<p>Stricter emission legislation for heavy trucks in combination with the customers demand on low fuel consumption has resulted in intensive technical development of engines and their control systems. To control all these new solutions it is desirable to have reliable models for important control variables. One of them is the air mass-flow, which is important when controlling the amount of recirculated exhaust gases in the EGR system and to make sure that the air to fuel ratio is correct in the cylinders. The purpose with this thesis was to use system identification theory to develop a model for the air mass-flow through the compressor. First linear black-box models were developed without any knowledge of the physics behind. The collected data was preprocessed to work in the modeling procedure and then models with one or more inputs where built according to the ARX model structure. To further improve the models performance, non-linear regressors was developed from physical relations for the air mass-flow and used to form grey-box models of the air mass-flow.In conclusion, the performance was evaluated through comparing the estimated air mass-flow from the best model with the estimate that an extended Kalman filter together with a physical model produced.</p> / <p>Hårdare utsläppskrav för tunga lastbilar i kombination med kundernas efterfrågan på låg bränsleförbrukning har resulterat i en intensiv utveckling av motorer och deras kontrollsystem. För att kunna styra alla dessa nya lösningar är det nödvändigt att ha tillförlitliga modeller över viktiga kontrollvariabler. En av dessa är luftmassflödet som är viktig när man ska kontrollera den mängd avgaser som återcirkuleras i EGR-systemet och för att se till att kvoten mellan luft och bränsle är korrekt i motorns cylindrar. Syftet med det här examensarbetet var att använda systemidentifiering för att ta fram en modell över luftmassflödet förbi kompressorn. Först togs linjära svartboxmodeller fram utan att ta med någon kunskap om den bakomliggande fysiken. Insamlade data förbehandlades för att passa in i modelleringsproceduren och efter det skapades i enlighet med ARX-modellstrukturen modeller med en eller flera insignaler. För att ytterligare förbättra modellernas prestanda togs icke-linjära regressorer fram med hjälp av fysikaliska relationer för luftmassflödet. Dessa användes sedan för att skapa gråboxmodeller av luftmassflödet. Avslutningsvis utvärderades prestandan genom att det estimerade luftmassflödet från den bästa modellen jämfördes med det estimat som ett utökat kalmanfilter tillsammans med fysikaliska ekvationer genererade.</p>

Stricter emission legislation for heavy trucks in combination with the customers demand on low fuel consumption has resulted in intensive technical development of engines and their control systems. To control all these new solutions it is desirable to have reliable models for important control variables. One of them is the air mass-flow, which is important when controlling the amount of recirculated exhaust gases in the EGR system and to make sure that the air to fuel ratio is correct in the cylinders. The purpose with this thesis was to use system identification theory to develop a model for the air mass-flow through the compressor. First linear black-box models were developed without any knowledge of the physics behind. The collected data was preprocessed to work in the modeling procedure and then models with one or more inputs where built according to the ARX model structure. To further improve the models performance, non-linear regressors was developed from physical relations for the air mass-flow and used to form grey-box models of the air mass-flow.In conclusion, the performance was evaluated through comparing the estimated air mass-flow from the best model with the estimate that an extended Kalman filter together with a physical model produced. / Hårdare utsläppskrav för tunga lastbilar i kombination med kundernas efterfrågan på låg bränsleförbrukning har resulterat i en intensiv utveckling av motorer och deras kontrollsystem. För att kunna styra alla dessa nya lösningar är det nödvändigt att ha tillförlitliga modeller över viktiga kontrollvariabler. En av dessa är luftmassflödet som är viktig när man ska kontrollera den mängd avgaser som återcirkuleras i EGR-systemet och för att se till att kvoten mellan luft och bränsle är korrekt i motorns cylindrar. Syftet med det här examensarbetet var att använda systemidentifiering för att ta fram en modell över luftmassflödet förbi kompressorn. Först togs linjära svartboxmodeller fram utan att ta med någon kunskap om den bakomliggande fysiken. Insamlade data förbehandlades för att passa in i modelleringsproceduren och efter det skapades i enlighet med ARX-modellstrukturen modeller med en eller flera insignaler. För att ytterligare förbättra modellernas prestanda togs icke-linjära regressorer fram med hjälp av fysikaliska relationer för luftmassflödet. Dessa användes sedan för att skapa gråboxmodeller av luftmassflödet. Avslutningsvis utvärderades prestandan genom att det estimerade luftmassflödet från den bästa modellen jämfördes med det estimat som ett utökat kalmanfilter tillsammans med fysikaliska ekvationer genererade.