Skip to main content
SpringerLink
Log in

Stationäre Motorvermessung mit verschiedenen Methoden und Modellen

  • Chapter
Elektronisches Management motorischer Fahrzeugantriebe

  • 11k Accesses

Zusammenfassung

Die kontinuierliche Verschärfung der gesetzlichen Vorgaben bezüglich Emissionen stellt die Motorenentwickler vor neue Herausforderungen (Bild 6-1, [1, 2]). Gleichzeitig ist zu erwarten, dass sich der langfristige Trend der letzten Jahren bei den Kraftstoffpreisen [3] trotz kurzzeitiger Schwankungen fortsetzen wird (Bild 6-1 rechts, Jahresmittelwerte). Auf die steigenden Kraftstoffpreise sowie die Verpflichtungen bezüglich der CO2- Emissionswerte kann dauerhaft nur mit Kraftstoff sparenden Motoren reagiert werden.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 69.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 89.99
Price excludes VAT (USA)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Robert Bosch GmbH (Hrsg.): Kraftfahrtechnisches Taschenbuch. Wiesbaden: Vieweg Verlag, 2007

    Google Scholar 

  2. Europäisches Parlament: Strengere Abgasnormen für Kraftfahrzeuge – EP beschließt Euro 5- und Euro 6-Normen, REF: 20061207IPR01151, 13.12.2006

    Google Scholar 

  3. Mineralölwirtschaftsverband: http://www.mwv.de/

  4. Isermann, R.; Zimmerschied, R.; Weber, M.: Stationäre und dynamische Motorvermessung zur Auslegung von Steuerkennfeldern – Eine kurze Übersicht. In: Automatisierungstechnik 53 (2005), Nr. 2, S. 87–94

    Article  Google Scholar 

  5. Isermann, R. (Hrsg.): Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren. Springer Verlag, 2003

    Google Scholar 

  6. Unland, S.; Stuhler, H.; Stuber, A.: Neue effiziente Applikationsverfahren für die physikalisch basierte Motorsteuerung ME7. In: Motortechnische Zeitschrift MTZ (1998), S. 744–751

    Google Scholar 

  7. Fischer, M.; Röpke, K.: Effiziente Applikation von Motorsteuerungsfunktionen für Ottomotoren. In: Motortechnische Zeitschrift MTZ (2000), S. 562–570

    Google Scholar 

  8. Röpke, K.: Design of Experiments. Verlag Moderne Industrie, 2005

    Google Scholar 

  9. Gundlach, C.: Entwicklung eines ganzheitlichen Vorgehensmodells zur problemorientierten Anwendung der statistischen Versuchsplanung. Diss., Universität Kassel, 2004

    Google Scholar 

  10. Montgomery, D. C.: Design and Analysis of Experiments. John Wiley & Sons, 2005

    Google Scholar 

  11. Klein, B.: Versuchsplanung – DoE. Oldenbourg Wissenschaftsverlag, 2004

    Google Scholar 

  12. Kleppmann, W.: Taschenbuch Versuchsplanung. Carl Hanser Verlag, 1998

    Google Scholar 

  13. Orth, A.; Wenzel, D.: Leitfaden Modellgestützte Versuchsplanung und Optimierung. Hessisches Zentrum für Qualitätssicherung und Qualitätsmanagement (HZQ)

    Google Scholar 

  14. Santner, J. T.; Williams, B. J.; Notz, W. I.: The Design and Analysis of Computer Experiments. Springer Verlag, 2003

    Google Scholar 

  15. Isermann, R.: Identifikation dynamischer Systeme I & II. Springer-Verlag, 1992

    Google Scholar 

  16. Mitchell, J. T.: An Algorithm for the Construction of D-Optimal Experimental Designs. In: Technometrics 42(2000), S. 48–54

    Article  Google Scholar 

  17. Hafner, M.: Modellbasierte stationäre und dynamische Optimierung von Verbrennungsmotoren am Motorenprüfstand unter Verwendung neuronaler Netze. Diss., TU Darmstadt, 2002

    Google Scholar 

  18. Schüler, M.: Stationäre Optimierung der Motorsteuerung von PKW-Dieselmotoren mit Abgasturbolader durch Einsatz schneller Neuronaler Netze. Diss., Technische Universität Darmstadt, 2001

    Google Scholar 

  19. Myers, R. H.: Classical and modern regression with applications. PWS-Kent Publishing Company, 1990

    Google Scholar 

  20. Bleymüller, J.; Gehlert, G.; Gülicher, H.: Statistik für Wirtschaftswissenschaftler. Verlag Franz Vahlen, 2004

    Google Scholar 

  21. Zell, A.: Simulation neuronaler Netze. Oldenbourg Verlag, 1997

    Google Scholar 

  22. Töpfer, S.: Hierarchische neuronale Modelle für die Identifikation nichtlinearer Systeme. Diss., Institut für Automatisierungstechnik der TU Darmstadt, 2002

    Google Scholar 

  23. Nelles, O.: Nonlinear System Identification. Springer-Verlag, 2001

    Google Scholar 

  24. Nelles, O.: Nonlinear System Identification with Local Linear Neuro-Fuzzy Models. Diss., TU Darmstadt, 1999

    Google Scholar 

  25. Backhaus, K.; Erichson, B.; Plinke, W.; Weiber, R.: Multivariate Analysemethoden. Springer-Verlag, 2003

    Google Scholar 

  26. Isermann, R.: Fault-Diagnosis Systems. Springer-Verlag, 2006

    Google Scholar 

  27. Hartung, J.: Statistik. Oldenbourg Wissenschaftsverlag, 2002

    Google Scholar 

  28. Weber, R.: Vergleich der Prognosen von Künstlichen Neuronalen Netzen, von Arima- Modellen und der Spektralanalyse mit unterschiedlichen Gütemaßen. Forschungsbericht, Technische Universität Berlin, 1995

    Google Scholar 

  29. Davison, A. C.; Hinkley, D. V.: Bootstrap Methods and their Application. Cambridge University Press, 2003

    Google Scholar 

  30. Jakubek, S.; Keuth, N.: Optimierte Neuro-Fuzzy-Modelle für Auslegungsprozesse und Simulation im Automotive-Bereich. In: Automatisierungstechnik (2005), S. 425–433

    Google Scholar 

  31. Assfalg, I.: Die Bootstrap-Methode zur internen Validierung von Prognosemodellen. Diplomarbeit, Hochschule Ulm, 2003

    Google Scholar 

  32. Kötter, H.; Schneider, F.; Fang, F.; Gussner, T.; Isermann, R.: Robust Regression and Outlier Detection for Combustion Engine Measurements. In: Design of Experiments (DoE) in Engine Development, Expert-Verlag, 2007

    Google Scholar 

  33. AVL Graz: Application Guide CAMEO V2.4, 2005

    Google Scholar 

  34. www.dieselnet.com/standards

  35. Braess, H.-H.; Seiffert, U. (Hrsg.): Vieweg Handbuch Kraftfahrzeugtechnik. Wiesbaden: Vieweg Verlag, 2007,

    Google Scholar 

  36. Domschke, W.; Drexl, A.: Einführung in Operations Research. Springer Verlag, 2005

    Google Scholar 

  37. Lippe, W.: Soft-Computing. Springer-Verlag, 2006

    Google Scholar 

  38. Nissen, V.: Evolutionäre Algorithmen. Wiesbaden: Vieweg Verlag, 1997

    MATH  Google Scholar 

  39. Pohlheim, H.: Evolutionäre Algorithmen. Springer Verlag, 1999

    Google Scholar 

  40. Schneider, F.: Entwurf eines genetischen Algorithmus zur Optimierung von Verbrennungsmotoren. Diplomarbeit, TU Darmstadt, 2007

    Google Scholar 

  41. Adamy, J.: Fuzzy Logik, Neuronale Netze und Evolutionäre Algorithmen. Skript, 2001

    Google Scholar 

  42. Mühlbein, H.; Schlierkamp-Voosen, D.: Predictive models for the breeder algorithm in continuous parameter optimization. In: Evolutionary Computation 1 (1993), S. 25–49

    Article  Google Scholar 

  43. Deb, K.: Agrawal, R.: Simulated binary crossover for continuous search space. In: Complex Systems 9 (1995), S. 115–148

    MATH  MathSciNet  Google Scholar 

  44. Deb, K.: An efficient constraint handling method for genetic algorithms. Kanpur Genetic Algorithms Laboratory, 1998

    Google Scholar 

  45. Knödler, K.: Methoden der restringierten Online-Optimierung zur Basisapplikation moderner Verbrennungsmotoren. Diss., Universität Tübingen, 2004

    Google Scholar 

  46. Kötter, H.: Innovative Methoden zur Vermessung von Verbrennungsmotoren. Interner Bericht, IAT, TU Darmstadt, 2008

    Google Scholar 

  47. Kötter, H.: Innovative Motorvermessung mit optimierten Testsignalen. Forschungsvereinigung Verbrennungskraftmaschinen (FVV), Frankfurt, Abschlussbericht, Heft 183-2008

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. TRW Automotive, Global Control Functions, TechCenter Düsseldorf, Düsseldorf

    Dipl.-Ing. Hinrich Kötter

  2. Institut für Automatisierungstechnik, TU Darmstadt, Darmstadt

    Dipl.- Math. Heiko Sequenz

Authors
  1. Dipl.-Ing. Hinrich Kötter
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Dipl.- Math. Heiko Sequenz
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Institut für Automatisierungstechnik, TU Darmstadt, Darmstadt

    Rolf Isermann

Rights and permissions

Reprints and permissions

Copyright information

© 2010 Vieweg+Teubner | GWV Fachverlage GmbH

About this chapter

Cite this chapter

Kötter, H., Sequenz, H. (2010). Stationäre Motorvermessung mit verschiedenen Methoden und Modellen. In: Isermann, R. (eds) Elektronisches Management motorischer Fahrzeugantriebe. Vieweg+Teubner. https://doi.org/10.1007/978-3-8348-9389-5_6

Download citation

Publish with us

Policies and ethics

Search

Navigation