본 논문은 디젤 엔진에서 사이클-투-사이클 연소 제어를 위한 실린더 내 압력 및 연소 변수를 추정하는 새로운 접근 방식을 개발한다. 이러한 연소 제어는 엔진 성능과 효율의 향상은 물론, UAV 디젤 엔진에서의 연소 실패를 예방하는 데에도 기여할 수 있다. 실린더 내 압력 및 연소 변수는 엔진 블록에 장착된 비관입(non-intrusive) 가속도계의 측정값을 이용하여 추정된다. 새 추정 접근은 가속도 신호의 연소 성분을 비연소 성분으로 분리하는 데 기반한다. 이후 연소 성분의 가속도와 압력 간의 관계를 나타내는 시간에 따라 변하는 1차 미분방정식 모델을 활용한다. 제안된 방법은 터보차저 고속 디젤 엔진의 실험 데이터를 사용하여 평가한다. 제안된 추정 알고리즘의 강건성은 서로 다른 여러 작동 조건에서의 단일 및 이중(파일럿 및 메인) 분사 모두를 포함하는 85개의 실험 데이터 세트를 대상으로 평가함으로써 입증된다. 실린더 내 압력과 누적 열방출(cumulative heat release) 및 누적 열방출 50% 크랭크각(crank angle of 50 percent cumulative heat release; CA50)과 같은 연소 변수들이 추정되며, CA50은 폐루프 방식의 사이클-투-사이클 연소 제어에 필요한 핵심 변수이다. 실험 결과, CA50 값은 서로 다른 40가지 작동 조건을 포함하는 단일 분사 데이터 세트에서 RMS 오차 1.45도, 서로 다른 45가지 작동 조건을 포함하는 이중 분사 데이터 세트에서 RMS 오차 3.96도로 정확하게 추정되는 것으로 나타났다.

이 논문은 부분적으로 모델링된 공정 동역학을 갖는 시스템에서 상태 및 비선형 함수 추정을 위한 신경-적응 관측기(neuro-adaptive observer)를 개발한다. 개발된 적응 관측기는 상태와 비선형 함수가 모두 실제 값으로 수렴하는, 지수적으로 안정한 추정 오차를 제공함이 입증된다. 신경 근사기가 실제 비선형 함수에 대해 근사 오차를 갖는 경우, 관측기는 추정 오차에 대한 상계(bound)를 제공하는 데 사용할 수 있다. 이 논문은 공정 동역학이나 출력 방정식이 신경망 가중치의 선형 함수라는 가정이 필요하지 않으며, 대신 공정 동역학에서의 합리적인 선형-어파인(affine) 매개변수 의존성을 가정한다. 볼록(convex) 문제를 정식화하고, 이에 상응하는 폴리토픽(polytopic) 관측기 설계 방법을 개발한다. 마지막으로, 시스템 식별을 위한 신경-적응 관측기와 상태 추정을 위한 정규(non)선형 관측기를 전환하는 하이브리드 추정 시스템이 제안된다. 전환 운전은 적절한 측정이 이용 가능할 때마다 매개변수 추정 갱신을 가능하게 한다. 개발된 적응 관측기의 성능은 Van der Pol 발진기와 단일 링크 로봇에 대한 시뮬레이션을 통해 확인된다. 적용에서는 적응 이득(adaptation gains)에 대한 수동 조정이 필요 없으며, 상태와 비선형 함수에 대한 추정이 모두 성공적으로 수렴한다.