論文の概要: Automated and Risk-Aware Engine Control Calibration Using Constrained Bayesian Optimization

• arxiv url: http://arxiv.org/abs/2503.20493v1
• Date: Wed, 26 Mar 2025 12:32:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-27 13:18:05.782574
• Title: Automated and Risk-Aware Engine Control Calibration Using Constrained Bayesian Optimization
• Title（参考訳）: 制約付きベイズ最適化を用いた自動・リスク対応エンジン制御校正
• Authors: Maarten Vlaswinkel, Duarte Antunes, Frank Willems,
• Abstract要約: 筒内圧力曲線形状に基づく自己学習校正法を提案する。 最大熱機関効率を実現するため、最適化問題は、実際の気筒内圧力曲線と理想化熱力学サイクルとの差を最小化することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Decarbonization of the transport sector sets increasingly strict demands to maximize thermal efficiency and minimize greenhouse gas emissions of Internal Combustion Engines. This has led to complex engines with a surge in the number of corresponding tunable parameters in actuator set points and control settings. Automated calibration is therefore essential to keep development time and costs at acceptable levels. In this work, an innovative self-learning calibration method is presented based on in-cylinder pressure curve shaping. This method combines Principal Component Decomposition with constrained Bayesian Optimization. To realize maximal thermal engine efficiency, the optimization problem aims at minimizing the difference between the actual in-cylinder pressure curve and an Idealized Thermodynamic Cycle. By continuously updating a Gaussian Process Regression model of the pressure's Principal Components weights using measurements of the actual operating conditions, the mean in-cylinder pressure curve as well as its uncertainty bounds are learned. This information drives the optimization of calibration parameters, which are automatically adapted while dealing with the risks and uncertainties associated with operational safety and combustion stability. This data-driven method does not require prior knowledge of the system. The proposed method is successfully demonstrated in simulation using a Reactivity Controlled Compression Ignition engine model. The difference between the Gross Indicated Efficiency of the optimal solution found and the true optimum is 0.017%. For this complex engine, the optimal solution was found after 64.4s, which is relatively fast compared to conventional calibration methods.
• Abstract（参考訳）: 輸送セクターの脱炭は、熱効率を最大化し、内燃機関の温室効果ガス排出量を最小化するという厳しい要求がますます高まっている。 これは、アクチュエータセットポイントと制御設定で対応する調整可能なパラメータの数が急増する複雑なエンジンに繋がった。 したがって、開発時間とコストを許容レベルに保つためには、自動キャリブレーションが不可欠である。 本研究では, 筒内圧力曲線の形状に基づいて, 革新的な自己学習校正手法を提案する。 この方法は、主成分分解と制約付きベイズ最適化を組み合わせる。 最大熱機関効率を実現するため、最適化問題は、実際の気筒内圧力曲線と理想化熱力学サイクルとの差を最小化することを目的としている。 圧力の主成分重量のガウス過程回帰モデルを実際の運転条件の測定により連続的に更新することにより、平均気筒内圧力曲線とその不確実性境界を学習する。 この情報はキャリブレーションパラメータの最適化を推進し、運転安全性や燃焼安定性に関連するリスクや不確実性に対処しながら自動的に適応する。 このデータ駆動方式は、システムの事前の知識を必要としない。 提案手法は, 反応制御圧縮着火エンジンモデルを用いてシミュレーションを行った。 最適解のグロス指示効率と真の最適解との差は0.017%である。 この複雑なエンジンでは、64.4sの後に最適解が見つかったが、これは従来のキャリブレーション法に比べて比較的高速である。

関連論文リスト

• PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing [66.27103948750306]
  PearSANは、大きな設計空間を持つ逆設計問題に適用可能な機械学習支援最適化アルゴリズムである。 ピアソン相関代理モデルを用いて、真の設計計量のメリットの図形を予測する。 最先端の最大設計効率は97%で、少なくとも以前の方法よりも桁違いに高速である。
  論文  参考訳（メタデータ） (2024-12-26T17:02:19Z)
• Combustion Condition Identification using a Decision Tree based Machine Learning Algorithm Applied to a Model Can Combustor with High Shear Swirl Injector [0.0]
  燃焼はガスタービンエンジンの主要な工程であり、性能を高めるために効率的な空気-燃料混合が必要である。 高シャースワール噴射器は、燃焼効率と排出を決定づける重要な要因である燃料の微粒化と混合を改善するために一般的に用いられる。 本研究では, メタンを燃料とする単一缶燃焼器の対向回転式高速旋回噴射装置から, 音圧および高速火炎画像を分析し, 燃焼条件を分類するために, 決定木に基づく機械学習アルゴリズムを用いた。
  論文  参考訳（メタデータ） (2024-09-18T13:09:18Z)
• A Novel A.I Enhanced Reservoir Characterization with a Combined Mixture of Experts -- NVIDIA Modulus based Physics Informed Neural Operator Forward Model [0.6282171844772422]
  我々は,貯水池履歴マッチングの課題を効果的に解決するために,貯水池のキャラクタリゼーションのための高度なワークフローを開発した。 この方法は、洗練されたクラスタ分類回帰フレームワークにおいて、フォワードモデルとして物理インフォームドニューラル演算子(PINO)を統合する。 我々の統合モデルはPINO-Res-Simと呼ばれ、圧力、飽和度、石油、水、ガスの生産速度を含む重要なパラメータを出力します。
  論文  参考訳（メタデータ） (2024-04-20T10:28:24Z)
• Data-Based In-Cylinder Pressure Model with Cyclic Variations for Combustion Control: A RCCI Engine Application [0.0]
  シリンダー圧力に基づく制御は、先進的な予混合燃焼の概念の鍵となる。 本研究では, 筒内圧力と周期変動をデータベース手法を用いてモデル化した。 提案手法のポテンシャルは, ディーゼルおよびE85で作動する反応性制御圧縮着火エンジンで実証される。
  論文  参考訳（メタデータ） (2024-03-06T10:44:55Z)
• An Optimization-based Deep Equilibrium Model for Hyperspectral Image Deconvolution with Convergence Guarantees [71.57324258813675]
  本稿では,ハイパースペクトル画像のデコンボリューション問題に対処する新しい手法を提案する。 新しい最適化問題を定式化し、学習可能な正規化器をニューラルネットワークの形で活用する。 導出した反復解法は、Deep Equilibriumフレームワーク内の不動点計算問題として表現される。
  論文  参考訳（メタデータ） (2023-06-10T08:25:16Z)
• Learning Accurate Performance Predictors for Ultrafast Automated Model Compression [86.22294249097203]
  フレキシブルネットワーク展開のための超高速自動モデル圧縮フレームワークSeerNetを提案する。 本手法は,探索コストを大幅に削減した競合精度・複雑度トレードオフを実現する。
  論文  参考訳（メタデータ） (2023-04-13T10:52:49Z)
• Movement Penalized Bayesian Optimization with Application to Wind Energy Systems [84.7485307269572]
  文脈ベイズ最適化(CBO)は、与えられた側情報を逐次決定する強力なフレームワークである。 この設定では、学習者は各ラウンドでコンテキスト(天気条件など)を受け取り、アクション(タービンパラメータなど)を選択する必要がある。 標準的なアルゴリズムは、すべてのラウンドで意思決定を切り替えるコストを前提としませんが、多くの実用的なアプリケーションでは、このような変更に関連するコストが最小化されるべきです。
  論文  参考訳（メタデータ） (2022-10-14T20:19:32Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• Automated Controller Calibration by Kalman Filtering [2.2237337682863125]
  提案手法は広範囲のコントローラに適用可能である。 この方法は、オンラインで堅牢にパラメータをチューニングし、計算効率が高く、データストレージの要件が低く、実装が容易である。 高忠実度車両シミュレータCarSimによるシミュレーション研究により、複雑な力学系のコントローラをオンラインで校正できることが示されている。
  論文  参考訳（メタデータ） (2021-11-21T14:57:11Z)
• Parameterized Temperature Scaling for Boosting the Expressive Power in Post-Hoc Uncertainty Calibration [57.568461777747515]
  我々は新しいキャリブレーション手法であるパラメタライズド温度スケーリング(PTS)を導入する。 最新のポストホックキャリブレータの精度保持性能は、その本質的な表現力によって制限されることを実証します。 当社の新しい精度保存手法が,多数のモデルアーキテクチャやデータセット,メトリクスにおいて,既存のアルゴリズムを一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2021-02-24T10:18:30Z)
• A novel machine learning-based optimization algorithm (ActivO) for accelerating simulation-driven engine design [0.0]
  提案手法は,弱い学習者と強い学習者の予測をアクティブな学習ループ内で活用するサロゲートに基づくスキームである。 ActivOは、グローバル最適に到達するために必要な機能評価の数を減らし、設計までの時間を80%削減します。
  論文  参考訳（メタデータ） (2020-12-08T13:39:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。