1 Einleitung Bei der Auslegung der Steuerung und Regelung techni- scherProzessefallenhåufigkomplexeOptimierungsaufga- ben an, fçr die die Anwendung von klassischen Optimie- rungsmethoden nicht mæglich ist. Beispiele finden sich et- wa bei der Regelung von Verbrennungsprozessen sowie chemischen oder biochemischen Prozessen (siehe [10; 7; 6]). Die Læsung der Aufgabenstellung wird durch die oft unzureichende mathematische Beschreibung der komple- xenProzesseerschwert. AlsBeispielwirdindieserArbeitdieKennfeldoptimierung (KFO) fçr elektronische Motorsteuergeråte betrachtet. Neue Anforderungen an zukçnftige Motorgenerationen werden sowohl durch Kundenwçnsche nach Fahrkomfort als auch durch gesetzliche Emissionsvorgaben definiert. Motorenentwickler begegnen diesen Anforderungen durch neue Motorfunktionen, mit denen die Anzahl der Stellgræ- ûen (z.Zt. > 5) wåchst. Dies fçhrt zu einem exponentiell wachsenden Aufwand bei der Applikation, der trotz eines bereits hohen Automatisierungsgrades am Prçfstand ohne zusåtzliche intelligente Methoden nicht mehr zu bewerk- stelligen ist. Zur Bewåltigung der zeitaufwendigen Appli- kationsumfånge werden die konventionellen manuellen Verfahren seit einigen Jahren sowohl durch die Optimie- rungamSimulationsmodellalsauchdieautomatisierte,ex- perimentelle Optimierung unterstçtzt. Die verschiedenen VerfahrensindinBild1dargestellt. UmdieoptimalenStellgræûen-KombinationenimHinblick auf die definierten Zielgræûen zu bestimmen, wird in der konventionellen Vorgehensweise an vielen ausgewåhlten Betriebspunkten (definiert durch Drehzahl und Last) eine Vollrasterung des Versuchsraumes durchgefçhrt. In der Versuchsauswertung werden die Bestwerte anhand der Messreihe ermittelt und die dafçr verantwortlichen Stell- græûenwerteindenKennfeldernabgelegt. Simulationsmodelle (z.B. PROMO [8])beruheninderRe- gel auf physikalischen Grundgleichungen. Dadurch, dass bei diesen Modellen einzelne Zielgræûen (z.B. Schadstoff- emissionen) nicht berçcksichtigt werden, sind sie nur ein- geschrånktnutzbar.AuchistihreAnpassungandasMotor- verhaltenoftsehraufwendig[18]bzw.esexistierenfçrspe- zielle Fragestellungen keine brauchbaren Modelle. 529 ANWENDUNGSAUFATZ at 11/2000 at ± Automatisierungstechnik 48 (2000) 11 # OldenbourgVerlag Einsatz von Softcomputing-Techniken zur Kennfeldoptimierung elektronischer Motorsteuergeråte Using Softcomputing Techniques for Map Optimization of Electronic Control Units for Combustion Engines Karsten Weicker, Alexander Mitterer, Thomas Fleischhauer, Frank Zuber-Goos und Andreas Zell Die Applikation von elektronischen Motorsteuergeråten wird durch die hohen Anforderungen an die zukçnftigen Motorgenerationen und die damit verbundene Erhæhung der Anzahl der Motorstellgræûen zunehmend komplexer. Bestehende Techniken zur Applikationsunterstçt- zung geraten an ihre Grenzen. Diese Arbeit stellt einen alternativen Ansatz unter der Ver- wendung von Softcomputing-Techniken vor. Er verbindet die datengetriebene Modellbildung mit der modellgestçtzten Optimierung. Die Vorteile dieses Ansatzes werden ausfçhrlich dis- kutiert. Ebenso werden Resultate einer Steuergeråteapplikation anhand eines konkreten Bei- spiels vorgestellt. The calibration of electronic control units for combustion engines is challenged by high de- mands for future engine generations and the resulting increase in the number of manipulated variables. Existing techniques get close to their limits. This work presents an alternative ap- proach using softcomputing techniques. It combines data based modelling with model based optimization. The advantages of the approach are discussed in detail. Also results from com- bustion engine management calibration are presented. Brought to you by | New York University Bobst Library Technical Services Authenticated Download Date | 7/11/15 6:53 PM