用于管控机动车辆的内燃发动机的方法技术

本发明专利技术涉及一种用于管控机动车辆的内燃发动机(1)的方法，所述管控方法包括：

【技术实现步骤摘要】
【国外来华专利技术】用于管控机动车辆的内燃发动机的方法


[0001]本专利技术涉及一种用于管控机动车辆的内燃发动机的方法、一种用于实施该管控方法的管控设备、一种包括所述设备的内燃发动机以及一种包括这种内燃发动机的机动车辆。

技术介绍

[0002]为了改进内燃发动机的整体性能，众所周知的实践是为这种内燃发动机提供EGR(排气再循环)阀。这种EGR阀允许来自所述内燃发动机的排气管的燃烧气体再循环到该同一内燃发动机的进气歧管。将在燃烧期间中不反应的燃烧气体引入到发动机的燃烧室中，使得可以降低燃烧的整体温度，并限制被称为爆燃的现象的出现。这种现象对应于燃烧室中空气/燃料混合物的不期望的自燃，这可能在经过一段时间之后严重损坏所述燃烧室。
[0003]EGR阀的使用对内燃发动机的整体操作具有显著影响。具体地，在具有EGR阀的配置中，每个燃烧室中捕集的空气的质量较低，因为燃烧气体代替了所述室中的新鲜空气。为了获得化学计量的空气/燃料混合物(即其中燃料将在燃烧期间在室中被完全消耗的混合物)，需要非常精确地知道内燃发动机的进气歧管中的燃烧气体的质量分数(或新鲜气体的质量分数)。燃烧气体的质量分数被理解为空气/燃料混合物中燃烧气体的比例。然后，使用该参数来最佳地控制EGR阀。然而，使用传统的物理传感器难以测量燃烧气体的质量分数。
[0004]文件FR 2981404描述了一种基于对进气歧管中的燃烧气体的质量分数的估计来管控内燃发动机的方法。更具体地，燃烧气体的质量分数是根据对存在于进气歧管上游的一定体积的混合物中的燃烧气体的基于质量的估计并基于传输延迟来确定的。传输延迟对应于将一定体积的混合物传输到进气歧管所花费的时间。这对应于内燃发动机内部的空气/燃料混合物的输送中的动态函数。该传输延迟通过根据热力学条件分割进气管线并对每个段应用层流定律来估计。因此，文件FR 2981404作出如下假设：每个区域内的热力学条件是稳定的或者这些热力学条件是线性变化的。现在，内燃发动机能够与输出参数与输入参数不成比例的非线性系统进行比较。因此，由文件FR 2981404作出的对燃烧气体的质量分数的估计包含一定的不精确性，这可以证明与未来的用于汽油发动机的欧洲排放标准(例如，未来的殴7标准)不兼容。
[0005]因此，仍然需要提出一种用于管控机动车辆的内燃发动机的方法，该方法执行得更好，特别是通过以更高的精度水平确定在所述内燃发动机的进气歧管中的燃烧气体的质量分数来执行。

技术实现思路

[0006]本专利技术寻求至少部分地满足这种需要。
[0007]更具体地，本专利技术寻求改进对内燃发动机的进气歧管中的燃烧气体的质量分数的估计。
[0008]本专利技术的第一主题涉及一种用于管控机动车辆的内燃发动机的方法，所述内燃发
动机包括多个部件，诸如进气歧管、至少一个燃烧室、EGR阀，所述控制方法包括：
[0009]‑
接收与所述内燃发动机有关的多个第一操作参数和被称为测量参考参数的第一参考参数的步骤；
[0010]‑
基于多个第一操作参数中的全部或一些，使用神经网络估计所述内燃发动机的至少第二操作参数和被称为估计参考参数的第二参考参数的步骤；
[0011]‑
使用扩展卡尔曼滤波器修正至少第二操作参数以获得至少修正的第二操作参数的步骤，所述修正步骤包括在测量参考参数与估计参考参数之间进行比较，以便确定修正增益，该至少第二操作参数的修正是所述修正增益的函数；
[0012]‑
基于该至少修正的第二操作参数：
[0013]‑
控制内燃发动机的多个部件中的至少一个部件(诸如进气歧管的入口处的进气门和/或所述EGR阀)的步骤；并且/或者
[0014]‑
估计至少第三操作参数(诸如污染物的排放水平或离开燃烧室的气体的温度)的步骤。
[0015]因此，对进气歧管中的燃烧气体的质量分数的估计由神经网络执行。根据定义，神经网络是一种架构，其设计受生物神经元操作的启发。神经网络是能够通过应用归纳原理进行学习、也就是说通过经验进行学习的架构。神经网络通常由一连串的层组成，这些层中的每个层从前一层的输出获取其输入。每个层(i)由N
i
神经元组成，因此从前一层的N
i
‑1神经元获取它们的输入。通过适当的学习，神经网络将能够归纳内燃发动机的非线性操作，以便从中提取线性化的操作。扩展卡尔曼滤波器是能够修正不完整或有噪声的测量误差的无限脉冲响应滤波器。这是一种滤波器，其操作在可能看起来是线性的非线性系统的值的范围上是最优的。因此，扩展卡尔曼滤波器特别适合于由神经网络估计的参数。该滤波器使用修正增益来修正由神经网络估计的所有或一些参数。该修正增益通过在测量参考参数与由神经网络估计的参考参数之间进行比较来确定。为了确定该修正增益，扩展卡尔曼滤波器环回到能够由物理传感器测量的受控参数，诸如进气歧管中的压力。通过神经网络和扩展卡尔曼滤波器的组合使用，改进了对进气歧管中的燃烧气体的质量分数的估计，并且更一般地，改进了内燃发动机的管控。因此，本专利技术使得可以实现+/
‑
2点(与现有技术中的+/
‑
5点对照)的燃烧气体的质量分数的估计精度水平。
[0016]在一个特定实施例中，神经网络是递归神经网络。
[0017]递归神经网络是具有优异数据压缩特性的神经网络。因此，它能够存储针对给定参数捕获的较早值的长列表，并且能够捕获其动态现象，因此使得可以估计其未来值。
[0018]在一个特定实施例中，递归神经网络包括短期记忆层。
[0019]短期记忆层(称为LSTM，其代表“长短期记忆”)是神经元的特定架构，其尤其用于深度学习领域中。这是一种在基于时间的序列(诸如语音或视频)的回归或分类中常规使用的架构。典型地，短期记忆层包括多个“特征”单元。每个特征单元包括子元件，诸如一个或多个输入门、一个或更多个输出门和一个或多个遗忘门。使用这些各种门，短期记忆层能够最佳地捕获空气传输到内燃发动机的进气歧管的延迟的动态效果。更具体地，短期记忆层由多个动态(可变)内部状态X来定义。因此，该LSTM层能够捕获发动机的非线性动态现象。这些现象在很大程度上是产生污染物的原因。
[0020]在一个特定实施例中，神经网络包括连接到所述短期记忆层的至少一个全连接
层。
[0021]神经网络的全连接层是包括多个神经元的层，每个神经元连接到前一层(也就是在本实例中的短期记忆层)的神经元。这使得可以创建众多连接，可以将要校准的权重应用于这些连接，以最佳地捕获内燃发动机的操作。因此，这些众多连接使得可以最佳地捕获所述内燃发动机的操作的非线性，以便从中提取线性化的操作。
[0022]在另一特定实施例中，第一操作参数从包括以下项的第一操作参数列表中选择：
[0023]‑
内燃发动机速度；
[0024]‑
喷射到所述内燃发动机中的燃料量；
[0025]‑
新鲜空气进气蝶阀的位置；...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于管控机动车辆的内燃发动机(1)的方法，所述内燃发动机(1)包括多个部件，诸如进气歧管(21)、至少一个燃烧室(104)、EGR阀(42)、包括涡轮(33)的涡轮增压器，所述控制方法包括：
‑
接收与所述内燃发动机(1)有关的多个第一操作参数(Rm,Car,α,β,δ,ε)和被称为测量参考参数(P
Colmes
)的第一参考参数的步骤(E1)；
‑
基于该多个第一操作参数(Rm,Car,α,β,δ,ε)中的全部或一些，使用神经网络(711)估计所述内燃发动机(1)的至少第二操作参数(F
Col
)和被称为估计参考参数(P
Colest
)的第二参考参数的步骤(E2)；
‑
使用扩展卡尔曼滤波器(712)修正该至少第二操作参数(F
Col
)以获得至少修正的第二操作参数(F
Colcor
)的步骤(E3)，所述修正步骤包括在该测量参考参数(P
Colmes
)与该估计参考参数(P
Colest
)之间进行比较，以便确定修正增益(k)，该至少第二操作参数(F
Col
)的修正是所述修正增益(k)的函数；
‑
基于该至少修正的第二操作参数(F
Colcor
)：
‑
控制该内燃发动机的多个部件中的至少一个部件，诸如该进气歧管(21)的入口处的进气门(27)和所述EGR阀(42)的步骤(E4)；以及
‑
估计至少第三操作参数，诸如离开该燃烧室的气体的温度，以便防止该涡轮(33)处过热的步骤(E5)。2.如权利要求1所述的管控方法，其中，该神经网络(711)是递归神经网络。3.如权利要求2所述的管控方法，其中，该递归神经网络(711)包括短期记忆(LSTM)层。4.如权利要求3所述的管控方法，其中，该神经网络(711)包括连接到所述短期记忆层的至少一个全连接层。5.如权利要求1至4中任一项所述的管控方法，其中，这些第一操作参数从包括以下项的第一操作参数列表中选择：
‑
内燃发动机速度(Rm)；
‑
喷射到所述内燃发动机(1)中的燃料量(Car)；
‑
新鲜空气进气蝶阀的位置(α)；
‑
该EGR阀的位置(β)；
‑
该进气歧管的入口处的进气门的位置(δ)；
‑
涡轮增压器的涡轮的叶片的位置(ε)。6.如权利要求5所述的管控方法，其中，该至少一个第二操作参数从包括以下项的第二操作参数列表中选择：
‑
所述进气歧管(21)中的温度(T
Col
)；
‑
所述进气歧管(21)中的燃烧气体的质量分数(F
Col
)；
‑
新鲜空气流速(Q
空气
)；
‑
通过该EGR阀的流速(Q
EGR
)；
‑
排气歧管中的压力(P
Echap
)；
‑
所述排气歧管中...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：日产自动车株式会社，
类型：发明
国别省市：