Ion-Current Sensor based Closed-Loop Control of Lean Gasoline Combustion with High Compression Ratio
Electronic Semiconductors, Components and Circuits, Integrated Systems, Sensor Technology, Theoretical Electrical Engineering
Final Report Abstract
Im „Joint Sino-German Research Project“ wurde das Potential des Ionenstromsensorsignals für die Regelung magerer Brennverfahren untersucht. In einem ersten Schritt wurde die Ionenstromsensorik in Zusammenarbeit mit den Kollegen der Tongji Universität in die bestehende Messkette am Einzylinderprüfstand eingebunden. Nach Integration einer Entkopplungsschaltung konnte hierbei die Signalqualität signifikant verbessert werden. Im Anschluss wurde die Fragestellung verfolgt, wie Informationen aus dem Ionenstromsignalverlauf extrahiert werden können. Dazu wurde der Verlauf des Ionenstromsignals analysiert, um hieraus relevante Ionenstrom-Surrogatparameter zu definieren und die Informationen über den physikalisch-chemischen Zustand der Zylinderladung bereitstellen. Der Fokus hierbei lag insbesondere auf den Vorgängen während der Verbrennung und der Zwischenkompression. Um die definierten Parameter auf der Zielhardware als Eingang für schnelle Regelalgorithmen zur Verfügung zu haben, wurde eine Echtzeitsignalauswertung mittels eines Field Programmable Gate Array (FPGA) implementiert. Die definierten Größen wurden mit einer möglichst hohen Auflösung von 0,1 °KW berechnet, um eine möglichst große Genauigkeit sicherzustellen. Zum einen sollten diese Größen im Folgenden als Eingang für die Regelung und zum anderen für die Ermittlung des Informationsgehalts anhand von Korrelationen dienen. Anhand zyklischer und innerzyklischer Korrelationen wurde beobachtet, dass die Ionenstromgrößen unter stabilen Betriebsbedingungen nur eine geringe Varianz aufweisen. Eine direkte Nutzbarkeit in der Regelung unter diesen Bedingungen wird somit erschwert. Jedoch konnte unter sehr mageren Bedingungen eine Zyklus-zu-Zyklus-Dynamik der Ionenstromgrößen gezeigt werden, welche der charakteristischen Dynamik der druckbasierten Größen ähnelt. Zusätzlich konnte anhand von Korrelationen aufgezeigt werden, dass der Ionenstrom in der Zwischenkompression über die druckbasierten Größen hinausgehende Informationen enthält, die zur Prozessregelung genutzt werden können. Eine Regelung basierend auf diesen Größen, z.B. auf dem Maximum des Ionenstroms in der Zwischenkompression steht noch aus. Neben der Analyse zyklischer und innerzyklischer Korrelationen auf Basis von stationären Messungen wurde über die geplanten Arbeiten hinausgehend die in der Forschungsgruppe FOR2401 entwickelte Methode der dynamischen In-Zyklus-Vermessung angewendet, da sich diese dort bereits als äußerst relevant für die detaillierte Systemidentifikation gezeigt hat. Hiermit wurde eine dynamische Datenbasis mit hoher Varianz der Ein- und Ausgangsgrößen generiert, die sowohl druck- als auch ionenstrombasierte Größen beinhaltet. Anhand dieser Datenbasis wurden neuronale Netze trainiert, mit denen schließlich gezeigt werden konnte, dass sich die Prädiktionsqualität der Modelle verbessert, wenn eine Kombination aus druck- und ionenstrombasierten Größen als Modelleingang verwendet wird. Insbesondere konnten die Vorteile für extreme Ausreißer-Verbrennungszyklen mit sehr später und früher Verbrennungsschwerpunktlage sowie für Zyklen mit einer Wassereinspritzung gezeigt werden. Demnach konnte gezeigt werden, dass der Ionenstrom Informationen, bereitstellen kann, die über die des Drucksensors hinausgehen. Naheliegend ist, dass Regler basierend auf dieser Datenbasis ebenso eine bessere Regelgüte als ein rein druckbasierter Regler erzielen können. Diese Hypothese wird zurzeit noch untersucht, die Ergebnisse werden in Kürze veröffentlicht. Zur Validierung und Analyse des Potentials des Informationsgehalts des Ionenstromsignals wurden in einem abschließenden Arbeitspaket ionenstrombasierte Regelansätze am Prüfstand erprobt. Hierzu wurden basierend auf den analysierten Korrelationen Regelalgorithmen identifiziert und mittels des FPGA implementiert. Am Beispiel der Position des maximalen Ionenstroms als Reglereingangsgröße konnte eine signifikante Verringerung der Standardabweichung der Verbrennungsschwerpunktlage um 19 % im Vergleich zum ungeregelten Prozess erreicht werden. Zugleich reduzierte sich die Standardabweichung des indizierten Mitteldrucks bei Erhöhung des Mittelwerts, wodurch das Potential für eine Effizienzsteigerung belegt werden konnte. Diese Minimierung von Prozessanregungen in den Regelergebnissen zeigt, dass die Informationen aus dem Ionenstrom in der Zyklus-zu-Zyklus und perspektivisch in der In-Zyklus Prozessregelung äußerst hilfreich sein können, um in Kombination mit druckbasierten Größen eine verbesserte Regelgüte zu erzielen.
Publications
-
Analysis of ion current signal during negative valve overlap of HCCI combustion with high compression ratio,“ International Journal of Engine Research, Nr. 22(11), pp. 3300-3312, 2021
M. Wick, D. Zhu, J. Deng, L. Li und J. Andert
-
„Cycle resolved control for HCCI engine load range expansion by combining ion current and pressure sensor,“ Proceedings of the Combustion Institute, Nr. 38, pp. 5685-5694, 2021
D. Zhu, J. Deng, S. Wang, H. Zhang, Z. Wu, J. Andert und L. Li
-
„Detection of transient lowtemperature combustion characteristics by ion current – The missing link for homogeneous charge compression ignition control?,“ Applied Energy, Nr. 283, p. 116299, 2021
J. Wang, J. Bedei, J. Deng, J. Andert, D. Zhu und L. Li
-
„Development and Application of Ion Current/Cylinder Pressure Cooperative Combustion Diagnosis and Control System,“ Energies, pp. 5685-5694, 2021
D. Zhu, J. Deng, J. Wang, S. Wang, H. Zhang, J. Andert und L. Li
-
„Ion current–based homogeneous charge compression ignition combustion control using direct water injection,“ International Journal of Engine Research, Nr. 22(6), pp. 1825-1837, 2021
D. Zhu, J. Deng, R. Dewor, M. Wick, J. Andert und L. Li
-
„Dynamic measurement with in-cycle process excitation of HCCI combustion: The key to handle complexity of data-driven control?,“ International Journal of Engine Research, February 2022
J. Bedei, M. Oberlies, . P. Schaber, D. Gordon, E. Nuss, L. Liguang und J. Andert
