터보 디젤 엔진의 신경망 기반 모델링 및 오염 제어

본 논문은 급격히 강화되는 배기 가스 규제와 동시에 디젤 엔진의 고성능 요구를 만족시키기 위해, 신경망을 이용한 엔진 모델링 및 제어 기법을 제안한다. 서론에서는 기존의 정적 매핑 기반 제어가 전이 구간에서 비선형 특성을 충분히 반영하지 못하고, 오염 저감에 대한 동적 제어가 어려운 점을 지적한다. 이를 해결하기 위해 물리적 엔진 방정식을 기반으로 입력 변수와 출력 변수를 정의하고, 세 개의 상호 연결된 신경망 서브모델을 설계한다. 각각의 서브모델은 엔진 회전수, 연료 흐름, 배기 가스 불투명도를 예측하는 다입력·단출력 비선형 모델이며, NARX 구조를 채택해 과거 입력·출력 정보를 활용한다. 구조 식별 단계에서는 입력‑출력 지연 차수를 AIC와 BIC 기준으로 선택하고, 파라미터 추정은 Levenberg‑Marquardt 알고리즘을 사용해 실제 엔진에서 수집한 10,000여 개의 데이터 포인트(다양한 부하·속도·환경 조건)를 학습한다. 모델 검증 결과, 회전수와 불투명도에 대한 평균 제곱 오차가 각각 2.1%와 2.8%에 불과해, 기존의 선형 모델 대비 현저히 높은 예측 정확도를 보였다. 제어기 설계는 직접 모델 기반(Direct Model‑Based) 접근을 채택한다. 목표는 엔진 회전수 r(k)와 배기 가스 불투명도 o(k)를 동시에 만족시키는 스로틀 명령 u(k)를 생성하는 것으로, 비용함수 J는 다음과 같이 정의된다. J = Σ_k