Nomenklatur - im ZESS

5. Zusammenfassung
5. Zusammenfassung
Sensoren innerhalb des Brennraums eines Verbrennungsmotors ermöglichen eine zylinderindividuelle
Beurteilung des Arbeitsprozesses. Von besonderer Bedeutung sind hier der Brennraumdrucksensor
und die Ionenstrommessung, die beide eine direkte Prozeßinformation liefern.
Vereinzelt werden solche Sensoren in der Praxis in Serienfahrzeugen verwendet. Prinzipiell
hat der Brennraumdrucksensor zwei große Vorteile gegenüber der Ionenstrommessung. Er
liefert während des kompletten Arbeitsspiels des Verbrennungsmotors eine Aussage über den
Druck im Zylinder, und diese Druckinformation ist für den gesamten Brennraum gültig. Die
Ionenstrommessung stellt dagegen eine lokale Messung während der Verbrennung und einem
Teil der Expansionsphase dar. Funktionell kann die Ionenstrommessung als Teilmenge der
Möglichkeiten des Brennraumdrucksensors angesehen werden. Vor allem die Bestimmung der
zentralen Prozeßgröße, die Luftmenge im Zylinder, ist über die Messung des Ionenstroms nicht
möglich.
Bei herkömmlichen gedrosselten Ottomotoren wurde der Einsatz eines Brennraumdrucksensors
zur Bestimmung der Luftmasse im Zylinder als notwendige Bedingung zur Kosteneinsparung
angesehen, keinesfalls als hinreichende. Dies kann sich bei zukünftigen entdrosselten
Motorkonzepten ändern.
Modellbasierte Methoden verlangen eine genaue Kenntnis der Parameter des hinterlegten physikalischen
Modells. Sollen aufbauend auf diesen Modellen Zustände geschätzt werden, so
hängt die Genauigkeit des Schätzergebnises mit von der Bestimmung der Parameter ab. Im
Gegensatz zum Extended Kalman-Filter, bei dem das Zustandsraummodell nichtlinear ist, gibt
es Kalman-Filter Algorithmen, bei denen gleichzeitig Zustände und Parameter bestimmt werden
können und das Systemmodell linear bleibt. Diese Verfahren wurden untersucht, auf die
vorliegende Problemstellung erweitert und neu hergeleitet. Bei einem Vergleich der verschiedenen
linearen adaptiven Verfahren mit dem nichtlinearen Extended Kalman-Filter hat sich das
adaptive Kalman-Filter Verfahren mit Maximum Likelihood Ansatz als die Methode herausgestellt,
die am besten die gegebenen Anforderungen erfüllt. Es sind keine Vorkenntnisse über die
Verteilungsdichte der unbekannten Parameter notwendig, und die unbekannten Parameter können
im kompletten Zustandsraummodell vorkommen. Besonders im Hinblick auf einen kom-
Seite 125