CN104763532B - 用于识别内燃机的、优选汽油发动机的爆震的方法和设备 - Google Patents

Abstract

本发明涉及一种用于识别内燃机的、优选汽油发动机的爆震的方法，其中测量固体声音信号，由所述固体声音信号获得固体声音特征(m_i)。在实现特别明确的爆震识别的方法中，由所述固体声音特征(m_i)估计用于内燃机(1)的燃烧(i)的峰值压力(p_i)，并且将所估计的峰值压力(p_i)与爆震识别阈值比较，其中在所估计的峰值压力(p_i)超过所述爆震识别阈值时识别出所述内燃机(1)的爆震。

Description

用于识别内燃机的、优选汽油发动机的爆震的方法和设备

技术领域

本发明涉及一种用于识别内燃机的、优选汽油发动机的爆震的方法，其中测量固体声音信号，由所述固体声音信号获得固体声音特征；本发明还涉及一种用于执行该方法的设备。

背景技术

在汽油发动机中通常借助爆震传感器来探测爆震。在此，爆震传感器布置在汽油发动机上并且识别出汽油发动机的固体声音振动，所述固体声音振动由于汽油发动机的汽缸内***式的燃烧产生。这种在汽油发动机的燃烧室内部产生的***式的燃烧被转变为振动，所述振动被传导到内燃机壁上并且在那里作为固体声音被察觉。过大的振动能够导致汽油发动机损坏并且因此必须被禁止。

为了识别爆震，由固体声音传感器提供的固体声音信号基本上在适宜的测量窗口内被滤波、整流和积分。然后根据积分值计算相对固体声音特征，借此借助阈值比较来判断爆震。

由于干扰，这种爆震识别引起了越来越多的问题。为了改善爆震识别存在下述可行方案：在测量窗口内计算时间频率图，由此获取用于燃烧的多个固体声音特征。但是这里通常有这样的问题：应该如何基于所述多个固体声音特征在多维空间内进行分类。已知像支持矢量分类(SVC)一样的方法，借助该方法能够在高维空间内进行分类。但是该方法对爆震识别来说并非最优，因为这里总是仅能进行数字的判断，但是爆震强度是连续的信号。此外已知支持矢量回归(SVR)，但是它至少在标准应用中具有下述缺点：各个元件的加权始终相同。

发明内容

因此本发明的任务在于，给出一种用于识别内燃机的爆震的方法，其中由多个表征燃烧的固体声音特征实现对爆震的分类，以便由此保证准确地识别爆震。

根据本发明该任务通过以下方式解决：由固体声音特征估计用于内燃机的燃烧的绝对峰值压力，并且将所估计的绝对峰值压力与爆震识别阈值比较，其中在所估计的峰值压力超过爆震识别阈值时，识别出内燃机的爆震。这具有下述优点：能够实现对爆震的或者不爆震的燃烧的分类，因为由所测量的固体声音特征计算出的绝对峰值压力是用于爆震强度的参考，所述绝对峰值压力优选由带通滤波的燃烧室压力信号(通常4-40kHz)获得。

有利的是，在燃烧中展开的测量窗口期间测量固体声音信号，由此确定多个固体声音特征。通过分析大量的固体声音特征能够准确地得出汽油发动机内是否存在爆震的结论。

在一种设计方案中由固体声音信号通过傅立叶变换获取固体声音特征。因此能够以一种简单的软件方法处理固体声音测量值并且由此反推出每次燃烧的绝对峰值压力。

在一种实施方式中，高频的固体声音特征由燃烧的功率密度谱的不同频率的能量组成，其中通过傅立叶变换能够确定大量能量特征。

有利的是分别对固体声音特征进行加权。借助加权和随之的总计，所述大量固体声音特征通过平差计算绘成峰值压力。随后能够借助阈值比较参照如此确定的峰值压力判断：是否存在汽油发动机的爆震。

在一种设计方案中，为了在应用过程或者说逻辑演算过程(Applikationsvorgang)中进行加权在使用燃烧期间在内燃机的汽缸内测量的燃烧室压力的情况下获取用于固体声音特征的加权系数和/或偏移。在此在不同的运行点测量燃烧室压力，其中每个运行点通过预先规定的负荷和预先规定的转速表征。通常对于每个运行点分析1000-3000次燃烧，以保证在所分析的燃烧内存在适宜数目的爆震燃烧。

在一种变型方案中，由燃烧室压力借助在同一次燃烧中所确定的固体声音特征计算出绝对峰值压力，将所述绝对峰值压力从在所述应用过程期间确定的固体声音特征中扣除，并且对这样获得的差矢量如此进行加权，使得强的不爆震的燃烧和/或弱的爆震的燃烧在该应用过程期间确定的固体声音特征下获得较高的权重。在该应用过程期间使用方程组，所述方程组由于作为未知量来使用的多次燃烧是超定的(überbestimmt)。

在一种设计方案中，在强的不爆震的燃烧和弱的爆震的燃烧互相邻接时，燃烧的加权在优化任务中采用权重的最大值，其中从该最大值出发向两侧形成单调下降的加权。在此加权这样进行，使得优化问题的解在一定程度上不仅通过多次具有低峰值压力的燃烧确定，而且燃烧适当地进入强的不爆震的燃烧和弱的爆震的燃烧发生的区域，由此进行良好的分类。

有利的是，用于非常小的和非常大的峰值压力的加权过渡到饱和。由此优选在大的和小的峰值压力之间的区域内实现峰值压力和加权之间改善的相关性。

在一种实施方式中，应用加权在应用过程期间迭代地调整。由此能够考虑固体声音特征的分布的统计特性。

此外，固体声音特征在用加权系数加权前经受非线性变换。因为绝对峰值压力应该由固体声音特征的线性关系确定，所以这样的非线性变换导致更好地调整该线性关系。

在一种变型方案中，爆震识别阈值根据先前的燃烧中所估计的绝对峰值压力调整。这具有下述优点：将汽油发动机的老化效应(同时汽油发动机的背景噪声发生变化)考虑到爆震识别阈值中并且由此避免了爆震识别时的误判断。

本发明的一种改进方案涉及用于识别内燃机的、优选汽油发动机的爆震的设备，所述设备接收固体声音传感器的信号并且由所述固体声音传感器的信号获取固体声音特征。在即使存在大量固体声音特征也能够可靠地确定爆震事件的设备中，存在这样的器件，它们由固体声音特征估计用于内燃机的燃烧的峰值压力并且将所估计的峰值压力与爆震识别阈值比较，其中在所估计的峰值压力超过爆震识别阈值时识别出内燃机的爆震。这具有下述优点：能够对爆震的和不爆震的燃烧进行分类，因为表示高频的最大的绝对的参考的峰值压力由所述固体声音信号来估计。

有利的是，用于估计峰值压力的器件在燃烧期间展开的测量窗口内探测固体声音传感器的燃烧期间输出的信号并且由此确定多个固体声音特征，对所述固体声音特征进行加权。在此大量取自固体声音传感器的信号的固体声音特征借助平差计算绘出峰值压力，接着能够借助与爆震识别阈值的比较来判断是否存在汽油发动机的爆震。

附图说明

本发明允许多种实施方式。根据在附图中示出的示图详细解释所述实施方式之一。

附图中：

图1示出了用于检测内燃机中的爆震信号的设备，

图2示出了用于根据图1的内燃机的汽缸的实施例，

图3示出了用于峰值压力的应用加权的实施例，

图4示出了加权的平差计算的结果关于绝对峰值压力的相关性，所述绝对峰值压力按照根据本发明的方法的一个实施例获取，

图5示出了按照现有技术支持矢量回归(SVR)的结果关于峰值压力的相关性。

相同的特征用相同的附图标记表示。

具体实施方式

图1示出了用于检测内燃机内的爆震信号的设备，所述内燃机优选构造为汽油发动机。在该实施例中内燃机1具有四个汽缸2、3、4、5，所述汽缸的未进一步示出的在汽缸2、3、4、5内运动的活塞分别通过连杆6、7、8、9与曲轴10连接并且由于通过燃烧引起的压力变化驱动所述曲轴。汽缸2、3、4、5与进气管11连接，所述进气管通过节气门12相对于空气吸入管13关闭。用于喷入燃油的喷嘴14和用于新鲜空气的进气阀15伸入到每个汽缸2、3、4、5内，由此在汽缸2、3、4、5内形成燃料空气混合物。此外每个汽缸2、3、4、5分别具有一个用于在燃烧过程期间产生的废气的排气阀16，如在图2中示范地仅为汽缸2所示那样。在内燃机1上设置固体声音传感器17，所述固体声音传感器探测通过燃烧引起的并且传输到内燃机1上的固体声音变化。将固体声音传感器17的信号传送到控制器18，所述控制器又与对置于曲轴10的曲轴传感器19连接，其中控制器18将燃烧分配给曲轴传感器19的信号，该信号代表着曲轴角。在此控制器18包括微处理器20，所述微处理器与存储器21连接。

在内燃机1内，所供给的燃料空气混合物的燃烧使得装备有内燃机1的车辆开始行驶运行或者保持行驶运行。这里燃料空气混合物的燃烧通过火花塞的点火火花导入。点火火花构成火焰前部，它在内燃机的整个燃烧室内蔓延，并且将存在的燃料空气混合物在燃烧期间转变为动能。在爆震燃烧的情况下，燃烧的一部分冲击式地进行并且在内燃机1的燃烧室22内引起压力强烈上升，这产生压力波，所述压力波扩散并且碰撞限定出燃烧室的壁，在这里高频的振动转变为固体声音。该振动由固体声音传感器17探测。控制器18分析所述连续的振动，这在由控制器18控制内燃机1的情况下在爆震调节期间加以考虑，以防止发动机损坏。

控制器18由从固体声音传感器17获得的固体声音特征估计每次燃烧i的绝对峰值压力p_i，为了识别爆震分析所述绝对峰值压力。在此，在控制器18的存储器21内存储一个公式，该公式描述一种线性关系并且根据该等式微处理器20由每次燃烧i的固体声音信号确定绝对峰值压力p_i的估计值。

现在矢量m_i包含由固体声音信号借助傅立叶变换获得的固体声音特征、例如由于不同的频率而由功率密度谱组成的能量。w是一个矢量，用该矢量对固体声音特征m_i进行加权并且在与常数b相加后得到用于燃烧i的峰值压力p_i的估计。基于此，将峰值压力p_i与爆震识别阈值进行比较，其中在相应的燃烧i的所估计的峰值压力p_i超过该爆震识别阈值时，判断发生爆震。

矢量w和常数b在应用过程中确定并且在控制器18内在通过固体声音传感器17真正测量并且通过控制器18分析前存储。

在所述应用过程期间，在等式(1)中提到的方程组是超定的，因为实际上燃烧i作为未知量来使用。因此必须解决一个优化问题，其中必须对燃烧进行加权，使得相关的燃烧、也就是强的不爆震的燃烧i和弱的爆震的燃烧i在优化中获得比其余的燃烧高的权重。对此如下进行：

在应用过程中对于每个汽缸2、3、4、5运转到不同的运行点，所述运行点通过负荷和转速来表征。通常对每个运行点使用1000-3000次燃烧，其中所基于的是，在所述那么大的数目中存在适宜数目的爆震的燃烧。在该应用过程中借助燃烧室压力传感器测量燃烧i期间的燃烧室压力p_ref并且由在相同的燃烧i期间出现的固体声音信号确定多个固体声音特征m_i。

(2)

具有：

其中：G＝diag(g₁.........g_n)；

如下定义p_ref、M和x：

p_ref＝[p₁...p_n]^T在应用过程期间测量的燃烧室压力，

固体声音特征的特征矢量，

x＝[b_w，W^T]^T，

g权重。

图3中示出燃烧i的一种可能的加权关于峰值压力p_i的情况。在此，权重的最大值布置在存在于强的不爆震的燃烧i和弱的爆震的燃烧i之间的分界处。所述分界例如在该实施例中在转速为6300U/min、带通滤波的燃烧室压力的绝对峰值压力为6.3bar处进行。对于非常小的和非常大的峰值压力p_i，加权应该进入饱和，所述加权大于零。其间从最大值出发向两侧进行单调下降的加权。该加权在应用过程期间迭代地调整，使得固体声音特征m_i的分布的统计特性在该应用过程中变得恰当。

在等式(1)中处理固体声音特征m_i之前，使其经受非线性的变换。这例如能够通过对固体声音特征m_i取对数实现。图4示出了回归的结果关于峰值压力的相关性，所述峰值压力借助先前的平差计算加权。在希望进行良好的分类的领域中，这里存在强的不爆震的燃烧i和弱的爆震的燃烧i的良好的相关性，使得能够实现可靠的爆震判断。与此相比，在图5中借助支持矢量回归(SVR)实现相关性，其中对所有的固体声音特征m_i同等加权。这导致，多个具有低峰值压力的燃烧i影响分类并且因此导致错误。

由于老化效应，汽油发动机1的背景噪声发生变化。因此，根据存储在存储器21中的、先前的燃烧的已经计算出的峰值压力p，对用于当前的燃烧的爆震识别阈值进行调整。作为替代方案，能够使当前的峰值压力p_i也参照先前的燃烧的平均值p_i，s并且随后借助所应用的爆震识别阈值进行处理。

Claims (12)

1.用于识别内燃机的爆震的方法，其中测量固体声音信号，由所述固体声音信号获得固体声音特征（m_i），其特征在于，由所述固体声音特征（m_i）估计用于所述内燃机（1）的燃烧（i）的峰值压力（p_i），并且将所估计的峰值压力（p_i）与爆震识别阈值进行比较，其中当所估计的峰值压力（p_i）超过所述爆震识别阈值时，识别出所述内燃机（1）的爆震，其中分别对所述固体声音特征（m_i）进行加权，其中为了在应用过程中进行加权在使用燃烧（i）期间在所述内燃机（1）的汽缸内所测量的燃烧室压力（p）的情况下获取用于所述固体声音特征（m_i）的加权系数（w）和/或偏移（b），并且其中由所述燃烧室压力借助在同一次燃烧（i）中所获取的固体声音特征（m_i）计算出绝对峰值压力（p），将所述绝对峰值压力从在应用过程期间所获取的固体声音特征（m_i）中扣除，并且对如此获得的差矢量这样进行加权（g），使得强的不爆震的燃烧（i）和/或弱的爆震的燃烧（i）在所述应用过程期间所确定的固体声音特征（m_i）下获得较高的权重。

2.根据权利要求1所述的方法，其特征在于，在燃烧（i）时展开的测量窗口期间探测所述固体声音信号，由此确定多个固体声音特征（m_i）。

3.根据权利要求2所述的方法，其特征在于，由所述固体声音信号通过傅立叶变换获取所述固体声音特征（m_i）。

4.根据权利要求1、2或者3所述的方法，其特征在于，高频的固体声音特征（m_i）由燃烧（i）的功率密度谱的不同频率的能量组成。

5.根据权利要求1所述的方法，其特征在于，当所述强的不爆震的燃烧和所述弱的爆震的燃烧互相邻接时，所述燃烧（i）在对差矢量的加权（g）中在优化任务中采用权重的最大值，其中从所述最大值出发向两侧形成单调下降的加权。

6.根据权利要求5所述的方法，其特征在于，在对差矢量的加权（g）中用于由所述燃烧室压力计算出的非常小的和非常大的峰值压力的权重过渡到饱和。

7.根据权利要求1所述的方法，其特征在于，所述对差矢量的加权（g）在应用过程期间迭代地调整。

8.根据权利要求1所述的方法，其特征在于，所述固体声音特征（m_i）在用加权系数（w）加权之前经受非线性的变换。

9.根据权利要求1所述的方法，其特征在于，所述爆震识别阈值根据先前的燃烧中所估计的绝对峰值压力（p_i）调整。

10.根据权利要求1所述的方法，其特征在于，所述方法用于识别汽油发动机的爆震。

11.用于识别内燃机的爆震的设备，所述设备接收固体声音传感器（17）的信号并且由所述固体声音传感器（17）的信号获取固体声音特征（m_i），其特征在于，存在器件（20、21），所述器件由所述固体声音特征（m_i）估计用于所述内燃机（1）的燃烧（i）的峰值压力（p_i）并且将所估计的峰值压力（p_i）与爆震识别阈值进行比较，其中在所估计的峰值压力（p_i）超过所述爆震识别阈值时，识别出所述内燃机（1）的爆震，其中用于估计所述峰值压力（p_i）的器件（20、21）在燃烧（i）期间展开的测量窗口内探测所述固体声音传感器（17）的燃烧（i）期间输出的信号并且由此确定多个固体声音特征（m_i），对所述固体声音特征进行加权，其中为了在应用过程中进行加权在使用燃烧（i）期间在所述内燃机（1）的汽缸内所测量的燃烧室压力（p）的情况下获取用于所述固体声音特征（m_i）的加权系数（w）和/或偏移（b），并且其中由所述燃烧室压力借助在同一次燃烧（i）中所获取的固体声音特征（m_i）计算出绝对峰值压力（p），将所述绝对峰值压力从在应用过程期间所获取的固体声音特征（m_i）中扣除，并且对如此获得的差矢量这样进行加权（g），使得强的不爆震的燃烧（i）和/或弱的爆震的燃烧（i）在所述应用过程期间所确定的固体声音特征（m_i）下获得较高的权重。

12.根据上述权利要求11所述的设备，其特征在于，所述设备用于识别汽油发动机的爆震。