Die vorliegende Arbeit befasst sich mit der Identifikation und Kompensation quasi-periodischer Störgrößen. Diese sind in einer bekannten Größe periodisch und zusätzlich von weiteren Größen abhängig. Als Beispiel wird das Drehmoment eines Verbrennungsmotors betrachtet, welches periodisch mit dem Kurbelwellen-Winkel ist und vom Betriebspunkt des Motors abhängt. Ausgehend von RBF-Netzen wird ein neuronales Netz mit periodischen Aktivierungsfunktionen entwickelt, das periodische Größen im Spektralbereich identifiziert. Dabei wird zwischen vorgegebenen Betriebspunkten interpoliert. Ein stabiles Lerngesetz lässt eine Verzögerung des Fehlersignals durch eine Fehler-Übertragungsfunktion und Totzeiten zu. Mit dem hochauflösenden Simulationsmodell eines Verbrennungsmotors wird das Identifikationsvermögen des neuronalen Netzes untersucht und die Verwendung seiner Gewichte zur Diagnose von Zylinderungleichförmigkeit gezeigt. Mit einem Kurbelwellen-Startergenerator als angenommenem Stellglied wird die Tilgung (d.h. Kompensation) der Drehmomentschwingung untersucht. Dabei wird die Modellierung der Kurbelwelle, ausgehend von einem starren Körper, durch Einfügen lokaler Elastizitäten schrittweise verfeinert. Abschließend wird die Tilgung mittels HIL-Simulation an einer Modell-Anlage validiert.     «

Die vorliegende Arbeit befasst sich mit der Identifikation und Kompensation quasi-periodischer Störgrößen. Diese sind in einer bekannten Größe periodisch und zusätzlich von weiteren Größen abhängig. Als Beispiel wird das Drehmoment eines Verbrennungsmotors betrachtet, welches periodisch mit dem Kurbelwellen-Winkel ist und vom Betriebspunkt des Motors abhängt. Ausgehend von RBF-Netzen wird ein neuronales Netz mit periodischen Aktivierungsfunktionen entwickelt, das periodische Größen im Spektralbe...     »

The objective of this thesis is the identification and compensation of disturbance signals that are periodic with one known signal and that optionally depend on other signals. A combustion engine is employed as example. Its torque output pulsates with the crank angle and also depends on the engine operating point. Based on RBF networks, a neural approach is designed to identify the spectra of periodic signals using interpolation between different operating points. A stable adaptive law is capable to handle error signals that have been processed by transfer functions and time delay. Employing a high-resolution simulation model of a combustion engine, identification of torque pulsation and identification-based diagnosis of cylinder unbalance are investigated. Assuming a crankshaft mounted starter generator to generate an inverse torque sequence, compensation of combustion engine torque pulsation is tested using crankshaft models of different depth. Finally, these results are validated by an HIL simulation on a model plant.     «

The objective of this thesis is the identification and compensation of disturbance signals that are periodic with one known signal and that optionally depend on other signals. A combustion engine is employed as example. Its torque output pulsates with the crank angle and also depends on the engine operating point. Based on RBF networks, a neural approach is designed to identify the spectra of periodic signals using interpolation between different operating points. A stable adaptive law is capabl...     »