マツダが「SKYACTIV TECHNOLOGY」における次世代エンジン技術の開発を加速

「Model-Based Calibration Toolbox のおかげで、SKYACTIV-D エンジンの最適なキャリブレーション設定を特定できただけでなく、エンジニアが必要とする作業量を大幅に削減できました。生成されたモデルによって、制御ロジックの開発を加速し、価値のある見識を得ることができたため、新しいアイデアを簡単に試すことができました。」

課題

世界中の厳格な排気ガス規制を満たしながら、SKYACTIV エンジンの効率性を最適化すること

ソリューション

Simulink と Model-Based Calibration Toolbox を活用して、最適なキャリブレーション設定、ECU 組込みモデル、および HIL シミュレーションのためにエンジン モデルの生成と開発を加速

結果

  • エンジンのキャリブレーション作業を最小化
  • モデルの複雑性を半減
  • モデルの精度の向上

マツダの SKYACTIV-D エンジン。

SKYACTIV TECHNOLOGY のエンジン技術によって、マツダはダウンサイジングやリーンバーンによらず、燃費の良いディーゼル エンジンとガソリン エンジンを商品化できました。ディーゼル用の SKYACTIV-D は、ディーゼル エンジンでは世界一の低圧縮比をもち、燃費が 20% 向上された一方で、窒素酸化物を浄化する高価な後処理なしで、欧州の Euro6 や国内ポスト新長期排気ガス規制をクリアしています。また、SKYACTIV-G は、量産車用ガソリン エンジンとしては世界で初めて圧縮比 14.0:1 を実現し、トルクと燃費が 15% 向上されています。

マツダでは MATLAB®、Simulink®、および Model-Based Calibration Toolbox™ を活用して、エンジン コントローラーの設計、検証、およびキャリブレーションを行いました。

マツダのアシスタント マネージャーである原田真悟氏は次のように述べています。「SKYACTIV エンジンは、トルクと燃費を向上する最新のハードウェア技術を採用しています。Model-Based Calibration Toolbox を使用したおかげで、これらの最新技術を利用でき、手作業によるスプレッドシートを使ったキャリブレーション方式を使用した場合よりも、燃費を上げ、かつ排気エミッションを抑えることができました。」

最大シリンダー圧力(Pmax)モデルの精度向上により項の数を大幅に削減

最大シリンダー圧力(Pmax)モデルの精度向上により項の数を大幅に削減

課題

マツダではエンジンの複雑化に伴い、従来の開発手法では最適なキャリブレーション設定を見つけるのが困難になっていました。原田氏は次のように述べています。「スプレッドシートとテスト セルを使用した試行錯誤の方式では、ラボでの作業に非常に時間がかかり、納期に間に合わせるのが困難でした。その上、5 次元以上の探索空間で最適なソリューションを見つけることは、キャリブレーションにおいて長年の経験をもつエンジニアでも困難な作業です。このため、確信を持って最適な設定を見つけることができませんでした。」

マツダでは SKYACTIV-D の圧縮比を下げて、ススや NOx の発生を抑えたいと考えていました。この課題や、設計上のその他の目標を達成するために、エンジニアは ECU に組み込み可能な最大シリンダー圧力と排気ガス温度の統計モデルを必要としていました。これらのモデルの初期バージョンは、それぞれパラメーターが ともに40個程度あり、ECUで実行するには複雑すぎました。そのためマツダでは精度を犠牲にせずに、モデルの複雑さを抑える方法を必要としていました。

ソリューション

マツダは Simulink と Model Based Calibration Toolbox を活用して、SKYACTIV-D エンジンのためのテストプランの定義、統計モデルの開発、および最適なキャリブレーションの生成を行いました。また、同製品を使用して、SKYACTIV-G 用の統計モデルの開発と、エンジン制御ロジックの Hardware-in-the-Loop (HIL) シミュレーションを行いました。

マツダは Model-Based Calibration Toolbox を使用して、実験計画法に基づいて SKYACTIV-D 用の最適なテスト プランを設計しました。このテストプランには、エンジンの性能と排気の応答の特性を示すテスト ポイントのみが含まれていたため、実験時間は最短に抑えられました。

また、テスト セルで実験を行った後、Model-Based Calibration Toolbox を使用して測定データがインポートされ、エンジン応答の統計モデルが作成されました。

その後、Model-Based Calibration Toolbox の Calibration Generation (CAGE) ツールと社内で開発した MATLAB ベースの最適化インターフェイスを活用して、エンジン モデルから最適なキャリブレーションが生成されました。

シミュレーション、最適化、および組込みモデルの評価のための現実的な運転領域を定義するために、Model-Based Calibration Toolbox を使用して境界モデルが作成されました。

また、Model-Based Calibration Toolbox を活用して、量産用 SKYACTIV-D ECU に使用された最大シリンダー圧力のモデルなどの、組み込み可能なモデルを生成しました。

この ECU のために、燃料の総噴射質量を複数の操作点変数の関数として生成しました。このモデルを、Model-Based Calibration Toolbox で生成した排気温度のモデルとともに使用して、燃料質量モデルの信頼性とパフォーマンスを向上しました。

SKYACTIV-D エンジンは、もっとも厳格なヨーロッパと国内の排気ガス基準を満たし、Mazda CX-5 といった量産車に搭載されています。

SKYACTIV-G エンジンを担当したエンジニアは、Model-Based Calibration Toolbox を使用して統計的なエンジンの燃料消費モデルを開発しました。次にこのモデルを Simulink にエクスポートして、エンジン制御ロジックの開発、デバッグ、および HIL シミュレーションに使用しました。また、このモデルはオートマチック トランスミッションの燃料消費シミュレーションにも再利用され、モデル開発作業のさらなる削減につながっています。

結果

  • エンジンのキャリブレーション作業を最小化. 原田氏は次のように述べています。「開発期間中に新型エンジンを適合する際、以前の方法であれば、全てデータを取り直す必要がありました。しかし、Model-Based Calibration Toolbox を利用することで、従来データを再利用して現象の確認をすることで、テストデータを取り直す作業を最小限に抑えることができました。」
  • モデルの複雑性を半減. 原田氏は次のように述べています。「初期の最大シリンダー圧力の組込みモデルには38 のパラメーターがありました。しかし、Model-Based Calibration Toolbox を利用することでこの数を 20 に減らすことができ、結果としてCPU の負荷を減らすことができました。同様に排気ガス温度のモデルでも、Model-Based Calibration Toolboxを使用することで、精度は同じレベルに保ちながら、パラメーターを 40 個程度から20 個 に減らせました。」
  • モデルの精度の向上. 原田氏は次のように述べています。「Model-Based Calibration Toolbox で作成した境界モデルを作成することで、smoke のモデルの精度を向上し、RMSE (二乗平均平方根誤差) を 80% 削減できました。」