用于内燃机爆震识别和调节的装置制造方法及图纸

文中说明了一种用于内燃机爆震识别与调节的装置。在这一装置中，首先将爆震传感器的输出信号传送给信号预处理阶段（１４），在信号预处理阶段从这些单个信号中获取特征量，并将相应的、要进一步的数据继续传送给神经网络（１５）。在神经网络（１５）中，从传送的数据获得预报爆震是否能够发生的决定判据。内燃机控制装置的微机从这些用神经网络（１５）获得的信息以及内燃机其它的典型信息中计算用于点火或喷射的控制信号，当识别出爆震时，将点火角向后调整。（*该技术在2017年保护过期，可自由使用*）

【技术实现步骤摘要】
现有技术根据主要要求分类，专利技术涉及的是用于内燃机爆震识别和调节的装置。为了能够最优调节内燃机，必须可靠地识别所谓的“爆震”。爆震描述的是一种极限工作状态，这一工作状态会对内燃机的寿命产生不利的影响。一旦识别出爆震，通常要调节点火角，由此保证避免在下次燃烧过程中出现爆震。在已知的用于爆震识别的装置中，借助于所谓的机器噪声传感器来记录内燃机中产生的噪音，将传感器的输出信号进行预处理，并借助于微处理器对信号加以分析。例如，可从DE-OS 44 21950中了解根据这一方法工作的、用于爆震识别的装置。在这种已知装置中，首先对输出信号进行预处理，然后借助于神经网络以及相关连的模糊逻辑对信号进一步处理。如果识别出爆震，通常这样对点火或喷射产生作用，从而得到不出现爆震的条件。在由DE-OS 44 21950中得知的用于内燃机爆震识别和调节的装置中虽然已经有信号预处理过程(爆震传感器提供信号给相关连的神经网络和模糊逻辑)，但是不能得到信号预处理过程如何形成的信息。专利技术的优点与现有技术相比，专利技术的、具有权利要求1的特征的用于内燃机爆震识别和调节的装置具有下述优点爆震传感器的输出信号在输送给神经网络前这样进行预处理，即可对其进行非常可靠的进一步处理。如果在信号预处理装置中获取了爆震传感器信号的多个特征参量，并将这些选出的信号传送给处理逻辑，例如借助于神经网络或模糊逻辑建立起来的处理逻辑，那么，便可具备这些优点。专利技术的其它优点可以用在其它权利要求中说明的措施来实现。此外，其特出的优点在于，在信号的预处理中只在测量窗口时扫描特征，这样可确定爆震发生的地点，并择出干扰。其优点还在于，在信号的预处理中进行傅立叶变换，由此测定一个或多个爆震最优频率，并将这一信息作为特征量输送给神经网络。在测量窗口中也可用有利的方式进行总能量的积分，这样可将爆震能作为一特征量输送给神经网络。其优点还在于，在信号的预处理中可测定不同测量窗口内的部分能量，并考虑用这样获得的特征信号形式来区分干扰噪音和爆震。其优点还在于，借助于神经网络对从预处理过程中提取的特征量进行处理和分类，特征量的数目与输入的神经网络数目相当。说明爆震强度的输出值在神经网络中计算，根据计算的爆震强度来确定一临界值。作为阻止爆震的措施，从这一临界值起，将点火角向后调整。这一专利技术并不只限于神经网络的应用，也可以有利的方式扩展到其它的网络上。附图在附图中介绍了专利技术的实施例，随后并进一步进行了详细说明。为了便于理解专利技术，在附图说明图1中说明了用于内燃机爆震识别和调节装置的基本组成件。在图2、3和4中说明了如何从一个爆震传感器或多个爆震传感器的输出信号中识别爆震出现的方法。说明在图1中介绍了用于内燃机爆震识别和调节装置的、专利技术的基本组成件。10是一信号处理装置，例如内燃机控制装置。11是爆震传感器，它装在内燃机的一个汽缸上。其它的爆震传感器装在其余的汽缸上，为了简便起见这里未在图1中标明。爆震传感器11提供输出信号，用UK标明。这一信号传输给控制装置10，它首先在计算电路12中进行预处理，使得随后可将其传输给模拟-/数字转换器13。模拟-/数字转换器13与信号预处理阶段14相连，在14中对由模拟-/数字转换器13提供的数据进行预处理。信号预处理过程14与一神经网络15和一微处理器16相连，在微处理器中进行内燃机爆震识别及调节装置的总控制。此外，还向微处理器提供其它信号，在这些信号中例如会涉及到所谓的内燃机负荷L以及转速n。通常通过传感器20扫过与内燃机曲轴17相连的齿轮18来测定转速。传感器20是一电感传感器，在这一传感器中，当经过齿轮18的每个齿时产生电压脉冲UN，从这一时间次序中可测定转速n。当然，其它信号也可传输给控制装置10，或者说控制装置的微机以进行处理。根据传输的信号由微处理器计算用于内燃机调节所需的控制信号，例如准备好点火终了阶段19的控制信号UZ。根据控制信号，将一由电池电压UB提供的电压加在点火线圈Z上。图1的布置只是一个范例，可用另外不同的部件对其进行补充。例如可预先规定一乘法器，通过这一乘法器将由不同爆震传感器11产生的信号传输给控制装置。只要保证爆震传感器11的输出信号，或者说不同的爆震传感器的输出信号具有一定高度，这一高度使得有可靠的模拟-/数字转换，那么，就可以省略信号处理过程12。在这种情况下，输出信号UK直接输送给模拟-/数字转换器13。原则上，图1中介绍的装置并不只局限于爆震传感器信号的处理，它还可处理与调节系统相连的其它传感器的信号。相应地，在预处理过程14中的信号预处理必须调整，使得同样再次获得特征量，然后将这些特征量传输给神经网络15或其它网。在图1描述的装置中实施在图2、3和4中说明的用于内燃机爆震识别或者说调节的方法。在图2中说明了信号处理的第一概况，在这里首先以适宜的方式处理爆震传感器信号，用模拟-/数字转换器将其数字化，然后输送给预处理过程14。这一过程在图2中用步骤S1表示。在预处理过程14中进一步处理数字化的爆震传感器信号。此外，从爆震传感器信号中获得可选择的特征量，这些特征可以例如通过在测量窗口中的扫描获得，然后可确定爆震发生的地点。进而可择出干扰。如果接着进行数字化信号的傅立叶变换，那么可以测定一个或多个爆震的最优频率。在一个可选择的测量窗口中通过爆震传感器总能量的积分可测定例如爆震能量。也可测定爆震传感器信号的部分能量，在这一过程中，部分能量的计算在不同的测量窗口段进行。通过确定不同的测量窗口或不同的测量窗口段可以得到一有特征的信号形式，因而可以区别干扰噪音和由爆震引起的噪音。在可选择阶段过程中，测量窗口的形成或随后的信号的进一步传输可以在预处理过程14中进行。特别说明的爆震传感器信号的特征的获得在信号预处理过程14中进行。在图2中用步骤S2表明在信号处理过程14中进行的方法。单独借助于神经网络进行从信号预处理过程14中提取特征的选择和分类。此外，将提取的特征输送给输入层，它是神经网络的组成部分。在图1中神经网络用15表示，它例如指的是一个特有的神经网络计算机。但神经网络也可以是微处理器16的组成部分。通常可以将神经网络理解为计算逻辑。也可以用模糊逻辑或组合网络来代替一个或多个神经网络。在图2描述的方法中，提取特征在神经网络输入层中的接收被表示为步骤S3。在神经网络中的处理和输出被表示为步骤S4。在神经网络的输出端，或者说在神经网络的输出层有一可被识别的信号，该信号表明是否有爆震。在步骤S5生成这一信号。“爆震是/否”的说明输送给微处理器16，微处理器根据这一信息以及其它输送给它的信息计算用于点火UZ的新的控制信号。如果在神经网络15的输出端识别出存在有爆震，那么在计算新的点火信号UZ时要考虑爆震，并且微处理器16给出将点火角向后调整的信号。在信号预处理过程中提取的特征量的计算和分类也在神经网络15中进行。此外，被计算的特征量的数目与神经网络输入端的数目相对应。在神经网络中计算的输出值可以用来评价爆震强度。根据这一爆震强度可以例如确定一临界值，从这一临界值起将点火角向后调节，并作为阻止爆震产生的措施。最后，微处理器决定是否需要进行点火角的调整。在图3中说明了一个神经网络的实施例。图3中的流程图与图1中被视为神经网络15本文档来自技高网...

【技术保护点】
用于内燃机爆震识别和调节的装置，其特征是，预处理阶段（１４）包含这样的手段，即从爆震传感器的输出信号中获取特征量以及相应的、传递给处理逻辑特别是网络（１５）进行进一步处理的数据，由此形成了可以预报爆震存在的决定判据，该装置具有至少一个爆震传感器，该传感器安装在内燃机汽缸上并提供电输出信号，输出信号取决于相关汽缸的燃烧状态，并被输送信号处理装置，信号处理装置包括至少一个预处理阶段、一个处理逻辑和一个微处理器，微处理器在信号处理装置中实现连接。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：斯特凡翁兰，奥斯卡托尔诺，罗伯特斯洛博达，维尔纳黑明，伊万苏亚迪，米夏埃尔博伊尔勒，西格丽德哈夫纳，
申请(专利权)人：罗伯特博施有限公司，
类型：发明
国别省市：DE[德国]