用于利用深度学习系统检测引擎爆震的系统和方法技术方案

一种用于训练深度学习系统以尽管使用来自低保真度爆震检测传感器的数据也利用与高保真度爆震检测传感器关联的准确度来检测引擎爆震的系统。所述系统包括：引擎；高保真度爆震检测传感器；低保真度爆震检测传感器；和电子处理器。所述电子处理器被配置为：从所述高保真度爆震检测传感器接收第一数据。所述电子处理器还被配置为：从所述低保真度爆震检测传感器接收第二数据。所述电子处理器被进一步配置为：将所述第一数据映射到所述第二数据；使用包括所映射的数据的训练数据，训练所述深度学习系统，以使用来自所述低保真度爆震检测传感器的数据确定所预测的峰值压力；从所述低保真度爆震检测传感器接收第三数据；以及使用所述第三数据确定确定所预测的峰值压力。

【技术实现步骤摘要】
用于利用深度学习系统检测引擎爆震的系统和方法
当引擎的燃烧室内存在燃料的不完全或不均匀点火时，发生引擎爆震。引擎可以被包括在例如乘客车辆中。当发生引擎爆震时，其可能引起使车辆的乘客不舒适的听觉噪声。引擎爆震也可能引起对引擎的损坏。高保真度爆震检测传感器可以承受在燃烧室中出现的高温和高压，但是这些高保真度传感器是昂贵的，并且安装高保真度传感器是昂贵并且耗时的。传感器的昂贵的安装成本部分地归因于如下事实：需要专业的安装以接入到高保真度传感器应当位于其处的燃烧室的内部部分。存在更廉价的低保真度爆震检测传感器，其依赖于引擎的引擎块的振动。这些低保真度传感器牺牲了保真度但是更廉价，因为它们与高保真度传感器相比更易于安装并且不必承受高压和高温。在图1A中图示高保真度爆震检测传感器100的示例。如在图1A中示出那样，高保真度爆震检测传感器100被包括在引擎110的燃烧室105中。在图1B中图示低保真度爆震检测传感器115的示例。如在图1B中示出那样，低保真度爆震检测传感器115被安装在引擎110的引擎块120上。
技术实现思路
如果可以实现利用高保真度传感器实现的保真度而不招致获取并且安装这样的传感器的花费，则这将是有益的。在此描述的实施例除了其它方面之外还提供用于训练深度学习系统以尽管使用来自低保真度传感器的数据也利用与高保真度传感器关联的准确度来检测引擎爆震的系统和方法。一个实施例提供一种用于训练深度学习系统以尽管使用来自低保真度爆震检测传感器的数据也利用与高保真度爆震检测传感器关联的准确度来检测引擎爆震的系统。系统包括：引擎；高保真度爆震检测传感器；低保真度爆震检测传感器；和电子处理器。电子处理器被配置为从高保真度爆震检测传感器接收第一数据。第一数据表示引擎的燃烧室中的压力。电子处理器还被配置为从低保真度爆震检测传感器接收第二数据。第二数据表示引擎块的振动。电子处理器被进一步配置为：将第一数据映射到第二数据；以及使用包括所映射的数据的训练数据训练深度学习系统以使用来自低保真度爆震检测传感器的数据来确定所预测的峰值压力。电子处理器还被配置为：从低保真度爆震检测传感器接收第三数据；以及使用第三数据，利用经训练的深度学习系统来确定所预测的峰值压力。另一实施例提供一种用于训练深度学习系统以尽管使用来自低保真度爆震检测传感器的数据也利用与高保真度爆震检测传感器关联的准确度来检测引擎爆震的方法。方法包括利用电子处理器从高保真度爆震检测传感器接收第一数据。第一数据表示引擎的燃烧室中的压力。方法还包括利用电子处理器从低保真度爆震检测传感器接收第二数据。第二数据表示引擎块的振动。方法进一步包括：利用电子处理器将第一数据映射到第二数据；以及使用包括所映射的数据的训练数据训练深度学习系统以使用来自低保真度爆震检测传感器的数据来确定所预测的峰值压力。方法还包括：从低保真度爆震检测传感器接收第三数据；以及使用第三数据，利用经训练的深度学习系统确定所预测的峰值压力。通过考虑详细描述和随附附图，其它的方面、特征和实施例将变得显而易见。附图说明图1A是根据一个实施例的已安装的高保真度爆震检测传感器的示图。图1B是根据一个实施例的已安装的低保真度爆震检测传感器的示图。图2是根据一些实施例的用于训练深度学习系统以尽管使用来自低保真度传感器的数据也利用与高保真度传感器关联的准确度来检测引擎爆震的系统的框图。图3是图2的系统的电子控制器的框图。图4是根据一些实施例的用于训练深度学习系统以尽管使用来自低保真度传感器的数据也利用与高保真度传感器关联的准确度来检测引擎爆震的用于使用图1的系统的方法的流程图。图5是把来自高保真度爆震检测传感器的数据映射到来自低保真度爆震检测传感器的数据的示图。图6是包括在图3的电子控制器的存储器中的深度学习系统的示图。图7A是根据一些实施例的包括在图3的电子控制器的存储器中的深度学习系统的最前卷积层的一维滤波器的示图。图7B是根据一些实施例的包括在图3的电子控制器的存储器中的深度学习系统的最后卷积层的一维滤波器的示例的示图。图8是在由高保真度爆震检测传感器确定的峰值压力与由包括在图3的电子控制器的存储器中的深度学习系统使用来自低保真度传感器的数据而确定的所预测的峰值压力之间的线性回归的示图。具体实施方式在详细解释任何实施例之前，要理解本公开不意图在其应用方面被限制于在以下描述中阐述或者在以下附图中图示的组件的构造和布置的细节。实施例能够有其它的配置并且能够以各种各样的方式来实践或执行。多个基于硬件和软件的设备以及多个不同的结构组件可以被用于实现各种实施例。此外，实施例可以包括硬件、软件和电子组件或模块，出于讨论的目的，其可能被图示并且描述为仿佛大多数组件仅被实现在硬件中。然而，本领域的普通技术人员并且基于对该详细描述的阅读将认识到在至少一个实施例中本专利技术的基于电子的各方面可以被实现在由一个或多个处理器可执行的软件中（例如，存储在非暂态计算机可读介质上）。例如，在说明书中描述的“控制单元”和“控制器”可以包括一个或多个电子处理器、一个或多个存储器模块（包括非暂态计算机可读介质）、一个或多个输入/输出接口、一个或多个专用集成电路（ASIC）以及连接各种组件的各种连接（例如系统总线）。图2图示用于训练深度学习系统以尽管使用来自低保真度传感器的数据也利用与高保真度传感器关联的准确度来检测引擎爆震的系统200。系统200除了其它方面之外还包括电子控制器205、引擎210、高保真度爆震检测传感器215和低保真度爆震检测传感器220。引擎210可以包括点火器225、引擎块228和燃烧室230。高保真度爆震检测传感器215可以被放置在引擎210的燃烧室230内并且被配置为测量燃烧室230中的气体的压力。低保真度爆震检测传感器220可以被安装在引擎210的外部上（例如，引擎210的引擎块228上）并且被配置为测量引擎210的振动。在图2中图示的实施例提供系统200的组件和连接的仅一个示例。然而，可以以不同于在此图示并且描述的那些方式的其它方式来构造这些组件和连接。应当注意，虽然系统200被图示为包括在四轮式车辆中，但是系统200可以被包括在各种类型和设计的车辆中。例如，系统200可以被包括在汽车、摩托车、卡车、公共汽车、半牵引车以及其它车辆中。附加地，系统200可以被包括在除了车辆之外的由内燃机供能的机器中。电子控制器205可以被经由各种有线或无线连接以通信方式连接到引擎210、高保真度爆震检测传感器215、低保真度爆震检测传感器220和点火器225。例如，在一些实施例中，电子控制器205被经由专用布线直接耦合到系统200的以上列出的组件中的每个。在其它实施例中，电子控制器205被经由共享的通信链路（诸如车辆通信总线（例如控制器局域网（CAN）总线）或无线连接）以通信方式耦合到组件中的一个或多个。附加地，系统200的组件中的每个可以使用各种通信协议与电子控制器205进行通信。图3是系统200的电子控制器20本文档来自技高网...

【技术保护点】
1.一种用于训练深度学习系统以尽管使用来自低保真度爆震检测传感器的数据也利用与高保真度爆震检测传感器关联的准确度来检测引擎爆震的系统，所述系统包括：/n引擎；/n高保真度爆震检测传感器；/n低保真度爆震检测传感器；和/n电子处理器，电子处理器被配置为：/n从高保真度爆震检测传感器接收第一数据，其中第一数据表示引擎的燃烧室中的压力；/n从低保真度爆震检测传感器接收第二数据，其中第二数据表示引擎块的振动；/n将第一数据映射到第二数据；/n使用包括所映射的数据的训练数据，训练深度学习系统以使用来自低保真度爆震检测传感器的数据来确定所预测的峰值压力；/n从低保真度爆震检测传感器接收第三数据；以及/n使用第三数据，利用经训练的深度学习系统确定所预测的峰值压力。/n

【技术特征摘要】
20181228 US 16/2360851.一种用于训练深度学习系统以尽管使用来自低保真度爆震检测传感器的数据也利用与高保真度爆震检测传感器关联的准确度来检测引擎爆震的系统，所述系统包括：
引擎；
高保真度爆震检测传感器；
低保真度爆震检测传感器；和
电子处理器，电子处理器被配置为：
从高保真度爆震检测传感器接收第一数据，其中第一数据表示引擎的燃烧室中的压力；
从低保真度爆震检测传感器接收第二数据，其中第二数据表示引擎块的振动；
将第一数据映射到第二数据；
使用包括所映射的数据的训练数据，训练深度学习系统以使用来自低保真度爆震检测传感器的数据来确定所预测的峰值压力；
从低保真度爆震检测传感器接收第三数据；以及
使用第三数据，利用经训练的深度学习系统确定所预测的峰值压力。


2.如权利要求1所述的系统，其中深度学习系统是卷积神经网络。


3.如权利要求2所述的系统，其中由卷积神经网络学习的一维滤波器提取包括在第一数据中的与振动的时间关联的特征。


4.如权利要求2所述的系统，其中卷积神经网络的各层是全连接的。


5.如权利要求1所述的系统，其中电子处理器被进一步配置为当所预测的峰值压力小于或等于预定阈值时检测引擎爆震。


6.如权利要求5所述的系统，其中，所述系统进一步包括点火器，并且电子处理器被进一步配置为：
当检测到引擎爆震时使点火器延迟。


7.如权利要求1所述的系统，其中电子处理器被配置为通过如下来将第一数据映射到第二数据：
将包括在第一数据中的峰值压力映射到包括在第二数据中的振动。


8.如权利要求1所述的系统，其中，所...

【专利技术属性】
技术研发人员：JC苏尔利，S达斯，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE