Applications des réseaux neuronaux artificiels dans le calibrage des moteurs

La législation sur les émissions est devenue de plus en plus stricte, rendant le développement de nouveaux moteurs à combustion interne très difficile. Les nouvelles technologies de moteurs permettant de se conformer à ces réglementations introduisent une dépendance exponentielle entre le nombre de combinaisons d'essais nécessaires pour obtenir des résultats optimaux et les dépenses en temps et en argent. Cela rend la tâche de calibrage très coûteuse et pratiquement impossible à réaliser. L'utilisation potentielle de réseaux neuronaux entraînés en combinaison avec des méthodes de conception d'expériences (DoE) pour le calibrage des moteurs a fait l'objet de recherches récentes. L'objectif de cet ouvrage est de donner un aperçu des différentes applications des réseaux neuronaux dans le calibrage des moteurs à allumage commandé. Les applications identifiées et discutées comprennent l'identification de systèmes pour le prototypage rapide, la détection virtuelle, l'utilisation de réseaux neuronaux comme substituts de tables de consultation, les stratégies de contrôle émergentes et les applications de diagnostic embarqué (OBD). Les inconvénients des réseaux neuronaux, les possibilités futures et les alternatives ont également été abordés.

Le Dr Richard Fiifi Turkson est maître de conférences au département de génie mécanique de l'école polytechnique de Ho, au Ghana. Il est titulaire d'un doctorat en ingénierie automobile décerné par l'université technologique de Wuhan, en Chine. Ses recherches portent notamment sur la modélisation et le calibrage optimal des moteurs à allumage commandé à l'aide d'algorithmes méta-heuristiques inspirés de la nature.