CRDI 디젤엔진의 과도구간 NOx 저감을 위해 학습제어를 적용한 흡배기 시스템 제어전략 최적화에 관한 연구 Control strategy for reduction of transient NOx emission using learning control for air systems in a CRDI diesel engine원문보기
현제 승용차량에 광범위하게 사용되고 있는 디젤엔진은 높은 연비효율을 지녔지만 질소산화물(NOx)과 입자상물질(PM)로 대표되는 유해 배기배출물에 관한 문제가 있다. PM 배출물은 디젤엔진 입자상물질 ...
현제 승용차량에 광범위하게 사용되고 있는 디젤엔진은 높은 연비효율을 지녔지만 질소산화물(NOx)과 입자상물질(PM)로 대표되는 유해 배기배출물에 관한 문제가 있다. PM 배출물은 디젤엔진 입자상물질 후처리장치(DPF)를 통하여 효과적으로 감소시킬 수 있으나 NOx 배출물의 저감에 관해서는 아직도 개선해야 할 문제점들이 많이 존재한다. 특히 실도로 주행 적용으로 인한 배출규제 강화는 보다 빈번한 과도구간을 포함하게 되어 NOx 배출물의 효과적인 감소를 위해서 아직도 많은 연구들이 진행되고 있다. 가장 널리 알려진 NOx 저감 기술은 배기가스 재순환(EGR) 시스템을 사용하는 것이다. 일반적인 디젤엔진의 흡배기 시스템 제어구조에서 EGR 시스템은 흡입공기량(MAF)를 기준 제어 변수로 이용하여 되먹임 제어를 실시한다. 하지만 MAF는 EGR 시스템의 성능인자인 NOx 배출물과의 상관관계가 낮은 한계가 있기 때문에 과도구간에서는 NOx 저감성능이 감소하는 문제가 있다. 또한 엔진의 성능을 향상시키기 위해 적용하는 가변용량터보차저(VGT) 시스템과 함께 사용을 할 경우 비선형 다중입력 다중출력 특성을 갖게 된다. 이러한 비선형적 특성은 과도구간 제어성능 저하의 원인이 된다. 본 논문에서는 과도구간에서의 제어성능 향상과 NOx 배출물의 감소를 위해 디젤엔진 흡배기 시스템에 학습제어 알고리즘과 최적제어전략을 적용한 연구를 제시하고 있다. 흡배기 시스템 앞 먹임 제어기를 반복학습제어 알고리즘을 적용하여 설계 함으로서 과도구간 제어 성능을 향상시켜 오차가 감소하였다. 반복학습제어 알고리즘을 적용하기 위해 차량 운전 시 과도구간이 반복될 경우 이를 사전에 예측할 수 있다고 가정하였다. 제어결과는 엔진실험을 통하여 검증되었으며 과도구간에 발생하는 제어 오차 및 터보렉 등의 성능저하가 감소하였다. 과도구간 NOx 저감을 위한 최적제어 전략을 위하여 NOx와 높은 상관관계를 갖는 흡기매니폴드의 산소분율(IOC)을 제어인자로 사용하였다. IOC는 흡기매니폴드에 질량보존의 법칙을 적용하여 계산할 수 있는 인자로 이를 위해서는 정확한 EGR 유량 추정이 필요하다. 하지만 EGR 유량 추정을 위해서 일반적으로 적용되는 오리피스벨브 모델은 실험적 모델을 포함하고 있으며 이로 인해 과도구간에서 측정 정확도가 떨어지는 문제가 있다. 이런 문제를 해결하기 위해 흡기매니폴드의 압력의 동적 특성을 이용한 확장 칼만 필터(EKF)를 적용하였다. 실험적 모델로부터 발생하는 오차를 1차 동적 상태로 정의한 후 압력의 동적 상태와 함께 적용하여 EKF를 설계하였다. 이때 사용되는 엔진 상태들은 평균 값 흡배기 시스템 모델을 통하여 추정되었다. 추정된 IOC를 이용하는 NOx 저감을 위한 최적제어 알고리즘 설계를 위해 엔진 성능인자인 토크인자모델과 NOx모델을 IOC에 관한 모델로 정의하였다. NOx 모델은 확장 젤도비치 방정식으로부터 유도되었으며 연소상태를 반영하기 위해서 연소압력 센서로부터 계산되는 연소인자를 모델 입력으로 사용한다. 토크인자모델은 연소효율을 반영 하기위한 모델로 분사되는 연료량 분에 발생하는 엔진 토크 값을 의미한다. 목적함수와 최적화 알고리즘을 통하여 이 두가지 성능인자를 최적화 할 수 있는 IOC 값이 결정되고, 최적 IOC 값에 따라 MAF 제어 목표치가 조정된다. 본 논문에서 제안된 알고리즘들은 모두 엔진 실험을 통하여 여러 정상상태 운전조건과 NEDC에 관한 운전조건에서 검증되어 제어 정확도 향상과 NOx 배출물 감소 성능들을 확인하였다.
현제 승용차량에 광범위하게 사용되고 있는 디젤엔진은 높은 연비효율을 지녔지만 질소산화물(NOx)과 입자상물질(PM)로 대표되는 유해 배기배출물에 관한 문제가 있다. PM 배출물은 디젤엔진 입자상물질 후처리장치(DPF)를 통하여 효과적으로 감소시킬 수 있으나 NOx 배출물의 저감에 관해서는 아직도 개선해야 할 문제점들이 많이 존재한다. 특히 실도로 주행 적용으로 인한 배출규제 강화는 보다 빈번한 과도구간을 포함하게 되어 NOx 배출물의 효과적인 감소를 위해서 아직도 많은 연구들이 진행되고 있다. 가장 널리 알려진 NOx 저감 기술은 배기가스 재순환(EGR) 시스템을 사용하는 것이다. 일반적인 디젤엔진의 흡배기 시스템 제어구조에서 EGR 시스템은 흡입공기량(MAF)를 기준 제어 변수로 이용하여 되먹임 제어를 실시한다. 하지만 MAF는 EGR 시스템의 성능인자인 NOx 배출물과의 상관관계가 낮은 한계가 있기 때문에 과도구간에서는 NOx 저감성능이 감소하는 문제가 있다. 또한 엔진의 성능을 향상시키기 위해 적용하는 가변용량터보차저(VGT) 시스템과 함께 사용을 할 경우 비선형 다중입력 다중출력 특성을 갖게 된다. 이러한 비선형적 특성은 과도구간 제어성능 저하의 원인이 된다. 본 논문에서는 과도구간에서의 제어성능 향상과 NOx 배출물의 감소를 위해 디젤엔진 흡배기 시스템에 학습제어 알고리즘과 최적제어전략을 적용한 연구를 제시하고 있다. 흡배기 시스템 앞 먹임 제어기를 반복학습제어 알고리즘을 적용하여 설계 함으로서 과도구간 제어 성능을 향상시켜 오차가 감소하였다. 반복학습제어 알고리즘을 적용하기 위해 차량 운전 시 과도구간이 반복될 경우 이를 사전에 예측할 수 있다고 가정하였다. 제어결과는 엔진실험을 통하여 검증되었으며 과도구간에 발생하는 제어 오차 및 터보렉 등의 성능저하가 감소하였다. 과도구간 NOx 저감을 위한 최적제어 전략을 위하여 NOx와 높은 상관관계를 갖는 흡기매니폴드의 산소분율(IOC)을 제어인자로 사용하였다. IOC는 흡기매니폴드에 질량보존의 법칙을 적용하여 계산할 수 있는 인자로 이를 위해서는 정확한 EGR 유량 추정이 필요하다. 하지만 EGR 유량 추정을 위해서 일반적으로 적용되는 오리피스벨브 모델은 실험적 모델을 포함하고 있으며 이로 인해 과도구간에서 측정 정확도가 떨어지는 문제가 있다. 이런 문제를 해결하기 위해 흡기매니폴드의 압력의 동적 특성을 이용한 확장 칼만 필터(EKF)를 적용하였다. 실험적 모델로부터 발생하는 오차를 1차 동적 상태로 정의한 후 압력의 동적 상태와 함께 적용하여 EKF를 설계하였다. 이때 사용되는 엔진 상태들은 평균 값 흡배기 시스템 모델을 통하여 추정되었다. 추정된 IOC를 이용하는 NOx 저감을 위한 최적제어 알고리즘 설계를 위해 엔진 성능인자인 토크인자모델과 NOx모델을 IOC에 관한 모델로 정의하였다. NOx 모델은 확장 젤도비치 방정식으로부터 유도되었으며 연소상태를 반영하기 위해서 연소압력 센서로부터 계산되는 연소인자를 모델 입력으로 사용한다. 토크인자모델은 연소효율을 반영 하기위한 모델로 분사되는 연료량 분에 발생하는 엔진 토크 값을 의미한다. 목적함수와 최적화 알고리즘을 통하여 이 두가지 성능인자를 최적화 할 수 있는 IOC 값이 결정되고, 최적 IOC 값에 따라 MAF 제어 목표치가 조정된다. 본 논문에서 제안된 알고리즘들은 모두 엔진 실험을 통하여 여러 정상상태 운전조건과 NEDC에 관한 운전조건에서 검증되어 제어 정확도 향상과 NOx 배출물 감소 성능들을 확인하였다.
Modern diesel engine has been widely used for passenger cars since its high fuel efficiency and drivability. However harmful emissions are a significant problem to use the diesel engines. Particulate matter (PM) and Nitrogen Oxides (NOx) are the representative emissions. Thus the emission regulation...
Modern diesel engine has been widely used for passenger cars since its high fuel efficiency and drivability. However harmful emissions are a significant problem to use the diesel engines. Particulate matter (PM) and Nitrogen Oxides (NOx) are the representative emissions. Thus the emission regulations focus on reduction of these two emission levels. While the PM emission can be effectively suppressed through the Diesel Particle Filter (DPF), the reduction of NOx emission is still an important issue, and are widely researched. Furthermore, the stringent emission regulation such as a real driving cycle includes a more frequent transient operation which can be a challenge to further reduction of NOx emission. Well-known and commercially widely adopted NOx reduction technology is an Exhaust Gas Recirculation (EGR). The normal control structure about EGR system controls the Mass Air Flow (MAF) for the feedback control indicator because it is difficult to measure EGR directly. However, the MAF has a weak correlation with the NOx emission which is a performance index of EGR system. Thus, the calibrated set-point of MAF under steady state cannot guarantee the optimal performance during transient conditions. The normal diesel engine equips the Variable Geometry Turbocharger (VGT) system to improve drivability and fuel efficiency. The VGT system is coupled with EGR system because they use the exhaust gas and heat energy on the exhaust manifold. This nonlinear Multi-Input-Multi-Output (MIMO) characteristic of the air system of diesel engine occurs the control difficulties, especially during the transient condition. This thesis investigates the learning control algorithm for diesel engine air system with optimal control strategy for the performance optimization about NOx emission during the transient condition. An iterative learning control can improve the control performance during the transient condition. In order to apply the learning control algorithm, the vehicle transient states are determined according to the demanded torque from driver and vehicle status. In this thesis, assuming the control algorithm can predict pre-defined transient state in advanced. The learning control algorithm obtains the feedforward values about EGR and VGT actuators using the previous control results. The control algorithm can compensate the time delay of VGT and reduce the error of feedback controller during the transient condition. The Intake Oxygen Concentration (IOC) is used to optimize the control strategy during transient because it directly affects the combustion and emissions. Since the IOC is determined based on the mass conservation law in the intake manifold, estimating the mass flow rate of EGR is a most critical issue for the IOC based control strategy. However, to estimate the EGR mass flow rate the conventional orifice valve model causes extrapolation error or inaccurate estimation results. In order to improve the estimation performance, a correction algorithm for estimating IOC is proposed. A dynamic correction state is determined to compensate the inaccuracy of the orifice valve model. In addition, the intake pressure dynamics is also derived based on the energy conservation law in the intake manifold. Using these dynamic models, a nonlinear parameter varying model is determined, and an extended Kalman filter is designed to derive the value of correction state. An optimization algorithm in a function of the IOC is proposed to optimize the engine performance with regards to NOx emission and drivability. Using these models, the cost function for the performance optimization is designed and the optimal value of the IOC is determined. Then, the MAF set-point is adjusted to trace the optimal IOC under engine acceleration conditions. The proposed algorithm is validated through scheduled engine speeds and loads to simulate the extra-urban driving cycle of the New European Driving Cycle (NEDC). As validation results, the MAF is controlled to trace the optimal IOC from the optimization method. Consequently, the NOx emission is substantially reduced during acceleration operating conditions without the degradation of drivability.
Modern diesel engine has been widely used for passenger cars since its high fuel efficiency and drivability. However harmful emissions are a significant problem to use the diesel engines. Particulate matter (PM) and Nitrogen Oxides (NOx) are the representative emissions. Thus the emission regulations focus on reduction of these two emission levels. While the PM emission can be effectively suppressed through the Diesel Particle Filter (DPF), the reduction of NOx emission is still an important issue, and are widely researched. Furthermore, the stringent emission regulation such as a real driving cycle includes a more frequent transient operation which can be a challenge to further reduction of NOx emission. Well-known and commercially widely adopted NOx reduction technology is an Exhaust Gas Recirculation (EGR). The normal control structure about EGR system controls the Mass Air Flow (MAF) for the feedback control indicator because it is difficult to measure EGR directly. However, the MAF has a weak correlation with the NOx emission which is a performance index of EGR system. Thus, the calibrated set-point of MAF under steady state cannot guarantee the optimal performance during transient conditions. The normal diesel engine equips the Variable Geometry Turbocharger (VGT) system to improve drivability and fuel efficiency. The VGT system is coupled with EGR system because they use the exhaust gas and heat energy on the exhaust manifold. This nonlinear Multi-Input-Multi-Output (MIMO) characteristic of the air system of diesel engine occurs the control difficulties, especially during the transient condition. This thesis investigates the learning control algorithm for diesel engine air system with optimal control strategy for the performance optimization about NOx emission during the transient condition. An iterative learning control can improve the control performance during the transient condition. In order to apply the learning control algorithm, the vehicle transient states are determined according to the demanded torque from driver and vehicle status. In this thesis, assuming the control algorithm can predict pre-defined transient state in advanced. The learning control algorithm obtains the feedforward values about EGR and VGT actuators using the previous control results. The control algorithm can compensate the time delay of VGT and reduce the error of feedback controller during the transient condition. The Intake Oxygen Concentration (IOC) is used to optimize the control strategy during transient because it directly affects the combustion and emissions. Since the IOC is determined based on the mass conservation law in the intake manifold, estimating the mass flow rate of EGR is a most critical issue for the IOC based control strategy. However, to estimate the EGR mass flow rate the conventional orifice valve model causes extrapolation error or inaccurate estimation results. In order to improve the estimation performance, a correction algorithm for estimating IOC is proposed. A dynamic correction state is determined to compensate the inaccuracy of the orifice valve model. In addition, the intake pressure dynamics is also derived based on the energy conservation law in the intake manifold. Using these dynamic models, a nonlinear parameter varying model is determined, and an extended Kalman filter is designed to derive the value of correction state. An optimization algorithm in a function of the IOC is proposed to optimize the engine performance with regards to NOx emission and drivability. Using these models, the cost function for the performance optimization is designed and the optimal value of the IOC is determined. Then, the MAF set-point is adjusted to trace the optimal IOC under engine acceleration conditions. The proposed algorithm is validated through scheduled engine speeds and loads to simulate the extra-urban driving cycle of the New European Driving Cycle (NEDC). As validation results, the MAF is controlled to trace the optimal IOC from the optimization method. Consequently, the NOx emission is substantially reduced during acceleration operating conditions without the degradation of drivability.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.