用于控制具有多个燃烧器的内燃机的方法和装置制造方法及图纸

用于控制具有多个燃烧期待额内燃机的方法和装置。根据本发明专利技术为相应燃烧器（BN1，BN2）以特定于燃烧器的方式检测燃烧测量数据（VD1，VD2）并且分配给标识相应燃烧器（BN1，BN2）的燃烧器标识符（BK1，BK2）。此外检测所述内燃机（GT）的性能测量数据（PD），基于所述性能测量数据来确定性能值。借助于所述燃烧测量数据（VD1，VD2）、分配的燃烧器标识符（BK1，BK2）以及所述性能测量数据（PD）来训练机器学习模型（NN），以生成特定于燃烧器的控制数据（SD1，SD2），当通过所述控制数据（SD1，SD2）以特定于燃烧器的方式操控所述燃烧器（BN1，BN2）时，所述控制数据优化所述性能值。输出由经过训练的机器学习模型（NN）生成的控制数据（SD1，SD2），以用于特定于燃烧器地操控所述燃烧器（BN1，BN2）。BN2）。BN2）。

【技术实现步骤摘要】
【国外来华专利技术】用于控制具有多个燃烧器的内燃机的方法和装置

技术介绍

[0001]诸如燃气轮机、喷气发动机或内燃发动机的现代内燃机通常具有多个燃烧器，这些燃烧器在单独的或公共的燃烧室中产生高温和体积流，所述体积流将被转化为动能。在燃烧过程期间通常会激励出压力振荡并产生或排放诸如氮氧化物、一氧化碳或未燃烧的碳氢化合物的污染物。
[0002]在许多内燃机中，燃烧器中的燃烧过程是通过调整不同的燃料级来结构化的。在此，具有不同流量、引入压力和/或燃料
‑
空气混合比的燃料流以区分为不同燃料级的方式并行输送到相应的燃烧器。对于每个燃料级，通常设置单独的环形管路，所述环形管路通向所有燃烧器。通过适当调整各个燃料级，可以优化内燃机的运行。在此，通常寻求减少燃烧室中的压力波动或温度峰值、燃料喷嘴的堵塞和/或污染物排放，以及增加内燃机的功率或效率。然而，所追求的优化目标通常是相互对立的，并且只能近似地达到。

技术实现思路

[0003]本专利技术的任务是创造用于控制具有多个燃烧器的内燃机的方法和装置，所述方法和所述装置允许更好地优化内燃机的运行。
[0004]所述任务通过具有权利要求1的特征的方法、通过具有权利要求13的特征的装置、通过具有权利要求14的特征的计算机程序产品以及通过具有权利要求15的特征的计算机可读存储介质解决。
[0005]根据本专利技术，为了控制具有多个燃烧器的内燃机，为相应燃烧器以特定于燃烧器的方式检测燃烧测量数据并且分配给标识相应燃烧器的燃烧器标识符。所述内燃机特别可以是燃气轮机、喷气发动机或内燃发动机。在此，相应的燃烧器也可以具有多个燃烧位置和/或被设计为燃烧器组。此外，检测所述内燃机的性能测量数据，基于所述性能测量数据来确定性能值。借助于所述燃烧测量数据、分配的燃烧器标识符以及所述性能测量数据来训练机器学习模型，以生成特定于燃烧器的控制数据，当通过所述控制数据以特定于燃烧器的方式操控所述燃烧器时，所述控制数据优化所述性能值。在此，优化也应特别是理解为对由预给定标准确定的最优值的近似。这样的标准可以在所谓的奖励函数、损失函数或成本函数中针对所述性能值加以评估。输出由经过训练的机器学习模型生成的控制数据，以用于特定于燃烧器地操控所述燃烧器。
[0006]作为燃烧测量数据特别是可以以特定于燃烧器的方式检测燃烧室中的压力波动、污染物排放、气体温度、空间温度分布、燃料供给流、混合比或燃烧过程的其他参数。性能值可以特别是涉及内燃机生成的功率或效率、燃烧室中的压力波动、温度分布、气体入口温度、局部温度峰值、污染物排放、燃料喷嘴堵塞、燃料消耗或内燃机的磨损。通过所述控制数据，特别是可以以特定于燃烧器的方式控制燃料和空气之间的混合比、燃料供给流或喷射压力。
[0007]为了执行根据本专利技术的方法，设置了一种用于控制内燃机的装置、一种计算机程序产品以及一种计算机可读存储介质。
[0008]根据本专利技术的方法和根据本专利技术的装置可以例如借助于一个或多个处理器、计算机、专用集成电路（ASIC）、数字信号处理器（DSP）和/或所谓的现场可编程门阵列（FPGA）来执行或实施。
[0009]本专利技术的一个优点特别是在于，通过特定于燃烧器的测量数据检测和性能优化，能够以协调的方式补偿各个燃烧器之间的个体差异，这些差异可能由制造公差或不同的管路引导引起。以此方式，在许多情况下可以降低温度极限、压力或污染物极限、材料疲劳、磨损或污染物排放，和/或提高效率或生成的功率。通过使用机器学习模型，还可以相对准确地对特定于燃烧器的燃烧测量数据、性能测量数据和以特定于燃烧器的方式优化的控制数据之间的复杂的相互依赖性或相关性进行建模。这尤其也适用于内燃机的不同运行状态。
[0010]本专利技术的有利实施方式和扩展在从属权利要求中说明。
[0011]在本专利技术的一个有利的实施方式中，可以根据控制数据以特定于燃烧器的方式将到相应燃烧器的燃料供给流划分到多个燃料级。借助于不同的燃料级，可以将多个燃料流引导到每个燃烧器，所述多个燃料流在它们的燃料/空气混合比、它们的引入压力或其他引入参数方面不同。以这种方式，可以在每个燃烧器中在空间上、时间上、物理上和/或化学上结构化燃烧过程并且因此特别是在性能值方面以特定于燃烧器的方式优化所述燃烧过程。
[0012]优选地，可以通过特定于燃烧器和/或特定于燃料级的多路阀将燃料供给流划分到燃料级。通过使用多路阀，通常可以显著减少用于内燃机的管道耗费。
[0013]有利地，为了短暂中断或减少燃料供给流，操控跨燃烧器的阀。通过这种方式，可以共同地快速向下调节多个燃烧器，而与它们特定于燃烧器的操控无关。
[0014]根据本专利技术的一个有利的扩展，可以以特定于燃料级的方式检测燃烧测量数据并且分别分配给燃料级标识符，所述燃料级标识符附加地用于机器学习模型的训练。通过这种方式，燃烧测量数据与性能测量数据或控制数据之间的特定于燃料级的相互依赖性也可以通过机器学习模型进行建模。在优化性能值时可以有利地考虑这些相互依赖性。
[0015]根据本专利技术的一个特别有利的实施方式，可以通过强化学习方法来训练所述机器学习模型。这种强化学习方法通常也称为reinforcement
‑
learning。作为强化学习方法，例如可以使用所谓的PGNRR方法（PGNRR：Policy Gradient Neural Rewards Regression，策略梯度神经奖励回归）、VOP
‑
PGNRR方法（VOP
‑
PGNRR：Variable Objective Policy PGNRR，可变目标策略PGNRR）或基于模型的强化学习方法，例如RCNN方法（RCNN：Recurrent Control Neural Network，递归控制神经网络）。特别地，通过所述训练可以生成一个或多个所谓的封闭控制策略。这种封闭的控制策略通常可以非常快速地执行并因此允许内燃机控制时的高时间分辨率。
[0016]所述机器学习模型和/或控制策略可以优选地包括人工神经网络、递归神经网络、卷积神经网络、贝叶斯神经网络、自动编码器、深度学习架构、支持向量机、数据驱动的可训练回归模型、k
‑
最近邻分类器、物理模型和/或决策树。
[0017]根据本专利技术的另一有利实施方式，可以基于当前检测的燃烧测量数据和性能测量数据在内燃机的正在进行的运行期间进一步训练所述机器学习模型。这允许持续的运行优化并且允许适配于由运行时间或环境引起的内燃机变化。
[0018]此外，可以在校准阶段借助于训练内燃机和/或借助于内燃机的仿真模型对所述机器学习模型进行预训练。这种仿真模型通常也称为设计模型或数字孪生。作为训练内燃
机，优选地可以使用内燃机的结构相同或相似的模型。通过这种预训练，对内燃机的训练通常可以大大缩短。
[0019]所述机器学习模型可以有利地包括多个特定于相应燃烧器的子模型，每个子模型生成特定于相应燃烧器的控制数据。通过这种方式，训练任务可以分解为更小的子任务，这些本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于控制具有多个燃烧器（BN1，BN2）的内燃机（GT）的方法，其中a）为相应燃烧器（BN1，BN2）以特定于燃烧器的方式检测燃烧测量数据（VD1，VD2）并且分配给标识相应燃烧器（BN1，BN2）的燃烧器标识符（BK1，BK2），b）检测所述内燃机（GT）的性能测量数据（PD），基于所述性能测量数据来确定性能值，c）借助于所述燃烧测量数据（VD1，VD2）、分配的燃烧器标识符（BK1，BK2）以及所述性能测量数据（PD）来训练机器学习模型（NN），以生成特定于燃烧器的控制数据（SD1，SD2），当通过所述控制数据（SD1，SD2）以特定于燃烧器的方式操控所述燃烧器（BN1，BN2）时，所述控制数据优化所述性能值，以及d）输出由经过训练的机器学习模型（NN）生成的控制数据（SD1，SD2），以用于特定于燃烧器地操控所述燃烧器（BN1，BN2）。2.如权利要求1所述的方法，其特征在于，根据所述控制数据（SD1，SD2）以特定于燃烧器的方式将到相应燃烧器（BN1，BN2）的燃料供给流划分到多个燃料级（FSA，FSB）。3.如权利要求2所述的方法，其特征在于，通过特定于燃烧器的多路阀（MV1，MV2）将所述燃料供给流划分到所述燃料级（FSA，FSB）。4.如前述权利要求中任一项所述的方法，其特征在于，为了短暂中断或减少燃料供给流，操控跨燃烧器的阀。5.如前述权利要求中任一项所述的方法，其特征在于，以特定于燃料级的方式检测燃烧测量数据并且分别分配给燃料级标识符，以及将所分配的燃料级标识符用于所述机器学习模型（NN）的训练。6.如前述权利要求中任一项所述的方法，其特征在于，通过强化学习方法来训练所述机器学习模型（NN）。7.如前述权利要求中任一项所述的方法，...

【专利技术属性】
技术研发人员：HG，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：