[論文レビュー] Nonlinear Model Predictive Control of A Gasoline HCCI Engine Using Extreme Learning Machines

Vijay Manikandan Janakiraman, XuanLong Nguyen+1 more|arXiv (Cornell University)|Jan 16, 2015

Advanced Combustion Engine Technologies参考文献 36被引用数 3

ひとこと要約

本稿では、実験データから非線形エンジン動態を学習するための極端学習機械（ELM）を用いた非線形モデル予測制御（MPC）フレームワークを、ガソリンHCCIエンジンに提案する。ELMモデルにより、高速かつ高精度な複数ステップ先予測が可能となり、MPCコントローラーはリアルタイムで多入力多出力制御を効率的に行い、状態およびアクチュエータ制約を満たす。シミュレーションでは、ロバストな追従性と制約満足性が確認された。

ABSTRACT

Homogeneous charge compression ignition (HCCI) is a futuristic combustion technology that operates with a high fuel efficiency and reduced emissions. HCCI combustion is characterized by complex nonlinear dynamics which necessitates a model based control approach for automotive application. HCCI engine control is a nonlinear, multi-input multi-output problem with state and actuator constraints which makes controller design a challenging task. Typical HCCI controllers make use of a first principles based model which involves a long development time and cost associated with expert labor and calibration. In this paper, an alternative approach based on machine learning is presented using extreme learning machines (ELM) and nonlinear model predictive control (MPC). A recurrent ELM is used to learn the nonlinear dynamics of HCCI engine using experimental data and is shown to accurately predict the engine behavior several steps ahead in time, suitable for predictive control. Using the ELM engine models, an MPC based control algorithm with a simplified quadratic program update is derived for real time implementation. The working and effectiveness of the MPC approach has been analyzed on a nonlinear HCCI engine model for tracking multiple reference quantities along with constraints defined by HCCI states, actuators and operational limits.

研究の動機と目的

• 厳密な状態およびアクチュエータ制約を伴う高非線形性・多入力多出力のHCCIエンジンを制御する課題に対処する。
• HCCI制御システム設計における第一原理モデルの長時間の開発と高コストなキャリブレーションの課題を克服する。
• 実装に適したリアルタイム動作を想定した、データ駆動型で計算効率の良い制御フレームワークを開発する。
• 単純化仮定なしに複雑な非線形エンジン動態を捉える機械学習モデルを用いた予測制御を実現する。
• ELMベースのモデルをMPCフレームワークに統合した場合の、安定性および性能制約を満たすリアルタイムHCCIエンジン制御の実現可能性を示す。

提案手法

• 実験的シリンダー内圧力および制御入力データを用いて、再帰的極端学習機械（ELM）を用いてHCCIエンジンの非線形動態を同定・モデル化する。
• ELMの解析的微分構造を活用し、最適化に必要な正確な勾配を計算することで、数値微分に起因する問題を回避する。
• MPC問題を凸二次計画問題として定式化し、効率的なQPソルバを用いて高速かつリアルタイムの解法を実現する。
• 状態制約（例：最大圧力上昇率 $R_{ ext{max}}$）およびアクチュエータ制限をMPC最適化フレームワークに直接組み込む。
• 制御性能を維持しつつ計算負荷を低減するための簡素化されたMPC更新戦略を設計する。
• ノイズを含む非線形HCCIエンジンモデルを用いてコントローラーを検証し、変動するリファレンス軌道（例：正弦波形IMEPおよびCA50指令）を想定する。

実験結果

リサーチクエスチョン

• RQ1 ELMベースのモデルは、実験データからHCCIエンジンの非線形的で複数ステップ先の動態を正確に捉えることができるか？
• RQ2 ELMモデルを用いたMPCコントローラーは、許容可能な計算複雑性のもとでリアルタイム制御性能を達成できるか？
• RQ3 ELM-MPCフレームワークは、$R_{ ext{max}}$ などの安定性限界を含む複数の制約をどれほど効果的に処理できるか？
• RQ4 アクティブな制約（例：$R_{ ext{max}} < 3.5$ bar/deg CA）を含めることで、追従性能および制御自由度にどのような影響が生じるか？
• RQ5 現実的な運転条件下でも、複雑で時間変動するリファレンス信号（例：正弦波形出力および燃焼位相指令）を正確に追従できるか？

主な発見

• ELMモデルは、第一原理モデルに依存せずに、時間的に複数ステップ先のHCCIエンジン挙動を高精度に予測でき、効果的な予測制御を可能にした。
• MPCコントローラーは、IMEPおよびCA50の正弦波形リファレンス指令を最小限の定常状態誤差で追従し、ロバストなセットポイント追従性を示した。
• $R_{ ext{max}}$ 制約が有効（3.5 bar/deg CAに設定）であった場合、MPCは過大な圧力上昇率を回避するため、インジェクション開始時刻（SOI）指令を低減した。
• 制約処理により制御自由度が低下したが、安定性限界内での安全な運転を維持した。
• MPCの計算複雑性は管理可能であり、凸QP定式化により、オンボードECUへの実装に適したリアルタイム実行が可能であった。
• ELM-MPCフレームワークは、性能、制約満足性、計算効率のバランスを効果的に実現し、実世界のHCCIエンジン制御における強い可能性を示した。