論文の概要: Data-driven Control with Real-time Uncertainty Compensation for Multi-Fuel Engines

• arxiv url: http://arxiv.org/abs/2606.16171v1
• Date: Mon, 15 Jun 2026 03:35:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.059379
• Title: Data-driven Control with Real-time Uncertainty Compensation for Multi-Fuel Engines
• Title（参考訳）: 実時間不確かさ補償を用いたマルチ燃料エンジンのデータ駆動制御
• Authors: Rajasree Sarkar, Arunava Banerjee, Sathya Aswath Govind Raju, Ishan Berk Altiner, Zongxuan Sun, Kenneth Kim, Chol-Bum Mike Keown,
• Abstract要約: マルチ燃料圧縮点火(CI)エンジンは、より優れた出力密度と燃料の柔軟性を提供する。 幅広い運転条件で一貫した最適な燃焼処理を実現することは、大きな課題である。 本稿では,CIエンジンの燃焼制御のためのデータ駆動型リアルタイム不確実性補償フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.4658400971135652
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-fuel compression ignition (CI) engines offer superior power density and fuel flexibility. However, achieving consistent and optimal combustion phasing across a wide range of operating conditions remains a major challenge, particularly in the presence of modeling uncertainties. This paper presents a novel, data-driven real-time uncertainty compensation framework for combustion control in multi-fuel CI engines. The proposed approach introduces a pseudo-engine speed that enables dynamic adaptation of control inputs in response to uncertainty affecting the engine. To model the underlying combustion process, a Gaussian Process Regression (GPR) model is first trained on available input-output data, capturing the nonlinear and fuel-dependent behavior across varying operating conditions. Control inputs are then synthesized through model inversion of the learned GPR surrogate and augmented with an uncertainty compensator designed to mitigate deviations caused by dynamic variations in operating conditions and model inaccuracies. This integrated control strategy allows for real-time input corrections within a finite number of combustion cycles. Theoretical analysis establishes finite-time convergence guarantees for the proposed controller. Simulation results demonstrate that the proposed method steers the combustion phasing to the desired value in real-time, providing a scalable and adaptive control solution for multi-fuel CI engine operation.
• Abstract（参考訳）: マルチ燃料圧縮点火(CI)エンジンは、より優れた出力密度と燃料の柔軟性を提供する。 しかしながら、広範囲の運転条件で一貫した最適な燃焼処理を実現することは、特に不確実性モデリングの存在において大きな課題である。 本稿では,多燃料CIエンジンにおける燃焼制御のための新しい,データ駆動型リアルタイム不確実性補償フレームワークを提案する。 提案手法では,エンジンに影響を及ぼす不確実性に応じて,制御入力の動的適応を可能にする擬似エンジン速度を導入する。 基礎となる燃焼過程をモデル化するために、ガウスプロセス回帰(GPR)モデルがまず利用可能な入力出力データに基づいて訓練され、様々な運転条件における非線形および燃料依存の挙動を捉える。 制御入力は、学習したGPRサロゲートのモデル反転を通じて合成され、動作条件やモデル不正確性の動的変動に起因する偏差を緩和する不確実性補償器で強化される。 この統合制御戦略は、有限個の燃焼サイクル内でリアルタイムな入力補正を可能にする。 理論解析は、提案した制御器に対する有限時間収束保証を確立する。 シミュレーションの結果, 提案手法は, 多燃料CIエンジンの動作にスケーラブルで適応的な制御ソリューションを提供するために, 所望値の燃焼処理をリアルタイムに行うことを実証した。

関連論文リスト

• Fractional-order Modeling for Nonlinear Soft Actuators via Particle Swarm Optimization [49.34452620841728]
  本稿では, ソフト材料の動的挙動を捉えるために, 分数次微分方程式(FODE)に基づく革新的なモデリング手法を提案する。 提案手法は,ソフトアクチュエータに固有の複雑な変形現象を効果的に表現する。
  論文  参考訳（メタデータ） (2025-12-20T04:46:25Z)
• Lightweight Task-Oriented Semantic Communication Empowered by Large-Scale AI Models [66.57755931421285]
  大規模人工知能(LAI)モデルは、リアルタイム通信シナリオにおいて重大な課題を提起する。 本稿では,LAIモデルから知識を抽出・凝縮するために知識蒸留(KD)技術を活用することを提案する。 本稿では,反復推論の必要性を排除したプレストア圧縮機構を備えた高速蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-16T08:42:16Z)
• Automated and Risk-Aware Engine Control Calibration Using Constrained Bayesian Optimization [0.0]
  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。
  論文  参考訳（メタデータ） (2025-03-26T12:32:53Z)
• Stabilization Analysis and Mode Recognition of Kerosene Supersonic Combustion: A Deep Learning Approach Based on Res-CNN-beta-VAE [13.734716568876378]
  スクラムジェットエンジンは 超音速車両の 重要な推進システムです 燃料噴射、乱流燃焼、空力効果の複雑な相互作用は、スクラムジェットエンジンの燃焼安定性を確保するために重要である。 本研究は,Residual Contemporalal Neural Network-beta-volutional Autoencoder(Res-CNN-beta-VAE)モデルと教師なしクラスタリング(K-means)を併用した,新たな学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-17T03:00:01Z)
• Gradient-Free Generation for Hard-Constrained Systems [41.558608119074755]
  既存の制約付き生成モデルは勾配情報に大きく依存しており、いくつかの分野において計算コストが低い場合が多い。 本稿では,ゼロショット方式で制約を正確に満たすために,事前学習された非拘束フローマッチングモデルを適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-02T18:36:26Z)
• A conditional latent autoregressive recurrent model for generation and forecasting of beam dynamics in particle accelerators [46.348283638884425]
  本稿では,加速器内の荷電粒子のダイナミクスを学習するための2段階の非教師付きディープラーニングフレームワークであるLatent Autoregressive Recurrent Model (CLARM)を提案する。 CLARMは、潜在空間表現をキャプチャしてデコードすることで、様々な加速器サンプリングモジュールでプロジェクションを生成することができる。 その結果,提案手法の予測能力と生成能力は,様々な評価指標と比較した場合に有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-03-19T22:05:17Z)
• Mixed-Integer Optimal Control via Reinforcement Learning: A Case Study on Hybrid Electric Vehicle Energy Management [2.0762193863564926]
  本稿では,2つの遅延深い決定論的アクターQ(TD3AQ)を最適制御問題に適用するハイブリッドアクション強化学習(HARL)アルゴリズムを提案する。 TD3AQはアクター批判とQ-ラーニングの両方の利点を組み合わせ、離散的かつ連続的なアクション空間を同時に扱うことができる。 提案手法はプラグインハイブリッド電気自動車(PHEV)のエネルギー管理問題に対して評価される。
  論文  参考訳（メタデータ） (2023-05-02T14:42:21Z)
• Applying Physics-Informed Enhanced Super-Resolution Generative Adversarial Networks to Turbulent Premixed Combustion and Engine-like Flame Kernel Direct Numerical Simulation Data [0.0]
  この研究は、最近開発されたPIESRGANによる乱流予混合燃焼のモデリング手法を推し進めている。 その結果, 全乱流予混合火炎核の直接数値シミュレーションデータに対して, 先行実験と後続試験に良好な結果が得られた。
  論文  参考訳（メタデータ） (2022-10-28T15:27:46Z)
• 3D Convolutional Selective Autoencoder For Instability Detection in Combustion Systems [6.4520575698063105]
  エンジンの燃焼室で発生する不安定性は数学的に複雑すぎてモデル化できない。 本稿では3D畳み込み選択型オートエンコーダ(3D-CSAE)と呼ばれる新しいディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-01-06T05:29:00Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。