Modellierung der Emissionen eines Benzinmotors während hochdynamischen Betriebs durch maschinelles Lernen

Um einen Verbrennungsmotor hinsichtlich Emissionen und Effizienz zu optimieren, benötigt man Modelle, die wechselhaften (»transienten«) Betrieb realistisch und echtzeitfähig abbilden. In dieser Arbeit zeigen wir, wie und weshalb Verfahren der künstlichen Intelligenz – genauer gesagt des maschinellen Lernens – genutzt werden können, um die NOx- und HC-Rohemissionen (vor Abgasnachbehandlung) bei einem Sechszylinder-Ottomotor vorherzusagen. Die Verfahren sollen das Verhalten eines Motors »erlernen«, um es dann in Simulationen realistischer wiedergeben zu können – insbesondere für realistischen, wechselhaften Betrieb des Motors.