用于运行内燃机的方法、控制器和内燃机技术

本发明专利技术涉及一种用于在使用神经网络(NN)的情况下利用λ调节来运行内燃机(1)的方法，其中，所述神经网络设计用于预测λ实际值(λ

【技术实现步骤摘要】
用于运行内燃机的方法、控制器和内燃机


[0001]本专利技术涉及一种在应用神经网络(NN)的情况下用于运行内燃机的方法，特别是一种用于调节空气燃料比的方法，一种用于在应用按照本专利技术的方法的情况下运行内燃机的控制器，以及一种内燃机，在所述内燃机上可以实施按照本专利技术的方法。

技术介绍

[0002]在应用对空气燃料比的调节，或者换句话说应用λ调节的内燃机中，基本上在考虑预测的充气和与运行点相关的λ理论值的情况下计算燃料喷射量理论值。在此，燃料喷射量理论值应采用确定的值，以便在废气排放管路的废气催化器的上游获得期望的λ。所期望的λ理论值通常是化学计量的比例为1，以便在废气催化器中获得废气排放的最优转化。为此，在与运行点相关的预控中计算基于综合特性曲线的基本燃料喷射量。此外，这能够通过不同的修正因数来改变，这些修正因数考虑无法检测的干扰以及模型和过程不稳定性，所述干扰以及模型和过程不稳定性导致λ理论值与测量出的λ实际值之间的差。所述λ实际值通常通过设置在废气催化器的下游的氧气传感器来查明。仅仅由于穿过废气排出管路和废气催化器的废气的流动的在时间上的延迟，基于气体动力学而形成在λ理论值与实际值之间的差，或者换句话说，形成调节偏差。为了抵消所述差而使用调节器，所述调节器根据这样的方式改变燃料喷射量，以便使调节偏差最小化。
[0003]在此，在现有技术中建立调节系统，所述调节系统使用PID调节器并且通过使用可变的区段时间常数并且在考虑停机时间的情况下应该特别是使气体动力学的影响最小化。
[0004]在DE 10 2015 210 381 A1中公开一种用于利用λ调节来运行内燃机的方法，其中按照λ实际值与所生成的λ理论值来计算λ调节偏差。λ理论值的生成包括对λ实际值的经历运行时间的和延迟的检测的适配。将根据这种方式计算出的λ调节偏差输送给调节单元，所述调节单元包括PID调节器并且输出调节器燃料量。基于综合特性曲线的、由预控计算出的基础燃料量修正了调节器燃料量以及常规的自适应燃料量。附加地，将从内燃机吸气管中测量出的空气质量偏差换算为干扰燃料量并且同样修正基础燃料量。以这种方式和方法应该抵消区段停机时间的影响和常规的λ调节的突变式的动态性的影响。
[0005]然而常规的λ调节系统由于功能而经受如下缺点，即常规的λ调节系统当出现调节偏差时才能对所述调节偏差做出反应，其中强制地形成对燃料喷射量理论值的延迟的适配。在此，可能导致λ调节中的增强的振荡和因此导致气体溢出。为了使λ调节系统的反应时间如下地最小化，备选于PID调节器也应用NN。
[0006]在JP3144264B2中公开一种λ调节系统，其中使用NN以便计算燃料喷射量修正因数，所述燃料喷射量修正因数是喷射量修正的输入参量并且在此被加到基于综合特性曲线的基础喷射量以及其它的常规的喷射量修正因数上。因此，NN补充常规的λ调节并且实时计算估算的λ实际值。NN的输入参量是借助传感器测量的内燃机物理特性参量，包括发动机转速、吸入空气压力、节气门位置、冷却剂温度、吸入空气温度、λ实际值以及计算出的特性参量，包括AGR率和理论喷射量。
[0007]在EP 1 854 984 A1中公开一种用于控制内燃机的λ比例的方法，其中通过NN来代替常规的λ调节，NN实时地且与内燃机的曲轴转速同步地计算所估算的λ实际值。为此，NN处理内燃机的物理特性参量的当前值作为输入参量，包括当前的燃料喷射量、燃料喷射持续时间、发动机转速、冷却水温度、吸气管空气压力以及基于所测量的气缸内压计算出的区段停机时间。输出参量在此是计算出的λ实际值，该λ实际值附加地经受漂移补偿，该漂移补偿应该考虑内燃机及其传感器和组件的老化。此外，经修正的计算出的λ实际值是燃料喷射量计算的输入参量，将所测量的λ实际值也汇入到所述燃料喷射量计算中。该方法可以与关于λ调节的常规的反馈控制并行地应用，并且应该消除λ调节的时间延迟，以及特别是在内燃机的如下运行状态中显著地降低废气排放，在所述运行状态中用于检测λ实际值的传感器停止运行。
[0008]尽管通过应用NN使反应时间最小化，常规的λ调节系统仅对已形成的偏差做出反应，并且因此还经受由于区段停机时间引起的时间延迟。此外，用于计算在常规的λ调节系统中的修正因数的输入参量仅基本上由描述基本运行状态和燃烧的内燃机物理特性参量组成，如负荷和转速、燃料喷射量和喷射时刻、可供使用的空气量的温度和质量以及必要时其它已知的特性参量。

技术实现思路

[0009]本专利技术的目的
[0010]本专利技术的目的在于，提供一种用于运行内燃机的方法，其中，通过系统修正因数来补充λ调节，所述系统修正因数在应用NN的情况下预测未来调节偏差并且将所述未来调节偏差以如下方式引入到λ调节中，从而在未来的λ调节偏差形成之前就已经将其抵消；以及提供一种用于在内燃机上实施按照本专利技术的方法的控制器，和一种在应用按照本专利技术的方法的情况下运行的内燃机。
[0011]所述目的的解决方案
[0012]所述目的通过根据权利要求1所述的方法、根据权利要求9所述的控制器以及根据权利要求10所述的内燃机实现。
[0013]本专利技术的描述和优点
[0014]本专利技术的意图在于，给技术系统的现有的调节回路补充NN，所述NN计算系统修正因数，所述系统修正因数采用如下值，以便获得技术系统的调节参量的所期望的特性。在包含对于技术系统能访问的全部信息的情况下，所期望的特性在此首先包括使调节参量的调节偏差最小化。在一种有利的实施形式中，NN以获得整个技术系统的所期望的特性的方式来影响调节参量。
[0015]在一种实施形式中，技术系统是内燃机，并且调节参量是废气质量流的λ值，该λ值在废气排出管路之内出现在废气催化器的下游。调节参量λ的期望的特性在此是保持λ实际值为1，该λ实际值是化学计量的比例，从而在废气催化器之内实现废气排放的最优转化。λ实际值通常通过在废气排出管路之内设置在废气催化器的上游的氧气传感器测量。现在，NN计算系统修正因数，该系统修正因数对应于预测的λ调节偏差并且由内燃机的技术系统以如下方式处理，使内燃机的未来运行状态的λ调节偏差最小化。
[0016]在一种备选的实施形式中，NN计算系统修正因数，所述系统修正因数代替未来的λ
调节偏差而对应于如下值，所述值不再被设计用于使λ调节偏差最小化，而是直接旨在以如下方式影响整个技术系统，使得在每个运行点中形成为1的λ实际值。
附图说明
[0017]为了更好地理解并且有助于描述而参考以下各图。图中：
[0018]图1示出在内燃机1的控制器2之内的调节系统3，
[0019]图2示出用于NN的自动的特征选择的结构构造，
[0020]图3示出用于实施按照本专利技术的方法的NN，
[0021]图4示出用于借助强化学习来优化NN的方法流程，
[0022]图5示出内燃机的λ调节。
具体实施方式
[0023]按照本专利技术的方法应该以有利的方式和方法应用到未示出的内燃机1的控制器2上并且实时地实施计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.计算机实现的用于运行内燃机(1)的方法，其中，在控制器(2)的调节系统(3)之内实施λ调节，所述控制器包括神经网络(NN)，使用该神经网络以便确定系统修正因数(f
NN
)，所述系统修正因数用于修正相对燃料量(r
K
)的计算，其特征在于，
·
在运行内燃机(1)之前，实施以下步骤：
‑
借助特征子系统选择(FSS)来自动地选择用于所述神经网络(NN)的有限数量的输入参量(x
n
)；
‑
借助于强化学习(Reinforcement
‑
Learning，RL)来优化所述神经网络；
‑
在对所述调节系统(3)的调节参量(y)的影响方面评价经优化的神经网络；
·
以及在运行所述内燃机(1)期间，实施以下步骤：
‑
在使用所述有限数量的输入参量(x
n
)的情况下，通过所述神经网络(NN)计算调节参量(y)的预测调节偏差所述预测调节偏差与对于在未来的时刻预期的调节偏差(e)相对应；
‑
在当前时刻输送所述预测调节偏差以用于计算所述调节系统(3)的相对燃料量(r
K
)，从而补偿未来出现的调节偏差(e)。2.根据权利要求1所述的方法，其特征在于，所述调节参量(y)是λ实际值(λ
ist
)。3.根据权利要求1或2所述的方法，其特征在于，用于神经网络的输入参量(x
n
)包括至少一个干扰参量(d
S
)，所述干扰参量对应于控制器(2)的各测量特性参量中的一个测量特性参量。4.根据权利...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：汽车交通工程有限公司，
类型：发明
国别省市：