Modellbildung und Simulation eines Dieselmotors unter Dymola und ...

Richert, F.; Rückert, J.; Schloßer, A.; Abel, D.: Modellbildung und Simulation eines Dieselmotors unter Dymola
und Matlab, Steuerung und Regelung von Fahrzeugen und Motoren - AUTOREG 2004, VDI-Berichte 1828, VDI-
Verlag, Düsseldorf 2004, ISBN 3-18-091828-4, S. 331-341
Modellbildung und Simulation eines Dieselmotors
unter Dymola und Matlab
F. Richert, J. Rückert, A. Schloßer, D. Abel, RWTH Aachen
1 Kurzfassung:
In diesem Beitrag wird die Modellbildung eines Dieselmotors mit einem VTG-Turbolader und
Abgasrückführung unter Dymola und Matlab/Simulink vorgestellt. Außerdem wird auf die
Möglichkeit des kombinierten Einsatzes von Dymola und Matlab/Simulink eingegangen.
Für die Entwicklung einer Modellgestützten Prädiktiven Regelung (MPR) zur Regelung von
Ladedruck und AGR-Rate wurde ein Mittelwertmodell des Motors basierend auf physikalischen
Ansätzen erstellt. Dieses Modell dient als Prüfstandsersatz in der durchgängigen Entwicklungskette
bei der Reglerentwicklung (Rapid Control Prototyping). Die geringere Genauigkeit
gegenüber kurbelwinkel-aufgelösten Ansätzen wird durch den Laufzeit-Vorteil der
echtzeitfähigen Simulation aufgewogen und ist für den Regelungsentwurf unproblematisch,
da alle für die Regelung relevanten Effekte abgebildet werden.
.In diesem Beitrag wird der Einsatz der Simulationsmodelle für die Reglerentwicklung vorgestellt.
Die Unterschiede der Werkzeuge Matlab/Simulink und Dymola bei der Modellbildung,
beim Einsatz und der Benutzerführung werden aufgezeigt und bewertet. Schwerpunktmäßig
werden die Besonderheiten beider Modelle und die Kombination der Programme vorgestellt.
Insbesondere auf den kombinierten Einsatz der Programme und die sich daraus ergebenden
Vorteile wird ausführlich eingegangen.
2 Einleitung
Modellbildung und Simulation werden heute in allen Bereichen der Motorenentwicklung eingesetzt..
Die dazu verwendeten Software-Werkzeuge sind zahlreich und unterstützen den
Anwender bei seiner Arbeit üblicherweise mit einer graphischen Oberfläche. Dabei orientieren
sich viele Programme an der aus der Regelungstechnik bekannten, signalbasierten Darstellung
von Systemen mittels Wirkungsplänen. Zusätzlich existieren objekt-orientierte Ansätze,
die eine andere Herangehensweise an die Modellierung verfolgen. Eines der bekanntesten
signal-orientierten Simulationspakete ist Matlab/Simulink, das in zahlreichen Arbeitsgebieten
zum Einsatz kommt. Demgegenüber steht Dymola als objekt-orientiertes, noch relativ
junges Programm, das in den letzten Jahren eine starke Verbreitung gefunden hat.

Üblicherweise ist Modellbildung nicht nur eine Suche nach Gleichungen, die das jeweilige
System beschreiben; die Erfahrung hat gezeigt, dass ein großer Teil der Arbeit mit programmspezifischen
Implementierungen zu tun hat. So muss eine Gleichung für eine signalorientierte
Darstellung jeweils passend zur gewünschten Ausgangsgröße umgeformt werden.
Für eine objekt-orientierte Darstellung ist dies nicht nötig, dafür kann es unter Umständen
schwierig sein, eine allgemeine Formulierung zu finden, so dass eine Gleichung für alle
denkbaren Ein-/Ausgangsgrößen-Kombinationen verwendet werden kann.
Um die unterschiedlichen Ansätze der beiden Programme miteinander vergleichen zu können,
wurde ein bestehendes Modell eines Motors unter Dymola umgesetzt. Es zeigte sich,
dass Dymola im Bereich der reinen Modellbildung und Systemsimulation Vorteile aufweist,
und so gerade im Verbund mit den Analysefunktionen von Matlab seine Stärken ausspielen
kann. Im diesem Beitrag werden einige ausgewählte Modellierungsansätze für einzelne
Funktionen des Motors gezeigt sowie deren spezifische Umsetzung erläutert.
3 Zielsetzung der Modellierung
Ziel des Projektes, aus dem diese Arbeiten hervorgegangen sind, war die Entwicklung einer
kombinierten Regelung für Ladedruck und Abgasrückführrate an einem Schwerlast-
Dieselmotor mit AGR und Turbolader mit variabler Turbinengeometrie [4], [5].
Die hierfür erstellten Simulationsmodelle dienen als Ersatz für die Regelstrecke „Motor“, an
der grundlegende Untersuchungen zum Systemverhalten durchgeführt und neue Regelungskonzepte
erprobt werden können. Hierfür ist weniger eine detailgetreue Abbildung der
Realität im Rahmen des technisch Möglichen notwendig. Vielmehr ist eine gute Wiedergabe
des charakteristischen Verhaltens bei möglichst geringem Rechenzeitbedarf erwünscht, um
auf einem modernen PC echtzeitfähig zu sein. Neben der Möglichkeit, das Modell auch für
Hardware-in-the-Loop (HIL)-Simulationen einsetzen zu können, dient dies vor allem dem
Komfort bei der täglichen Arbeit, um schnell neue Ansätze testen zu können. Weiterhin wurde
Wert auf eine hohe Übertragbarkeit der Modellierungsansätze auf andere Motoren gelegt.
Bestehende Ansätze sollten möglichst nur durch Übernahme von Motorkenngrößen wie Hubraum
etc. sowie Anpassung möglichst weniger „Freier Optimierungsparameter“ auf andere
Motoren adaptiert werden.
Entwickelt wurden die Ansätze am Beispiel eines 12-Liter-Volvo-Motors, zur Verfikation
stand ein 5,7-Liter-Deutz-Motor zur Verfügung.
Es wurde durchgängig eine sogenannte „Grey-Box-Modellierung“ verwendet, d.h. soweit wie
möglich wurden bekannte physikalische Zusammenhänge verwendet. Wo dies aufgrund zu
hoher mathematischer Komplexität nicht möglich war, wurden halbempirische Ansätze ver-

wendet, die durch eine Optimierung der jeweiligen freien Parameter an die spezifischen Motordaten
angepasst wurden. Details hierzu finden sich in [1], [6] und Abschnitt 4. Eine für
den hier gewünschten Einsatzzweck übliche Besonderheit findet sich bei Betrachtung des
Motorblocks: Hier wurde eine Mittelwertmodellierung gewählt, d.h. es werden nicht die einzelnen
Arbeitsspiele der Zylinder berücksichtigt, sondern der Motor wird als kontinuierlich
durchströmt angesehen und durch Mitteldrücke und mittlere Massenströme und Temperaturen
repräsentiert. Dies bringt immense Vorteile beim Rechenzeitbedarf, so dass die gewünschte
Echtzeitfähigkeit erhalten bleibt, ohne die gewünschte Genauigkeit im Bereich von
5-10% Abweichung zu verletzen
Für die Entwicklung der Ansätze wurde zu Beginn eine detaillierte Vermessung aller Motor-
Komponenten durchgeführt, um eine fein aufgelöste Untersuchung der Modelle gewährleisten
zu können. Für einen Transfer der Ansätze, die als gut übertragbar verifiziert wurden,
sind deutlich geringere Datenmengen ausreichend. Bei vorliegenden Daten zum gewünschten
Motor ist so eine Modellierung des gesamten Systems in 2-3 Wochen möglich.
4 Modellierungsbeispiele
Das vorliegende Modell ist von der Grundstruktur aus modular und hierarchisch aufgebaut.
Eine Unterteilung in Teilmodelle erfolgt sowohl anhand physikalischer Baugruppen, wie z.B.
„Verdichter“, „Motorblock“, Luftsystem“ oder „Turbine“ auf der obersten Ebene, als auch in
logische Einheiten, wie z.B. „Hochdruck-Prozess“ und „Ladungswechsel“ innerhalb des Motorblocks.
Im Folgenden werden exemplarisch einige Ansätze vorgestellt.
4.1 Hochdruck-Prozess im Motorblock
Für Motormodelle sind diverse Vergleichsprozesse bekannt, wie z.B. der Seiliger-Prozess
oder der Verbrennungsverlauf nach Vibe und Woschni. Diesen Ansätzen bilden jedoch alle
den Druckverlauf über ein Arbeitsspiel des Motors ab und sind daher zunächst für ein Mittelwertmodell
nicht verwendbar. Der über einen Zyklus analytisch gebildete Mittelwert einer
solchen Gleichung sollte allerdings in der Lage sein, entsprechende Werte zu beschreiben
und sich mit entsprechend „langsam“ gemessenen Daten decken. Problematisch hierbei ist
aber genau die analytische Mittelwertbildung, da sich längst nicht für alle Gleichungen eine
geschlossene, rein algebraische Form finden lässt. Für den indizierten Mitteldruck am Motor
ergibt sich aus dem Leistungsgleichgewicht folgener Zusammenhang:
p
mi
η ⋅m&
⋅H
=
inV ⋅ ⋅
thVP , B u
H
(4.1)

Neben messbaren Größen der zugeführten Brennstoffmenge
m&
B
und der Motordrehzahl n
sowie den Systemparametern „Arbeitsspiel pro Zylinderumlauf“ i, Hubraum V H , und dem
Heizwert H u ist die einzige unbekannte Größe der thermodynamische Wirkungsgrad η
thVP ,
,
der zunächst nicht so einfach bestimmbar ist. Beschränkt man sich aber auf den Seiliger-
Prozess (siehe Bild 4-1) als einen der einfachsten thermodynamischen Vergleichsprozesse
für Dieselmotoren, so ist dafür die Formel für bereits bekannt. In einschlägigen Lehrbüchern
[3] ist findet man die Gleichung gemäß Formel (4.2).
η
thVP ,
mit
κ κ −1
1 ⎡
⎛
⎞
⎛ 1 p p ⎞ p ⎤
å
⎜ 3 κ ⎟
⎛ ⎞
3 1
= 1− ⎢ q − ⋅⎜
− ε ⎟+ ⋅ −1⎥
å
κ⋅q ⎜
κ ε
⎜
p
⎟
⎝ 1 ⎠ ε p
⎟
⎢⎝
⋅ ⋅ ⎜
1⎠
⎝ p ⎟
3⎠
⎣
⎥
⎦
q
å
=
q
q
=
m&
⋅H
b
cp
⋅ T und B u
b
1 m&
4⋅cp
⋅T1
(4.2)
Bild 4-1: Seiliger-Prozess im p-V-Diagramm [3]
In dieser Gleichung ist lediglich das Druckverhältnis p 3 /p 1 unbekannt. Mit der Annahme, dass
dieses Druckverhältnis über das Motorkennfeld konstant ist und die Lastabhängigkeit des
Wirkungsgrades über den Einfluss der Brennstoffmenge abgedeckt ist, wird dieser Quotient
als freier Parameter definiert.
So ergibt sich unter Berücksichtigung von motorischem Basiswissen eine Formel mit nur
einem freien Parameter, die bereits erstaunlich gute Ergebnisse deutlich unterhalb der gewünschten
10% Abweichung zeigt. Mit einem zweiten Faktor zur besseren Berücksichtigung
der Lastabhängigkeit über den Einfluss der pro Arbeitsspiel eingespritzten Brennstoffmenge
m B,Hub ergibt sich die Formel
η
⎡
κ κ −1
⎛ å 1
⎛ κ ⎞
x1
⎞ ⎛ 1⎞
thopt ,
= ⎢⎜q − ⋅⎜
⎝x1− ε ⎟
⎠
+ ⋅ − 1⎥
1+ x2 ⋅m
,
⎝ κ ⋅ε
ε
⎟⎠
⎜⎝x
⎟
1⎠
⎢⎣
⎤
⎥⎦
( bHub )
mit den daraus resultierenden Ergebnissen in Bild 4-2. Gleichzeitig lies sich eine sehr gute
Übertragbarkeit auf den anderen zur Verfügung stehenden Motor zeigen.
(4.3)

25
Vergleich von P MIHP
20
Relativer Fehler von P MIHP
P =10 %
ME_rel
P =20 %
ME_rel
P ME_rel
=30 %
15
P ME_rel
=40 %
20
10
P =50 %
ME_rel
P =60 %
ME_rel
P =70 %
ME_rel
P =80 %
ME_rel
P =90 %
ME_rel
P MIHP / (bar)
15
10
rel. Abweichung / %
5
0
-5
P ME_rel
=100 %
-10
5
gemessen
berechnet
0
1000 1100 1200 1300 1400 1500 1600 1700
N / (U/min)
Motor
-15
-20
1000 1100 1200 1300 1400 1500 1600 1700
N Motor
/ (U/min)
Bild 4-2: Indizierter HD-Mitteldruck P MIHP , Vergleich Messung – Rechnung und Abweichung
4.2 Ladeluft- und AGR-Kühler
Eine anderes Beispiel, das von der Herangehensweise noch direkter auf bekannten Zusammenhängen
aufbaut, aber in der Umsetzung einige Besonderheiten zeigt (siehe Abschnitte 5
und 6), sind die Kühler, d.h der Ladeluftkühler und der AGR-Kühler. Beide beruhen auf identischen
Modellvorstellungen. Ein solcher Behälter setzt sich zusammen aus je einer Drossel
am Ein- und Auslass sowie einem ungedrosselten Behälter, der die Speichereffekte abbildet,
siehe Bild 5-2 und Bild 6-2. Des weiteren besteht eine Möglichkeit zum Wärmeaustausch,
der mittels einer mittleren spezifischen Wärmekapazität berechnet wird.
Exemplarisch soll hier die Drossel in den Kühlern näher betrachtet werden. Sie wird mit der
bekannten Drosselgleichung für kompressible Medien modelliert; einziger Parameter zur
Anpassung ist der reduzierte Strömungsquerschnitt A red .
2κ
p
m&
A c c
2
=
( κ −1)
R
⋅ κ −1 2
2
ein
⋅ ⎛
⎞
κ κ
mit 1 red
p p ⎜
⎟
T
⎝
⎠
ein
(4.4)
Eine Anpassung an die jeweils verwendeten Kühler über A red gelingt durch die Verwendung
einer uneingeschränkt physikalisch basierten Gleichung mühelos. Mit Blick auf die Umsetzung
fällt schon hier auf, dass zwischen den hier interessierenden Größen &m und Π eine
nicht eindeutig invertierbare Beziehung besteht. Für einen gegebene Massenstrom existiert
jeweils eine Über- und eine Unterschall-Lösung. Selbst bei Beschränkung auf die Unterschall-Lösung
muss ggf. beträchtlicher Aufwand betrieben werden, um die benötigte inverse
Darstellung zu erhalten, Details hierzu siehe Abschnitte 5 und 6.
5 Umsetzung in Matlab/Simulink
Die Umsetzung in Simulink orientiert sich zunächst an der Struktur der Systeme, d.h. solange
durch die grafische Verknüpfung Informationen über das System vermittelt werden, wird

diese genutzt. Rein algebraische Gleichungen, die ggf. durch empirische Ansätze entstanden
oder ergänzt worden sind, werden hingegen in c-Code in s-functions gekapselt. in Bild
5-1 ist dies für P MIHP zu sehen.
Bild 5-1: P MIHP in Simulink
Andere Ansätze, wie z.B. alle Komponenten der Kühler, werden durchgängig mit Simulink-
Blöcken umgesetzt. Auch hier könnte man auf Gleichungsebene s-functions eingesetzen; im
vorliegenden Fall wurden diese zur Abgrenzung nur für Modelle mit datenbasiert optimierten
Parametern verwendet.
#define S_FUNCTION_LEVEL 2
#define S_FUNCTION_NAME P_MIHP_v14_dll
//[...] andere s -function Unter-Funktionen
static void mdlOutputs(SimStruct *S, int_T tid){
//Deklarationen etc.[...]
qstern=MF_FUEL*hu/(MF_AE*T_BE*cp);
eta=1-(1/(qstern*kappa))
*((pow((qstern-(1/(kappa*epsylon))
*(x1-(pow(epsylon,kappa)))
+x1/epsylon),kappa))
*(pow(x1,(1-kappa)))-1)
*(1+x2*MF_FUEL_stroke);
P_MIHP=(eta*MF_FUEL*hu)/(I*N_ENGINE*VH);
y[0]= P_MIHP;
}
Bild 5-2: Kühlermodul in Simulink
Wie zu sehen ist, wird die Drossel in zwei verschiedenen Ausführungen benötigt; für die signalorientierte
Darstellung in Simulink bedeutet dies automatisch zwei separate Umsetzungen.
Die Drossel mit dem Massenstrom als Ausgangsgröße kann exakt gemäß Formel (4.4)
umgesetzt werden. Diejenige mit dem Druck als Ausgangsgröße benötigt jedoch eine Umstellung
dieser Gleichung, die rein analytisch nicht möglich ist. Für den vorliegenden Fall
wurde dies relativ einfach gelöst, da ein konstantes Verhältnis der spezifischen Wärmekapazitäten
κ angenommen wurde, so dass der Verlauf von c p zu Beginn der Simulation für dieses
feste κ berechnet und zur Laufzeit tabellarisch invertiert wird. Dies führt zwar zu einer
praktikablen Umsetzung, entfernt sich aber aufgrund der angenommenen Voraussetzungen
von einer verallgemeinerten Einsetzbarkeit.

6 Umsetzung in Dymola
Eigene Gleichungen werden in Dymola am einfachsten über den Modelica-Code-Layer implementiert.
Eine grafische Darstellung mathematischer Zusammenhänge sowie die signalorientierte
Umsetzung sind hier ebenfalls möglich, dabei werden die darüber hinausgehenden
Möglichkeiten von Dymola aber nicht ausgeschöpft. In Bild 6-1 fällt auf, dass die Gleichungen
nicht aufbauend auf einer sequentiellen Logik programmiert werden müssen, sondern
in beliebiger Reihenfolge und fast beliebiger Umformung notiert werden können. Dymola
analysiert ein Modell vor der eigentlichen Simulation analytisch; das dazugehörige Gleichungssystem
wird soweit wie möglich umgeformt und Zwischengrößen werden eliminiert.
Details hierzu sind an zahlreichen anderen Stellen nachzulesen [7], daher wird hierauf im
Folgenden nicht näher eingegangen.
model Engine
import SI = Modelica.SIunits;
extends Icons.Engine;
//Deklarationen etc.[...]
equation
//andere Größen.[...]
mech_pin.M=-M_EFFECT;
M_EFFECT = M_IHP + M_GE - M_FRIC;
qstern=MF_FUEL*hu/(MF_AE*T_BE*cp);
eta=1-(1/(qstern*kappa))*
((pow((qstern-(1/(kappa*epsylon))
*(x1-(pow(epsylon,kappa)))
+x1/epsylon),kappa))
*(pow(x1,(1-kappa)))-1)
*(1+x2*MF_FUEL_stroke);
P_MIHP=(eta*MF_FUEL*hu)/(I*N_ENGINE*VH);
M_IHP = i*V_Engine*P_MIHP/(2*Constants.pi);
end Engine;
Bild 6-1: Ausschnitt aus dem Motormodul in Dymola
Die schon im Grundgedanken verankerte Kombination von Grafik und Modell-Code erleichtert
auf der einen Seite das Modellieren durch voll grafische Unterstützung; auf der anderen
Seite bleiben auch nicht selbst erstellte Modelle vollständig transparent, da alle Gleichungen
auf Code-Ebene einsehbar sind. Simulink bietet im Gegensatz hierzu zwar die (rein signalorientierten)
s-functions für benutzerdefinierte Blöcke an, ein Zugriff auf den Code aller bestehenden
Simulink-Blöcke ist jedoch nicht gegeben.
Weiterhin bestehen aufgrund der unterschiedlichen Herangehensweise auch deutlich Unterschiede
in der Handhabung. Durch die objekt-orientierte Modellbildung bei Dymola ähneln
die Modelle den realen Komponenten deutlich stärker (Bild 6-2), was eine intuitive Modellbildung
erleichtert.

Bild 6-2: Kühler in Dymola
Auch die Möglichkeit, Gleichungen in beliebiger Form zu implementieren, hilft bei der Verallgemeinerung.
Es wird unabhängig von eventuell bekannten Wirkungsrichtungen modelliert,
so dass im Fall der Drossel beispielsweise für beide im Abschnitt 1 erwähnten Varianten
dasselbe Modell verwenden lässt. Ganz den Vorgaben folgend, werden selbst komplizierte
Gleichungen wie z.B. Gleichung (4.4) ohne Anwendereingriff invertiert. Etwas schwierig ist
bei diesem Beispiel die Umsetzung der gewünschten Gleichung dennoch. Die Inversion von
c p alleine bewältigt der Dymola-Solver gut, in der Kombination mit dem Wurzelterm ist es
jedoch notwendig, die Wurzel in der Nähe des Nullpunktes des Radikanten durch einen Polynom-Ansatz
zu substituieren. Als programmspezifische Besonderheit ist dies jedoch länger
bekannt und existiert in der frei verfügbaren ThermoFluid-Bibliothek bereits als fertig nutzbare
Umsetzung [8].
Durch die symbolische Analyse und analytische Umformung eines Modells vor der Simulation
werden deutliche Vorteile beim Rechenzeitbedarf und der numerischen Stabilität erzielt.
Bei beiden Programmen treten sowohl systematische als auch programmspezifische Besonderheiten
auf. Wenn Teilmodelle in Dymola allerdings einmal umgesetzt sind, sind diese
aufgrund der Objektorientierung deutlich universeller einsetzbar. Dies führt dazu, dass zahlreiche,
großteils frei verfügbare Bibliotheken für Dymola in Modelica-Syntax existieren; neue
kommen ständig hinzu [10]. Gerade im Automotive-Bereich sind durch Veröffentlichung der
PowerTrain- und der VehicleDynamics weithin nutzbare Arbeiten geleistet worden.
7 Gekoppelte Simulation
Beide Simulationsprogramme haben in unterschiedlichen Bereichen deutliche Stärken. Für
die reine Modellbildung und Simulation bietet Dymola nahezu alle Möglichkeiten; mit darüber
hinaus gehenden Fähigkeiten bezüglich benutzerdefinierter Bedienelemente, Werkzeuge zur
Reglerauslegung und zahlreichen weiteren Toolboxen ist Matlab hingegen ungeschlagen. So
liegt es nahe, beide Programme im Verbund einzusetzen. Matlab bietet hierfür die offene
Schnittstelle der s-function, in denen beliebiger c-Code eingebunden werden kann. Dymola
nutzt diese, um mittels des Dymola-Simulink-Interfaces Dymola-Modelle in Simulink einbin-

den zu lassen (Bild 7-1). Hierfür muss das Modell lediglich über die entsprechende Schnittstelle
aus Simulink heraus neu übersetzt werden, so dass eine dll anstatt einer allein stehenden
ausführbaren Datei beim Compilieren erzeugt wird. Anschließend stehen die unter Dymola
als Ein- und Ausgänge des Teilmodells definierten Größen als Schnittstellen zu dem
Dymola-Block zur Verfügung, ebenso wie alle Parameter auf der obersten Ebene des Dymola-Modells
automatisch aus Simulink heraus belegt werden können.
Bild 7-1: Dymola-Motor in Simulink-Umgebung
Gerade mit dem Einsatz einer unter Dymola modellierten Regelstrecke, die in eine bestehende
Simulink-Umgebung eingebunden wird (Bild 7-1), sind sehr gute Erfahrungen gemacht
worden. So kann die gesamte Modellbildung in Dymola erfolgen, alle notwendigen
Werkzeuge zur Systemanalyse, Identifikation und Reglersynthese stehen anschließend in
der bekannten Umgebung von Matlab zur Verfügung. In der aktuellen Version 5.1b hat Dymola
einige Anstrengungen unternommen, um die Bedienung und Visualisierung der Simulation
komfortabler zu gestalten, bis ein Vergleich mit Matlab hier bestanden werden kann wird
sicherlich noch einige Zeit vergehen.
8 Hardware-Anbindung der Simulationsprogramme
Gerade im Motorbereich ist es interessant, Teile eines Simulationsmodells mit realen Komponenten
zu einer Hardware-in-the-Loop- oder Software-in-the-Loop-Simulation zusammenzuschließen.
Für den vorliegenden Fall ist die nächstliegende Variante, die entwickelten
Regler per Steuergeräte-Emulation am realen Motor zu verifizieren. Hierfür stehen prinzipiell

mehrere Möglichkeiten zur Verfügung, die sich aufgrund ihrer unterschiedlichen Herkunft
stark unterscheiden.
Eine führende Rolle spielen hier die Plattformen von dSpace, die mit Targetlink eine sehr
enge Anbindung an Matlab bieten und mit automatischer, hardwarespezifischer Code-
Generierung eine durchgängige Werkzeugkette von der grafischen Entwicklungsumgebung
Matlab/Simulink bis hin zur Hardware bieten. Auch Mathworks selbst bietet mit dem Realtime-Workshop
und xPC-Target ähnliche Möglichkeiten. Betrachtet man Dymola diesbezüglich,
ist zu erwarten, dass die Voraussetzunge hier gerade zu ideal sind; schließlich erzeugt
Dymola für jede Simulation zunächst c-Code des Modells. Auch die gut funktionierende Einbindung
in Matlab per s-function nutzt diesen zur Verfügung stehenden Zwischenschritt. Umso
mehr verwundert es, dass kein eigener Weg direkt zur Hardware-Anbindung seitens Dymola
zur Verfügung steht. Der offiziell im Dymola-Handbuch empfohlene Weg läuft per Einbindung
in ein Simulink-Modell und anschließender Verwendung des Realtime-Workshops.
Hier wäre eine Verbesserung der direkten Anbindung von Dymola an mögliche Zielplattformen
wünschenswert.
Literatur
[1] Schloßer, A.: Modellbildung und Simulation zur Ladedruck- und Abgasrückführregelung
an einem Dieselmotor, Dissertation RWTH Aachen 2000
[2] Rückert, J.; Kinoo, B.; Krüger, M.; Schloßer, A.; Rake, H.; Pischinger, S.: Simultane
Regelung von Ladedruck und AGR-Rate beim Pkw-Dieselmotor, Motortechnische
Zeitschrift 62, 2001, 11, 956-965
[3] Pischinger, S.: Verbrennungsmotoren, Band I & II, Umdruck zur Vorlesung, 23.
Auflage, 2002
[4] Pfeifer, M. Smeets, H.-O. Herrmann, D. Tomazic, F. Richert, A. Schloßer: A New
Approach to Boost Pressure and EGR Rate Control Development for HD Truck
Engines with VGT, SAE World Congress 2002, SAE 2002-01-0964
[5] Rückert, J., Richert, F., Schlosser, A., Abel, D., Herrmann, O., Pfeifer, A., Pischinger,
S.: Konzepte zur Regelung von Ladedruck und AGR-Rate beim Nutzfahrzeug-Dieselmotor,
atp - Automatisierungstechnische Praxis, 45 (2003) Heft 7
[6] F. Richert, A. Schloßer, ,Modellbildung eines Schwerlastdieselmotors mit Abgasrückführung
und Turbolader mit variabler Turbinengeometrie, Workshop ASIM-
Fachgruppe 4.5.1, 04./05.03. 2001, Bielefeld.
[7] Elmqvist, H.; Mattson, S.E.;: An Introduction to the Physical Modelling Language
Modelica, Proceedings of the 9th European Simulation Symposium (ESS97),
1997
[8] Richert, F.; Rückert, J.; Schloßer A.: Vergleich von Modelica und Matlab anhand
der Modellbildung eines Dieselmotors, at-Automatisierungstechnik 51 (2003) Nr. 6
[9] Silverlind, D.: Mean Value Engine Modeling with Modelica, Master Thesis Dept. of
Electrical Engineering, Univerity of Linköping, 2001.
[10] Modelica-Bibliotheken: http://www.modelica.org/libraries.shtml