Aşırı Doldurmalı Dizel Motorda Emme Manifoldu Basıncı Modellenmesi ve Kontrolü
Muharrem Ugur Yavas
1, Prof. Dr. Metin Gokasan
21
AVL Arastirma ve Muhendislik Turkiye, Istanbul
Ugur.yavas@avl.com
2
Kontrol Mühendisliği Bölümü Istanbul Teknik Üniversitesi, Istanbul
gokasanm@itu.edu.tr
Özet
Giderek sıkılaşan motor egzost emisyonları, küçük hacimli motor tasarlama hedefleri ve gelişmiş motor control üniteleri ile EGR (egzost gaz resirkülasyonu) ve aşırı doldurma sistemleri günümüz içten yanmalı dizel motorlarda standart parçalar haline gelmiştir. Bunun sonucunda, büyük oranda iç içe geçmiş doğrusal olmayan hava yolu control problem bir çok araştırma ve farklı control algoritmalarının testleri için odak noktası olmuştur. Bu çalışmada, öncelikli hedef bir ortalama değer motor modelinin aşırı dolurma sisteminin ve EGR’ın sürdüğü emme manifoldu basıncını ve emme manifoldu hava akışını doğru şekilde hesaplamasıdır.
Ardından, SISO (tek giriş tek çıkış) yaklaşımı ile MAP (emme manifold basıncı) kontrolünün, klasik PID ve PID + ileri besleme sisteminin Ziegler Nichols ve genetic algoritma ile kalibre edilerek, testi gerçekleştirilmiştir. Motor modeli AVL firmasına ait, modelleme süresini kısaltan ve çabuk ve tutarlı modeller tasarlanmasını sağlayan Boost RT ile yapıldı. Elde edilen model Matlab Simulink platformunda çalıştıralarak, değişik kontrol algoritmalarının karşılaştırılması yapıdı.
Çalışmanın sonucunda elde edilen en büyük katkı, araç geliştirme fazında motorda ve araç üzerinde yapılacak çalışmaları kısaltacak bir çevrimdışı benzetim ortamı kurulması olmuştur. Böylelikle, genetik algoritmalar gibi yüksek hesaplama gücü ve süre gerektiren algoritmalar kullanılarak optimizasyon yapılması mümkün hale gelmiştir.
1. Giriş
Aşırı dolurmalı dizel motorlar EGR ile Nox emisyonun düşürülmesi ve turbo teknolojisi ile elde edilen düşük yakıt tüketimi ve düşük motor devirlerindeki yüksek tork sayesinde tekrar popülerleşti. Aşırı doldurma sistemi birbirine şaftla bağlı bir kompressor ve türbin sisteminden oluşur. Egzoz manifoldunda dışarı akacak egzoz gazının akış enerjisi ile döndürülen türbindeki güç ile emme manifoldundan önce bulunan kompresör çalıştırılır. Aşırı doldurma sistemi ile silindlerin içerisine sıkıştırılmış hava gönderilir. Böylece motorun volumetrik verimi ve güç/hacim oranı artar. Öte yandan, EGR valfi egzoz gazlarının bir kısmını emme manifoldu vasıtası ile silindirlere göndererek, maksimum yanma sıcaklığını düşürür, böylelikle Nox emisyonları
düşürülür. Endüstirde çoğunlukla, üzerindeki kanatçıklarla türbin gücünü kontrol edebilen VGT (variable geometry turbocharger). Bu nedenle, istenen MAP değerinin tutturulması için türbin kanatçıkları üzerindeki pozisyon kontrolü kullanılır. Diğer yandan, silindir içerisine girecek egzoz gazının miktarı EGR valfinin pozisyon kontrolü ile belirlenir. Özetle, hava yolunda iki tane kontrol çevrimi bulunur: Türbin kanatçıkları ile MAP ve EGR ile MAF (mass air flow) kontrolü.
Şekil 1. Hava Yolu Sistemi [1]
Şekil 1’de temiz havanın kompressor vasıtası ile silindirlere ardından da egzoz hattına çıkış gözükmektedir. Sıcak havanın yoğunluğunun az olması dolayısıyla hem kompressor çıkışı hem de EGR valfi sonrası soğutulur. MAP değeri kompressorün arındaki soğutucu çıkışından, MAF ise kompresör öncesinden ölçülür. Sistem dinamiği göz önünde bulundurulduğunda, hem EGR hem de VGT egzost gazları tarafından sürüldüğü için birbirlerini oldukça etkilerler. Buna rağmen, günümüz motor kontrol ünitelerinde, hava yolu problemi, sistemler arasındaki ilişkiyi gözardı ederek iki ayrı SISO çevrimi şeklinde tasarlanmıştır. Doğrusal olmayan EGR ve VGT problemine ilişkin farklı yaklaşımlar bulunmaktadır [2]-[3], ancak bu kontrol algoritmalarının hiçbiri henüz hayata geçmemiştir, aksine SISO yaklaşımı daha verimli sonuçlar vermesi için açık çevrim ileri besleme, gradyan limitleme ve
kazanç ayarlama gibi teknikler kullanılmıştır. Bu sistemler belli oranda başarı elde etse de, kalibrasyonu yapılması gereken parametre sayısının artışı ile artan geliştirme süreci;
endüstride daha düşük bedel ile en kısa sürede ürün geliştirmeyi planlayan şirketleri zor sokmuştur.
Özetle bu çalışmada, EGR ve aşırı doldurmalı dizel motorun Boost RT ile modeli geliştirilmişitr. Elde edilen model, motorun gerçteki test verileri ile karşılaştırıalarak doğrulanmıştır. Bu model MAP kontrolü için kalibre edilmiş ve farklı kontrol yaklaşımları çalışılmıştır. Sonuç olarak, klasik PID ve Klasik PID + ileri geri besleme yapısı Ziegler Nichols ve genetik algoritma ile kalibre edilmiş ve kontrolcü performansları karşılaştırılmıştır.
2. Dizel Motor Modeli
Bir önceki bölümde anlatıldığı gibi hava yolu hattında doğrusal olmayan, ölü zamanlı, histerezis ve gecikme etkili soğutucu, kompressor ve valf gibi elemanlar bulunmaktadır[4]. Literatürde, genellikle ortalama değer modelleri tercih edilmiştir. Ortalama değer modeli gerçekçi sonuçlar verecek şekilde tasarlandığında, üzerinde farklı kontrol algoritmaları denenebilir. Ancak, bu modellerde parametrize edilmesi gereken değişken sayısı, difereransiyel denklem çözümleri modelleme fazını karmaşıklaştırır. AVL Boost RT programı ise gerçek zamanlı simülasyonlara izin veren, farlı motor konseptlerine hızlıca adapte olan bir modelleme programıdır [5]. Temel olarak, dizel motor üzerindeki her komponentin ilgili parametreleri ile modeli gerçeklenir. Otomotiv terminolojisinde, havanın ve yakıtın silindirlerde buluşması, hava yolu ve yakıt yolu şeklinde incelenirken bu yapı Boost RT’de de kurulabilir. Ayrıca, programda, her eleman birbiri ile arasındaki transfere göre üç şekilde bağlanır: Isı transferi, hava akışı veya mekanik bağlantı. Şekil 2’de bu bağlamda tasarlanan yapı görülmektedir.
Şekil 2. Boost RT Modeli
Boost RT modelini doğrulamak için modele gerekli girişler beslenmiş ve model çıkışları gerçek verilerle kıyaslanmıştır.
Modelin beş girdisi vardır: Motor devri, yakıt miktarı, enjeksiyon zamanı, VGT ve EGR pozisyonu. Emilen hava öncelikle filtereden ve ardından kompresorden geçerek sıkıştırılır. Sıkıştıramdan dolayı artan sıcaklık nedeni ile soğutucu ile hava soğutulur. Ardından da giriş portu ile
silindirlere aktarılır. EGR valf pozisyonuna göre egzosdan gelen gazlar burada temiz hava ile karışır.
.
Şekil 3. Tork Karşılaştırması
Şekil 4. MAP karşılaştırması
Şekil 5. MAF karşılaştırması
Şekil 3, 4, 5, elde edilen modeling gerçek verilerle karşılaştırılmasını gösterir. Bu sonuçlar şekil 6’daki inputlar ile elde edilmiştir. İçten yanmalı motorlarda, operasyon penceresi tork (veya yakıt) ile motor devrinden oluşur. Buna bağlı olarak değişen sistem dinamiklerinden, modelleme hatsının sabit olmadığı farklı devirlerde farklı olduğu görülür.
Yine de motor modelinin gerçek veriyi küçük bir hata ile takip ettiği ve sistemin dinamiklarini yakaladığı açıktır. Bu noktada model kurulurken yapılan bazı varsayımlar belirtilmelidir.
Modellenen motorda çoklu enjeksiyon yapılırken, modelde sadece ana enjeksiyon yapılır, motorun sürtünme karakteristiği motor devri ile değişirken modelde sabit bir sürtünme katsayısı kullanılmıştır ve aşırı doldurma sisteminin bazı parametreleri kestirim yolu ile elde edilmiştir.
Şekil 6. Sistem Girişleri
3. Kontrolcü Benzetimi
Motor kontrol sistemlerinde, operason penceresine göre önceden tasarlanmış referans değerlerini içeren interpolasyon haritaları emisyonları optimize edecek şekilde tasarlanır.
Bunun için bütün çalışma bölgesinde veri toplanır. Eldeki verilere göre eksenleri motor devri ve motor yükü olacak şekilde “look up table” hazırlanır. Bu çalışmada, anlatılan durumu içeren bir benzetim ortamı oluşturulmuştur. Elde edilen motor modelinin beş girişe ihtiyacı olmasına karşın, sadece motor devri ve motor yükü ile ve oluşturulan referans noktası haritaları ile model sürülür. Operasyon penceresi motor yükü ve yakıt cinsinden belirlendiğinde buna bağlı olarak MAP, MAF ve enjeksiyon zamanı referansları hesaplanır.
Figure 7. Simulation Environment
3.1. Ziegler Nichols Metodu ile PID Kalibrasyonu
Başlangıç olarak tasarlanan PID kontrolürü Ziegler Nichols kiritk osilasyon metodu ile kalibre edildi. Buna göre integral ve türev ifadeleri sıfırlanıp, kritik osilasyon görülene kadar ,şekil 8’de görüldüğü gibi oransal kazanç artırıldı.
Şekil 8. MAP üzerinde kritik osilasyon Tablo 1 aracılığıyla, şekil 8’den elde edilen kritik osilasyon periyodu ve kritik osilasyon kazancı ile PID parametreleri hesaplandı. Şekil 9’da kontrolcü ile elde edilen sistem yanıtı görülmektedir.
Table 1. PID gains based on Ziegler Nichols Ziegler Nichols Method
Control Type Kp Ki Kd
PID 0.6 * Ku 2Kp / Tu KpTu / 8
values 600 30 7.5
Şekil 9. PID kontrolör ile sistem yanıtı 3.2. PID + Open Loop Feedforward Control
Otomotiv kontrol sistemlerinde, doğrusal olmayan sistemler ve hızlı değişen sistem dinamikleri ile başa çıkabilmek için açık çevrim ileri besleme kontrol yapısı önemli bir rol oynar.
Açık çevrim ileri besleme metodu sistemin kararlı haldeki kontrolcü çıkış pozisyonunu kaydederek bunu PID kontrolcüsünün çıkışana ekler . Metodun avantajı ise PID kazançları çok artırılmadan, açık çevrim kazancı ile sistem referans noktasına hızlıca taşınır. Toplanan verilere göre 2D interpolasyon haritaları, ileri besleme kontrolünün kazancını hesaplayacak şekilde tasarlanmıştır. Buna bağlı olarak elden edilen kontrolcü performansı ile bir önceki bölümdeki kontrolcü performansının karşılaştırılması şekil 10’da görülebilir.
Şekil 10. PID vs PID + Açıkçevrim 3.3. PID Tuned by Genetic Algorithm
Literatürde, PID kalibrasyonu için genetik algoritmaların kullanılmasına sıklıkla rastlanır. Şekil 11genetik algortima akış diyagramını gösterir. Bu çalışmada, genetik algortima için Matlab kullanılmış, iteratif hesaplamalar ile PID popülasyonları yaratılmış ve fitness durumu integral mutlak hata kriteryasına göre hesaplamnıştır.
Şekil 11. Genetik algortima akış diyagramı [6]
Ziegler Nichols ile kalibre edilen PID kontrolü başlangıç noktası olarak seçildi. Elli iterasyon ve her iterasyonda yirmi popülasyon ile elde edilen kontrolör yanıtı şekil 12’de gösterilmiştir.
Şekil 12. GA ile kalibre edilen PID sistem cevabı
Şekil 13’te sisteme ayrıca ileri beslenme eklenmiştir.
Şekil 13. İleri Beslemenin etkisi
4. Sonuçlar ve Tartışma
Şekil 14’te bütün kontrolcülerin ve kontrolcü çıkışlarının, bu örnekte VGT pozisyonu, kıyaslaması bulunmaktadır.
Şekil 14. Kontrolor kıyaslaması
Tablo 2. Kontrolör performansı ve sistem cevabı kriterleri
Controller
Over- shoot(%)
Rise Time(s)
Settling Time(sec)
%2 band
Steady State Error
PID by ZN 42 2.31 44 0
PID by ZN + FF 43 2.3 7 0
PID by GA 39 2.3 20 0
PID by GA + FF 41 2.28 6 0
Şekil 14 ve tablo 2’ye göre, en başarılı kontrolor cevabı genetik algoritma ile kalibre edilen ileri beslemeli PID’den gelmiştir. Yine, bütün kontrolorler arasında çok büyük bir performans farkı görülmemektedir.Burada, açık çevrim ileri besleme kontrolünün etkisi mevcuttur. Performansın daha da iyileştirilmesi için daha geniş iterasyon içeren bir genetik algoritma optimizasyonu yapılabilir. Bununla birilikte, Ziegler Nichols metodu kullanılarak kalibre edilen PID kontrolcüsü deneme yanılma metodu ile daha fazla geliştirebilirdi.
5. Sonuç
Bu çalışmada, özetle, Boost RT ile modellenen ve Simulink üzerinde koşturabilen, değişik kontrol algoritmalarının test edildiği bir platfrom oluşturulmuştur. Çok giriş çok çıkış özelliği taşıyan hava yolu sistemi, tek giriş tek çıkışa indirgenerek, MAP kontrol uygulaması gerçekleştirilmiştir.
Gelecek adımlarda, tek giriş tek çıkış yerine, çok giriş çok çıkış ve doğrusal olmayan sistemlere karşı başarılı olduğu bililen MPC (Model Predictive Control) uygulaması ile çalışma geliştirilecektir.
References
[1] P. Ortner, and L. Del Re, “Predictive Control of a Diesel Engine Air Path”, IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY, VOL. 15, NO.
3, MAY 2007.
[2] A. Plianos and R. Stobart, “Real-time Adaptive Predictive Control of the Diesel Engine Air-path Based on Fuzzy Parameter Estimation,” SAE Electronic Engine Controls SP-2087, 2007.
[3] M. Jankovic and I. Kolmanovsky, “Robust Nonlinear Controller for Turbocharged Diesel Engines” Proc. Of the American Control Conference, Philadelphia, 1998 [4] L. Guzzella, A. Amstutz, “Control of Diesel Engines”,
IEEE ControlSystems Magazine, Vol. 18, No. 5, pp. 53- 71, 1998
[5] AVL Boost RT – User Guide
[6] D.E. Goldberg, “Genetic Algorithms in Search, Optimization, and Machine Learning”, Addison Wesley Publishing Co., Inc., 1989