Anwendungen künstlicher neuronaler Netze bei der Kalibrierung von Motoren

Die Emissionsvorschriften werden immer strenger, was die Entwicklung neuer Verbrennungsmotoren zu einer großen Herausforderung macht. Neue Motorentechnologien zur Einhaltung dieser Vorschriften führen zu einer exponentiellen Abhängigkeit zwischen der Anzahl der für optimale Ergebnisse erforderlichen Testkombinationen und dem Zeit- und Kostenaufwand. Dies macht die Kalibrierung sehr teuer und praktisch unmöglich. Die mögliche Verwendung trainierter neuronaler Netze in Kombination mit Design-of-Experiments-Methoden (DoE) für die Motorkalibrierung war in letzter Zeit Gegenstand von Forschungsaktivitäten. Der Zweck dieses Buches ist es, einen Überblick über die verschiedenen Anwendungen neuronaler Netze bei der Kalibrierung von Ottomotoren zu geben. Zu den identifizierten und diskutierten Anwendungen gehören die Systemidentifikation für Rapid Prototyping, virtuelle Sensorik, die Verwendung neuronaler Netze als Ersatz für Nachschlagetabellen, neue Steuerungsstrategien und On-Board-Diagnoseanwendungen (OBD). Die Nachteile neuronaler Netze, zukünftige Möglichkeiten und Alternativen wurden ebenfalls diskutiert.