[Back]


Contributions to Proceedings:

M. Stadlbauer, N. Didcock, C. Hametner, S. Jakubek, A. Rainer, H. Koegeler:
"Online Design of Experiments in the Relevant Output Range";
in: "Design of Experiments (DoE) in Engine Development", expert verlag, 2013, ISBN: 978-3-8169-3217-8, 43 - 58.



English abstract:
In nonlinear system identification informative data obtained from experiments is required in order to parameterize the model of the underlying process. With increasing complexity in terms of the number of input channels and the nonlinear system behavior the experimental effort is drastically enhanced. Therefore novel methods for the generation of efficient experimental designs are required that gain as much information from the system in a minimum of time. In this context online design of experiments (online DoE) is considered to be a very effective method in order to accelerate the workflow of data based modeling. For this purpose online DoE is targeted to execute incremental experiment design and evolving modeling in parallel to the ongoing experiment. The incremental experiment design is based on the most recent data as well as on the current process model. Therefore the process excitation is flexible and gets more and more adjusted to the process with every new sample obtained. Furthermore online DoE has to consider system constraints in order to provide stable operating conditions and to avoid system failure. In this work an online DoE procedure in combination with an evolving local model network is proposed that is able to adjust its parameters and its structure to a growing amount of data. The DoE strategy is targeted to reduce the experimental effort by the iterative application of measurements in the relevant output range where a high quality of the evolving model is required. The effectiveness of the proposed concept is demonstrated for smoke modeling of a diesel engine. The drivable area of the engine is determined by use of the DoE Screening methodology implemented in AVL CAMEO® in order to comply with system limits.

German abstract:
Wir untersuchen state-of-the-art Experiment Designs im Kontext der Modellierung von Verbrennungsmotoren. Wir wiederholen die Eigenschaften der altbekannten minimax/maximin Designs, sowie die auf der Fischer-Informationsmatrix basierenden Optimalitätskriterien, z.B. D-Optimalität. Beide Herangehensweisen basieren auf Distanzmaßen im Eingangsbereich. Wir sehen ihren Nachteil in der Ignoranz der eigentlichen Messgrößen. Wir argumentieren, dass die Modifikation der Distanzmaße ein plausibleres Verständnis der Beziehung zwischen den Eingängen des Ausgangs liefert. Hierbei wird nicht nur auf eine uniforme Abdeckung des Eingangsraumes Wert gelegt, sondern eine gleichmäßige Abdeckung des Eingangs und des Ausgansraumes steht im Vordergrund. Damit erreichen wir eine größere Häufigkeit an Messpunkten in jenen Bereichen, in denen sich der Ausgang verhältnismäßig schnell ändert. Unsere Herangehensweise basiert auf Modellen, welche den Ausgang als Funktionen der Eingänge schätzen, allerdings bleibt die Wahl der Modellklasse beliebig. Wir erkennen den Bedarf an hoher Modellgüte in spezifischen Ausgansbereichen. Die Kalibrierung von Verbrennungsmotoren wird in Bereichen, welche legislativen Beschränkungen unterliegen, kritisch. Wir verwenden die geschätzten Modelle, um den Designraum auf jene Bereiche zu beschränken, welche einen Ausgang in
vordefinierten Bereichen aufweisen. Somit werden Kosten bei der Versuchsplanung
gespart, indem wir Messungen in trivialen bzw. uninteressanten Bereichen vermeiden.
Wir demonstrieren die Funktionalität unserer Designs anhand eines Versuchplans
für einen herkömmlichen KFZ-Dieselmotor.

Keywords:
Design of Experiments, Maximin Designs, Target Output Exploration

Created from the Publication Database of the Vienna University of Technology.