Convegni ATI - Accesso riservato soci CTI

Autore: I. Arsie, F. Marotta, C. Pianese, G. Rizzo

Collana: CA - 55 - Bari Matera 2000

Note:
Nella memoria è presentata una metodologia di calcolo in grado di minimizzare il numero di dati sperimentali richiesti per la caratterizzazione di modelli del motore di tipo black-box e sviluppati utilizzando un approccio a rete neurale multi-strato feed forward. I modelli in esame consentono di simulare la coppia e le emissioni inquinanti di un motore ad accensione comandata con una precisione tipica dei modelli di sintesi e con tempi di calcolo compatibili con l'applicazione nell'ambito dell'analisi e della progettazione delle strategie di controllo dei motori. L'attività di ricerca in corso trae origine da analoghi studi che in passato hanno portato allo sviluppo di tecniche di Experimental Design Sequenziale orientate alla definizione di modelli di regressione per la stima di consumo ed emissioni.
Nel corso del lavoro sono illustrati due criteri alternativi di selezione dei dati sperimentali secondo le formulazioni proposte da MacKay e da Cohn. Il primo metodo utilizza quale indice del contenuto informativo l'entropia statistica di Shannon relativa alla distribuzione dei parametri della rete ed il punto sperimentale scelto massimizza la differenza di entropia tra due successive selezioni.
Nel secondo metodo, la scelta del punto sperimentale da aggiungere al set di istruzione della rete è operata minimizzando la varianza media dell'errore del modello calcolata su un numero di punti scelti tra i più rappresentativi dello spazio dei dati di input.
L'applicazione della tecnica di Active Learning è stata eseguita per la realizzazione di quattro modelli black-box per stima della coppia motrice e delle emissioni di HC, CO ed NOx per un motore ad accensione comandata. I risultati mostrano come sia possibile migliorare la precisione dei modelli con un ridotto numero di dati sperimentali rispetto ad una scelta dei dati di training operata secondo criteri euristici.