[Zurück]

C. Hametner, S. Jakubek, N. Keuth, H. Pflügl:
"Dynamic Engine Modelling Using Local Model Networks";
Vortrag: Design of Experiments (DoE) in Engine Developement, Berlin; 23.05.2011 - 24.05.2011; in: "Design of Experiments (DoE) in Engine Developement", Expert Verlag, 6/Renningen, Deutschland (2011), ISBN: 978-3-8169-3074-7.

Immer strenger werdende Abgasnormen und der Wunsch nach reduziertem Kraft-stoffverbrauch führen im Automotive Bereich zu einer starken Nachfrage nach effi-zienten und zuverlässigen Modellierungswerkzeugen. In dieser Arbeit wird ein robus-ter und effizienter Trainingsalgorithmus für lokale Modellnetzwerke vorgestellt. Der inkrementelle Aufbau des Modells ermöglicht die Komplexität graduell zu erweitern und ist daher anwendbar für offline und online Training. In diesem Zusammenhang beinhaltet online Training die Anpassung, Verfeinerung und Erweiterung eines be-reits bestehenden Modells mit neuen Daten während eines Prüfstandslaufs. Dieses Modell kann in der Folge für optimales modellbasiertes Design of Experiments ver-wendet werden. Die vorgestellten Konzepte werden anhand von einem Anschau-ungsbeispiel und realen Messdaten validiert.

In automotive applications more and more stringent emission regulations and the desire to reduce fuel consumption lead to an increasing demand for efficient and re-liable modelling tools. In this work a robust and efficient local model network training algorithm is presented. The incremental model construction allows to gradually in-crease the model complexity and is thus applicable for both offline und online train-ing. In this context, online training includes the adjustment, refinement and extension of the already trained model with new data during the testbed run. Such a model can then be used for optimal model based design of experiments. The proposed con-cepts are validated by means of an illustrative example and real measurement data.