Dynamic measurement with in-cycle process excitation of HCCI combustion: The key to handle complexity of data-driven control?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Homogeneous Charge Compression Ignition (HCCI) is a low temperature combustion technique with a high potential for reducing emissions while simultaneously improving fuel consumption. However, the high sensitivity to changing boundary conditions and low combustion stability at the edges of the operating range has lead to implementation challenges. Additionally, cyclic coupling through internal exhaust gas recirculation causes cyclic variations of the process, resulting in incomplete combustion, or even misfiring. Thus, consecutive cycles must be decoupled to increase the process stability. To achieve an accurate description of the coupling effects on a cycle-to-cycle and an inner-cyclic timescale, a novel measurement methodology is presented to generate data with a high variance. For this purpose, an active process excitation is performed to capture all relevant interactions between operating and feedback variables to enable modeling of the coupling effects on both timescales. To demonstrate the potential of the methodology, the generated data is used to design multiple input, multiple output (MIMO) models for both cyclic and inner-cyclic timescales. Artificial neural networks are then utilized to address the highly nonlinear process by taking advantage of the large amount of training data. Inverse process models are then used to implement a pure cycle-to-cycle and a multiscale MIMO closed-loop controller. Compared to state-of-the-art rule-based control approaches, the process stability and its thermodynamic efficiency are significantly improved. For the multiscale MIMO controller, a reduction of the standard deviation of the indicated mean effective pressure and the combustion phasing of more than 65% is achieved. In particular, the additional inner-cyclic feedback loop achieves a remarkable reduction of the standard deviation of approximately 35% and a 1.2% higher indicated efficiency compared to the cycle-to-cycle MIMO controller. The dynamic measurement with active in-cycle process excitation has proven to be an enabler for data-driven MIMO control of HCCI on multiple timescales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle