Die beständig steigenden Anforderungen bezüglich Schadstoffemissionen, Kraftstoffverbrauch und Fahrkomfort an moderne Verbrennungskraftmaschinen führen zu einem entsprechenden Anstieg in der Komplexität der verwendeten Motorsteuerungen (engine control unit ECU). Die weitere Entwicklung der Motorsteuerungen erfordert die Bildung dynamischer Modelle, die auch den transienten Betrieb des Motors beschreiben können. Hierzu eignen sich zur Anregung amplitudenmodulierte Pseudo-Rausch-Binär-Signale (APRBS). Die dynamische Vermessungsstrategie DYNMET verwendet zur Anregung des Motors mit verschiedenen Frequenzen und Amplituden APRB-Signale, die auf die vom Motorsteuergerät erzeugten Stellsignale aufmoduliert werden. Dieses Verfahren ermöglicht die schnelle Generierung von Anregungssignalen verschiedener Amplitude. Über die Höhe der APRBS-Amplitude ist dabei der jeweilige Anregungsbereich der Stellsignale beeinflussbar. Die frei wählbare Anregungsamplitude lässt zunächst noch Freiheitsgrade offen. Sie sollten an die Nichtlinearität des Motors angepasst werden. Zunächst wird aufgrund vorhandener Vorkenntnisse ein Modell des Motors z.B. in Form eines lokal linearen Netzes vom Typ LOLIMOT erstellt. Aufgrund dieses Modells kann dann die Nichtlinearität des Motors beurteilt werden und ein angepasstes Anregungssignal für die verschiedenen Betriebsbereiche generiert werden Bei dem vorgestellten neuen Identifikationssignal werden die Ergebnisse der Variationsraumbestimmung sowie eine Annahme über die (statische) Modellstruktur verwendet, um ein angepasstes Identifikationssignal zu erzeugen. Die Erweiterung der Modellbildung mit LOLIMOT für nichtlineare Regressoren ermöglicht bei geeigneter Wahl der Regressorfunktionen eine bessere Anpassung an die Struktur des untersuchten Prozesses. Damit ist eine Verbesserung der Modellgüte möglich, sowie eine Reduktion der Anzahl der notwendigen Teilmodelle. Die so erhaltenen Modelle können dann z.B. zur offline-Optimierung der Steuerungs- und Reglerparameter verwendet werden.

A strategy for dynamic engine measurement is presented, which allows the generation of dynamic models while significantly reducing the amount of time needed for the measurements. These improvements are achieved by the combination of classic stationary design of experiments with special signals for the identification of dynamic systems. Contrary to the classical static measurements, dynamic measurement strategies do not wait until the steady state of the engine is reached, resulting in a considerably reduction of measurement time. This methodology requires a dynamic test bed with fast dynamic low-noise sensors and a continuous data acquisition.