Modelling and observation of exhaust gas concentrations for diesel engine control

Abstract

La Tesis Doctoral estudia la observaci'on en tiempo real de la concentraci'on en el colector de escape de 'oxidos de nitr'ogeno (NOx) y del dosado en motores diesel sobrealimentados (¿ '1 ). Para ello se combinan dos fuentes de informaci'on diferentes: ¿ Sensores capaces de proporcionar una media de dichas variables, ¿ y modelos orientados a control que estiman estas variables a partir de otras medidas del motor. El trabajo parte de la evaluaci'on de la precisi'on de los sensores, realizada mediante la comparaci'on de su medida con la proporcionada por equipos anal'¿ticos de alta precisi'on, que son usados como est'andares de calibraci'on est'atica. Tambi'en se desarrollan en la Tesis m'etodos para la calibraci'on de la din'amica del sensor; dichos m'etodos permiten identi¿car un modelo de comportamiento del sensor y revelar su velocidad de respuesta. En general, estos sensores demuestran ser precisos pero relativamente lentos. Por otra parte, se proponen modelos r'apidos para la estimaci'on de NOx y ¿ '1 . Estos m'etodos, basados en relaciones f'¿sicas, tablas de par'ametros y una serie de correcciones, emplean las medidas proporcionadas por otros sensores con el ¿n de proporcionar una estimaci'on de las variables de inter'es. Los modelos permiten una estimaci'on muy r'apida, pero resultan afectados por efectos de deriva que comprometen su precisi'on. Con el ¿n de aprovechar las caracter'¿sticas din'amicas del modelo y mantener la precisi'on en estado estacionario del sensor, se proponen t'ecnicas de fusi'on de la informaci'on basadas en la aplicaci'on de ¿ltros de Kalman (KF). En primer lugar, se dise¿na un KF capaz de combinar ambas fuentes de informaci'on y corregir en tiempo real el sesgo entre las dos se¿nales. Posteriormente, se estudia la adaptaci'on en tiempo real de los par'ametros del modelo con el ¿n de corregir de forma autom'atica los problemas de deriva asociados al uso de modelos. Todos los m'etodos y procedimientos desarrollados a lo largo de la presente Tesis Doctoral se han aplicado de forma experimental a la estimaci'on de NOx y ¿ '1 . De forma adicional, la Tesis Doctoral desarrolla aspectos relativos a la transferencia de estos m'etodos a los motores de serie.

The dissertation covers the problem of the online estimation of diesel engine exhaust concentrations of NOx and '1. Two information sources are utilised: ¿ on-board sensors for measuring NOx and '1, and ¿ control oriented models (COM) in order to predict NOx and '1. The evaluation of the static accuracy of these sensors is made by comparing the outputs with a gas analyser, while the dynamics are identified on-board by perform- ing step-like transitions on NOx and '1 after modifying ECU actuation variables. Different methods for identifying the dynamic output of the sensors are developed in this work; these methods allow to identify the time response and delay of the sensors if a sufficient data set is available. In general, these sensors are accurate but present slow responses. Afterwards, control oriented models for estimating NOx and '1 are proposed. Regarding '1 prediction, the computation is based on the relative fuel-to-air ratio, where fuel comes from an ECU model and air mass flow is measured by a sensor. For the case of NOx, a set-point relative model based on look-up tables is fitted for representing nominal engine emissions with an exponential correction based on the intake oxygen variation. Different corrections factor for modeling other effects such as the thermal loading of the engine are also proposed. The model is able to predict NOx fast with a low error and a simple structure. Despite of using models or sensors, model drift and sensor dynamic deficiencies affect the final estimation. In order to solve these problems, data fusion strategies are proposed by combining the steady-state accuracy of the sensor and the fast estimation of the models by means of applying Kalman filters (KF). In a first approach, a drift correction model tracks the bias between the model and the sensor but keeping the fast response of the model. In a second approach, the updating of look-up tables by using observers is coped with different versions based on the extended Kalman filter (EKF). Particularly, a simplified KF allows to observe the parameters with a low computational effort. Finally, the methods and algorithms developed in this work are combined and applied to the estimation of NOx and '1. Additionally, the dissertation covers aspects relative to the implementation of the methods in series engines.