째 측정, 두 번째 측정 및 경우에 따라 세 번째 측정 및 네 번째 측정은 최적화될 기계 장치의 측정 없이도 실시될 수 있다. 본 발명에 따른 방법은 모델/복수의 모델이 대략 초반 조절이 끝나면 최적화가 시험대 또는 실재 주행 모드에서 차량에 대한 또 다른 측정 없이 실시될 수 있는 장점이 있다. 표준화되지 않은 이차 조건에서 실시될 수도 있는 특별한 테스트는 시뮬레이션을 통해 용이하게 처리될 수 있다.
모델에 근거한 기계 장치, 특히 내연 기관의 최적화를 위한 본 발명에 따른 또 다른 방법에서, 최적화될 기계 장치의 통합 시스템은 공지된 물리적 요인을 특징짓는 적어도 하나의 물리적 모델 및 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 다수의 내연 기관 측정에 근거를 두고 있는 적어도 하나의 경험적 모델을 통해 시뮬레이션 된다. 바람직하게는, 적어도 하나의 상기 물리적 모델 및/또는 적어도 하나의 상기 경험적 모델은 각각의 모델을 최적화될 기계 장치에 맞게 조절하기 위해 추가로 특정 기계의 설정 매개 변수의 영향을 받는다. 특히 바람직하게는 적어도 하나의 상기 경험적 모델만 특정 기계의 설정 매개 변수의 영향을 받는다. 또한, 바람직하게는 본 발명에 따른 방법의 첫 번째 단계에서 최적화될 기계 장치가 작동할 때 측정 지점이 측정되고, 측정값이 모델에 의해 계산된 값과 비교됨으로써 특정 기계의 설정 매개 변수는 적어도 하나의 측정 지점을 토대로 측정된다. 또한, 바람직하게는 본 발명에 따른 두 번째 단계에서 측정이 더는 실시되지 않으며, 최적화될 기계 장치의 통합 시스템은 적어도 하나의 물리적 모델 및 적어도 하나의 경험적 모델을 통해 시뮬레이션 된다. 바람직하게는, 적어도 하나의 물리적 모델에 의해 측정된 두 번째 매개 변수가 입력 매개 변수로서 적어도 하나의 경험적 모델에 제공된다. 또한, 바람직하게는 특정 기계의 설정 매개 변수는 또 다른 입력 매개 변수로서 적어도 하나의 물리적 모델에 제공된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적용된 물리적 모델 가운데 적어도 하나의 물리적 모델 및/또는 적용된 경험적 모델 가운데 적어도 하나의 경험적 모델은 각각의 모델을 최적화될 기계 장치에 맞게 조절하기 위해 추가로 특정 기계의 설정 매개 변수의 영향을 받으며, 바람직하게는 서로 다른 모델에 각각 서로 다른 설정 매개 변수가 적용된다. 상기 각각의 설정 매개 변수는 서브 모델에 적용되며, 이것은 상기 서브 모델을 각각의 기계 장치에 맞게 조절하기 위한 것이다.
상기 내연 기관의 경우, 바람직하게는 노즐, 스월(swirl) 및 연소실로 구성된 내연 기관을 위한 각각의 설정 매개 변수는 모든 작동 지점에도 동일하게 적용된다. 상기 설정 매개 변수는 개별 작동 지점에서 개별적으로 조절되는 것이 아니라, 각각 하드웨어 구성을 통해 조절된다. 바람직하게는, 상기 설정 매개 변수는 또 다른 매개 변수의 영향을 받는 그러한 함수(function)일 수도 있다. 또한, 바람직하게는 물리적인 것을 기초로 하는 효과가 상기 설정 매개 변수의 토대가 되지만, 이것은 매우 복잡하기 때문에 모델에 적용하는 것은 쉽지 않을 수 있다. 내연 기관의 경우, 전술한 것은 연소가 진행되는 동안 분사 분출구(injection jet)와 피스톤 캐비티(piston cavity)간의 상호작용이 적합한 예이다.
바람직하게는, 본 발명에 따른 설정 매개 변수는 모델 구조(model structure)에 직접 제공되며, 이로 인해 바람직하게는 직간접적인 효과가 달성될 수 있으며, 이것은 모든 모델 입력 변수에서 동일한 수치를 갖는 것은 아니다.
본 발명에 따른 경험적 서브 모델 및 대부분은 물리적으로 계산된 상기 서브 모델의 입력 변수로 인해, 내연 기관의 새로운 엔진에서 진행되는 연소는 모델계 수 없이 단지 미리 정해진 시점에 실린더 전후의 상태, 기하학적 데이터, 연료 특성, 엔진 제어 장치의 분사 매개 변수의 설정 및 설정 매개 변수의 조절을 통해서 계산될 수 있다. 상기 설정 매개 변수는 매개 변수 설정과 모델 정확성 사이의 우수한 절충안을 제공하고, 압축, 점화 지연, 연소 속도 및 출력 손실, 특히 마찰력을 엔진에 맞게 조절하기 위해 디젤 엔진 또는 오토 엔진에서 사용된다. 바람직하게는, 이러한 방식으로 경험적 모델 생성과 연관되지 않은 내연 기관(동일한 유형)에서 연소 과정이 동일한 서브 모델을 통해 계산될 수 있다. 상기 경험적 서브 모델의 설정 매개 변수는 모든 엔진이 하나의 매개 변수 세트 및 동일한 매개 변수 세트로 형성될 수 있도록 선택된다. 추가 모델 변수로서 설정 매개 변수를 상기 경험적 서브 모델에 적용하는 것은 설정 매개 변수와 모델 입력 매개 변수의 상호 작용이 실시될 수 있고, 따라서 설정 매개 변수가 항구적인 오프셋 또는 계수(factor)가 아니라는 장점을 갖는다.
본 발명에 따른 또 다른 바람직한 실시 형태에 따라, 압축-설정 매개 변수 또는 폴리트로프 지수-모델을 위한 폴리트로프 지수(polytropic exponent)-설정 매개 변수, 점화 지연 모델을 위한 점화 지연-설정 매개 변수, 연소 중심점(MFB 50%)를 위한 연소 중심점-설정 매개 변수, 마찰력 모델을 위한 엔진 마찰-설정 매개 변수, 잔여 가스 함량-모델을 위한 잔여 가스-설정 매개 변수, 신선한 공기량-모델을 위한 주입 값-설정 매개 변수, 표시된 고압 모델을 위한 고압-설정 매개 변수 및/또는 충전 가스 손실 모델을 위한 충전 가스 손실-설정 매개 변수가 설정 매개 변수로서 사용될 수 있다. 디젤 엔진의 최적화를 위해 바람직하게는 압축-설정 매개 변수, 점화 지연-설정 매개 변수, 연소 중심점-설점 매개 변수 및 엔진 마찰-설정 매개 변수가 사용될 수 있다. 오토 엔진의 최적화를 위해 바람직하게는 점화 지연-설정 매개 변수, 연소 중심점-설정 매개 변수, 엔진 마찰-설정 매개 변수, 주입 값-설정 매개 변수, 잔연 가스 함량-설정 매개 변수, 충전 가스 손실-설정 매개 변수 및 고압-설정 매개 변수가 제공될 수 있다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 특정 기계의 엔진의 적어도 하나의 설정 매개 변수의 값은 최적화될 기계 장치, 특히 내연 기관의 모든 작동 지점에서 동일하며, 내연 기관은 바람직하게는 아래의 그룹 가운데 적어도 하나의 그룹을 통해 정해진다: 노즐, 연소실 및 충전기(charge motion), 특히 스월 또는 텀블(tumble); 밸브 특성 및 흡입 구조; 출력 손실 특성. 디젤 엔진의 경우, 예를 들어 노즐, 스월 및 연소실로 구성된 연소 기관을 위한 각각의 설정 매개 변수는 바람직하게는 전체 작동 지점에서 동일하다. 이로써, 상기 설정 매개 변수는 개별 작동 지점을 위해 개별적으로 조절되는 것이 아니라, 각각 하드웨어 구성을 통해 조절되어야 한다. 측정 데이터가 없는 새로운 엔진을 계산하기 위해 예를 들어 모델 생성 중에 발견한 설정 매개 변수의 중간 값이 기본 값으로 적용될 수 있다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 특정 기계의 설정 매개 변수는 각각의 모델을 위해 최적화될 기계 장치의 전체 작동 범위에서 불변한는 또 다른 입력 매개 변수로서 제공된다. 전술한 것처럼, 특정 기계의 설정 매개 변수의 조절은 최적화될 기계 장치에 따라 실시된다. 싱글 장치의 시뮬레이션을 위해 상기 설정 매개 변수는 바람직하게는 항상 같은 변수로서 제공된다. 따라서, 본 발명에 따른 방법은 특정 기계의 장치에 맞게 전체 모델 또는 개별 서브 모델의 조절을 특히 간단하게 한 번만 실시한다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이미 공지된 다수의 기계 장치의 설정 매개 변수 값에 따른 중간 값이 최적화될 기계 장치의 특정 기계의 설정 매개 변수를 위한 출력 값으로서 결정된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 바람직하게는 아래의 작업 단계, 즉: 최적화될 기계 장치가 작동할 때 적어도 하나의 측정 지점을 측정하는 단계; 동일한 입력 매개 변수에서 측정값이 첫 번째 매개 변수 또는 두 번째 매개 변수의 계산된 값과 비교됨으로써 특정 기계의 설정 매개 변수를 적어도 하나의 측정 지점에 따라 측정하는 단계를 포함한다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 적어도 하나의 두 번째 매개 변수를 검출하는 단계 및 적어도 하나의 검출된 두 번째 매개 변수에 따라, 특히 검출된 적어도 하나의 값을 첫 번째 경험적 모델에 의해 측정된 적어도 하나의 세 번째 매개 변수의 값과 비교함으로써 특정 기계의 적어도 하나의 설정 매개 변수를 측정하는 단계를 포함한다.
또한, 바람직하게는 적어도 하나의 세 번째 매개 변수가 검출되며, 특정 기계의 적어도 하나의 설정 매개 변수는 상기 세 번째 매개 변수에 따라, 특히 검출된 적어도 하나의 값을 첫 번째 경험적 모델에 의해 측정된 적어도 하나의 세 번째 매개 변수의 값과 비교를 통해 측정된다.
또한, 바람직하게는 적어도 하나의 네 번째 매개 변수가 검출되고, 적어도 하나의 설정 매개 변수는 검출된 적어도 하나의 네 번째 매개 변수에 따라, 특히 검출된 값을 두 번째 경험적 모델에 의해 측정된 적어도 하나의 네 번째 매개 변수의 값과 비교를 통해 측정된다.
또한, 바람직하게는 적어도 하나의 또 다른 매개 변수가 검출되고, 적어도 하나의 설정 매개 변수는 검출된 적어도 하나의 매개 변수에 따라, 특히 검출된 값을 또 다른 경험적 모델을 통해 측정한 적어도 하나의 또 다른 매개 변수의 값과 비교를 통해 측정된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 최적화될 기계 장치의 첫 번째 매개 변수를 적어도 하나의 세 번째 매개 변수, 적어도 하나의 네 번째 매개 변수 및/또는 적어도 하나의 또 다른 매개 변수에 따라 수정하는 단계를 포함한다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 최적화될 기계 장치의 적어도 하나의 첫 번째 매개 변수를 적어도 하나의 세 번째 매개 변수, 적어도 하나의 네 번째 매개 변수 및/또는 적어도 하나의 또 다른 매개 변수에 따라 수정하는 작업 단계를 포함한다. 모델에 근거한 최적화를 위해 본 발명에 따른 방법으로 측정된 각각의 매개 변수 값 또는 각각의 매개 변수의 가치 곡선(value curve)은 기계 장치 기능을 최적화하기 위한 상기 기계 장치 또는 이러한 기계 장치의 제어 장치가 어떻게 수정되어야 하는지를 판단할 수 있도록 한다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이러한 방법은 적어도 하나의 세 번째 매개 변수, 적어도 하나의 네 번째 매개 변수 및/또는 적어도 하나의 또 다른 매개 변수를 기준에 따라 평가하는 작업 단계를 포함한다. 이로 인해, 본 발명에 따른 방법으로 실시된 기계 장치의 구성에 대한 평가는 상이한 기준에 따라 평가될 수 있다. 바람직하게는 이러한 평가도 출력된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적어도 하나의 첫 번째 매개 변수는 최적화될 기계 장치의 제어 장치를 통해 미리 제공되거나, 또는 조절된다. 이로 인해, 상기 기계 장치의 제어 장치에 저장된 제어 기능 또는 그러한 복수의 제어 기능이 테스트 될 수 있다. 이와 관련하여 상기 기계 장치의 시뮬레이션 반응이 본 발명에 따른 방법의 해답으로 제시될 수 있다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적어도 하나의 첫 번째 매개 변수는 최적화될 기계 장치의 구성적 특징을 수정함으로써 영향을 받을 수 있다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적어도 하나의 경험적 모델은 다항식 모델(polynomial model)이며, 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 다수의 내연 기관의 측정에 따른 상기 다항식 모델의 계수는 회귀 분석을 통해 측정되며, 상기 설정 매개 변수는 적어도 하나의 계수로 곱해지고 최적화될 기계 장치에 대해 항구적인 경험적 모델의 입력 매개 변수이다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 아래의 그룹 가운데 적어도 하나의 그룹이 첫 번째 매개 변수로서 선택된다:
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 물리적 모델에 따라 측정된 아래의 그룹 가운데 적어도 하나의 그룹이 두 번째 매개 변수 및/또는 네 번째 매개 변수로서 선택된다:
- 연료 비중;
- 예비 분사량;
- 메인 분사량;
- 후-분사량;
- 람다;
- AGR-비율 또는 실린더에 남아 있는 잔여 가스 함량;
- 습도;
- 연료 유동률;
- 잔여 가스를 포함하는 전체 실린더 유동률;
- 낮은 발열량;
- 회전수;
- 허브
- 크랭크 반경;
- 커넥팅 로드 길이;
- 분사 개시의 크랭크 샤프트 각도;
- 폴리트로프 지수;
- 분사 개시의 실린더 압력;
- 흡입관의 압력;
- 실린더의 허브 체적;
- 실린더의 압축 용적;
- 분사 개시의 피스톤 운동;
- 보어;
- 분사 개시의 허브 체적;
- 점화 시점의 피스톤 운동;
- 점화 시점의 허브 체적;
- 흡입 밸브 폐쇄시 피스톤 운동;
- 흡입 밸브 폐쇄시 허브 체적;
- 분사 개시의 실린더 압력;
- 분사 개시의 온도;
- 실린더의 전체 질량;
- 이상적인 기체 상수;
- 흡입 밸브 폐쇄시 실린더의 압력;
- 흡입 밸브 폐쇄시 실린더의 가스 혼합 온도;
- 실린더의 공기량(신선한 공기 및 잔여 가스);
- 실린더의 연료량(fuel amount);
- 공기/연료 혼합물의 기체 상수;
- 점화 시점을 위한 실린더의 압력;
- 점화 시점을 위한 실린더의 가스 혼합 온도;
- 실린더의 공기량(신선한 공기 및 잔여 가스)
- 실린더의 연료량;
- 공기/연료 혼합물의 기체 상수;
- 분사 개시의 실린더 압력;
- 분사 압력;
- 연료 비중;
- 특히 제조사에 따른 분사 노즐의 유량;
- 노즐 홀의 수량;
- 노즐 홀의 효과적인 유동 영역;
- 노즐 홀의 지름;
- 분사 개시의 충전 밀도(charge density);
- 분사 개시의 실린더 압력;
- 중간 액적 지름;
- 분사 압력;
- 노즐 홀의 효과적인 유동 영역;
- 노즐 홀의 지름;
- 분사 개시 또는 점화 시점;
- 점화 지연;
- 실린더 벽의 출력 손실;
- 표시된 중간 압력;
- 화학적으로 결합된 연료 에너지;
- 흡입구 엔탈피;
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 경험적 모델에 따라 측정된 아래의 그룹 가운데 적어도 하나의 그룹이 세 번째 매개 변수, 네 번째 매개 변수 및/또는 또 다른 매개 변수로서 선택된다:
- 흡입 밸브 폐쇄 시점;
- 흡입관의 압력과 온도;
- 흡입 밸브 폐쇄시 피스톤 속도;
- 흡입 밸브 폐쇄 시점의 실린더의 연료량;
- 충전 가스 교환-상사점 전 또는 후에 흡입 밸브 폐쇄시 구별 기준;
- 회전수;
- 흡입 밸브 폐쇄시 실린더의 가스 혼합 온도;
- 기본 폴리트로프 지수;
- 분사 개시;
- 흡입구 컬렉터 온도;
- 질량과 관련된 연료량;
- 점화 시점의 실린더 용적;
- 람다 값;
- 플리트로프 지수의 설정 매개 변수;
- 회전수;
- 분사 개시 또는 점화 시점에 실린더의 가스 온도 및/또는 압력;
- 흡입 밸브 허브;
- 충전기 플랩 설정;
- 액적 지름;
- 산소 농도;
- 분사 개시의 피스톤 속도;
- 실린더 내의 잔여 가스 함량;
- 중간 피스톤 속도;
- 람다 값;
- 점화 시점;
- 실린더 내 연료량의 연료 당량(fuel equivalent)
- 회전수;
- 실린더 내의 잔여 가스 함량;
- 흡입 밸브 허브;
- 분사 지속 시간;
- 점화 지연;
- 분사 노즐로부터 배출 속도;
- 연소실 내의 산소 농도;
- 점화 시점;
- 람다;
- 중간 피스톤 속도;
- 충전기 플랩 설정;
- 메인 분사의 비-체적 연료 효율;
- 연소실의 표면 용적 비율;
- 피스톤 속도;
- 실린더 내의 잔연 가스 함량;
- 1/람다;
- 연소 중심점 및/또는 연소 중심점의 실린더 표면;
- AGR-비율;
- 연소 개시;
- 분사 개시의 온도;
- 후-분사의 비-체적 연료 효율;
- 후-분사의 분사 개시;
- 높고 낮은 엔진 부하를 위한 출력 손실 계산을 위한 구별 기준;
- 점화 시점의 실린더 압력;
- 점화 시점의 실린더 내의 가스 혼합 온도;
- 비-체적 연료 효율;
- 비-체적 벽의 열 유동;
- 연소 개시;
- 연소 중심점, 특히 연소 중심점에 이르기 까지의 연소 지속 시간;
- 후-분사의 분사 개시;
- 높고 낮은 엔진 부하를 위한 출력 손실 산정을 위한 구별 기준;
- 설정 매개 변수;
- 람다 값;
- 피스톤 속도;
- 메인 분사의 분사 개시 압력;
- 연소 개시;
- 연소 지속 시간;
- 특히 연료 유동률에 따른 비-체적 연료 유동;
- 실린더 분사 압력;
- 중간 피스톤 속도;
- 냉각수 온도;
- 오일 온도;
- 엔진 마찰의 설정 매개 변수;
- 고압력;
- 흡입관 내의 압력;
- 배출구 컬렉터의 압력;
- 보어;
- 흡입된 신선한 공기량;
- 흡입 밸브 허브;
- 설정 매개 변수;
- 연소 개시시 산소 농도(가스 조성으로부터);
- 메인 분사의 연소 개시;
- MFB 50%;
- 설정 매개 변수;
- 소기(scavenging)-매개 변수;
- 연소 중심점에 이르기 까지 연소 개시의 연소 지속 시간;
- 회전수;
- 1/람다;
- 메인 분사의 분사 개시 온도;
- 중간 피스톤 속도;
- 점화 시점의 실리더 내의 가스 혼합 온도;
- 람다 당량;
- 실린더 내의 신선한 공기량;
- 실린더 내의 잔연 가스 함량;
- 연소 지속 시간-매개 변수;
- 중간 피스톤 속도;
- 실린더 내의 신선한 공기량;
- 람다 당량;
- MFB 50%에 이르기까지 연소 개시의 연소 지속 시간;
- 표시된 중간 압력;
- 실린더 벽 온도;
- 실린더 내의 잔여 가스 함량;
- 소기 매개 변수;
- 연소 지속 시간-매개 변수
- 람다 당량;
- 중간 피스톤 속도;
- 실린더 내의 신선한 공기량;
- 역흡입된 배기가스의 온도;
- 첫 번째 분사 및 또 다른 분사의 분사 개시 및 분사 지속시간;
- 실린더 내의 잔여 가스 함량;
- 연소 지속 시간-매개 변수;
- 소기-매개 변수;
- 람다;
- AGR-비율;
- 분사 압력.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 이미 공지된 다수의 기계 장치 측정에 따른 적어도 하나의 첫 번째 경험적 모델, 적어도 하나의 두 번째 경험적 모델 및/또는 적어도 하나의 세 번째 경험적 모델은 제한된 제곱근 오차 방법을 통해 결정된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적어도 네 개의 서로 다른 경험적 모델, 바람직하게는 적어도 여섯 개의 서로 다른 경험적 모델, 특히 바람직하게는 여덟 개의 서로 다른 경험적 모델, 특히 더 바람직하게는 열한 개의 서로 다른 경험적 모델이 교정을 위해 제공된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 적어도 네 개의 서로 다른 경험적 모델 가운데 각각의 모델에 특정 기계의 설정 매개 변수가 입력 매개 변수로서 제공된다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 상기 경험적 모델은 폴리트로프 지수, 점화 지연, 연소 중심점 및 마찰력을 측정한다.
본 발명에 따른 방법 및 이러한 방법의 바람직한 실시 형태와 관련된 특징 및 장점은 본 발명에 따른 또 다른 방법 및 본 발명에 따른 장치에 상응하고 역으로도 마찬가지다.
본 발명에 따른 방법의 또 다른 바람직한 실시 형태에 따라, 최적화될 기계 장치와 관련하여 물리적 변수를 특징짓는 적어도 하나의 첫 번째 매개 변수는 적어도 하나의 물리적 모델의 입력 매개 변수이고, 최적화될 기계 장치를 특징짓고/또는 전술한 것을 토대로 최적화될 기계 장치의 수정, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한 적어도 하나의 경험적 모델에 의해 측정된 세 번째 매개 변수가 출력된다.
본 발명의 전술한 측면과 여기에 해당하는 본 발명에 따른 방법에 공지된 특징은 본 발명에 따른 장치에도 마찬가지로 적용된다.
본 발명의 또 다른 특징, 장점 및 적용 가능성은 아래의 도면을 통해 상세하게 설명된다:
도 1은 모델에 근거한 기계 장치를 위해 본 발명에 따른 방법의 실시 형태를 블록선도(block diagram)로 도시하고 있고;
도 2는 디젤 엔진에 해당하는 물리적 모델의 정보 흐름을 블록선도로 도시하고 있고;
도 3은 디젤 엔진과 관련된 본 발명에 따른 실시 형태에서 경험적 모델의 정보 흐름을 도시하고 있고;
도 4는 디젤 엔진과 관련하여 본 발명에 따른 방법의 실시 형태에서 경험적 모델 간의 정보 흐름을 도시하고 있고;
도 5는 오도 엔진과 관련하여 본 발명에 따른 방법의 실시 형태에서 경험적 모델 간의 정보 흐름을 도시하고 있고;
도 6은 본 발명에 따른 방법의 기초를 이루는 모델 설정을 흐름도로 도시하고 있고;
도 7은 엔진의 작동 범위를 도표로 도시하고 있고;
도 8은 경험적 모델을 위한 패리티 도표를 도시하고 있고;
도 9는 도 8에 다른 패리티 도표의 또 다른 설명을 도시하고 있고;
도 10은 세 개의 엔진의 작동 범위를 도시하고 있고;
도 11은 세 개의 엔진에 따른 경험적 모델의 패리티 도표를 도시하고 있고;
도 12는 도 11에 따른 패리티 도표를 도시하고 있으며, 경험적 모델에서 설정 매개 변수가 고려되고 있으며;
도 13은 점화 지연의 경험적 모델에서 개별 입력 매개 변수를 위한 상호 작용 도표를 도시하고 있고,
도 14는 패리티 도표를 도시하고 있으며, 경험적 모델은 서로 다른 오프셋을 개별 엔진을 위해 제공하고 있으며;
도 15는 발생 순서에 따른 연소 기관의 전체 시뮬레이션을 위한 개별 경험적 모델의 모델 설명을 과정으로 도시하고 있고;
도 16은 연소 기관의 작동을 특징짓는 매개 변수의 다수의 도표는 실제 연소 기관에서 측정된 값뿐 아니라 본 발명에 따른 실시 형태에서 계산된 값을 도시하고 있으며; 및
도 17은 도 16에 따른 매개 변수 가운데 몇몇 매개 변수의 측정된 값과 본 발명에 따라 계산된 값의 비교를 도시하고 있다.
다음에서는 본 발에 따른 내연 기관, 특히 디젤 엔진은 기계 장치로 표기한다. 기본적으로 본 발명은 측정된 물리적 변수, 물리적 모델 및 경험적 모델로 세분화를 허용하는 기능방식을 포함하는 또 다른 기계 장치의 최적화에도 적용될 수 있다.
도 2는 디젤 엔진에 해당하는 물리적 모델의 정보 흐름을 블록선도로 도시하고 있고;
도 3은 디젤 엔진과 관련된 본 발명에 따른 실시 형태에서 경험적 모델의 정보 흐름을 도시하고 있고;
도 4는 디젤 엔진과 관련하여 본 발명에 따른 방법의 실시 형태에서 경험적 모델 간의 정보 흐름을 도시하고 있고;
도 5는 오도 엔진과 관련하여 본 발명에 따른 방법의 실시 형태에서 경험적 모델 간의 정보 흐름을 도시하고 있고;
도 6은 본 발명에 따른 방법의 기초를 이루는 모델 설정을 흐름도로 도시하고 있고;
도 7은 엔진의 작동 범위를 도표로 도시하고 있고;
도 8은 경험적 모델을 위한 패리티 도표를 도시하고 있고;
도 9는 도 8에 다른 패리티 도표의 또 다른 설명을 도시하고 있고;
도 10은 세 개의 엔진의 작동 범위를 도시하고 있고;
도 11은 세 개의 엔진에 따른 경험적 모델의 패리티 도표를 도시하고 있고;
도 12는 도 11에 따른 패리티 도표를 도시하고 있으며, 경험적 모델에서 설정 매개 변수가 고려되고 있으며;
도 13은 점화 지연의 경험적 모델에서 개별 입력 매개 변수를 위한 상호 작용 도표를 도시하고 있고,
도 14는 패리티 도표를 도시하고 있으며, 경험적 모델은 서로 다른 오프셋을 개별 엔진을 위해 제공하고 있으며;
도 15는 발생 순서에 따른 연소 기관의 전체 시뮬레이션을 위한 개별 경험적 모델의 모델 설명을 과정으로 도시하고 있고;
도 16은 연소 기관의 작동을 특징짓는 매개 변수의 다수의 도표는 실제 연소 기관에서 측정된 값뿐 아니라 본 발명에 따른 실시 형태에서 계산된 값을 도시하고 있으며; 및
도 17은 도 16에 따른 매개 변수 가운데 몇몇 매개 변수의 측정된 값과 본 발명에 따라 계산된 값의 비교를 도시하고 있다.
다음에서는 본 발에 따른 내연 기관, 특히 디젤 엔진은 기계 장치로 표기한다. 기본적으로 본 발명은 측정된 물리적 변수, 물리적 모델 및 경험적 모델로 세분화를 허용하는 기능방식을 포함하는 또 다른 기계 장치의 최적화에도 적용될 수 있다.
도 1에 따른 블록선도는 모델에 근거한 최적화를 위한 본 발명에 따른 방법의 흐름을 설명하고 있다.
모델에 근거한 최적화에서, 한편, 적어도 하나의 공지된 물리적 요인을 특징짓는 물리적 모델 및 다른 한편 회귀 연산, 특히 회귀 분석을 통해 설정되며, 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형에 따른 경험적 모델이 사용된다.
본 발명에 따른 방법은 두 단계로 분할된다. 첫 번째 단계(단계 1)에서 상기 내연 기관 유형에 의존하고 있는 경험적 모델이 최적화될 각각의 내연 기관에 맞게 조절된다. 이를 위해, 예를 들어 최적화될 내연 기관이 작동할 때 가능하면 적은 수량의 측정 지점이 시험대에서 측정된다(10A).
추가로, 내연 기관이 시험대, 즉 시뮬레이션이 동일한 측정 지점에서 실시되는 것과 마찬가지로 상기 경험적 모델 또는 복수의 경험적 모델에 입력 매개 변수를 위한 동일한 값이 제공된다. 출력 매개 변수, 즉 내연 기관의 작동 매개 변수의 측정된 값은 입력 매개 변수의 지정에 따라 설정되며, 이러한 값은 측정 지점을 위해 조절될 수 있는 경험적 모델 또는 복수의 경험적 모델에 따라 측정된 값과 비교되었다. 경험적 모델의 설정 매개 변수 또는 복수의 경험적 모델의 설정 매개 변수는 측정된 출력 매개 변수의 값과 가능하면 일치하도록 선택된다(10B). 이를 위해, 특히 회귀 연산 및 회귀 분석 방법 또는 가장 적은 제곱근 오차 방법이 사용될 수 있다.
두 번째 단계는 세 개의 기능 단계(A, B, C)로 분할될 수 있다.
(A)단계에서 물리적 변수가 검출, 특히 입력 또는 측정되며, 상기 물리적 변수는 본 발명에 따라 적용된 모델 또는 서브 모델의 입력 매개 변수로서 사용된다.
(B)단계에서 본 발명에 따른 방법에 적용된 물리적 모델이 통합되며, 한편 이러한 물리적 모델은 물리적 변수를 입력 매개 변수로서 수용하고, 다른 한편 입력 매개 변수로서 물리적 모델에 따라 측정된 출력 매개 변수를 (C)단계의 경험적 모델 쪽으로 계속해서 전달한다.
(C)단계에서 경험적 모델은 입력 매개 변수로서 선택적으로 물리적 변수를 포함하며, 상기 물리적 변수는 물리적 모델을 통과하지 않은 직접 측정된 변수에 해당한다. 상기 (C)단계에서 경험적 모델의 출력 매개 변수는 다시 (B)단계의 물리적 모델 또는 (C)단계의 또 다른 경험적 모델을 위한 입력 매개 변수로서 사용될 수 있다. 이러한 방식으로 내연 기관의 연소 과정은 캐스케이드 방식으로 시뮬레이션 되며, 특히 본 발명에 적용된 경험적 서브 모델의 순서는 연소 진행 과정에 따라 정해진다.
가능하면 광범위한 유효성을 획득하기 위해, 선행 기술로부터 경험적 모델에 포함된 물리적 요인의 대부분이 물리적 모델에 적용된다. 이로 인해, 경험적 모델의 입력 매개 변수의 수가 감소 될 수 있다. 이러한 방식으로, 기존의 기계 장치에서 기하학적 이차 조건이 수정될 수 있고, 이로 인해 야기된 변화가 용이하게 측정될 수 있다.
방법 절차는 바람직하게는 청구항의 개별 작업 단계의 순서를 통해 제공된 그러한 순서를 따르며, 이것은 도 1에도 설명되어 있다. 상기 작업 단계는 기능적 의존성을 설명할 수 있다면 다른 순서에 따라 진행될 수도 있다.
바람직하게는, 내연 기관을 특징짓기 위해 최적화될 내연 기관에서 물리적 변수가 측정된다(101).
상기 물리적 변수는 기계 장치 및/또는 이러한 장치의 유형을 매우 보편적인 방식으로 특징짓고, 일반적으로 두 개의 카테고리로 분할될 수 있다:
하나는, 최적화될 기계 장치의 제어 장치에 의해 미리 주어지거나, 또는 예컨대 스로틀 밸브 위치가 조절되는 물리적 변수가 제공될 수 있다.
선택적으로 또는 추가로, 이러한 물리적 변수는 최적화될 기계 장치의 구성적 특징일 수 있으며, 이러한 구성적 특징은 구성 데이터로서 공지되었거나, 또는 구성 데이터로서 측정될 수 있다. 전술한 것의 예로서 노즐 형태, 연소실 및 충전기, 특히 스월 또는 텀블, 밸브 특성, 유입 채널 형태 및/또는 출력 손실 특성이 있다.
바람직하게는, 측정된 물리적 변수를 통해 내연 기관의 기능이 상세하게 설명될 수 있다. 측정된 첫 번째 매개 변수는 바람직하게는 (B)단계의 물리적 모델 및/또는 (C)단계의 경험적 모델에 필요한 입력 매개 변수를 제공하기 위해 선택된다.
측정된 상기 물리적 변수는 동일한 유형이지만 서로 다른 동력 레벨을 갖는 내연 기관과 관련하여 물리적 변수를 비교할 수 있도록 하기 위해 바람직하게는 또 다른 작업 단계에서 표준화된다(102). 이어지는 작업 단계에서, 측정된 물리적 변수의 적어도 하나의 변수는 물리적 서브 모델을 계산하기 위해 사용된다(103). 상기 물리적 모델로부터 생성된 출력 매개 변수 또는 복수의 출력 매개 변수는 이어지는 작업 단계에서 경험적 서브 모델을 계산하기 위해 다시 사용된다(104). 바람직하게는, 작업 단계(104)에서 계산된 경험적 서브 모델에 입력 매개 변수를 제공하기 위해 다수의 물리적 모델이 제공될 수 있다. 또한, 바람직하게는 측정된 물리적 변수는 경험적 서브 모델의 연산 장치(104)에 직접 제공될 수도 있다.
또 다른 작업 단계에서 계산된 경험적 모델의 상기 출력 매개 변수 또는 복수의 출력 매개 변수가 (B)단계의 물리적 모델 또는 (C)단계의 경험적 모델로 전달된다(105). 바람직하게는, 이러한 또 다른 서브 모델은 시간상으로 작업 단계(104)에서 계산된 경험적 서브 모델에 따른 연소 과정 순서에 있는 관계를 표시한다. 작업 단계(104)에 따른 출력 매개 변수 또는 복수의 출력 매개 변수가 상기 물리적 모델에 전달될 경우, 또 다른 작업 단계(106a)에서 이러한 물리적 모델을 통해 바람직하게는 또 다른 출력 매개 변수가 계산되며, 상기 또 다른 출력 매개 변수는 다시 세 번째 물리적 모델 또는 두 번째 경험적 모델로 전달된다(107a).
바람직하게는, 또 다른 작업 단계에서 두 번째 경험적 모델이 산정되며(106b), 첫 번째 경험적 모델에 따른 출력 매개 변수, 두 번째 물리적 모델에 따른 출력 매개 변수 및/또는 또 다른 물리적 변수는 바람직하게는 입력 매개 변수로서 사용된다. 상기 두 번째 경험적 모델로부터 전달된 출력 매개 변수는 세 번째 물리적 모델 및/또는 세 번째 경험적 모델을 위한 입력 매개 변수로서 사용되고, 바람직하게는 상기 세 번째 경험적 모델에 전달된다(107b). 바람직하게는, 두 번째 물리적 모델로부터 전달된 출력 매개 변수, 두 번째 경험적 모델로부터 전달된 출력 매개 변수 및/또는 측정된 또 다른 물리적 변수(108a)를 통해 또 다른 출력 매개 변수가 세 번째 물리적 모델에서 산정된다(108a). 상기 세 번째 물리적 모델의 초기 값은 상기 세 번째 경험적 모델에 전달되고, 이러한 매개 변수를 통해 두 번째 경험적 모델의 출력 매개 변수 및/또는 또 다른 물리적 변수가 상기 세 번째 경험적 모델에서 산정되고(108b), 바람직하게는 전달된다(109b).
도 1과 관련하여 전술한 캐스케이드 방식의 과정, 즉 측정된 물리적 변수, 물리적 모델 및 경험적 모델로부터 획득된 정보의 결합 과정은 바람직하게는 임의로 반복될 수 있으며, 이것은 도 1에서 마찬가지로 암시적으로 설명되고 있다.
바람직하게는, 전달된 각각의 매개 변수는 사용자에게 설명될 수 있으며, 최적화될 내연 기관의 평가를 위한 기준 값과 비교를 통해 사용될 수도 있다. 마지막으로, 획득된 매개 변수 값은 내연 기관 구성 변화를 통해 최적화를 위해 사용될 수 있다(110, 111).
도 2는 다수의 물리적 변수에 물리적 모델(중앙)의 의존성 및 디젤 엔진과 관련한 상호 의존성을 예로서 설명하고 있다. 도시된 실시 예에서, 경험적 모델로부터 획득한 폴리트로프 지수는 바람직하게는 물리적 모델로서 실린더의 열 역학적 상태에 전달된다. 또한, 경험적 모델에 따라 산정된 매개 변수로서 점화 지연은 연소 개시를 위한 물리적 모델에 제공된다.
도 3은 디젤 엔진에서 좌측 물리적 모델과 우측 물리적 변수에 대한 경험적 모델(중앙)의 의존성을 예로서 설명하고 있다. 물리적 모델로부터 산정된 매개 변수와 함께 바람직하게는 각각 적은 수량의 물리적 변수가 직접 경험적 모델에 전달된다.
바람직하게는, 피스톤 운동은 점화 지연 및 마찰력 연산을 위한 입력 매개 변수로서 제공된다. 바람직하게는, 연료 유동률은 실린더 분사 압력을 연산하기 위한 입력 매개 변수로서 제공된다. 바람직하게는 질량과 관련된 열량이 폴리트로프 지수를 연산하기 위한 입력 매개 변수로서 제공된다. 바람직하게는, 입력 매개 변수로서 액적 지름이 점화 지연 및 노즐의 배출 속도를 연산하기 위해 제공된다. 바람직하게는, 입력 매개 변수로서 노즐의 배출 속도가 연소 중심점의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 분사 개시와 관련된 실린더의 열 역학적 상태는 실린더 벽의 출력 손실, 점화 지연, 실린더 분사 압력 및 산화질소 배출을 연산하기 위해 제공된다. 바람직하게는, 입력 매개 변수로서 가스 조성이 산화질소 배출을 연산하기 위해 제공된다. 또 다른 입력 매개 변수로서 바람직하게는 압축-설정 매개 변수가 폴리트로프 지수의 연산을 위해 제공된다. 바람직하게는, 또 다른 입력 매개 변수로서 점화 지연-입력 매개 변수가 점화 지연의 연산을 위해 제공된다. 바람직하게는, 또 다른 입력 매개 변수로서 연소 속도-설정 매개 변수가 연소 중심점 연산을 위해 제공된다. 바람직하게는, 또 다른 입력 매개 변수로서 엔진 마찰-설정 매개 변수가 마찰력 연산을 위해 제공된다.
도 4는 디젤 엔진과 관련하여 개별 경험적 서브 모델의 캐스케이드 방식의 상호 의존성을 설명하고 있다. 도 4에서 알 수 있는 것은 특히 상기 디젤 엔진의 최적화에 적합한 것으로 입증된 본 발명의 바람직한 실시 예가 다섯 단계의 최적화 캐스케이드를 구비한다는 것이다. 연소 개시는 원래의 의미에서 자체로 경험적 모델은 아니지만, 점화 지연은 또 다른 네 개의 서브 모델에 간접적으로 영향을 줄 수 있다. 또한, 실린더 내의 열 역학적 상태는 경험적 모델에 따라 연산되는 것은 아니지만, 마찬가지로 폴리트로프 지수가 또 다른 네 개의 서브 모델에 간접적으로 영향을 줄 수 있다.
상기 폴리트로프 지수는 입력 매개 변수로서 열 역학적 상태를 통해 바람직하게는 점화 지연 및 실린더 분사 압력의 연산을 위해 제공된다. 바람직하게는, 상기 점화 지연은 연소 중심점의 연산을 위해 제공되고, 입력 매개 변수로서 연소 개시를 통해 실린더 벽의 출력 손실, 표시된 중간 압력, 실린더 분사 압력 및 산화질소 배출의 연산을 위해 제공된다. 입력 매개 변수로서 실린더 벽의 출력 손실은 바람직하게는 표시된 중간 압력의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 연소 중심점는 실린더 분사 압력 및 산화질소 배출의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 실린더 분사 압력은 마찰력 산정을 위해 제공된다.
도 5는 경험적 모델의 본 발명에 따른 캐스케이딩(cascading)에 대한 실시 형태를 설명하고 있으며, 상기 실시 형태는 상기 오토 엔진의 최적화를 위해 특히 바람직한 것으로 입증되었다. 상기 캐스케이딩은 바람직하게는 여섯 층(layer)을 구비한다.
바람직하게는, 입력 매개 변수로서 상기 폴리트로프 지수는 점화 지연 및 실린더 벽의 출력 손실을 연산하기 위해 제공된다. 점화 지연은 바람직하게는 연소 중심점, 실린더 벽의 출력 손실, 일산화탄소 배출, 표시된 중간 압력과 탄화수소 배출의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 잔연 가스 함량은 실린더 벽의 출력 손실, 점화 지연, 연소 중심점, 산화질소 배출, 일산화탄소 배출 및 탄화수소 배출의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 IVC의 실린더 압력은 실린더 내의 신선한 공기량 및 점화 지연의 연산을 위해 제공된다. 상기 연소 중심점는 바람직하게는 높고 낮은 부하에서 실린더 벽의 출력 손실, 높고 낮은 부하에서 표시된 중간 압력, 탄화수소 배출, 일산화탄소 배출, 산화질소 배출의 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 높고 낮은 부하에서 실린더 벽의 출력 손실은 높은 부하에서 표시된 중간 압력을 연산하기 위해 제공된다. 바람직하게는, 입력 매개 변수로서 낮은 부하에서 표시된 중간 압력은 탄화수소 배출 및 마찰력 연산을 위해 제공된다. 바람직하게는, 입력 매개 변수로서 높은 부하에서 표시된 중간 압력은 탄화수소 배출 및 마찰력 연산을 위해 제공된다.
디젤 엔진의 최적화를 위한 실시 예
본 발명의 방법에 따른 입력 매개 변수
디젤 엔진의 최적화를 위한 본 발명에 따른 방법이 이용될 경우, (첫 번째) 입력 매개 변수로서 사용된 물리적 변수는 바람직하게는 다섯 개의 카테고리로 분할될 수 있다. 이것은 내연 기관, 내연 개관의 개별 연소 시점을 확정하기 위한 연소 시점의 중요 데이터, 기도(air pathway)의 중요 데이터, 즉 에어 가이드(air guide) 및 주변 공기 상태를 특징짓는 데이터와 관련된 기하학적 데이터이다. 바람직하게는, 또 다른 카테고리는 특히 분사를 확정하는 연료 시스템에 중요한 데이터 및 해당 내연 기관의 연소 제어를 확정하는 연소에 중요한 데이터이다.
물리적 모델
디젤 엔진을 최적화할 때 사용된 물리적 요인은 바람직하게는 아홉 개의 물리적 모델로 분할될 수 있으며, 상기 모델은 연료 유동률, 실린더 내의 가스 조성, 질량과 관련된 열량, 피스톤 운동, 실린더의 역 역학적 상태, 노즐의 배출 속도, 액적 지름, 연소 개시 및 배기가스 온도를 나타낸다.
다음에서는 이러한 물리적 모델 가운데 몇몇 모델을 연산하기 위한 실시 예의 적어도 기본적 특징이 설명된다.
실린더 내의 가스 조성
실린더 내의 바람직한 가스 조성, 특히 산소 농도를 파악하는 것은 예를 들어 충전의 산화질소 배출을 연산하기 위해 중요한 영향 변수이다.
모델에 습도의 영향을 고려해 넣기 위해 산소 농도는 바람직하게는 AGR-비율 및 과잉 공기의 기능으로서뿐 아니라, 습도를 통해서도 제공된다.
산소 농도는 바람직하게는 람다, AGR-비율 및 습도의 기능으로서 아래와 같이 산정되고, 또한 서로 다른 모델을 위한 입력 변수로서 사용된다:
이때:
AGR[%] AGR-비율
질량과 관련된 열량
질량과 관련된 열량은 특히 전체 실린더 사이즈와 관련하여 사용된 연료가 화학적으로 결합한 에너지를 나타낸다. 폴리트로프 지수를 위한 경험적 모델 형성 맥락에서 이러한 매개 변수는 선행된 사이클에서 연소가 진행되는 동안 유지된 온도 레벨의 대체 특성 변수로서 사용된다. 동일한 연료량에서 충전량이 클수록, 온도 레벨은 더욱 적어진다. 질량과 관련된 열량은 아래의 방정식에 따라 산정된다:
이때:
피스톤 운동
피스톤 운동의 물리적 모델은 일반적으로 세 개의 서브 모델로 구성되며, 상기 서브 모델은 중간 피스톤 속도, 분사 개시에서 피스톤 속도 및 분사 개시에서 실린더 용적의 압축 비율을 나타낸다.
상기 중간 피스톤 속도는 바람직하게는 엔진 마찰 연산을 위한 모델의 입력 변수로서 제공되며, 다음과 같이 산정된다:
이때:
상기 피스톤 속도는 마찬가지로 적어도 하나의 경험적 모델의 입력 매개 변수이다. 상기 피스톤 속도는 다음과 같은 공식으로 산정된다:
이때:
실린더 내의 열 역학적 상태
특히, 실린더 내의 열 역학적 상태를 측정하기 위해 필요한 효과적인 압축 비율은 다음과 같은 공식으로 산정된다:
또는
이때:
압축 용적이 공지되었을 경우, 메인 분사 개시시 실린더 용적 및 압축 비율이 계산될 수 있다. 이러한 실린더 용적은 분사 개시시 이상적인 기체가 존재한다는 전제하에서 이상적 기체 방정식(ideal gas equation)을 통한 온도 산정을 위해 필요하다:
이때:
전술한 것으로부터 분사 개시의 효과적인 압축 비율은 다음과 같이 산정된다:
다음에서는 분사 개시시 설명된 실린더 내의 열 역학적 상태는 압력 및 온도를 통해 확정된다. 분사가 개시될 때 공지된 용적의 경우, 분사 없이, 그리고 일정한 잔여 가스 함량을 포함하는 이상적인 부하(load)를 수정한 상태에서 실린더 내의 용적은 측정된 공기량 및 측정된 AGR-비율을 통해 산정될 수 있다. 기체 방정식의 변형 및 이상적인 기체가 존재한다는 전제로 인해 분사 개시의 온도를 위한 공식은 다음과 같이 획득될 수 있다:
이때:
서로 다른 분사 홀 수량에서 분사 노즐의 서로 다른 유량이 개별 내연 기관에 미치는 영향을 올바르게 디스플레이하기 위해 특정 변수가 적용된다. 분사의 특성은 노즐로부터 연료가 배출되는 속도 및 액적 지름을 통해 산정된다. 전술한 것은 바람직하게는 실린더 내의 압력, 분사 압력 및 홀 지름(hole diameter)에 따라 다음과 같은 공식으로 산정된다. 노즐로부터 연료의 배출 속도는 비-압축성 정상류(steady flow)를 위한 베르누이(bernoulli) 방정식에 따라 손실 없이 다음과 같이 산정된다:
이때:
액적
지름(droplet diameter)
액적 지름을 산정하기 위해 노즐 홀 면에 따라 효과적으로 측정되는 노즐 홀 지름(nozzle hole diameter)이 필요하다. 상기 노즐 홀의 일반적인 유량 계수 값은 바람직하게는 가정을 통해 측정되며, 상기 노즐 홀 면과 노즐 홀 지름은 바람직하게는 아래와 같이 산정될 수 있다:
이때:
전술한 것으로부터 다음과 같은 공식이 생성된다:
이때:
전술한 것으로부터 다음과 같은 공식이 생성된다:
궁극적으로 상기 액적 지름은 다음과 같이 산정된다:
경험적 모델(empirical model):
본 발명에 따른 방법으로 디젤 엔진을 최적화할 때, 캐스케이드는 도 1에 따른 (C) 단계의 경험적 서브 모델로부터 바람직하게는 열한 개의 서로 다른 경험적 모델과 다섯 개의 캐스케이드 단계를 포함하며, 이것은 도 4에 도시되어 있다. 원래의 연소 과정에 속하지 않는 마찰력이 배제될 경우, 상기 연소 과정은 일반적으로 단지 네 개의 캐스케이드 단계에서 여섯 개의 경험적 서브 모델을 통해 완전하게 디스플레이될 수 있다.
다음에서는, 입력 매개 변수를 제공하는 이러한 경험적 모델 가운데 몇몇 경험적 모델에 관해 설명된다. 상기 입력 매개 변수는 일반적으로 세 개의 그룹으로 분할될 수 있다. 직접적으로 경험적 모델에 제공되는 물리적 변수, 상기 물리적 모델에 의해 산정되는 매개 변수, 또 다른 경험적 모델에 의해 산정되는 매개 변수 및 경우에 따라 특정 기계의 설정 매개 변수가 그것이다. 바람직하게는, 전술한 것 모두가 제공되며, 그 이유는 단지 계수 또는 상수를 통해서만 실시되는 모델 출력 변수의 교정은 대부분은 바람직하지 않기 때문이다. 바람직하게는, 물리적인 것을 기초로 하는 효과가 상기 설정 매개 변수의 토대가 되지만 복잡하기 때문에 모델에 적용하는 것은 쉽지 않을 수 있다. 연소가 진행되는 동안 분사 분출구와 피스톤 캐비티 간의 상호작용이 전술한 것의 적합한 예가 될 수 있다.
물리적 모델 설정의 예는 도 6과 관련하여 다음과 같이 설명된다.
경험적 모델을 설정할 때, 상기 경험적 모델의 입력 변수 수량을 적에 유지하기 위해 가능하면 많은 입력 매개 변수를 상기 물리적 모델을 통해 산정하는 것이 우선적으로 시도된다. 이것은 최적화 방법의 보편 타당성을 보장하며, 그 이유는 또 다른 내연 기관에서 실시한 테스트에 바탕을 둔 경험적 서브 모델이 가능하면 제한적으로 유지될 수 있기 때문이다. 또한, 모든 입력 매개 변수는 바람직하게는 분석될 모든 내연 기관이 하나 또는 동일한 매개 변수로 이미지화될 수 있도록 상기 경험적 모델에 제공된다.
첫 번째 단계에서, 바람직하게는 동일한 연소 방법(디젤 엔진 및 오도 엔진의 서로 다른 세트) 및 유사한 엔진 형태를 갖는 이미 공지된 서로 다른 교정된 엔진 세트의 측정 데이터가 기록된다.
한 세트의 디젤 엔진은 예들 들어 0.5l/실린더 내지 2.5l/실린더의 배기량 변위를 포함하는 아홉 개의 서로 다른 엔진을 구비할 수 있다. 경험적 모델 생성을 위해 적합한 측정 지점 수량은 대략 10,000개이며, 바람직하게는 회전수와 회전 토크를 통해 결정되는 각각의 측정 지점은 측정될 다수의 측정 변수를 갖는다.
두 번째 단계에서, 최적화를 위해 필요한 모델 출력 변수가 확정되며, 이러한 모델 출력 변수는 예를 들어 산화질소 배출, 출력, 배기가스 온도 등과 같은 물리적 모델을 통해 산정될 수 없다.
이러한 모델 출력 변수의 개별 모델 출력 변수를 위해 상기 경험적 모델은 예를 들어 다항식 모델에 기반을 둔 바람직하게는 회귀 분석을 통해 생성된다. 바람직하게는, 2차 항의 다항식 모델이 사용된다. 이러한 회귀 모델의 계수는 바람직하게는 가장 작은 제곱근 오차 측정을 통해 형성된다. 모델은 일반적으로 다음과 같은 구조를 갖는다:
상기 모델 입력 변수는 다음과 같은 방정식을 통해 변형된다(student Transformation).
이때:
모델 입력 변수의 변형을 통해 모든 모델계수는 동일한 치수를 갖기 때문에 계수의 수치는 모델 출력 변수에 대한 영향 정보를 제공한다. 계수가 클수록 영향도 크다. 이것은 바람직하게는 중요한 모델 입력 변수를 측정하기 위해 이용될 수 있다.
상기 계수(x1, x2, x1.2)는 관찰된 한 세트의 모든 엔진이 동일한 계수로 모형화될 수 있도록 측정된다.
동일한 계수(x1, x2, x1.2)를 갖는 서로 다른 엔진의 특성을 분석하기 위해 모델 입력 변수(u1, u2)가 비교될 수 있다. 특히, 전술한 것을 위해 모델 입력은 엔진과 무관한 변수로 물리적 환산이 이루어짐으로써 표준화된다. 표준화 계수로서 예를 들어 개별 엔진의 개별 배기량이 고려될 수 있다.
다음에서는 표시된 비-체적 고압을 계산하기 위한 바람직한 경험적 모델이 설명된다. 우선, 모델 입력 변수가 변형되고, 이어서 비-체적 고압이 계산된다. 변수 A 내지 K는 변형된 모델계수를 나타낸다.
비-체적 연료 효율_trans = (비-체적 연료 효율-47.6)/24.3
연소 개시 HE_trans = (연소 개시 HE-(-1.6)/5.1
연소 지속시간_trans = (연소 지속시간-17.7)/5.0
비-체적 벽의 열 유동_trans = (비-체적 열 유동-8.1)/4.1
표시된 비-체적 고압 = 비-체적 연료 효율_trans ^2*A+ 연소 개시 HE_trans ^2*B+ 연소 지속시간_trans ^2*C+ 비-체적 연료 효율_trans* 연소 개시 HE_trans *D+ 비-체적 연료 효율_trans* 비-체적 벽의 열 유동_trans*E+ 연소 개시 HE_trans* 연소 지속시간_trans*F+ 연소 개시 HE_trans * 비-체적 벽의 열 유동_trans *G+ 연소 지속시간_trans * 비-체적 벽의 열 유동_trans *H+ 비-체적 연료 효율_trans *I+ 연소 개시 HE_trans *J+ 연소 지속시간_trans *K+ 비-체적 벽의 열 유동_trans *L+const.
제공된 경험적 모델의 모델 품질은 또 다른 단계에서, 특히 결정 계수(coeffieient of determination)가 계산됨으로써 바람직하게는 통계적으로 평가된다. 충분한 모델의 품질이 달성될 경우 다시 한 번 모델의 유효 범위가 테스트 되며, 이것은 다음에서 계속해서 설명된다.
충분한 모델의 품질이 달성되지 않았을 경우, 또 다른 모델 입력 변수로서 특정 엔진의 설정 매개 변수(EP)의 도입을 통해 만족할 만한 수준으로 모델의 품질이 개선될 수 있는지 테스트 된다.
만약 그렇다면, 경험적 모델에 상기 설정 매개 변수(EP)가 추가된다.
모델 품질 또는 결정 계수가 특정 엔진의 설정 매개 변수(EP)를 통해 현저하게 향상될 수 없을 경우, 모델 입력 변수의 선택 및/또는 모델의 수학 공식이 테스트 되어야 한다. 바람직하게는, 경험적 모델 형성을 위해 추가 모델 입력 변수 및/또는 또 다른 모델 입력 변수가 적용된다.
추가 모델 입력 변수로서 설정 매개 변수(EP)를 확정함으로써 적용된 경험적 모델 가운데 몇몇 경험적 모델은 엔진에 맞게 조절될 수 있다. 상기 설정 매개 변수(EP)를 통해 엔진의 특성이 고려의 대상이 될 수 있다. 이러한 특성은 예를 들어 물리적 효과, 예컨대 분사 분출구와 피스톤 캐비티 간의 엔진 상호 작용 또는 노즐 홀 형태에 따른 분사 특성을 통해 제공된다.
경험적 다항식 모델은 예를 들어 다음과 같은 공식을 갖는다:
특히 바람직하게는 다항식에 추가 모델 입력 변수로서 설정 매개 변수의 적용은 상기 설정 매개 변수와 모델 입력 매개 변수가 상호작용할 수 있으며, 이로 인해 상기 설정 매개 변수는 오프셋 또는 계수가 아니라는 것을 알 수 있다. 전술한 것은 본 발명에 따른 방법을 위해 새로운 엔진에 모델의 용이한 조정을 가능하게 한다.
이러한 모델은 수학적 복잡성이 적기 때문에 특히 신속한 계산 시간이 제공될 수 있다.
전술한 경험적 모델의 이어지는 유효범위 평가에서, 특히 개별 매개 변수에 모델 의존성이 검사되며, 이때 작용 방향(working direction)은 바람직하게는 문헌의 공지된 현상과 일치 또는 이미 실시된 최적화에 근거한 경험과 일치해야 한다. 하나 또는 다수의 모델 입력 변수의 수정에도 불구하고 상기 모델 입력 변수가 문헌에 공지된 것 또는 일치하는 경험처럼 수정되지 않은 그러한 유효범위 평가가 실시되었다면, 바람직하게는 경험적 모델의 입력 변수 또는 공식이 수정된다.
이어서, 만족할 만한 모델의 품질이 도달된 경우 적용된 모델 입력 변수가 공지된 매개 변수로부터 직접 측정될 수 있는지, 또는 모델 입력 변수를 측정하기 위해 또 다른 서브 모델이 사용되어야 하는지가 테스트 된다. 이것은 물리적 또는 일반적으로 경험적인 것이 바탕을 이루고 있다.
본 발명에 따른 일반적인 세미-물리적 연소 모델의 설정은 상기 연소 모델이 단지 모델 입력 변수만 포함하고, 모델 입력 값, 예를 들어 매개 변수가 공지되었거나 또는 이미 주어졌을 경우에 비로소 종료되며, 상기 모델 입력 값은 내연 기관의 구성을 통해 제약을 받거나 또는 내연 기관의 제어 장치를 통해 미리 주어진다. 이로써 전술한 설정이 종료된다.
최적화될 엔진을 위한 연소 모델의 매개 변수
최적화될 엔진의 설정 매개 변수를 위한 출력 값으로서, 바람직하게는 개별 엔진(1, 2, 3)의 모델 설정에서 사용된 설정 매개 변수의 산술 평균값(arithmetic average)이 사용된다.
설정 매개 변수를 최적화될 기계에 맞게 조절하기 위해 서로 다른 측정 변수로부터 발생한 적어도 하나의 측정 지점이 필요하다. 모델 입력 변수로서 설정 매개 변수를 갖는 각각의 경험적 모델을 위해 계산된 값과 측정된 값의 비교가 실시되고, 상기 설정 매개 변수는 측정과 계산 간의 편차가 최소화되도록 조절된다. 이와 반대로, 계수(x1, x2, x1.2)의 새로운 측정은 불필요하다.
다음에서는, 디젤 엔진과 관련된 최적화 방법의 실시 예를 위해 입력 매개 변수를 포함하는 아홉 개의 서로 다른 경험적 모델이 설명되며, 이러한 모델은 디젤 엔진에서 연소 과정을 설명하기 위해 특히 적합한 것으로 입증되었으며, 상기 경험적 모델은 폴리트로프 지수, 점화 지연, 연소 중심점, 실린더 벽 또는 벽의 열 유동의 출력 손실, 표시된 고압의 중간 압력, 마찰력, 실린더 분사 압력, 산화질소 배출 및 매연 배출을 위한 것이다.
폴리트로프
지수
분사가 개시될 때, 실린더 내의 열 역학적 상태와 폴리트로프 지수는 점화 지연, 온도 레벨 및 연소시 분사 압력에 영향을 준다. 따라서, 분사 개시에서 온도 및 압력 측정은 허용되지 않는다. 이것은 압축이 진행되는 동안 열 전달, 압축 비율 및 압축 개시시 압력과 온도와 흡입구 컬렉터의 상태에 따라 좌우된다. 상기 흡입구 컬렉터가 폐쇄될 때 정확한 온도 측정은 매우 어려우며, 그 이유는 측정된 실린더 압력의 작은 편차가 온도 오류에 큰 영향을 주기 때문이다. 낮은 압력에서 측정 품질이 악화 된 것을 높은 실린더 압력 측정을 위한 지표화 과정이 교정한다. 따라서, 분사 개시의 압력은 흡입구 컬렉터의 압력에 의해 직접 계산되고, 흡입 밸브 폐쇄시 압력은 계산되지 않는다. 밸브를 통한 유입 효과는 전술한 것처럼 압축 설정 매개 변수를 통해 제공된다.
계산 시간 때문에 채널에서 벽의 열 손실 산정을 위해 크랭크 샤프트 각은 이용될 수 없고, 압축이 진행되는 동안에도 이용될 수 없다. 연소 기관의 압축은 폴리트로픽(polytropic) 상태 변화이며, 이러한 이유에서 분사 개시시 압력 산정을 위해 폴리트프 지수의 경험적 모델이 설정된다. 더욱 높은 폴리트로프 지수는 압축 종료시 더욱 높은 압력을 발생시킨다.
물리적 디스플레이를 위해 항상 같은 폴리트로프 지수를 적용하는 것은 바람직하지 않으며, 그 이유는 온도가 상사점 전에서 10
KW이고 상사점을 지나서 10
KW로 동일할 수도 있기 때문이다. 사실상, 모델화를 통해 제공된 더욱 많은 벽의 열 손실로 인해 상사점을 바로 지난 온도뿐 아니라 압력도 낮아질 수 있다.
폴리트로프 지수를 위한 바람직한 경험적 모델의 입력 매개 변수 선택은 바람직하게는 다음과 같이 선택된다. 압축이 진행되는 동안 열 전달은 분사 개시의 충전 상태 및 폴리트로프 지수에 영향을 준다. 열 유동은 아래의 공식과 같다:
이때:
전술한 것으로부터 
의 열 유동은 마찬가지로 0이 된다는 것을 알 수 있다. 회전수가 증가할 때 열 전달은 더욱 적어지고, 폴리트로프 지수는 더욱 커진다. 회전수가 불변할 때, 전술한 것처럼 분사 시점은 열 전달을 위해 제공된 시간에 
영향을 준다. 이러한 이유에서 상기 폴리트로프 지수는 매우 이른 분사 개시에서도 해당 지수가 증가한다. 전술한 것으로부터 폴리트로프 지수를 위한 모델의 첫 번째 두 개의 바람직한 매개 변수, 즉 회전수 및 분사 개시가 제공된다.
또한, 압축으로 인해 연소실 벽의 표면 온도보다 높은 기체 온도가 제공된다. 이러한 이유에서 높은 흡입구 컬렉터 온도 및 전술한 것으로부터 발생한 더욱 높은 온도 편차 때문에 벽의 열 손실이 증가하며, 이것은 폴리트로프 지수가 감소하는 결과를 야기한다. 따라서, 바람직하게는 흡입구 컬렉터 온도가 입력 매개 변수로서 제공된다.
한편, 표면 온도는 공식(I)에서 계산된 질량과 관련하여 발생한 발열량으로 인해 또 다른 입력 변수로서 제공된다. 다른 한편, 이것은 경험적 모델에 도입된 폴리트로프 지수-설정 매개 변수를 통해 제공된다.
이러한 설정 매개 변수는 폴리트로프 지수를 위한 경험적 모델에 직접 통합되고, 압축시 서로 다른 벽의 열 손실 및 채널에서 유동 손실(flow loss) 및/또는 블로바이-효과(blow-by-effect)를 디스플레이한다. 또한, 분사 개시의 열 역학적 상태는 흡입구 폐쇄부터 효과적인 압축 비율로 계산되는 것이 아니라 하사점(bottom dead center)으로부터 시작되는 압축을 통해 산정된다. 이러한 오류는 마찬가지로 폴리트로프 지수-설정 매개 변수로 교정된다.
점화 지연
점화 지연은 혼합물 준비를 위해 제공된 시간으로 인해 연소 진행과정에 영향을 준다. 혼합 연소의 비율 및 연소 중심점에 이를 때까지 연소 지속 시간은 결정적으로 점화 지연의 영향을 받는다. 높은 부하에서 점화 지연이 짧고 어느 정도 쉽게 평가될 수 있는 반면, 이것은 부분 부하(partial load)영역에서는 그렇지 못하다. 중간 값-모델로 직접 계산될 수 없는 점화 오류 평가를 위해 마찬가지로 계산된 점화 지연도 중요한 역할을 한다. 계산된 점화 지연이 대략 3밀리 초(millisecond)의 한계를 초과할 경우, 유입된 연료가 더는 완전하게 연소 되지 않는 결과를 갖는다.
바람직하게는, 점화 지연은 분사 개시와 연소 개시의 시차를 통해 확정될 수 있다. 여기서 설정된 점화 지연 모델은 점화 지연을 크랭크 각으로 전달한다. 상기 시차와 상호 관계 확립하기 위해, 그리고 연소실에서 연소가 개시될 때 난류(turbulence)의 척도로서 회전수는 바람직하게는 점화 지연을 위한 경험적 모델의 입력 매개 변수이다.
점화 지연에 영향을 주는 중요한 영향 매개 변수는 연료의 분사가 진행되는 동안 유지되는 실린더 내의 기체 온도이다. 상기 기체 온도가 높아질수록 연료는 더욱 빠르게 기화되고, 자기 점화(self-ignition)가 실시될 수 있다. 따라서, 실린더 내의 기체 온도는 바람직하게는 입력 매개 변수에 해당한다.
마찬가지로, 준비된 혼합물의 품질과 액적 치수도 점화 지연에 영향을 준다. 보다 작은 액적 지름은 체적 표면의 비율을 증가시키며, 이것은 연료의 기화 및 자기 점화를 가속화시킨다. 따라서, 액적 지름은 바람직하게는 입력 매개 변수로서 제공된다.
배기가스 재순환으로 인해 더욱 적어진 실린더 내의 산소 농도는 내연 기관의 점화를 지연시킨다. 사실상, AGR-비율이 증가할 경우 점화 지연이 단축되는 것을 목격할 수 있다. 이것은 증가한 배기가스 재순환 비율이 대부분 온도의 증가와 결부되는 것에 기인하며, 온도 증가가 미치는 영향은 마찬가지로 적은 산소 농도가 미치는 영향보다 크다. 따라서, 산소 농도는 바람직하게는 입력 매개 변수로서 제공된다.
또 다른 영향 인자는 연료 분사가 개시될 때 실린더 상태의 시간적 변화이다. 상사점 전에 분사가 개시될 경우 점화 조건은 상사점에 이르기까지 계속해서 개선되는 반면, 상사점 이후에 분사가 개시될 경우 점화 조건은 크랭크 각으로 인해 악화 된다. 회전수가 증가할수록, 실린더의 상태도 더욱 빠르게 변한다. 이것은 점화 지연의 크랭크 샤프트 각 연산시 개별 시간 단계의 통합을 통해 제공된다. 본 발명에 따라, 이를 위한 대체 변수로서 바람직하게는 분사 개시시 피스톤 속도가 입력 매개 변수로서 사용된다.
분사 분열(spray disintegration)은 실린더의 상태와 함께 분사 노즐의 홀 형태에 따라 영향을 받는다. 분사 과정의 상세한 연산은 다중 영역 모델(multizone model) 없이는 불가능하며, 그러한 상세한 연산은 연산 시간으로 인해 실시 예에 사용하는 것은 바람직하지 않다. 따라서, 분사 노즐의 분사시 분사 분열의 영향은 점화 지연을 위한 설정 매개 변수를 통해 조절된다. 세탄가(cetane number) 또는 비등 거동(boiling behaviour)과 같은 연료 특성은 분사가 진행될 때 나타나는 차이와 마찬가지로 바람직하게는 점화 지연 설정 매개 변수로서 고려될 수 있다.
연소 중심점
연소 중심점는 내연 기관 발전과 관련하여 연소를 특징짓기 위해 종종 사용된 특성 변수이다. 바람직하게는, 실무에서 내연 기관의 적용 가능성을 보장하기 위해 상기 연소 중심점이 측정되어야 한다. 또한, 이러한 연소 중심점은 바람직하게는 연소 모델의 또 다른 부분이 구축한 중간 결과이다.
연소의 첫 번째 단계는 부스트 압력(boost pressure)에 의해 거의 영향을 받지 않는다. 이것은 공기 비율(λ)이 연소 중심점 상태에 단지 적은 영향을 준다는 것으로 이해할 수 있다. 그러나 전술한 것은 공기 비율이 매우 큰 영향을 주는 연소가 진행되는 전체 지속시간에 해당하는 것은 아니다. 높은 공기 비율은 전체 연소 과정이 짧게 지속 되는 결과를 야기한다. 바람직하게는, 연소 진행에 따라 연소 중심점이 바로 산정되는 것이 아니라, 연소 개시부터 연소 중심점에 이르는 연소 지속시간이 산정되는 것이다. 이것은 점화 지연과 유사하게 크랭크 각으로 계산된다. 따라서, 엔진 회전수는 바람직하게는 첫 번째 매개 변수이고, 충전 가스 교환으로 인해 생성된 난류의 척도가 된다.
확산 연소(diffusion combustion)의 지속시간에 큰 영향을 주는 것 가운데 하나의 영향은 분사 지속시간이며, 그 이유는 확산 연소 속도가 빠른 화학적 반응 속도의 영향을 받는 것이 아니라, 혼합물 준비 과정의 영향을 받기 때문이며, 이것은 바람직하게는 두 번째 입력 매개 변수에 해당한다. 전술한 것은 분사가 진행되는 동안 중요한 변수로서 작용하며, 가스 조성의 토대가 된다.
혼합 연소(premixed combustion)시 확산 연소와 반대로 연소 속도가 분사의 혼합 과정의 영향을 받는 것이 아니라, 화학적 반응 속도의 영향을 받는다. 이것은 실린더 내의 열 역학적 상태 및 가스 조성의 기능에 따른 것이다. 특히, 혼합 연소시 부분 부하는 분사 지속시간과 관련하여 덜 중요할 수 있지만, 가스 조성에서는 매우 중요한 역할을 한다. 혼합 연소의 비율 및 혼합 지속 시간은 바람직하게는 입력 매개 변수의 하나인 점화 지연의 영향을 받는다.
혼합 준비 과정의 대부분은 분사를 통해 유입된 에너지와 액적 사이즈에 의해 측정된다. 이러한 이유에서 노즐로부터 연료의 배출 속도는 바람직하게는 또 다른 입력 매개 변수로서 사용된다. 분사 지속 시간이 일정하게 유지될 경우, 빠른 배출 속도는 빠른 연소를 가능하게 한다.
상기 AGR-비율과 산소 농도는 마찬가지로 연소 지속 시간에 영향을 준다. 배기가스 재순환으로 인해 산소의 가용성은 적어지고 연소는 느려진다. 따라서, 산소 농도는 바람직하게는 입력 매개 변수로서 제공된다.
연소 지속시간은 실린더 내의 가스 상태(예컨대, AGR-비율)와 함께 연소실 형태 및 상기 연소실과 분사 노즐의 상호작용의 영향을 받는다. 서로 다른 연소실-노즐-결합은 배출 및 내연 기관의 효율에 영향을 미치는(전술한 분사 노즐과 피스톤 캐비티의 상호 작용) 그러한 결합의 연소 속도에서 구별된다. 이러한 영향은 분사 진행 또는 분사 각도의 차이와 마찬가지로 바람직하게는 연소 중심점-설정 매개 변수를 통해 디스플레이되며, 그 이유는 모델 치수가 0인 것에서 상호 작용은 산정될 수 없기 때문이다. 매개 변수는 바람직하게는 모델에 직접 통합되며, 이것은 서로 다른 영향을 작동 지점에 따라 올바르게 디스플레이하기 위한 것이다.
연료의 후-분사는 연소 중심점이 늦은 방향으로 이동한 결과에 따른 것이다. 이러한 이동은 측정된 연소 중심점과 메인 분사를 위해 계산된 연소 중심점 사이의 차이로 인해 확정되며, 계속해서 모델로 생성되어 제공된다. 상기 연소 중심점 이동을 위한 모델의 입력 매개 변수는 바람직하게는 메인 연소의 첫 번째 부분의 연소 지속시간, 회전수 및 후-분사의 특정 연료량이 해당한다.
벽의 열 유동
연소실 벽을 통해 전달된 열량(heat amount), 즉 실린더 벽의 출력 손실 또는 벽의 열 유동 계산은 예를 들어 이어지는 모델에 표시된 고압의 중간 압력을 계산하기 위해 필요하다. 모델의 출력은 바람직하게는 배기량 리터당 kW 단위로 표시된 비-열량 또는 표준화된 열량이다.
상기 내연 기관의 기본 원리에 대응하여 출력, 배기가스 엔탈피 및 벽의 열 유동과 같은 주어진 에너지의 레벨은 유입된 비-체적 연료 효율, 바람직하게는 경험적 모델의 첫 번째 입력 매개 변수의 영향을 받는다.
체적에 대한 표면의 비율은 상기 내연 기관의 효율에 결정적인 영향을 미친다. 대형 엔진은 소형 승용차의 디젤 엔진보다 현저하게 높은 효율을 갖는다. 특히, 이를 위해 중요한 것은 대용량 엔진의 경우 체적에 대한 표면의 적은 비율로 인해 열이 적게 전달되는 것이다. 대형차 엔진의 연소와 같이 승용차 엔진의 연소를 동일한 경험적 모델로 연산하기 위해 바람직하게는 표면-체적-비율이 또 다른 입력 변수로서 제공된다.
벽의 열 유동은 표면 및 열 전달 계수와 함께 가스와 연소실 벽 사이의 온도 편차에 의해 영향을 받는다. 따라서, 이러한 중간 값 연소 모델에서 온도가 매우 중요한 작용을 한다. 이것은 연소 상황과 함께 질량과 관련된 열량의 영향을 받는다. 실린더 내의 서로 다른 충전량에서 동일한 연료량은 상이하게 높은 연소 온도를 발생시킨다. 전술한 것으로부터 벽의 열 전달에 람다가 영향을 주며, 이러한 람다 영향은 마찬가지로 입력 매개 변수로서 제공된다. 과도한 과잉 공기는 동일한 AGR-유동률 및 연료 유동률에서 벽의 열 손실을 적게 발생시킨다. 수학적 이유에서 값이 무한대가 되는 것을 피하기 위해 람다의 역수를 사용할 것을 권장하고 있다.
최대 중간 연소 온도 시점에서 실린더의 표면은 마찬가지로 벽의 열 손실에 영향을 준다. 이러한 온도는 연소 중심점 이후에 곧바로 최대 온도로 상승한다. 연소 중심점의 위치가 공지되어 있기 때문에 연소 중심점(MFB 50%)에서 실린더의 표면은 바람직하게는 입력 매개 변수로서 사용되며, 이것은 벽의 열 손실에 영향을 미치는 표면 영향을 측정하기 위한 것이다.
동일한 람다에서 AGR-비율의 증가는 충전량의 증가와 연관성을 갖는다. 이러한 증가와 연료 특성의 변화는 벽의 열 유동을 변화시킨다. 따라서, 상기 AGR-비율은 바람직하게는 입력 매개 변수로서 제공된다.
연소의 초기 위치로 인해 온도 편차 증가와 연관된 피크 온도(peak temperature)가 상승한다. 분사 개시가 조기에 진행될 경우, 연소실 벽을 통해 열 배출이 천천히 진행된다. 이러한 이유에서 조기 분사 개시는 벽의 열 손실을 상승시키는 결과를 초래한다. 따라서, 연소 개시는 바람직하게는 입력 매개 변수로서 제공된다.
분사 개시시 온도 상승은 그 밖의 동일한 이차 조건에서 연소가 진행되는 동안 온도가 상승하며, 이것은 재차 많은 벽의 열 손실을 야기한다. 따라서, 분사 개시의 온도는 바람직하게는 입력 매개 변수로서 제공된다.
측정 결과로부터 직접 후-분사의 벽의 열 손실 측정을 하는 것은 불가능하다. 그러나, 메인 분사의 벽의 열 손실은 전술한 모델을 통해 산정될 수 있다. 메인 분사로부터 산정된 벽의 열 유동과 후-분사의 측정 데이터로부터 측정된 벽의 열 유동 사이의 차이는 후-분사로 인해 야기된 벽의 열 손실에 해당한다. 유입된 연료 에너지는 단지 매우 적은 부분만 실린더 벽을 통해 유실된다. 다음의 입력 매개 변수는 바람직하게는 후-분사의 벽의 열 손실을 위한 경험적 모델에 사용된다: 후-분사의 비-체적 연료 효율 및 후-분사의 분사 개시.
화학적으로 결합한 연료 에너지를 고압 출력으로 변환하는 것은 충전 가스 교환 및 효율적인 엔진 출력을 위한 엔진 마찰로 실시된다. 충전 가스 교환 작업은 여기서 상세하게 설명되지 않은 충전 가스 교환 모델을 통해 산정되기 때문에 이미 주어진 것으로 간주 될 수 있다. 엔진 마찰을 위해 고유한 경험적 모델이 존재한다.
표시된 고압 출력
표시된 고압의 바람직한 출력을 설명하기 위해 열 역학의 기본 정리(fundamental theorem)가 제공될 수 있다:
이때:
전술한 것으로부터 누출 및 흡입으로 인해 공급된 에너지를 배제한 상태에서 작동 사이클(work cycle)의 체적 변화는 다음과 같다.
전술한 것으로부터 표시된 고압의 출력을 위한 모델의 입력 매개 변수가 제공된다. 연소실에 유입된 연료 에너지는 내연 기관의 효율적인 출력을 위해 매우 중요하다. 유입된 연료 에너지는 표시된 출력에 상당한 영향을 미친다. 따라서, 분사 개시시 비-체적 연료 효율은 바람직하게는 입력 매개 변수로서 제공된다.
또한, 전술한 공식으로부터 알 수 있는 것은 적은 벽 열 손실은 유입된 이용 가능한 연료 에너지의 높은 비율을 갖는다는 것이다. 따라서, 분사 개시시 비-체적 벽의 열 유동은 바람직하게는 입력 매개 변수로 제공된다.
이러한 두 개의 모델 입력 변수와 함께 연소 위치 및 연소 지속시간은 표시된 비-체적 출력에 영향을 준다. 연소가 늦을수록, 그리고 변환이 길어질수록 배기가스를 통해 전달된 비-엔탈피(specific enthalpy)가 높아진다. 이것은 표시된 출력이 감소하는 결과를 초래한다. 전술한 것으로부터 마지막 두 개의 입력 매개 변수, 즉 연소 개시 및 연소 중심점에 이르는 연소 지속 시간은 비-체적 고압을 산정하기 위한 모델로서 제공된다.
마찬가지로, 표시된 출력에서 주의해야 할 것은 온도 상승 또는 탄화수소 배출 증가를 야기하는 후-분사의 늦은 위치가 메인 분사의 경우처럼 동일한 효율로 연소 될 수 없다는 것이다. 이러한 이유에서, 후-분사의 표시된 출력을 정확하게 모델로 만드는 것이 중요하다. 이러한 모델은 메인 연소를 위한 모델처럼 그렇게 복잡하지 않지만, 일반적인 영향은 고려의 대상이 될 수 있다.
후-분사의 표시된 출력 측정은 마찬가지로 측정된 고압과 메인 분사를 위해 계산된 표시된 고압의 편차를 통해 실시된다. 다음의 입력 매개 변수는 후-분사의 열 유동 모델과 유사하게 적용된다: 후-분사의 비-체적 연료 효율 및 후-분사의 분사 개시.
유입되어 연소하는 연료량은 후-분사에 의해 야기된 표시된 출력에 결정적인 영향을 주며, 이때 연소하지 않은 연료량은 당연히 제외된다. 연료의 열 역학적 효율이 얼마나 높은지는 대개 상사점과 관련된 위치에 따라 좌우된다. 늦은 분사는 메인 분사와 유사하게 적은 출력을 나타낸다.
엔진 마찰
엔진 마찰은 직접적으로 연소 과정에 해당하지는 않지만, 엔진 출력을 산정하기 위해 필요하다. 상기 엔진 마찰은 작동 상태에 의해 많은 영향을 받는다. 회전수와 함께 부하(load)는 작동 상태에 직접적으로 영향을 받는 가스의 연소력은 엔진 마찰에 영향을 준다.
마찰 모델은 바람직하게는 두 개의 입력 매개 변수를 갖는다. 승용차 엔진과 상용차 엔진은 서로 다른 회전수를 갖기 때문에 회전수는 상기 마찰 모델에 적합한 입력 매개 변수에 해당하지 않는다. 마찰을 산정하기 위해 바람직하게는 엔진 유형과 무관하게 비교할 수 있는 중간 피스톤 속도가 입력 매개 변수로서 제공된다.
부하 의존성으로서 실린더 분사 압력이 입력 매개 변수로서 사용되며, 그 이유는 상기 실린더 분사 압력이 연소 되는 가스의 최대 힘과 직접적인 연관성이 있기 때문이다.
엔진 마찰은 대부분 구성적 치수의 영향을 받기 때문에 메인 베어링, 오일 펌프, 워터 펌프, 연료 펌프의 수량 및 치수 또는 피스톤/링 패키지(ring package)이 출력 손실에 많은 영향을 준다. 이것은 바람직하게는 출력 손실을 위한 입력 매개 변수로서 제공된다.
실린더
피크
압력
디젤 엔진의 기계적 부하를 위해 실린더 피크 압력(peak pressure)은 중요한 의미를 갖는다. 이러한 이유에서 실린더 피크 압력을 위해 바람직하게는 경험적 모델이 제공된다.
주어진 압축 비율, 동일한 연료량 및 동일한 분사 시점에서 부스트 압력은 연소가 진행되는 동안 압력 레벨을 위해 매우 중요하다. 상기 압축 비율에서 차이를 디스플레이하기 위해, 바람직하게는 메인 분사의 분사 개시시 압력이 실린더 피크 압력의 연산을 위한 입력 매개 변수로서 사용된다. 연소로 인한 압력 증가는 연소 위치 및 공급된 연료량에 의해 영향을 받는다. 일정한 연료량에서 연소 개시와 연소 지속시간에 의해 압력 증가가 측정된다. 조기 연소 또는 빠른 연소 속도는 이미 공지된 바와 같이 연소 피크 압력의 증가를 야기한다. 따라서, 연소 개시 및 연소 지속시간은 바람직하게는 입력 매개 변수로서 제공된다.
연료 유동률 변화는 그 밖의 동일한 이차 조건에서 실린더 피크 압력에 거의 직선적으로 영향을 준다. 유입된 연료 에너지의 증가로 인해 온도와 피크 압력이 상승한다. 따라서, 특정 연료 유동량은 바람직하게는 입력 매개 변수로서 제공된다.
산화질소 배출
디젤 엔진의 경우, 산화질소 배출 및 매연 배출은 매우 불쾌한 유해 물질 성분에 해당한다. 상기 성분의 감소는 미래의 법률 제정을 위해 매우 중요하다. 따라서, 산화질소 배출의 사전 계산은 연소 시뮬레이션의 성공적인 적용을 위해 중요하다. 최적화를 위한 방법에서 이러한 산화질소 배출은 바람직하게는 연료 비중(fuel specific)으로 측정된다. 이것은 우수한 모델화 가능성과 함께 연료의 분사 없이 배출이 생성될 수 없다는 장점을 갖는다.
배출가스 재순환을 도입한 이래, 산화질소 배출은 상당히 감소하였으며, 그 이유는 전술한 것으로 인해 늦은 분사 개시 없이도 낮은 NOx-배출이 달성될 수 있었기 때문이다. 산화질소 배출 감소의 근거로서 증가한 불활성 가스(inert gas)의 양으로 인한 불꽃의 온도 저하 및 전술한 것으로부터 생겨난 충전재의 높은 비-열 용량 감소가 적합한 예이다. 배기가스 재순환의 NOx-감소 성능 잠재력은 배기가스 재순환 비율의 영향만 받는 것이 아니라, 이로 인해 실린더 충전재의 감소한 산소 농도에 따라서 영향을 받는다. 이것은 AGR-비율 및 이러한 비율의 람다의 영향을 받으며, 상기 람다는 고정형 작동 장치에서 연소의 공기 비율에 대응한다. 습도의 영향은 산소 농도의 감소를 통해 제공되며, 습도로 인한 산소 농도의 감소는 AGR로 인한 것과 동일하게 측정된다. 전술한 것으로부터 산화질소 모델의 첫 번째 매개 변수에 바람직하게는 연소 개시시 산소 농도가 제공된다.
연소 위치 및 연소 지속시간은 NOx 형성의 중요 영향 요소인 온도에 영향을 준다. 연소가 조기에 개시될수록 연소로부터 발생한 연소 온도는 증가하게 된다. 결국, 조기 연소는 산화질소 배출을 증가시키는 결과를 야기한다. 바람직하게는, 메인 분사의 연소 개시가 또 다른 입력 매개 변수로서 제공된다.
동일한 회전수에서 증가한 연소의 일정한 체적 정도, 일정한 체적 연소에 근접은 마찬가지로 온도 상승을 야기하며, 그 이유는 동일한 연료량이 짧은 시간 동안에 변하기 때문이다. 사실상, 이것은 분사 압력의 증가 및 이와 결부된 짧은 연소 지속시간으로 인해 발생한다. 따라서, 바람직하게는 연소 개시로부터 연소 중심점에 이르기까지 연소 지속시간이 또 다른 입력 매개 변수로서 제공된다.
NOx 형성은 작동 사이클에서 균형을 이루지 않는다. 높은 온도에서 연소가 오래 지속 될수록 더욱더 많은 NOx가 형성된다. 회전수가 증가할수록 연소실 내의 가스도 빠르게 냉각되며, NOx-배출도 적어진다. 이러한 이유에서, 회전수는 바람직하게는 경험적 NOx-모델을 위한 입력 매개 변수로서 제공된다.
분사된 연료량과 공기량, 즉 람다 공기 비율 간의 관계는 마찬가지로 산화질소 배출에 영향을 준다. 상기 람다의 증가는 산소의 개선된 가용성으로 인해 상기 산소의 분해를 촉진하며, 이것은 산화질소 형성의 전제 조건에 해당한다. 이로 인해, NOx 형성 비율이 증가한다. 과도한 과잉 공기에서 연소에 냉각 효과가 전술한 것과 반대의 경우이다. 매우 적은 연료량에서 비율적으로 많은 공기량은 연소에 대해 냉각 작용을 하며, 산화질소 배출은 감소한다. 이러한 이유에서, 예를 들어 예비 분사 과정의 경우처럼 가장 적은 연료량에서 산화질소 배출도 매우 적다. 적은 람다를 시발점으로 하여 1.6 내지 2.2의 공기 비율에 이르는 NOx-배출은 작동 지점에 따라 증가한다. 이러한 공기 비율로부터 가용 될 수 있는 산소는 효력을 상실하게 되고, 과도한 과잉 공기의 냉각 효과가 지배적이며, 산화질소 배출은 감소한다. 또한, 모델 생성의 이유에서 람다가 아닌, 람다의 역수가 바람직하게는 입력 매개 변수로서 제공된다.
분사 개시의 온도는 연소의 온도에 또 다른 영향을 미친다. 흡입구 컬렉터 온도뿐 아니라, 압축 비율도 공지된 방법대로 산화질소 배출에 영향을 준다. 이러한 이유에서, 바람직하게는 메인 분사의 분사 개시에서 사전에 산정된 온도가 모델의 입력 매개 변수로서 제공된다. 이로 인해, 변화된 흡입구 컬렉터 온도뿐 아니라, 압축 비율도 산화질소 배출에 영향을 준다는 사실이 디스플레이될 수 있다. 또한, Miller 또는 Atkinson에 따른 방법 및 이와 연관된 NOx-배출의 감소가 디스플레이될 수 있다.
매연 배출
또한, 경험적 매연 배출 모델에 바람직하게는 세 개의 입력 매개 변수가 제공된다. 사실상 실린더로부터 배출된 매연량은 한편으로 매연 형성 비율에 따라 좌우되며, 다른 한편 매연 산화에 의해 영향을 받는다. 주의해야 할 것은 산화가 연소 종료에서 시작되는 것이 아니라, 산화는 매연이 형성되는 동안 발생한다는 사실이다.
적은 매연 형성 비율뿐 아니라, 매연의 산화를 위해 산소가 필요하다. 적은 공기 비율에서 더 많은 매연이 형성되며, 매연의 산화는 적은 산소 농도로 인해 단지 미세한 정도로 진행된다. 이러한 이유에서 신선한 공기 또는 람다-값이 바람직하게는 매연 형성 및 매연 산화를 위한 입력 매개 변수로서 제공된다.
낮은 산소 농도 및 낮은 온도로 인한 매연 산화의 열악한 조건 때문에 바람직하게는 또 다른 입력 매개 변수로서 제공된 AGR-비율과 함께 매연 배출은 대부분 증가한다.
매연 형성은 혼합물 준비와 함께 연소 온도 레벨의 영향을 받는다. 온도가 높을수록 더 많은 매연이 형성된다. 산화를 위해 적어도 1300K의 온도가 필요할 수 있다. 따라서, 매연 형성 및 매연 산화는 모순적이다. 분사 압력의 증가는 혼합물 준비를 개선 시키지만, 온도 및 빠른 연료 분사는 매연 형성 비율을 증가시킨다. 이것은 개선된 산화를 야기하는 높은 온도 레벨 및 난류 레벨로 인해 과잉 상쇄되며, 실질적인 매연 배출은 감소한다. 따라서, 분사 압력은 바람직하게는 매연 배출을 위한 경험적 모델의 입력 매개 변수로서 제공된다.
도 7 내지 도 9는 선행 기술에 따른 개별 엔진(엔진 1)의 연소 모델이 어떻게 측정되는지를 도시하고 있다.
도 7에 도시되어 있듯이, 이러한 엔진을 위해 고정된, 그리고 주어진 이차 조건(압력, 온도) 하에서 가능한 작동 범위가 측정된다. 엔진의 작동 범위를 나타내는 매개 변수(x, y)는 예를 들어 부스트 압력과 공기량에 해당한다. 정해진 엔진 측정의 경우, 물리적 제한(예를 들어, 엔진 부품의 압력 한계 및 온도 한계)으로 인해 고정적으로 정해진 작동 범위만 측정될 수 있다.
측정된 범위 내에서 우수한 예측 품질(prediction quality)을 갖도록 고정 측정의 측정 데이터를 통해 연소 모델이 생성될 수 있다. 이러한 범위 외에 도표에서 두 개의 화살표로 암시된 모델이 고려의 대상이 될 수 있다. 모델의 확대 적용(model extrapolation)에서 예측 품질은 현저하게 감소한다. 모델의 확대 적용은 동일한 엔진에도 필요하며, 이것은 상기 엔진이 고정된 것이 아니라 일시적으로 작동하는 경우 또는 이차 조건이 변하는 경우에 해당한다.
연소 모델 생성을 위해 전술한 공식(I)에서 설명된 바와 같이 예를 들어 다항식 모델이 적합하다. 계수(x1, x2, x1.2)는 측정된 작동 지점에서 결정된 매개 변수 값과 연소 모델에 의해 결정된 매개 변수 값이 가능하면 정확하게 일치하도록 선택된다.
도 8은 그러한 연소 모델의 모델 품질을 측정하기 위해 대응하는 패리티 도표를 도시하고 있다. 이 경우, 결정 계수(R2)는 0.888이다. 도 8에 따른 패리티 도표의 대응하는 설명은 도 9에 도시되어 있다. 도 8에 따른 측정 지점으로부터 획득한 데이터 클라우드(data cloud)는 음영 부분으로 암시되어 있다.
도 7 내지 도 9에 따른 연소 모델은 단지 모델 생성을 위해 제공된 내연 기관에만 적용될 수 있다. 알려지지 않은 또 다른 엔진도 마찬가지로 연소 모델로 디스플레이되어야 한다면, 이를 위해 이러한 엔진의 작동 범위에 대한 새로운 측정이 실시되어야 하며, 예를 들어 균등 계산을 통한 다항식 모델계수의 새로운 측정이 실시되어야 한다.
도 10 내지 도 12는 엔진의 전체 유형을 위한 본 발명에 따른 일반적인 내연 기관 모델의 예를 도시하고 있다.
도 10에 도시되어 있는 것처럼 일반적인 연소 모델을 설정하기 위해 특히 연소 방식 및 특정 배기량을 포함하는 엔진 유형의 다수의 서로 다른 그러한 엔진이 사용되며, 실시 예에서 세 개의 엔진, 즉 엔진(1), 엔진(2), 엔진(3)이 도시되어 있다. 예를 들어, 엔진(1)은 네 개의 실린더를 구비하고, 엔진(2)은 세 개의 실린더, 그리고 엔진(3)은 다섯 개의 실린더를 구비한다. 추가로, 필요할 경우 개별 엔진 실린더의 배기량도 구별된다.
이러한 각각의 엔진을 위해 각각의 엔진 작동 범위 부분이 측정된다. 바람직하게는, 개별 엔진(1, 2, 3)의 측정된 작동 범위가 중복되기도 하지만, 서로 다른 작동 지점이 추가로 제공됨으로써 해결된다. 또한, 이러한 측정에 따라 이러한 엔진 유형을 위해 유용한 연소 모델이 설정될 수 있다. 도 10에 도시되어 있는 것처럼, 서로 다른 엔진의 측정은 더욱 큰 작동 범위를 충족시킨다. 이로 인해, 모델이 확대 적용되어야 하는 작동 범위가 축소되며, 이것은 화살표로 암시되어 있다.
경험적 모델을 설정하기 위해 싱글 엔진의 측정된 데이터만 제공되는 것이 아니라, 세 개의 엔진(1, 2, 3)의 모든 데이터가 제공된다. 이것은 다항식 모델을 사용할 때 세 개의 전체 엔진 측정에 따른 다항식 계수가 측정된다는 것을 의미한다.
도 11은 개별 엔진의 측정 데이터와 관련하여 그러한 경험적 모델의 모델 품질을 도시하고 있다. 개선된 경험적 모델이 세 개의 전체 엔진의 조건을 충족시킬 수 있기 때문에 각각의 엔진과 관련된 모델 품질은 서로 다르며, 이것은 개별 엔진(1, 2, 3)과 관련하여 측정(음영 부분)된 개별 데이터 클라우드의 위치 및 확장으로부터 발생하는 것과 유사하다. 이 경우, 전체적으로 결정 계수는 0.75이다.
바람직하게는, 다수의 물리적 모델과 경험적 모델로 구성된 본 발명에 따른 연소 모델의 경우, 도 11에 도시되어 있는 것처럼 상기 경험적 모델 가운데 소수의 경험적 모델만 상대적으로 낮은 모델 품질을 제공한다. 이것은 경험적 모델의 일반적 모델 형성 과정에서 예컨대 특정 엔진의 분사 분출구와 피스톤 캐비티 간의 상호작용과 같은 물리적 효과 또는 노즐 홀 형태에 따른 분사 양상이 일반적 모델에 의해 충분히 고려될 수 없다는 것이다. 일반적으로, 이러한 의존성의 통합은 추가로 제공된 물리적 모델을 통해서도 불가능하다.
본 발명에 따라, 상기 세 개의 엔진(1, 2, 3)의 작동 범위를 위한 경험적 모델의 예에서, 상기 공식(II)에서 설명된 것처럼 설정 매개 변수(EP)가 도입됨으로써 모델 정확도는 증가할 수 있다. 상기 설정 매개 변수(EP)는 다항식 모델에서 자체 계수를 획득한다. 계수를 측정하기 위해 회귀 분석을 실시할 경우, 전체 세 개의 엔진(1, 2, 3)을 위한 상기 설정 매개 변수(EP)에 속하는 계수는 하나의 값에 고정됨과 동시에 각각의 엔진(1, 2, 3)을 위한 설정 매개 변수(EP) 값이 측정되며, 상기 설정 매개 변수의 값은 개별 엔진의 측정값과 경험적 모델과 일치하는 것을 보장한다.
도 12는 설정 매개 변수를 포함하는 모델 형성에 따라 개별 엔진(1, 2, 3)에 대한 데이터 클라우드의 측정값과 경험적 서브 모델이 일치하는 것을 설명하고 있다. 측정과 모델 간의 0.97에 해당하는 결정 계수가 제공되며, 이것은 매우 우수한 모델 정확도를 나타낸다.
설정 매개 변수를 도입함으로써 도 12에 명확하게 도시되어 있듯이 패리티 도표에 도시된 개별 측정 지점 분포 위치뿐 아니라, 패리티 도표에 도시된 측정 지점의 산란(scattering)도 개별 경험적 모델과 관련하여 감소 될 수 있으며, 이것은 두 개의 이중 화살표도 암시되어 있다(긴 이중 화살표는 도 11에 따른 엔진(2)과 관련된 설정 매개 변수 없는 산란에 대응한다).
아직 작동 범위 측정이 실시되지 않았지만, 엔진(1, 2, 3)과 동일한 유형에 속하는 알려지지 않은 새로운 엔진(X)을 위한 일반적인 연소 모델에 상기 경험적 모델이 사용될 경우, 각각의 경험적 모델은 알려지지 않은 엔진(X)에 설정 매개 변수(EP)를 맞춤으로서 적합하게 조절될 수 있다.
디젤 엔진을 위한 본 발명에 따른 연소 모델에서 전술한 것은 특히 폴리트로프 지수, 점화 지연, 연소 중심점 및 마찰력을 위한 경험적 모델에 해당한다.
상기 설정 매개 변수(EP) 측정은 우선 발생 공학(development engineering)의 경험 값을 토대로 실시될 수 있다. 상기 설정 매개 변수(EP)를 정확하게 측정하기 위해 적어도 하나의 작동 지점은 상기 알려지지 않은 엔진(X)에서 측정될 수 있다. 일반적인 연소 모델을 통해 획득한 값을 갖는 적어도 하나의 이러한 작동 지점의 비교에 따라 개별 경험적 모델의 설정 매개 변수(EP)가 측정될 수 있다.
상기 설정 매개 변수(EP)가 측정되었다면, 특정 엔진의 연소 모델은 알려지지 않은 새로운 엔진(X)을 위해 제공되며, 도 16 및 도 17에 도시되어 있는 것처럼 실질적인 작동을 위해 상기 모델과 매우 높은 일치성이 제공될 수 있다.
도 13은 점화 지연의 경험적 모델을 위한 소위 상호작용 도표를 예로서 설명하고 있다. 상기 상호작용 도표는 점화 지연의 경험적 모델에 개별 입력 변수 또는 입력 매개 변수의 작용 방향을 제공한다. 그러한 상호작용 도표는 타당성 평가시 특히 노하우(knowhow)에 기반을 둔 모델 품질 평가를 위해 사용될 수 있다.
도 13의 예에서 강조되고 있듯이 점화 지연과 설정 매개 변수 사이의 의존성은 굽은 2차 함수이다. 개별 엔진(1, 2, 3, X)을 위해 각각의 경험적 모델의 설정 매개 변수는 단 한 번 선택되며, 개별 엔진의 전체 작동 범위에서 항상 변하지 않고 유지된다.
도 14는 특정 엔진의 본 발명에 따른 설정 매개 변수를 위한 다항식 모델에서 항구적인 오프셋 값(C)의 영향 차이를 도시하고 있다. 또한, 도 12처럼 도 14는 도 11의 채리티 도표에 기반을 두고 있다. 상기 엔진(1, 2, 3)의 측정 지점 분포에 대한 개별 데이터 클라우드는 개별 엔진을 위한 항구적인 오프셋의 도입을 통해 수정될 수 있다. 패리티 도표에서 엔진의 개별 분포 위치가 개선되었기 때문에 결정 계수는 미세하게 증가하지만, 여전히 만족스럽지 못한 모델 품질 범위에 놓이게 된다. 특히, 오프셋 값이 다항식 모델에 삽입됨으로써 패리티 도표에서 산란 감소는 달성될 수 없다. 도 14의 엔진(2)과 관련하여 분포 클라우드의 너비는 도 11의 너비와 동일하다.
본 발명의 방법에 따라 내연 기관의 전체 유형을 시뮬레이션하기 위한 일반적인 연소 모델 이용은 오프셋 값 또는 교정 계수의 간단한 도입을 통해 불가능할 수 있다.
도 15에 도시되어 있는 것처럼 본 발명에 다른 방법으로 형성된 연소 모델 설정시 일반적으로 역 순서로 진행되며, 이러한 역 순서에서 개별 서브 모델의 의존성은 따로 제공, 즉 개별 서브 모델 간의 정보 흐름이 역방향으로 제공되며, 예를 들어 상기 정보 흐름은 도 14에 도시되어 있다. 각각의 모델은 모델 설정으로 시작하며, 상기 모델은 원하는 출력 변수를 제공하고, 원하는 출력 변수가 기존의 입력 변수 또는 주어진 입력 변수로부터 측정될 때까지 많은 모델이 추가된다.
디젤 엔진을 위한 모델 설정의 진행과 관련된 도 15의 실시 예에서 한편 표시된 고압과 벽의 열 손실 및 다른 한편, 질소 배출과 피크 압력이 연산되어야 한다. 전술한 것으로부터 연소 중심점, 점화 지연과 압축 또는 폴리트로프 지수 및 또 다른 대략적인 물리적 모델을 위한 모델이 필요하다는 것을 알 수 있으며, 이것은 일반적으로 제어 장치에 의해 공급된 입력 변수를 통해 시뮬레이션하기 위한 것이다.
다음에서는 기도(air pathway)와 배기가스 후처리 모델의 결합에서 매개 변수 측정을 위한 본 발명에 따른 적용의 예가 도 16 및 도 17과 관련하여 설명되며, 상기 매개 변수는 오프로드-엔진(NRTC)을 위한 일시적인 테스트 사이클에서 내연 기관의 작동을 특징짓는다.
열 역학적 변수 및 배출과 관련된 일시적인 엔진 거동(engine behavior)에 대한 인식은 개발의 초기 단계에서 컨셉(concept)을 검증하거나 또는, 최적의 작동 전략을 확립하기 위해 매우 중요하다. 도시된 실시 예에서 산업용 엔진의 디젤-미립자-필터(DPF) 재생 주기는 본 발명에 따른 방법을 이용하여 서로 다른 부하 프로필(load profile)에서 검증되고, 또한 작동 전략이 최적화된다.
첫 번째 단계에서 본 발명에 따른 방법은 오프로드 엔진(NRTC)을 위한 일시적인 테스트 사이클에 따라 적합한 것으로 판명되었다. 실재 제어 장치의 가장 중요한 기능을 디스플레이하는 소프트웨어-제어 장치를 포함한 엔진 모델이 작동된다. 가상의 제어 장치 조절기는 가상 엔진의 일시적인 거동이 실재 엔진의 거동에 대응하도록 조절된다. 모델 적용의 이러한 방식은 루프(loop, (MiL)) 모델이라고 한다. 두 번째 단계에서 시험대에서 실제로 작동하는 산업용 엔진이 NRTC-사이클에서 테스트 되었다.
도 16은 본 발명에 따른 방법으로 측정된 값(B)과 함께 회전수, 토크 및 공기량에 대해 측정된 일시적인 진행 과정(A)을 표준화된 상태로 도시하고 있다. 추가로, 터빈이 회전하기 전의 온도, 산화질소 배출 및 매연 배출이 일시적인 작동에서 나타나고 있다. 본 발명의 방법에 따른 방법으로 측정된 진행 과정은 작은 편차에 이르기까지 측정된 진행 과정과 일치한다.
도 17은 일시적인 배출 테스트의 사이클 결과를 상대적으로 비교하고 있다. 여기서 알 수 있는 것은 NOx, 매연 및 연료 소모를 위한 사이클 결과의 편차는 확실히 10% 미만이라는 것이다. 따라서, 본 발명에 따른 방법은 검사가 최적화될 기계 장치로 실시되지 않고도 내연 기관의 최적화를 위해 적합한 것으로 판명될 수 있다.
특히, 본 발명에 따른 방법 및 장치는 중간 단계 또는 작업 절차에서 최적화가 실시될 수 있으며, 이러한 단계에서 시험대의 측정은 본 발명에 따른 방법의 최적화와 함께 제공된다. 이러한 방식으로, 사용된 경험적 모델은 현실과 동떨어져 있지 않다는 사실이 확인될 수 있다. 바람직하게는, 상기 경험적 모델은 중간 단계에서 수정될 수 있고, 실제 측정에 맞게 조절될 수 있다.
Claims (25)
- 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치의 교정을 위한 방법(100)으로서,
최적화될 기계 장치와 관련하여 물리적 변수를 특징짓는 적어도 하나의 첫 번째 매개 변수를 검출하는 단계(101);
최적화될 기계 장치와 관련하여 적어도 하나의 공지된 물리적 요인을 특징짓고, 적어도 하나의 첫 번째 매개 변수가 입력 매개 변수로서 제공되는 첫 번째 물리적 모델을 통해 적어도 하나의 두 번째 매개 변수를 측정하는 첫 번째 측정 단계(103);
이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 내연 기관 측정에 기반을 두며, 적어도 하나의 두 번째 매개 변수가 입력 매개 변수로서 제공되는 적어도 하나의 첫 번째 경험적 모델을 통해 적어도 하나의 세 번째 매개 변수를 측정하는 두 번째 측정 단계(104)로서, 적어도 하나의 세 번째 매개 변수는 최적화될 기계 장치를 특징짓고 및/또는 최적화될 기계 장치의 변화를 만들기 위한 기초를 제공, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한, 두 번째 측정 단계(104); 및
적어도 하나의 세 번째 매개 변수를 전달하는 단계(105)를 포함하는 방법(100). - 제1항에 있어서,
적어도 하나의 세 번째 매개 변수의 두 번째 측정은 단지 적어도 하나의 미리 정해진 측정 시점, 특히 기계 장치의 미리 정해진 크랭크 샤프트 위치, 특히 분사 시점, 점화 시점 및/또는 연소 중심점(MFB 50%)에서만 실시되는 것을 특징으로 하는 방법(100). - 제1항에 있어서,
상기 방법은: 바람직하게는, 최적화될 기계 장치의 성능 잠재력, 특히 상기 내연 기관의 피스톤 배기량과 관련하여 적어도 하나의 첫 번째 매개 변수를 표준화하는 단계(102) 및/또는 적어도 하나의 두 번째 매개 변수를 표준화하는 단계 및/또는 적어도 하나의 세 번째 매개 변수의 표준화 단계를 더 포함하는 것을 특징으로 하는 방법(100). - 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 방법은: 두 번째 물리적 모델(106a) 및/또는 적어도 하나의 세 번째 매개 변수 및/또는 다수의 첫 번째 매개 변수 가운데 적어도 하나의 첫 번째 매개 변수 및/또는 다수의 두 번째 매개 변수 가운데 적어도 하나의 두 번째 매개 변수를 토대로 하는 두 번째 경험적 모델(106b)을 통해 적어도 하나의 네 번째 매개 변수를 측정하는 세 번째 측정 단계로서, 이때 적어도 하나의 네 번째 매개 변수는 최적화될 기계 장치를 특징짓고/또는 최적화될 기계 장치의 변화를 만들기 위한 기초를 제공, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한, 세 번째 측정 단계; 및 적어도 하나의 네 번째 매개 변수를 전달하는 단계(107)를 더 포함하는 것을 특징으로 하는 방법(100). - 제4항에 있어서,
상기 방법은: 적어도 하나의 또 다른 물리적 모델(108a) 및/또는 적어도 하나의 세 번째 매개 변수 및/또는 적어도 하나의 네 번째 매개 변수 및/또는 다수의 첫 번째 매개 변수 가운데 적어도 하나의 첫 번째 매개 변수 및/또는 다수의 두 번째 매개 변수 가운데 적어도 하나의 두 번째 매개 변수를 토대로 하는 적어도 하나의 또 다른 경험적 모델(108b)을 통해 적어도 하나의 또 다른 매개 변수를 측정하는 네 번째 측정 단계로서, 이때 적어도 하나의 또 다른 매개 변수는 최적화될 기계 장치를 특징짓고/또는 최적화될 기계 장치의 변화를 만들기 위한 기초를 제공, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한 네 번째 측정 단계; 및 적어도 하나의 또 다른 매개 변수를 전달하는 단계(109)를 더 포함하는 것을 특징으로 하는 방법(100). - 제4항 또는 제5항에 있어서,
세 번째 매개 변수의 두 번째 측정(104)과 마찬가지로 네 번째 매개 변수의 세 번째 측정(106a; 106b) 및/또는 또 다른 매개 변수의 네 번째 측정(106a; 106b)은 또 다른 시점, 특히 기계 장치의 또 다른 크랭크 샤프트 위치에서 실시되는 것을 특징으로 하는 방법(100). - 제1항 내지 제6항 중 어느 한 항에 있어서,
검출(101), 첫 번째 측정(103), 두 번째 측정(104) 및 경우에 따라 세 번째 측정(106a, 106b) 및 네 번째 측정(108a, 108b)은 최적화될 기계 장치의 측정 없이도 실시될 수 있는 것을 특징으로 하는 방법(100). - 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치의 교정을 위한 방법으로서,
최적화될 기계 장치의 통합 시스템은 공지된 물리적 요인을 특징짓는 적어도 하나의 물리적 모델 및 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형, 특히 다수의 내연 기관 측정에 근거를 두고 있는 적어도 하나의 경험적 모델을 통해 시뮬레이션 되며, 적어도 하나의 상기 물리적 모델 및/또는 적어도 하나의 상기 경험적 모델은 각각의 모델을 최적화될 기계 장치에 맞게 조절하기 위해 추가로 특정 기계의 설정 매개 변수의 영향을 받으며, 상기 방법의 첫 번째 단계에서 최적화될 기계 장치가 작동할 때 측정 지점이 측정되고, 측정값이 모델에 의해 계산된 상기 측정 지점의 값과 비교됨으로써 특정 기계의 설정 매개 변수는 적어도 하나의 측정 지점을 토대로 측정되며, 두 번째 단계에서 측정이 더는 실시되지 않고, 최적화될 기계 장치의 통합 시스템은 적어도 하나의 물리적 모델 및 적어도 하나의 경험적 모델을 통해 시뮬레이션 되며, 상기 적어도 하나의 물리적 모델에 의해 측정된 두 번째 매개 변수가 입력 매개 변수로서 적어도 하나의 경험적 모델에 제공되는 방법. - 제8항에 있어서,
최적화될 기계 장치와 관련하여 물리적 변수를 특징짓는 적어도 하나의 첫 번째 매개 변수는 적어도 하나의 물리적 모델의 입력 매개 변수이며, 최적화될 기계 장치를 특징짓고/또는 최적화될 기계 장치의 변화를 만들기 위한 기초를 제공, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한 적어도 하나의 경험적 모델에 의해 측정된 세 번째 매개 변수가 출력되는 것을 특징으로 하는 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서,
적용된 물리적 모델 가운데 적어도 하나의 물리적 모델 및/또는 적용된 경험적 모델 가운데 적어도 하나의 경험적 모델은 각각의 모델을 최적화될 기계 장치에 맞게 조절하기 위해 추가로 특정 기계의 설정 매개 변수의 영향을 받으며, 바람직하게는 서로 다른 모델에 각각 서로 다른 설정 매개 변수가 적용되는 것을 특징으로 하는 방법(100). - 제8항 내지 제10항 중 어느 한 항에 있어서,
압축-설정 매개 변수, 점화 지연-설정 매개 변수, 연소 지속시간/MFB50-설정 매개 변수 및 엔진 마찰-설정 매개 변수, 공급률-설정 매개 변수, 주입 값-설정 매개 변수, 잔여가스 함량-설정 매개 변수, 충전 가스 손실-설정 매개 변수 및 고압-설정 매개 변수가 설정 매개 변수로서 사용되는 것을 특징으로 하는 방법(100). - 제8항 내지 제11항 중 어느 한 항에 있어서,
적어도 하나의 특정 기계의 설정 매개 변수 값은 최적화될 기계 장치, 특히 내연 기관의 모든 작동 지점에서 동일하며, 상기 내연 기관은 바람직하게는,
a) 노즐, 연소실 및 충전 운동, 특히 스월 또는 텀블, 및/또는
b) 밸브 특성 및 유입 채널 형태, 및/또는
c) 출력 손실 특성을 통해 정의되는 것을 특징으로 하는 방법(100) - 제8항 내지 제12항 중 어느 한 항에 있어서,
적어도 하나의 특정 기계의 설정 매개 변수 값은 동일한 유형의 기계 장치 그룹에서 동일한 것을 특징으로 하는 방법(100). - 제8항 내지 제13항 중 어느 한 항에 있어서,
특정 기계의 설정 매개 변수는 개별 모델에 또 다른 입력 매개 변수로서 제공되며, 상기 입력 매개 변수는 최적화될 기계 장치의 전체 작동 범위에서 변하지 않고 유지되는 것을 특징으로 하는 방법(100). - 제8항 내지 제14항 중 어느 한 항에 있어서,
이미 공지된 다수의 기계 장치의 설정 매개 변수 값에 따른 중간 값이 최적화될 기계 장치의 특정 기계의 설정 매개 변수를 위한 출력 값으로서 결정되는 것을 특징으로 하는 방법(100). - 제8항 내지 제15항 중 어느 한 항에 있어서,
상기 방법은: 최적화될 기계 장치가 작동할 때 적어도 하나의 측정 지점을 측정하는 단계(10A); 및 동일한 입력 매개 변수에서 측정값이 첫 번째 매개 변수 및/또는 두 번째 매개 변수의 계산된 값과 비교됨으로써 특정 기계의 설정 매개 변수를 적어도 하나의 측정 지점에 따라 측정하는 단계(10B)를 더 포함하는 것을 특징으로 하는 방법(100). - 제8항 내지 제16항 중 어느 한 항에 있어서,
상기 방법은:
적어도 하나의 두 번째 매개 변수를 측정하는 단계(10A-a); 및
측정된 적어도 하나의 두 번째 매개 변수에 따라, 특히 적어도 하나의 측정된 값과 첫 번째 경험적 모델에 의해 측정된 적어도 하나의 세 번째 매개 변수의 적어도 하나의 값의 비교를 통해 특정 기계의 적어도 하나의 설정 매개 변수를 측정하는 단계(10B-a); 및/또는
적어도 하나의 세 번째 매개 변수를 측정하는 단계(10A-b); 및
측정된 적어도 하나의 세 번째 매개 변수에 따라, 특히 적어도 하나의 측정된 값과 첫 번째 경험적 모델에 의해 측정된 적어도 하나의 세 번째 매개 변수의 적어도 하나의 값의 비교를 통해 특정 기계의 적어도 하나의 설정 매개 변수를 측정하는 단계(10B-b); 및/또는
적어도 하나의 네 번째 매개 변수를 측정하는 단계(10A-c); 및
측정된 적어도 하나의 네 번째 매개 변수에 따라, 특히 적어도 하나의 측정된 값과 두 번째 경험적 모델에 의해 측정된 적어도 하나의 네 번째 매개 변수의 적어도 하나의 값의 비교를 통해 적어도 하나의 설정 매개 변수를 측정하는 단계(10B-c); 및/또는
적어도 하나의 또 다른 매개 변수를 측정하는 단계(10A-d); 및
측정된 적어도 하나의 또 다른 매개 변수에 따라, 특히 적어도 하나의 측정된 값과 또 다른 경험적 모델에 의해 측정된 적어도 하나의 또 다른 매개 변수의 적어도 하나의 값의 비교를 통해 적어도 하나의 설정 매개 변수를 측정하는 단계(10B-d)를 더 포함하는 것을 특징으로 하는 방법(100). - 제1항 내지 제17항 중 어느 한 항에 있어서,
상기 방법은: 최적화될 기계 장치의 적어도 하나의 첫 번째 매개 변수를 적어도 하나의 세 번째 매개 변수, 적어도 하나의 네 번째 매개 변수 및/또는 적어도 하나의 또 다른 매개 변수에 따라 수정하는 단계를 더 포함하는 것을 특징으로 하는 방법(100). - 제1항 내지 제18항 중 어느 한 항에 있어서,
상기 방법은: 적어도 하나의 세 번째 매개 변수, 적어도 하나의 네 번째 매개 변수 및/또는 적어도 하나의 또 다른 매개 변수를 기준에 따라 평가하는 단계; 및 상기 평가를 전달하는 단계를 더 포함하는 것을 특징으로 하는 방법(100). - 제1항 내지 제19항 중 어느 한 항에 있어서,
적어도 하나의 첫 번째 매개 변수는 최적화될 기계 장치를 위한 제어 장치를 통해 미리 제공되거나 또는 조절되는 것을 특징으로 하는 방법(100). - 제1항 내지 제20항 중 어느 한 항에 있어서,
적어도 하나의 첫 번째 매개 변수는 최적화될 기계 장치의 구성적 특징을 수정함으로써 영향을 받는 것을 특징으로 하는 방법(100). - 제1항 내지 제21항 중 어느 한 항에 있어서,
적어도 하나의 경험적 모델은 다항식 모델이며, 이미 공지된 다수의 기계 장치와 그러한 기계 장치 유형의 측정에 따른 상기 다항식 모델의 계수는 회귀 분석을 통해 측정되며, 상기 설정 매개 변수는 적어도 하나의 계수로 곱해지고, 최적화될 기계 장치에 대해 항구적인 경험적 모델의 입력 매개 변수인 것을 특징으로 하는 방법(100). - 제1항 내지 제22항 중 어느 한 항에 따른 방법을 컴퓨터가 실행하게 하는 명령을 포함하는 컴퓨터 프로그램.
- 제23항에 따른 컴퓨터 프로그램이 저장된 컴퓨터 판독가능 매체.
- 모델에 근거한 최적화, 특히 내연 기관과 같은 기계 장치의 교정을 위한 장치로서,
최적화될 기계 장치와 관련하여, 물리적 변수를 특징짓기 위해 적합한 적어도 하나의 첫 번째 매개 변수를 검출하기 위한 적어도 하나의 측정 장치,
공지된 물리적 요인을 특징짓는 적어도 하나의 물리적 모델 및 이미 공지된 다수의 기계 장치와 그러한 기계 장치의 유형 측정에 근거를 두고 있는 적어도 하나의 첫 번째 경험적 모델이 제공되어 있는 기억 장치,
적어도 하나의 첫 번째 물리적 모델에 따라 첫 번째 매개 변수를 두 번째 매개 변수에 지정하기 위한 첫 번째 지정 장치,
적어도 하나의 첫 번째 경험적 모델에 따라 적어도 하나의 두 번째 매개 변수에 세 번째 매개 변수를 지정하기 위한 두 번째 지정 장치, 및
적어도 하나의 세 번째 매개 변수를 전달하기 위한 인터페이스를 포함하고,
상기 세 번째 매개 변수는 최적화될 기계 장치를 특징짓고/또는 최적화될 기계 장치의 변화를 만들기 위한 기초를 제공, 특히 최적화될 기계 장치의 제어 장치를 조절하기 위해 적합한, 모델에 근거한 기계 장치의 최적화를 위한 장치.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102015207252.5 | 2015-04-21 | ||
| DE102015207252.5A DE102015207252A1 (de) | 2015-04-21 | 2015-04-21 | Verfahren und Vorrichtung zur modellbasierten Optimierung einer technischen Einrichtung |
| PCT/EP2016/058908 WO2016170063A1 (de) | 2015-04-21 | 2016-04-21 | Verfahren und vorrichtung zur modellbasierten optimierung einer technischen einrichtung |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180008509A true KR20180008509A (ko) | 2018-01-24 |
| KR102479401B1 KR102479401B1 (ko) | 2022-12-19 |
Family
ID=55806345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020177033544A KR102479401B1 (ko) | 2015-04-21 | 2016-04-21 | 모델에 근거한 기계 장치의 최적화 방법 및 장치 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US11017132B2 (ko) |
| EP (1) | EP3286422A1 (ko) |
| JP (1) | JP6820275B2 (ko) |
| KR (1) | KR102479401B1 (ko) |
| CN (1) | CN107849998B (ko) |
| AT (1) | AT522344B1 (ko) |
| DE (1) | DE102015207252A1 (ko) |
| WO (1) | WO2016170063A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200023796A (ko) * | 2018-08-27 | 2020-03-06 | 현대자동차주식회사 | 엔진 가상시험환경 시스템 및 ems 매핑 방법 |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11914930B1 (en) * | 2012-09-12 | 2024-02-27 | Combustion Science & Engineering, Inc. | Computationally efficient reduced kinetics methodologies for jet fuels |
| US10423735B2 (en) * | 2016-06-29 | 2019-09-24 | International Business Machines Corporation | Hybrid modeling for a device under test associated with a two-phase cooling system |
| JP6751000B2 (ja) * | 2016-10-17 | 2020-09-02 | 日立オートモティブシステムズ株式会社 | 内燃機関制御装置および方法 |
| JP7101460B2 (ja) * | 2017-05-10 | 2022-07-15 | 日立Astemo株式会社 | 内燃機関の制御装置 |
| KR102257750B1 (ko) * | 2017-09-06 | 2021-05-27 | 가부시키가이샤 아이에이치아이 | 엔진 제어 시스템 |
| FR3071629B1 (fr) * | 2017-09-25 | 2022-01-28 | Safran Aircraft Engines | Etablissement d'une specification de dimensionnement d'un equipement pour structure de turbomachine |
| AT521422B1 (de) * | 2018-06-21 | 2020-09-15 | Avl List Gmbh | Verfahren zur Kalibrierung eines technischen Systems |
| CN110751283B (zh) * | 2018-07-05 | 2022-11-15 | 第四范式（北京）技术有限公司 | 模型解释方法、装置、设备及存储介质 |
| JP6702390B2 (ja) * | 2018-10-09 | 2020-06-03 | トヨタ自動車株式会社 | 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 |
| AT521865B1 (de) * | 2018-10-31 | 2020-10-15 | Avl List Gmbh | Verfahren und System zur Simulation einer von einer Brennkraftmaschine emittierten Partikelanzahl |
| AT521866B1 (de) | 2018-10-31 | 2020-10-15 | Avl List Gmbh | Verfahren und ein System zur Simulation einer Lambda-Sprungsonde |
| AT521927B1 (de) | 2018-12-10 | 2020-10-15 | Avl List Gmbh | Verfahren zur Kalibirierung eines technischen Systems |
| JP2020133401A (ja) * | 2019-02-12 | 2020-08-31 | トヨタ自動車株式会社 | 内燃機関の排気浄化装置 |
| US11002212B1 (en) * | 2019-03-15 | 2021-05-11 | Dalian University Of Technology | Simulink modeling method for mechanical hydraulic device of aeroengine fuel regulator |
| GB2583383B (en) | 2019-04-26 | 2021-06-09 | Perkins Engines Co Ltd | Internal combustion engine controller |
| GB2585178B (en) | 2019-04-26 | 2022-04-06 | Perkins Engines Co Ltd | Engine control system |
| IT201900006862A1 (it) * | 2019-05-15 | 2020-11-15 | Marelli Europe Spa | Metodo per stimare e controllare il rendimento di aspirazione di un motore a combustione interna |
| CN112069640B (zh) * | 2019-05-21 | 2023-08-29 | 上海汽车集团股份有限公司 | 一种发动机活塞连杆系统摩擦功的获取方法及装置 |
| WO2020252187A1 (en) * | 2019-06-11 | 2020-12-17 | Cameron International Corporation | Virtual integration test system and method |
| AT522625B1 (de) * | 2019-06-14 | 2022-05-15 | Avl List Gmbh | Verfahren zur Sicherheitsüberprüfung einer Technikeinheit |
| AT523093A1 (de) * | 2019-11-12 | 2021-05-15 | Avl List Gmbh | Verfahren und System zum Analysieren und/oder Optimieren einer Konfiguration einer Fahrzeuggattung |
| AT522958B1 (de) * | 2019-11-12 | 2021-04-15 | Avl List Gmbh | Verfahren und System zum Kalibrieren einer Steuerung einer Maschine |
| AT523048B1 (de) * | 2019-12-02 | 2021-05-15 | Avl List Gmbh | Vorrichtung, Referenzfahrzeug mit einer Vorrichtung und Verfahren zur Bewertung und/oder Kalibrierung eines Prüfstands |
| CN112761798B (zh) * | 2020-05-29 | 2023-04-07 | 长城汽车股份有限公司 | 一种空气相对充量控制方法及装置 |
| JP7444732B2 (ja) | 2020-08-14 | 2024-03-06 | 株式会社トランストロン | エンジンモデル構築方法、プログラム、および装置 |
| CN112417589B (zh) * | 2020-11-05 | 2023-11-10 | 航天东方红卫星有限公司 | 一种卫星稳态可用度计算方法 |
| DE102021102457B3 (de) | 2021-02-03 | 2022-05-19 | Audi Aktiengesellschaft | Verfahren zum Betreiben einer Antriebseinrichtung für ein Kraftfahrzeug sowie entsprechende Antriebseinrichtung |
| DE102023000107A1 (de) | 2023-01-16 | 2023-03-09 | Mercedes-Benz Group AG | Verfahren zum Berechnen des Liefergrads einer Verbrennungskraftmaschine, insbesondere eines Kraftfahrzeugs |
| CN116773752A (zh) * | 2023-08-15 | 2023-09-19 | 北京国能国源能源科技有限公司 | 一种碳排放管理系统及检测平台 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10020448A1 (de) * | 2000-04-26 | 2001-10-31 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Optimierung des Betriebs eines Verbrennungsmotors |
| CN101578558A (zh) * | 2005-03-02 | 2009-11-11 | 卡明斯公司 | 用于产生基于模型的系统控制参数的构架 |
| US20100083640A1 (en) * | 2008-10-06 | 2010-04-08 | Gm Global Technology Operations, Inc. | Engine-out nox virtual sensor using cylinder pressure sensor |
| JP2011021518A (ja) * | 2009-07-14 | 2011-02-03 | A & D Co Ltd | エンジンの仮想適合システム |
| WO2013131836A2 (de) * | 2012-03-06 | 2013-09-12 | Avl List Gmbh | Verfahren zur emissionsoptimierung von verbrennungskraftmaschinen |
| KR20140054097A (ko) * | 2011-08-22 | 2014-05-08 | 로베르트 보쉬 게엠베하 | 제어장치를 위한 함수를 생성하는 방법 |
| CN103987947A (zh) * | 2011-12-07 | 2014-08-13 | 丰田自动车株式会社 | 增压式发动机的控制装置 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5532929A (en) * | 1992-12-16 | 1996-07-02 | Toyota Jidosha Kabushiki Kaisha | Apparatus for controlling vehicle driving power |
| AT3773U3 (de) | 2000-02-09 | 2001-06-25 | Avl List Gmbh | Verfahren zur automatischen optimierung einer ausgangsgrösse eines von mehreren eingangsgrössen abhängigen systems |
| WO2006007621A2 (de) * | 2004-07-22 | 2006-01-26 | Avl List Gmbh | Verfahren zur untersuchung des verhaltens von komplexen systemen, insbesondere von brennkraftmaschinen |
| EP1703110A1 (de) | 2005-03-18 | 2006-09-20 | Ford Global Technologies, LLC, A subsidary of Ford Motor Company | Verfahren zur Optimierung der Kalibrierung eines Verbrennungsmotors |
| US7941260B2 (en) * | 2006-05-09 | 2011-05-10 | GM Global Technology Operations LLC | Rapid engine mapping and modeling |
| WO2008080378A1 (de) * | 2007-01-05 | 2008-07-10 | Luk Lamellen Und Kupplungsbau Beteiligungs Kg | Antriebsstrang |
| US20110264353A1 (en) * | 2010-04-22 | 2011-10-27 | Atkinson Christopher M | Model-based optimized engine control |
| DE102011013481A1 (de) * | 2011-03-10 | 2012-09-13 | Volkswagen Ag | Verfahren zur Steuerung eines Verbrennungsmotors |
| AT511577B1 (de) * | 2011-05-31 | 2015-05-15 | Avl List Gmbh | Maschinell umgesetztes verfahren zum erhalten von daten aus einem nicht linearen dynamischen echtsystem während eines testlaufs |
| DE102012005197B3 (de) | 2012-03-16 | 2013-06-13 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zur Optimierung einer Brennkraftmaschine |
| DE102013206276A1 (de) * | 2013-04-10 | 2014-10-16 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Erstellen eines Funktionsmodells für ein Steuergerät eines Motorsystems |
| AT514683B1 (de) | 2013-10-11 | 2015-03-15 | Avl List Gmbh | Verfahren zur Abschätzung der Schädigung zumindest eines technischen Bauteiles einer Brennkraftmaschine |
-
2015
- 2015-04-21 DE DE102015207252.5A patent/DE102015207252A1/de active Pending
-
2016
- 2016-04-21 KR KR1020177033544A patent/KR102479401B1/ko active IP Right Grant
- 2016-04-21 CN CN201680036412.8A patent/CN107849998B/zh active Active
- 2016-04-21 EP EP16717932.4A patent/EP3286422A1/de active Pending
- 2016-04-21 WO PCT/EP2016/058908 patent/WO2016170063A1/de active Application Filing
- 2016-04-21 US US15/568,231 patent/US11017132B2/en active Active
- 2016-04-21 AT ATA9116/2016A patent/AT522344B1/de active
- 2016-04-21 JP JP2017555354A patent/JP6820275B2/ja active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10020448A1 (de) * | 2000-04-26 | 2001-10-31 | Daimler Chrysler Ag | Verfahren und Vorrichtung zur Optimierung des Betriebs eines Verbrennungsmotors |
| CN101578558A (zh) * | 2005-03-02 | 2009-11-11 | 卡明斯公司 | 用于产生基于模型的系统控制参数的构架 |
| US20100083640A1 (en) * | 2008-10-06 | 2010-04-08 | Gm Global Technology Operations, Inc. | Engine-out nox virtual sensor using cylinder pressure sensor |
| CN101713321A (zh) * | 2008-10-06 | 2010-05-26 | 通用汽车环球科技运作公司 | 使用气缸压力传感器的发动机排出nox的虚拟传感器 |
| JP2011021518A (ja) * | 2009-07-14 | 2011-02-03 | A & D Co Ltd | エンジンの仮想適合システム |
| KR20140054097A (ko) * | 2011-08-22 | 2014-05-08 | 로베르트 보쉬 게엠베하 | 제어장치를 위한 함수를 생성하는 방법 |
| CN103987947A (zh) * | 2011-12-07 | 2014-08-13 | 丰田自动车株式会社 | 增压式发动机的控制装置 |
| WO2013131836A2 (de) * | 2012-03-06 | 2013-09-12 | Avl List Gmbh | Verfahren zur emissionsoptimierung von verbrennungskraftmaschinen |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200023796A (ko) * | 2018-08-27 | 2020-03-06 | 현대자동차주식회사 | 엔진 가상시험환경 시스템 및 ems 매핑 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20180113963A1 (en) | 2018-04-26 |
| EP3286422A1 (de) | 2018-02-28 |
| CN107849998B (zh) | 2022-01-11 |
| US11017132B2 (en) | 2021-05-25 |
| AT522344A5 (de) | 2020-10-15 |
| AT522344B1 (de) | 2020-10-15 |
| JP6820275B2 (ja) | 2021-01-27 |
| KR102479401B1 (ko) | 2022-12-19 |
| JP2018513940A (ja) | 2018-05-31 |
| WO2016170063A1 (de) | 2016-10-27 |
| DE102015207252A1 (de) | 2016-10-27 |
| CN107849998A (zh) | 2018-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102479401B1 (ko) | 모델에 근거한 기계 장치의 최적화 방법 및 장치 | |
| Maroteaux et al. | Diesel engine combustion modeling for hardware in the loop applications: Effects of ignition delay time model | |
| JP2007506033A (ja) | 内燃エンジンの燃焼を制御し、性能と放出を予測する方法 | |
| Rezaei et al. | Zero-dimensional modeling of combustion and heat release rate in DI diesel engines | |
| Quérel et al. | Semi-physical mean-value NOx model for diesel engine control | |
| Xia et al. | Crank-angle resolved real-time engine modelling | |
| CN104420990B (zh) | 内燃机中基于位置的空气/燃料比计算 | |
| Eriksson | Spark advance for optimal efficiency | |
| Khodadadi Sadabadi et al. | Dynamic modelling and controller design of combustion phasing for an RCCI engine | |
| CN102678361B (zh) | 具有用于驱动器控制的算法的发动机控制系统 | |
| Mayr et al. | Simulation-based control of transient sce operation | |
| CN103225551A (zh) | 氧气浓度设定点改进 | |
| Sayssouk et al. | Towards control of HCCI combustion by ozone addition: a mathematical approach to estimate combustion parameters | |
| Langwiesner et al. | Wall Heat Transfer in a Multi-Link Extended Expansion SI-Engine | |
| CN103201482B (zh) | 用于在自行点火运行中来调节汽油机的方法和装置 | |
| Albrecht et al. | Observer design for downsized gasoline engine control using 1D engine simulation | |
| Rezaei et al. | Diesel Combustion and Control Using a Novel Ignition Delay Model | |
| Dond et al. | Mathematical Modelling & MATLAB Simulation of Diesel Engine | |
| Kato et al. | Heat Balance Analysis Using Cylinder Pressure Obtained by Engine Experiments Considering the Spatial Heterogeneity of Diesel Combustion | |
| Poetsch et al. | A Real-Time Capable and Modular Modeling Concept for Virtual SI Engine Development | |
| KR20180110149A (ko) | 연료를 분사하는 시점을 결정하는 방법 및 장치 | |
| Pasternak et al. | Simulation-based fuel testing for diesel engine combustion and performance mapping | |
| Rudloff et al. | The Dual Flame Model (DFM): A Phenomenological 0D Diesel Combustion Model to Predict Pollutant Emissions | |
| Bassi | Calibration and assessment of the GT-Power “DIPulse” predictive model for a light duty compression ignition engine | |
| Menacer et al. | Simulation and Modelling of a Turbocharged Compression Ignition Engine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |