• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >Real-time MPC Design Based on Machine Learning for a Diesel Engine Air Path System
【24h】

Real-time MPC Design Based on Machine Learning for a Diesel Engine Air Path System

机译：基于机器学习的实时MPC设计柴油机空气路径系统

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This study investigated a control design method based on machine learning to achieve non-linear model predictive control (MPC) at a low computational load. In addition, we describe examples of the application of this method to a diesel engine air path system. The solution to the optimal control problem determined at each point in time by MPC depends on several parameters at that time. Thus, if the relationship between the solution and the parameters could be approximated in advance using machine learning, solving this problem online would become unnecessary, and the control computation time could be reduced. We designed a controller that operates the valves of the air path system using this method and used a simulation to verify that this resulted in a favorable tracking performance of the target values. The computation time of the approximated MPC controller was 0.022 ms.
机译：本研究研究了基于机器学习的控制设计方法，以实现低计算负载的非线性模型预测控制（MPC）。此外，我们描述了该方法在柴油发动机空气路径系统中应用该方法的示例。通过MPC在每个时间点确定的最佳控制问题的解决方案取决于当时的几个参数。因此，如果解决方案和参数之间的关系可以预先使用机器学习近似，则在线解决该问题将变得不必要，并且可以减少控制计算时间。我们设计了一种控制器，该控制器使用该方法操作空气路径系统的阀门，并使用模拟来验证这导致目标值的良好跟踪性能。近似MPC控制器的计算时间为0.022毫秒。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号