Fast running model and mean value model of internal combustion engine for hybrid powertrain

In the framwork of the growing road vehicles’electrification, the series-hybrid powertrain is one of the most interesting solutions. This architecture allows a more efficient usage of the internal combustion engine (ICE), which works as an electricity generator under certain operating conditions. The “Onboard Powerplant” project, carried out by the Vienna Technical University, deals with the optimisation of the integration of the ICE with the electric motors in a hybrid powertrain. A detailed 1D model of the engine was built and calibrated. Nevertheless, this model proved to be too slow, considering the large amount of parameters involved in the optimisation process. The goal of this work is to develop two simplified models of the ICE, able to significantly reduce the run time and to maintain a reasonable accuracy. The first model we developed is called “Fast Running Model” (FRM). In this model the exhaust and intake systems geometry has been simplified, yet trying to keep the thermo-fluid dynamics effects of the problem on the cylinders behaviour. The second model we built is the “Mean Value Model” (MV Model). Here, besides a further geometry simplification, the four detailed cylinders are replaced by a single mean value cylinder, a map-based cylinder. The mapped quantities, i.e. volumetric efficiency, indicated mean effective pressure, and exhaust gas temperature are controlled via an artificial neural network, properly trained through the data generated by a DOE. The FRM provides results ca. 5% different from the detailed model, while the run time is from 6 to 9 times Real Time (RT). The MV Model shows a significant run time reduction, being nearly or faster than RT. The accuracy is slightly worse than the FRM. In the end, the two simplified models are tested over the New European Driving Cycle (NEDC). Again, the FRM showed a very good accuracy and a relative slowness, while the Mean Value Model showed a very fast run time, faster than RT, and an improvable accuracy.

Nell’ambito della crescente elettrificazione dei veicoli stradali, il powertrain di tipo ibrido serie è tra le soluzioni più promettenti, permettendo un utilizzo più efficiente del motore termico, al quale viene attribuito, in particolari condizioni di funzionamento, il ruolo di generatore di elettricità. Il progetto “Onboard Powerplant”, sviluppato dall’Università Tecnica di Vienna, studia l’ottimizzazione dell’integrazione tra il motore a combustione interna e i motori elettrici. Un modello monodimensionale del motore termico è stato sviluppato e calibrato. Tuttavia, questo modello si è mostrato troppo lento, considerando il gran numero di parametri coinvolti nell’ottimizzazione. Scopo del presente lavoro è quindi la realizzazione di due modelli semplificati del motore capaci di ridurre significativamente i tempi di calcolo, senza penalizzare eccessivamente l’accuratezza dei risultati. Il primo modello sviluppato, chiamato “Fast Running Model” (FRM), prevede una marcata semplificazione della geometria dei condotti di aspirazione e scarico, evitando però di perdere gli effetti della termo-fluidodinamica del problema sul funzionamento dei cilindri. Il secondo modello realizzato è il “Mean Value Model” (MV Model), nel quale oltre ad una più marcata semplificazione della geometria, i quattro cilindri originali vengono sostituiti da un unico cilindro a valor medio, dove i parametri sono mappati. I parametri mappati, quali rendimento volumetrico, pressione media effettiva indicata e temperatura dei gas di scarico, vengono controllati da una rete neurale, debitamente allenata mediante i risultati di un Design of Experiment. Il FRM fornisce risultati con un’accuratezza intorno al 5% rispetto al modello dettagliato, mentre il tempo di simulazione è dalle 6 alle 9 volte Real Time (RT). Il MV Model mostra una significativa riduzione del tempo di calcolo, essendo vicino o addirittura più veloce che RT, a scapito però di un’accuratezza inferiore rispetto al FRM. Infine, i due modelli semplificati vengono testati su un ciclo di guida completo, il New Erupean Driving Cycle (NEDC). Ancora una volta, il FRM ha mostrato ottima accuratezza ma relativa lentezza di calcolo, mentre il Mean Value Model ha mostrato un’ottima velocità, inferiore a RT, a fronte di un’accuratezza migliorabile.