Dynamische Vermessungsmethoden in der Online-Optimierung moderner Verbrennungsmotoren

In dieser Dissertation werden Verfahren zur Modellierung und Optimierung von Systemen weiter entwickelt, bei denen eine Messdatengewinnung mit hohen Kosten verbunden ist. Die Arbeit entstand im Rahmen eines Projekts zum modellbasierten Online-Optimierer mbminimize, der in einem vorangegangenen Projekt zur automatisierten Basisapplikation von Verbrennungsmotoren am Prüfstand entwickelt wurde und hier in seiner Funktionalität erweitert wird. In der praktischen Anwendung stellen sich dabei weitere Herausforderungen an den Algorithmus, die in dieser Arbeit behandelt werden. Zu Beginn werden verschiedene Modellierungsmethoden vorgestellt. Die in mbminimize eingesetzten Methoden werden mit anderen Verfahren verglichen und ihre Stärken und Schwächen diskutiert. Besondere Bedeutung haben hier die neuronalen Netze, die für die Modellierung des zu untersuchenden Systems eingesetzt werden. Wichtige Aspekte wie das Training, die Regularisierung und die Fehlerabschätzung werden behandelt. Bei der Optimierung werden besonders die modellbasierte Online-Optimierung, die statistische Versuchsplanung, aktives Lernen und eine hierarchische Herangehensweise diskutiert. Durch Zusammenwirken der verschiedenen Methoden ist der modellbasierte Optimierungsalgorithmus in der Lage, Messpunkte effektiv zu platzieren. So werden der Messaufwand minimiert und die durch eine Messung gewonnene Information maximiert. Anhand des generierten Modells können die optimalen Bereiche der untersuchten Funktionen effizient bestimmt werden. Die Grundidee, Messzeit zu minimieren und dadurch die Kosten in der praktischen Anwendung zu reduzieren, wird in dieser Arbeit auch auf einem anderen Weg weiter verfolgt. Die Stationärwertvorhersage ermöglicht, Messzeit an einzelnen Messungen einzusparen. Bei Messgrößen, die sich nur langsam auf Veränderungen der Eingabewerte einstellen, kann die Messung unter bestimmten Umständen frühzeitig beendet werden, ohne das Optimierungsergebnis zu verschlechtern. In dieser Arbeit werden dazu Messverläufe verschiedener Datenquellen untersucht und gezeigt, auf welche Weise das Verfahren für die Motorvermessung geeignet ist. Für die Untersuchungen mit dem mbminimize-Algorithmus wurden Daten aus der Simulation und vom Motorprüfstand verwendet. Im Rahmen des Projekts, in dem diese Arbeit entstand, wurde die Software zum täglichen Einsatz am Prüfstand für Verbrennungsmotoren gebracht. Dabei eignet sich das Verfahren sowohl durch seinen theoretischen Hintergrund als auch durch seine generische Implementierung ebenfalls für andere Anwendungsbereiche, in denen Funktionsauswertungen mit einem hohen Aufwand verbunden sind.