Automated generation of feedforward control using feedback linearization of local model networks

Abstract

Seit ihrer Einführung in den 1960er Jahren werden die gültigen Abgasnormen für Verbrennungsmotoren von Kraftfahrzeugen kontinuierlich verschärft. Im Zuge der nötigen Reduktion des Schadstoffausstoßes erhöht sich die Komplexität von Verbrennungsmotoren, da mehr und komplexere Sensoren, Aktoren und Steuergeräte verwendet werden. Zusätzlich dazu führt auch der wirtschaftliche Wettbewerb zu der Notwendigkeit immer kürzerer Entwicklungszeiten, die wiederum eine starke Nachfrage nach effizienten und hoch entwickelten Kalibrierungswerkzeugen bewirkt. In diesem Zusammenhang hat sich die modellbasierte Kalibrierung durchgesetzt um Steuerungen und Regelungen zu entwerfen und zu parametrieren, wobei reale Prozesse durch Modelle ersetzt werden. Idealerweise kann die nichtlineare Modellstruktur der verwendeten Modelle unter Ausnutzung differentialgeometrischer Eigenschaften direkt herangezogen werden um Steuer- und Regelgesetze sowie deren Parameter aus ihr abzuleiten. In dieser Arbeit wird ein wirksamer, aber dennoch einfacher Ansatz eingeführt, um automatisiert eine dynamische Vorsteuerung für nichtlineare dynamische Systeme abzuleiten, die von diskreten lokalen Modellnetzwerken (LMN) als gut etablierter Ansatz zur datengetriebenen Modellierung nichtlinearer Systeme repräsentiert werden. Durch Ausnutzung der generischen Modellstruktur dieses datengetriebenen dynamischen Prozessmodells kann mittels exakter Linearisierung effizient und automatisiert eine Eingangstransformation gefunden werden, die anschließend zur dynamischen Vorsteuerung des nichtlinearen Prozesses selbst dient. Diese Arbeit demonstriert und diskutiert einen solchen Ansatz für das LMN. Obwohl die Komplexität des LMN mit der Anzahl an lokalen linearen Modellen steigt, bleibt die Modellstruktur generisch. Diese Tatsache kann vorteilhaft in der Anwendung der exakten Linearisierung ausgenutzt werden. Dabei spielt jedoch die Stabilität der möglicherweise auftretenden internen Dynamik eine Schlüsselrolle. Deshalb wird die resultierende interne Dynamik für LMN, die unmittelbar durch die gewählte Modellstruktur bestimmt wird, angegeben und analysiert, sowie die Auswirkungen auf das transformierte System diskutiert. Abschließend wird die Wirksamkeit des vorgestellten Ansatzes durch zwei Anwendungsbeispiele demonstriert: einerseits in der Vorverzerrung von elektrostatisch angeregten mikroelektromechanischen Lautsprechermembranen und andererseits zur Vorsteuerung des Ladedrucks im Luftpfad eines Dieselmotors mit Hilfe eines Turboladers mit variabler Geometrie.

Ever since their first introduction in the 1960s, emission standards for internal combustion engines are becoming continuously more stringent. Consequently, in the course of emission reduction, the complexity of combustion engines is increasing as novel sensors, actuators and control units are incorporated. Additionally, economic competition brings about the need for shorter development cycles, which in turn leads to a strong demand for efficient and sophisticated calibration tools. In this context, a model based calibration workflow has been established to design and parameterize feedforward and feedback controllers without the need to use the actual plant. Ideally, the applied non-linear model structures can be used directly to determine control laws and their parameters by exploiting differential geometric properties, which is achieved by this thesis. An effective but yet simple approach is introduced to automatically attain a dynamic feedforward control law for non-linear dynamic systems represented by discrete-time local model networks (LMN), which represent a well-established multiple-model approach for data-driven modelling of non-linear systems. By exploiting their generic model structure, a feedback linearizing input transformation, which subsequently is used to dynamically feedforward control the non-linear process efficiently, can be found in a general and automated way from the data-driven dynamic process model directly. This contribution proposes and discusses such an approach for the LMN. Although the complexity of LMN increases with the amount of local linear models to form a sophisticated non-linear model, the model structure still remains generic. This fact can be beneficially exploited in the application of feedback linearization to this structure. However, when feedback linearization is considered, the stability of the internal dynamics plays a key role. Thus, the occurring internal dynamics of LMN, which directly result from the chosen model structure in identification, are analysed and the effects on the transformed system are discussed. Finally, the effectiveness of the proposed data-driven feedforward control is demonstrated by two applications: to the pre-distortion of a microelectromechanical systems loudspeaker with electrostatic actuation and to the air path of a diesel engine, where the intake manifold pressure is controlled by a variable-geometry turbocharger.