DE102006004516B3 - Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine - Google Patents

Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine Download PDF

Info

Publication number
DE102006004516B3
DE102006004516B3 DE200610004516 DE102006004516A DE102006004516B3 DE 102006004516 B3 DE102006004516 B3 DE 102006004516B3 DE 200610004516 DE200610004516 DE 200610004516 DE 102006004516 A DE102006004516 A DE 102006004516A DE 102006004516 B3 DE102006004516 B3 DE 102006004516B3
Authority
DE
Germany
Prior art keywords
probability
factor
assigned
bayesian network
measured variable
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
DE200610004516
Other languages
English (en)
Inventor
Claus-Oliver Dr. Schmalzing
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Rolls Royce Solutions GmbH
Original Assignee
MTU Friedrichshafen GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by MTU Friedrichshafen GmbH filed Critical MTU Friedrichshafen GmbH
Priority to DE200610004516 priority Critical patent/DE102006004516B3/de
Application granted granted Critical
Publication of DE102006004516B3 publication Critical patent/DE102006004516B3/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/02Circuit arrangements for generating control signals
    • F02D41/14Introducing closed-loop corrections
    • F02D41/1401Introducing closed-loop corrections characterised by the control or regulation method
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/028Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using expert systems only
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/0002Controlling intake air
    • F02D41/0007Controlling intake air for control of turbo-charged or super-charged engines

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Supercharger (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

Vorgeschlagen wird ein Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine, bei dem einer ersten Messgröße (MG1) über eine erste Wahrscheinlichkeits-Tabelle (WTB1) eine erste Wahrscheinlichkeit (W1) zugeordnet wird, der ersten Wahrscheinlichkeit (W1) über eine erste Handlungsanweisung (HAW1) ein erster Faktor (F1) zugewiesen wird, bei dem einer zweiten Messgröße (MG2) über eine zweite Wahrscheinlichkeits-Tabelle (WTB2) eine zweite Wahrscheinlichkeit (W2) zugeordnet wird, der zweiten Wahrscheinlichkeit (W2) über eine zweite Handlungsanweisung (HAW2) ein zweiter Faktor (F2) zugewiesen wird, bei dem der erste Faktor (F1) gegen den zweiten Faktor (F2) über eine Gewichtungs-Handlungsanweisung (GWHA) gewichtet sowie ein Gewichtungsfaktor (FGW) zugeordnet wird und bei dem ein Korrekturwert (KORR) zur Korrektur einer Reglerstellgröße (RSG), insbesondere einer Einspritzmenge, aus dem Gewichtungsfaktor (FGW) über eine Korrekturtabelle (KTB) berechnet wird.

Description

  • Die Erfindung betrifft ein Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine nach Anspruch 1 sowie ein Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine mit mindestens einem Abgasturbolader nach Anspruch 6.
  • Der Zustand einer Brennkraftmaschine wird über ein elektronisches Steuergerät in Abhängigkeit von Eingangsgrößen, zum Beispiel einem Leistungswunsch, festgelegt. Zur Umsetzung der Eingangsgrößen auf die entsprechenden Steuergrößen werden Kennlinien und Kennfelder verwendet. So wird zum Beispiel bei einem Common-Railsystem einem Betriebspunkt (Drehzahl, Motormoment) über ein Kennfeld ein Soll-Raildruck zugeordnet, welcher dann von einem Raildruck-Regler in eine entsprechende Stellgröße, insbesondere Volumenstrom, umgesetzt wird. Zur Anpassung an sich ändernde Bedingungen sind zusätzlich eine kennfeldbasierte Vorsteuerung, Kennfeldumschaltungen und Korrekturgrößen vorgesehen. Ein derartiges System ist zum Beispiel aus der DE 101 57 641 A1 bekannt.
  • Zur Leistungssteigerung einer Brennkraftmaschine werden Abgasturbolader vorgesehen. Diese können als Abgasturbolader mit variabler Turbinengeometrie oder als schaltbare Abgasturbolader ausgeführt werden, zum Beispiel bei einer Registeraufladung. Im weiteren Text wird ein Abgasturbolader dessen Geometrie veränderbar ist als VTG-Abgasturbolader bezeichnet. Auch bei diesen Systemen bestimmt das elektronische Steuergerät aus den Eingangsgrößen über Kennlinien und Kennfeldern eine Stellgröße. Bei einer Registeraufladung bestimmt das elektronische Steuergerät aus der Drehzahl des permanent betriebenen Abgasturboladers als Stellgröße ein Aktivierungssignal für eine Schaltklappe. Über dieses wird dann der schaltbare Abgasturbolader aktiviert. Ein derartiges System ist beispielsweise aus der DE 103 08 075 A1 bekannt.
  • In der Praxis werden die Kennlinien und Kennfelder vom Hersteller der Brennkraftmaschine bei der Erstausstattung mit einem Standard-Parametersatz bestückt. Diese Daten werden dann bei Prüfstandsversuchen angepasst. Hierzu müsste jeder einzelne Betriebspunkt eines jeden Kennfelds gemessen und angepasst werden. Dies ist äußerst aufwendig, so dass häufig die ursprünglichen Werte ungeprüft übernommen werden. Zudem gestaltet sich eine Überprüfung der Funktionalität der Motorsteuerung als sehr schwierig.
  • Der Erfindung liegt daher die Aufgabe zu Grunde, Maßnahmen aufzuzeigen mit denen der Abstimmungsaufwand für eine Brennkraftmaschine mit mindestens einem Abgasturbolader verringert werden kann.
  • Die Aufgabe wird durch die Merkmale des Anspruchs 1 und die Merkmale des Anspruchs 6 gelöst.
  • In beiden Fällen sieht die Erfindung ein Bayes-Netz zur Steuerung und Regelung der Brennkraftmaschine vor. Die Besonderheit bei einem Bayes-Netz besteht unter anderem darin, dass jeder Messgröße eine Wahrscheinlichkeits-Tabelle über alle Zustände hinterlegt ist.
  • Aus der DE 103 33 181 A1 ist ein Bayes-Netz basiertes Expertensystem bekannt, bei dem die technischen Zusammenhänge sowie Abhängigkeiten von einem Experten abgebildet werden. Die den Knoten (Parametern/Variablen) hinterlegten Wahrscheinlichkeitstabellen werden in einem Lernprozess aus Daten an das technische System angepasst. Das Bayes-Netz ist jedoch auf die Diagnose, beispielsweise eines Fahrzeugs, ausgerichtet.
  • Aus der der WO 2005/033809 A1 ist ebenfalls eine Bayes-Netz bekannt, bei dem zu Beginn alle Knoten (Parameter) miteinander verbunden sind, was eine anfängliche angenommene Abhängigkeit zwischen allen Knoten bedeutet. Dieses aus Knoten und Kanten (Verbindungen) bestehende Bayes-Netzwerk repräsentiert ein statistisches Modell der dadurch beschriebenen Daten, also den Wahrscheinlichkeitstabellen. Durch die Analyse der Messdaten können Verbindungen, die statistisch irrelevant sind, getrennt werden, wodurch das Bayes-Netz aus Daten lernt. Verwendet wird das Bayes-Netz zur Analyse von Einflussgrößen auf einen Brennvorgang in einer Gasturbine. Die Fundstelle liefert daher keinen unmittelbaren Hinweis zur Lösung der Aufgabe.
  • In der ersten Ausführungsform der Erfindung ist eine von der geodätischen Höhe abhängige Korrektur einer Einspritzmenge vorgesehen. Die erste Messgröße des Bayes-Netz entspricht einem Umgebungsluftdruck. Die zweite Messgröße entspricht einer Umgebungstemperatur. Unter Messgröße sind im Sinne der Erfindung sowohl direkt gemessene Größen als auch abgeleitete Größen zu verstehen. Das Bayes-Netz sieht nun vor, dass jeder Messgröße jeweils über eine Wahrscheinlichkeits-Tabelle eine Wahrscheinlichkeit zugeordnet wird, welcher über eine Handlungsanweisung ein Faktor zugeordnet wird. Danach werden die Faktoren gegeneinander gewichtet und dem Ergebnis über eine Korrekturtabelle ein Korrekturwert zur Korrektur der Einspritzmenge zugewiesen.
  • In der zweiten Ausführungsform der Erfindung ist die Berechnung eines Stellsignals für einen Abgasturbolader ausgeführt. Bei einer Registeraufladung wird durch das Stellsignal der schaltbare Abgasturbolader aktiviert oder deaktiviert. Bei einem VTG-Abgasturbolader wird durch das Stellsignal die Winkellage des Leitgitters zwischen geöffnet und geschlossen verändert. Für einem VTG-Abgasturbolader sieht das Bayes-Netz vor, dass einem Luftkraftstoff-Verhältnis sowie Motordrehzahl über je eine Wahrscheinlichkeits-Tabelle und über je eine Handlungsanweisung die entsprechenden Faktoren zugeordnet werden. Danach werden die beiden Faktoren gegeneinander gewichtet. Einer Laderdrehzahl wird über eine Wahrscheinlichkeits-Tabelle eine entsprechende Wahrscheinlichkeit zugeordnet, aus welcher dann mit dem Ergebnis der Gewichtung die Stellgröße zur Beaufschlagung des Abgasturboladers festlegt wird. Für einen schaltbaren Abgasturbolader ist ergänzend eine Zeitstufe mit Wahrscheinlichkeits-Tabelle zur Festlegung der Stellgröße vorgesehen.
  • Die Vorteile der Erfindung gegenüber kennlinien- und kennfeldgesteuerten Motormanagement-Systemen bestehen in einem deutlich geringerem Abstimmungsaufwand, da die technischen Zusammenhänge grafisch, anschaulich abgebildet werden können. Zudem können die Wahrscheinlichkeits-Tabellen aus Daten gelernt werden, wodurch der Aufwand nochmals reduziert wird. Das System ist diagnose- und prognosefähig, unscharfe Informationen können ebenfalls verarbeitet werden.
  • In den Zeichnungen ist als ein erstes Ausführungsbeispiel eines Bayes-Netz zur Berechnung einer Korrekturwerts und als ein zweites Ausführungsbeispiel eine Bayes-Netz zur Bestimmung einer Stellgröße für einen Abgasturbolader dargestellt. Es zeigen:
  • 1 ein Systemschaubild;
  • 2 ein Blockschaltbild, erstes Ausführungsbeispiel;
  • 3 ein Blockschaltbild, zweites Ausführungsbeispiel.
  • Die 1 zeigt ein Systemschaubild einer Brennkraftmaschine 2 mit Common-Railsystem. Das Common-Railsystem umfasst folgende Komponenten: eine Niederdruck-Pumpe 5 zur Förderung von Kraftstoff aus einem Kraftstofftank 4, eine veränderbare Saugdrossel 6 zur Beeinflussung des durchströmenden Kraftstoff-Volumenstroms, eine Hochdruck-Pumpe 7 zur Förderung des Kraftstoffs unter Druckerhöhung, ein Rail 8 sowie Einzelspeicher 9 zum Speichern des Kraftstoffs und Injektoren 10 zum Einspritzen des Kraftstoffs in die Brennräume der Brennkraftmaschine 2. Zur Leistungssteigerung der Brennkraftmaschine 2 ist mindestens ein Abgasturbolader 3 vorgesehen. Der Abasturbolader 3 kann als VTG-Abgasturbolader oder als schaltbarer Abgasturbolader bei einer Registeraufladung ausgeführt sein.
  • Die Betriebsweise der Brennkraftmaschine 1 wird durch ein elektronisches Steuergerät (ADEC) 12 bestimmt. Das elektronische Steuergerät 12 beinhaltet die üblichen Bestandteile eines Mikrocomputersystems, beispielsweise einen Mikroprozessor, I/O-Bausteine, Puffer und Speicherbausteine (EEPROM, RAM). In den Speicherbausteinen sind die für den Betrieb der Brennkraftmaschine 1 relevanten Betriebsdaten appliziert. Über diese berechnet das elektronische Steuergerät 12 aus den Eingangsgrößen die Ausgangsgrößen. In 1 sind exemplarisch folgende Eingangsgrößen dargestellt: ein Raildruck pCR, der mittels eines Rail-Drucksensors 11 gemessen wird, eine Motor-Drehzahl nMOT, eine Laderdrehzahl nATL des Abgasturboladers 3 und eine Eingangsgröße EIN. Unter der Eingangsgröße EIN sind beispielsweise der Ladeluftdruck des Abgasturboladers 3, ein Luftkraftstoff-Verhältnis, ein Umgebungsluftdruck, eine Umgebungstemperatur und die Temperaturen der Kühl-/Schmiermittel sowie des Kraftstoffs subsumiert.
  • In 1 sind als Ausgangsgrößen des elektronischen Steuergeräts 12 ein Signal PWM zur Ansteuerung der Saugdrossel 6, ein Signal ve zur Ansteuerung der Injektoren 10, ein Stellsignal SG zur Ansteuerung des Abgasturboladers 3 und eine Ausgangsgröße AUS dargestellt. Die Ausgangsgröße AUS steht stellvertretend für die weiteren Stellsignale zur Steuerung und Regelung der Brennkraftmaschine 2. Das Signal ve steht stellvertretend für ein leistungsbestimmendes Signal, beispielsweise für eine Einspritzmenge. Über das Stellsignal SG wird das Leitgitter des VTG-Abgasturboladers entweder geöffnet oder geschlossen bzw. bei einem schaltbaren Abgasturbolader dieser aktiviert oder deaktiviert.
  • In 2 ist ein Bayes-Netz 1 zur Steuerung und Regelung einer Brennkraftmaschine 2 in einer ersten Ausführung dargestellt. Die Eingangsgrößen (Variablen) des Bayes-Netz 1 sind eine erste Messgröße MG1 und zweite Messgröße MG2. Das dargestellt Bayes-Netz 1 wird zur Höhen-Korrektur verwendet. Daher entspricht die erste Messgröße MG1 dem Umgebungsluftdruck p0 und die zweiter Messgröße MG2 entspricht der Umgebungstemperatur T0. Die Ausgangsgröße des Bayes-Netz entspricht bei diesem Ausführungsbeispiel einem Korrekturwert KORR. Über den Korrekturwert KORR wird ein Reglerstellsignal RSG, beispielsweise Einspritzmenge, korrigiert. Das Reglerstellsignal RSG wird über einen Regler 13 aus einer Regelabweichung dR festgelegt. Das Ausgangssignal ve entspricht der korrigierten Reglerstellgröße RSG.
  • Dem Umgebungsluftdruck p0 wird über eine erste Wahrscheinlichkeits-Tabelle WTB1 eine erste Wahrscheinlichkeit W1 zugeordnet. In der ersten Wahrscheinlichkeits-Tabelle WTB1 sind drei Druckbereiche skaliert. In dem dargestellten Beispiel ist der exakte Umgebungsluftdruck p0 bekannt, hier: 850 ± 29 mbar. Die Wahrscheinlichkeit, dass der Umgebungsluftdruck p0 im Bereich von 800 bis 900 mbar liegt, beträgt daher 100. Der Wahrscheinlichkeit W1 wird über eine erste Handlungsanweisung HAW1 ein erster Faktor F1 zugeodnet. Die erste Handlungsanweisung HAW1 enthält drei Zuordnungen. Diese stehen für eine höhere Einspritzmenge (Plus), Beibehalten der Einspritzmenge (Halten) und Verringern der Einspritzmenge (Minus). Für das Beispiel bedeutet dies, dass der erste Faktor F1 eine höhere Einspritzmenge auf Grund des Tiefdrucks anfordert.
  • Der Umgebungstemperatur T0 wird über eine zweite Wahrscheinlichkeits-Tabelle WTB2 eine zweite Wahrscheinlichkeit W2 zugeordnet. Die zweite Wahrscheinlichkeits-Tabelle WTB2 enthält drei Temperaturbereiche. Für das angegeben Beispiel beträgt die Umgebungstemperatur 35 ± 1,4°C. Die Wahrscheinlichkeit, dass diese im Bereich von 30 bis 80°C liegt, beträgt daher 100%. Der zweiten Wahrscheinlichkeit W2 wird über eine zweite Handlungsanweisung HAW2 ein zweiter Faktor F2 zugewiesen. Die zweite Handlungsanweisung HAW2 enthält dieselben Zuordnungen wie die erste Handlungsanweisung HAW1. Für das Beispiel bedeutet dies, dass die Einspritzmenge auf Grund der hohen Umgebungstemperatur verringert wird.
  • Der erste Faktor F1 und der zweite Faktor F2 sind die Eingangsgrößen für eine Gewichtungs-Handlungsanweisung GWHA. In 2 wird der Gewichtungs-Handlungsanweisung GWHA als weitere Eingangsgröße ein dritter Faktor F3 zugeführt. Dieser wird aus einer Betriebszeit BZT des Injektors ermittelt. Der Betriebszeit BZT wird über eine dritte Wahrscheinlichkeits-Tabelle WTB3 eine dritte Wahrscheinlichkeit W3 zugeordnet. Beim dargestellten Beispiel beträgt die aufgelaufene Betriebszeit des Injektors 250 ± 140 Betriebsstunden. Die Wahrscheinlichkeit, dass diese Betriebszeit im Bereich von Null bis fünf hundert Betriebsstunden liegt, beträgt daher 100. Der dritten Wahrscheinlichkeit W3 wird dann über eine dritte Handlungsanweisung HAW3 der dritte Faktor F3 zugewiesen. Die dritte Handlungsanweisung HAW3 steht stellvertretend für den Verschleiß am Injektor. Diese ist analog zu den beiden anderen Handlungsanweisungen HAW1 und HAW2 aufgebaut. Im dargestellten Beispiel entspricht der dritte Faktor F3 der Anweisung, dass die Einspritzmenge beibehalten wird.
  • Über die Gewichtungs-Handlungsanweisung GWHA werden die drei Faktoren F1 bis F3 gegeneinander gewichtet. Diese enthält die gleiche Angaben wie die zuvor beschriebenen Handlungsanweisungen. Beim dargestellten Beispiel beträgt der höchste Anteil 70%. Dies entspricht einem Gewichtungsfaktor FGW, welcher die Eingangsgröße für eine Korrekturtabelle KTB darstellt. Die Korrekturtabelle KTB bestimmt welche Einspritzmenge aller Wahrscheinlichkeit nach die Sinnvollste ist. Hierzu wird der Maximalwert ausgewertet, hier 50.9. Als Korrekturwert KORR ergibt sich ein Wertebereich von 0.99 bis 1.01. An einem Multiplikationspunkt wird die vom Regler 13 berechnete Reglerstellgröße RSG mit dem Wert KORR multipliziert. Die Ausgangsgröße entspricht dann der korrigierten Einspritzmenge ve.
  • In 3 ist ein Bayes-Netz 1 zur Steuerung und Regelung einer Brennkraftmaschine 2 in einer zweiten Ausführung dargestellt. Die Eingangsgrößen (Variablen) des Bayes-Netz 1 sind vier Messgrößen MG1 bis MG4. Das dargestellte Bayes-Netz wird zum Aktivieren oder Deaktivieren eines schaltbaren Abgasturboladers verwendet. Die erste Messgröße MG1 entspricht dem Luftkraftstoff-Verhältnis LAM, die zweite Messgröße MG2 entspricht der Motordrehzahl nMOT, die dritte Messgröße MG3 entspricht der Laderdrehzahl nATL des permanent betriebenen Abgasturboladers und die vierte Messgröße MG4 entspricht einer Zeitstufe dT.
  • Dem Luftkraftstoff-Verhältnis LAM wird über eine erste Wahrscheinlichkeitstabelle WTB1 eine erste Wahrscheinlichkeit W1 zugeordnet. Im dargestellten Beispiel beträgt das Luftkraftstoff-Verhältnis LAM z. B. Eins. Die Wahrscheinlichkeit, dass das Luftkraftstoff-Verhältnis LAM im Bereich von 1 bis 2 liegt, beträgt daher 100%. Der Wahrscheinlichkeit W1 wird über eine erste Handlungsanweisung HAW1 ein erster Faktor F1 zugeordnet. Die erste Handlungsanweisung HAW1 enthält die Zuordnungsvorschrift Schließen und Halten. Schließen steht für die Aktivierung des schaltbaren Abgasturboladers. Halten steht für die Beibehaltung des aktuellen Zustands.
  • Der Motordrehzahl nMot wird über eine zweite Wahrscheinlichkeits-Tabelle WTB2 eine zweite Wahrscheinlichkeit W2 zugeordnet. Die zweite Wahrscheinlichkeits-Tabelle WTB2 enthält mehrere Motordrehzahl-Bereiche. Für das angegeben Beispiel beträgt die Motordrehzahl z.B. 1500 Umdrehungen/Minute. Die Wahrscheinlichkeit, dass diese im Bereich von 1000 bis 1700 Umdrehungen/Minute liegt, beträgt daher 100. Der zweiten Wahrscheinlichkeit W2 wird über eine zweite Handlungsanweisung HAW2 ein zweiter Faktor F2 zugewiesen. Die zweite Handlungsanweisung HAW2 enthält dieselbe Zuordnungsvorschriften wie die erste Handlungsanweisung HAW1. Der erste Faktor F1 und zweite Faktor F2 werden über eine dritte Handlungsanweisung HAW3 gegeneinander gewichtet, z. B. über arithmetische Mittelwert-Bildung. Die Ausgangsgröße entspricht einem dritten Faktor F3.
  • Der Zeitstufe dT wird über eine vierte Wahrscheinlichkeits-Tabelle WTB4 eine vierte Wahrscheinlichkeit W4 zugeordnet. Die Zeitstufe dT steht für diejenige Zeit, welche seit der letzen Deaktivierung des schaltbaren Abgasturboladers vergangen ist. Beim dargestellten Beispiel wurde dieser erst vor kurzem deaktiviert, zum Beispiel vor 3 Sekunden. Die vierte Wahrscheinlichkeit W4 beträgt daher 100%. Der vierten Wahrscheinlichkeit W4 und dem dritten Faktor F3 wird dann über eine fünfte Handlungsanweisung HAW5 ein vierter Faktor F4 zugewiesen. Auf Grund des geringen Zeitraum seit der letzten Deaktivierung des schaltbaren Abgasturboladers enthält der vierte Faktor die Anweisung, dass der aktuelle Zustand beibehalten werden soll.
  • Der Laderdrehzahl nATL wird über eine dritte Wahrscheinlichkeits-Tabelle WTB3 eine dritte Wahrscheinlichkeit W3 zugeordnet. Dieser wird dann zusammen mit dem vierten Faktor F4 über eine vierte Handlungsanweisung HAW4 ein Stellsignal SG zugeordnet. Beim dargestellten Beispiel wird der bisherige Zustand beibehalten, d. h. der schaltbare Abgasturbolader bleibt deaktiviert.
  • Wird an Stelle eines schaltbaren Abgasturbolader ein VTG-Abgasturbolader verwendet, so entfällt der Signalpfad für die Zeitstufe dT und die fünfte Handlungsanweisung HAW5. In diesem Fall wird das Stellsignal SG aus dem dritten Faktor F3 und der vierten Wahrscheinlichkeit W4 gebildet.
  • Aus der Beschreibung ergeben sich für die Erfindung die folgenden Vorteile:
    • – Die technischen Zusammenhänge können grafisch und damit anschaulich abgebildet werden;
    • – Die Strukturen der Motorsteuerung können ähnlich einem neuronalen Netz aus den Daten gelernt werden;
    • – Die den Variablen (Messgrößen) hinterlegten Wahrscheinlichkeits-Tabellen können aus Daten gelernt werden;
    • – Das System ist diagnosefähig und kann daher mit einem Motordiagnose-System einfach gekoppelt werden;
    • – Die zukünftige Entwicklung einer Messgröße kann abgeschätzt werden, d. h. das System ist prognosefähig;
    • – Unscharfe Informationen können ebenso verarbeitet werden;
    • – Eine Interaktion mit Kennfeldern und Sensordaten ist möglich;
    • – Die Daten werden reduziert und verdichtet.
  • 1
    Bayes-Netz
    2
    Brennkraftmaschine
    3
    Abgasturbolader
    4
    Kraftstofftank
    5
    Niederdruck-Pumpe
    6
    Saugdrossel
    7
    Hochdruck-Pumpe
    8
    Rail
    9
    Einzelspeicher
    10
    Injektor
    11
    Rail-Drucksensor
    12
    elektronisches Steuergerät (ADEC)
    13
    Regler

Claims (10)

  1. Bayes-Netz (1) zur Steuerung und Regelung einer Brennkraftmaschine (2), bei dem einer ersten Messgröße (MG1) über eine erste Wahrscheinlichkeits-Tabelle (WTB1) eine erste Wahrscheinlichkeit (W1) zugeordnet wird, der ersten Wahrscheinlichkeit (W1) über eine erste Handlungsanweisung (HAW1) eine erster Faktor (F1) zugewiesen wird, bei dem einer zweiten Messgröße (MG2) über eine zweite Wahrscheinlichkeits-Tabelle (WTB2) eine zweite Wahrscheinlichkeit (W2) zugeordnet wird, der zweiten Wahrscheinlichkeit (W2) über eine zweite Handlungsanweisung (HAW2) ein zweiter Faktor (F2) zugewiesen wird, bei dem der erste Faktor (F1) gegen den zweiten Faktor (F2) über eine Gewichtungs-Handlungsanweisung (GWHA) gewichtet sowie ein Gewichtungsfaktor (FGW) zugeordnet wird und bei dem ein Korrekturwert (KORR) zur Korrektur einer Reglerstellgröße (RSG), insbesondere einer Einspritzmenge, aus dem Gewichtungsfaktor (FGW) über eine Korrekturtabelle (KTB) berechnet wird.
  2. Bayes-Netz (1) nach Anspruch 1, dadurch gekennzeichnet, dass der Gewichtungsfaktor (FGW) zusätzlich in Abhängigkeit eines dritten Faktors (F3) berechnet wird, welcher in Abhängigkeit der Betriebszeit (BZT) eines Injektors (10) festgelegt wird.
  3. Bayes-Netz (1) nach Anspruch 2, dadurch gekennzeichnet, dass der dritte Faktor (F3) berechnet wird, indem der Betriebszeit (BZT) über eine dritte Wahrscheinlichkeits-Tabelle (WTB3) ein dritte Wahrscheinlichkeit (W3) zugeordnet wird und der dritten Wahrscheinlichkeit (W3) über eine dritte Handlungsanweisung (HAW3) der dritte Faktor (F3) zugewiesen wird.
  4. Bayes-Netz nach Anspruch 3, dadurch gekennzeichnet, dass die erste (HAW1), die zweite (HAW2) und die dritte Handlungsanweisung (HAW3) jeweils drei Vorschriften im Sinne einer Vergrößerung, Beibehalten oder Verringerung der Reglerstellgröße (RSG) enthalten.
  5. Bayes-Netz (1) nach Anspruch 3 oder 4, dadurch gekennzeichnet, dass die erste Messgröße (MG1) einem Umgebungsluftdruck (p0) und die zweite Messgröße (MW2) einer Umgebungstemperatur (T0) entspricht.
  6. Bayes-Netz (1) zur Steuerung und Regelung einer Brennkraftmaschine (2) mit mindestens einem Abgasturbolader (3), bei dem einer ersten Messgröße (MG1) über eine erste Wahrscheinlichkeits-Tabelle (WTB1) eine erste Wahrscheinlichkeit (W1) zugeordnet wird, der ersten Wahrscheinlichkeit (W1) über eine erste Handlungsanweisung (HAW1) eine erster Faktor (F1) zugewiesen wird, bei dem einer zweiten Messgröße (MG2) über eine zweite Wahrscheinlichkeits-Tabelle (WTB2) eine zweite Wahrscheinlichkeit (W2) zugeordnet wird, der zweiten Wahrscheinlichkeit (W2) über eine zweite Handlungsanweisung (HAW2) ein zweiter Faktor (F2) zugewiesen wird, bei dem dem ersten (F1) sowie zweiten Faktor (F2) über eine dritte Handlungsanweisung (HAW3) ein dritter Faktor (F3) zuwiesen wird, bei dem einer dritten Messgröße (MG3) über eine dritte Wahrscheinlichkeitstabelle (WTB3) eine dritte Wahrscheinlichkeit (W3) zugeordnet wird, und bei dem eine Stellgröße (SG) zur Beaufschlagung des Abgasturboladers (3) aus dem dritten Faktor (F3) sowie der dritten Wahrscheinlichkeit (W3) über eine vierte Handlungsanweisung (HAW4) berechnet wird.
  7. Bayes-Netz (1) nach Anspruch 6, dadurch gekennzeichnet, dass die Stellgröße (SG) einen Abgasturbolader mit variabler Turbinengeometrie im Sinne des Öffnens oder Schließens beaufschlagt.
  8. Bayes-Netz (1) nach Anspruch 6, dadurch gekennzeichnet, das einer vierten Messgröße (MG4) über eine vierte Warscheinlichkeitstabelle (WTB4) eine vierte Wahrscheinlichkeit (W4) zugeordnet wird und die Stellgröße (SG) zur Beaufschlagung des Abgasturboladers (3) zusätzlich in Abhängigkeit der vierten Wahrscheinlichkeit (W4) berechnet wird.
  9. Bayes-Netz (1) nach Anspruch 8, dadurch gekennzeichnet, dass die Stellgröße (SG) einen schaltbaren Abgasturbolader (3) aktiviert oder deaktiviert.
  10. Bayes-Netz (1) nach Anspruch 8, dadurch gekennzeichnet, dass die erste Messgröße (MG1) einem Luft-Kraftstoffverhältnis (LAM), die zweite Messgröße (MG2) einer Motordrehzahl (nMOT), die dritte Messgröße (MG3) einer Laderdrehzahl (nATL) und die vierte Messgröße (MG4) einer Zeitstufe (dT) entsprechen.
DE200610004516 2006-02-01 2006-02-01 Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine Expired - Fee Related DE102006004516B3 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE200610004516 DE102006004516B3 (de) 2006-02-01 2006-02-01 Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200610004516 DE102006004516B3 (de) 2006-02-01 2006-02-01 Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine

Publications (1)

Publication Number Publication Date
DE102006004516B3 true DE102006004516B3 (de) 2007-03-08

Family

ID=37735773

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200610004516 Expired - Fee Related DE102006004516B3 (de) 2006-02-01 2006-02-01 Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine

Country Status (1)

Country Link
DE (1) DE102006004516B3 (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2053475A1 (de) * 2007-10-26 2009-04-29 Siemens Aktiengesellschaft Verfahren zur Analyse des Betriebs einer Gasturbine
DE102017009582B3 (de) 2017-10-16 2018-07-26 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102017009583B3 (de) 2017-10-16 2018-11-22 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102017005783A1 (de) 2017-06-20 2018-12-20 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102018001727A1 (de) 2018-03-05 2019-09-05 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2021037643A1 (de) 2019-08-26 2021-03-04 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102020001323A1 (de) 2020-02-28 2021-09-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102020003174A1 (de) 2020-05-27 2021-12-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10157641A1 (de) * 2001-11-24 2003-06-12 Mtu Friedrichshafen Gmbh Verfahren zur Steuerung einer Brennkraftmaschine
DE10308075A1 (de) * 2003-02-26 2004-09-16 Mtu Friedrichshafen Gmbh Brennkraftmaschine mit Abgasturboladern
WO2005033809A1 (de) * 2003-09-30 2005-04-14 Siemens Aktiengesellschaft VERFAHREN, COMPUTERPROGRAMM MIT PROGRAMMCODE-MITTELN UND COMPUTERPROGRAMM-PRODUKT ZUR ANALYSE VON EINFLUSSGRÖßEN AUF EINEN BRENNVORGANG IN EINER BRENNKAMMER UNTER VERWENDUNG EINES TRAINIERBAREN, STATISTISCHEN MODELLS
DE10333181A1 (de) * 2003-07-22 2005-05-12 Daimler Chrysler Ag Bayesnetz basiertes Diagnosesystem mit zeitlichem Verhalten

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10157641A1 (de) * 2001-11-24 2003-06-12 Mtu Friedrichshafen Gmbh Verfahren zur Steuerung einer Brennkraftmaschine
DE10308075A1 (de) * 2003-02-26 2004-09-16 Mtu Friedrichshafen Gmbh Brennkraftmaschine mit Abgasturboladern
DE10333181A1 (de) * 2003-07-22 2005-05-12 Daimler Chrysler Ag Bayesnetz basiertes Diagnosesystem mit zeitlichem Verhalten
WO2005033809A1 (de) * 2003-09-30 2005-04-14 Siemens Aktiengesellschaft VERFAHREN, COMPUTERPROGRAMM MIT PROGRAMMCODE-MITTELN UND COMPUTERPROGRAMM-PRODUKT ZUR ANALYSE VON EINFLUSSGRÖßEN AUF EINEN BRENNVORGANG IN EINER BRENNKAMMER UNTER VERWENDUNG EINES TRAINIERBAREN, STATISTISCHEN MODELLS

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009053183A3 (de) * 2007-10-26 2009-06-11 Siemens Ag Verfahren zur analyse des betriebs einer gasturbine
US8396689B2 (en) 2007-10-26 2013-03-12 Siemens Aktiengesellschaft Method for analysis of the operation of a gas turbine
EP2053475A1 (de) * 2007-10-26 2009-04-29 Siemens Aktiengesellschaft Verfahren zur Analyse des Betriebs einer Gasturbine
WO2018234093A1 (de) 2017-06-20 2018-12-27 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102017005783B4 (de) 2017-06-20 2021-12-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102017005783A1 (de) 2017-06-20 2018-12-20 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2019076502A1 (de) 2017-10-16 2019-04-25 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2019076501A1 (de) 2017-10-16 2019-04-25 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
CN111226029A (zh) * 2017-10-16 2020-06-02 Mtu 腓特烈港有限责任公司 用于基于模型地控制和调节内燃机的方法
US11365698B2 (en) 2017-10-16 2022-06-21 Mtu Friedrichshafen Gmbh Method for the model-based control and regulation of an internal combustion engine
DE102017009583B3 (de) 2017-10-16 2018-11-22 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
US10975795B2 (en) 2017-10-16 2021-04-13 Mtu Friedrichshafen Gmbh Method for the model-based control and regulation of an internal combustion engine
DE102017009582B3 (de) 2017-10-16 2018-07-26 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
US11156183B2 (en) 2018-03-05 2021-10-26 Mtu Friedrichshafen Gmbh Method for the model-based control and regulation of an internal combustion engine
DE102018001727A1 (de) 2018-03-05 2019-09-05 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2019170492A1 (de) 2018-03-05 2019-09-12 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102018001727B4 (de) * 2018-03-05 2021-02-11 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102019005996A1 (de) * 2019-08-26 2021-03-04 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102019005996B4 (de) * 2019-08-26 2021-06-17 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2021037643A1 (de) 2019-08-26 2021-03-04 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2021170761A1 (de) 2020-02-28 2021-09-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102020001323A1 (de) 2020-02-28 2021-09-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
CN115103955A (zh) * 2020-02-28 2022-09-23 罗尔斯·罗伊斯解决方案有限公司 用于基于模型地控制和调节内燃机的方法
US11846243B2 (en) 2020-02-28 2023-12-19 Rolls-Royce Solutions GmbH Method for the model-based open-loop and closed-loop control of an internal combustion engine
DE102020003174A1 (de) 2020-05-27 2021-12-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2021239752A1 (de) 2020-05-27 2021-12-02 Mtu Friedrichshafen Ghbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102020003174B4 (de) 2020-05-27 2022-03-24 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
US11788484B2 (en) 2020-05-27 2023-10-17 Rolls-Royce Solutions GmbH Method for the model-based open-loop and closed-loop control of an internal combustion engine

Similar Documents

Publication Publication Date Title
DE102006004516B3 (de) Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine
DE19502150C1 (de) System zur Regelung der Aufladung einer Brennkraftmaschine
DE102007009689B4 (de) Verfahren zum Betreiben einer Brennkraftmaschine mit Abgasrückführung
DE102017009583B3 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102012207124B4 (de) Verfahren zum Betrieb einer Brennkraftmaschine, Einrichtung zur Steuerung- und/oder Regelung einer Brennkraftmaschine, Brennkraftmaschine und Verwendung der Einrichtung zum Betrieb einer Brennkraftmaschine
DE4207541B4 (de) System zur Steuerung einer Brennkraftmaschine
EP1254310B1 (de) Regelsystem für eine brennkraftmaschine
DE102014217591A1 (de) Verfahren und Vorrichtung zur Ansteuerung eines Abgasrückführventils einer aufgeladenen Brennkraftmaschine mit Abgasrückführung
DE102015111713A1 (de) Steuerbetrieb-Abweichungskompensationsverfahren eines Turboladers
DE102012209415B4 (de) Verfahren und Vorrichtung zur Diagnose eines Stellgebers für eine abgasgetriebene Aufladeeinrichtung
DE102006048227B4 (de) Verfahren und Vorrichtung zur Ermittlung einer Betriebscharakteristik eines Einspritzsystems sowie ein entsprechend ausgerüsteter Verbrennungsmotor
DE102009021387A1 (de) Verfahren zum Applizieren einer Motorsteuerung eines Verbrennungsmotors
DE10356713B4 (de) Verfahren zur Regelung bzw. Steuerung einer in einem Kreisprozess arbeitenden Brennkraftmaschine
DE102017122817A1 (de) Verfahren und system zur katalysatorrückkopplungsregelung
DE102011088403B3 (de) Bestimmen eines Werts für einen Ventilhub eines Ventils eines individuellen Zylinders einer Brennkraftmaschine mit mehreren Zylindern
DE102016206329A1 (de) Verfahren zum Betreiben eines einen Wastegate-Turbolader aufweisenden Verbrennungsmotors und Verbrennungsmotor
DE102018006312A1 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102015210226A1 (de) Verfahren und Vorrichtung zur Erhöhung der Leistung eines Verbrennungsmotors durch Nutzung eines Turboladerdrehzahlmodells und eines Turboladerdrehzahlsensors
DE112009000324B4 (de) Verfahren und Computerprogrammprodukt zum Abgleichen eines Luftmassenstromsensors einer Motoranordnung eines Kraftfahrzeugs
DE102008005154A1 (de) Verfahren und Vorrichtung zur Überwachung einer Motorsteuereinheit
DE10160469A1 (de) Verfahren zur Begrenzung der Drehzahl eines Abgasturboladers für eine Brennkraftmaschine
DE102018100093B4 (de) Tracking einer diagnostik für kontinuierlich variable ventilsysteme
DE10338775B4 (de) Diagnoseeinrichtung für einen Verbrennungsmotor
DE102017203445B3 (de) Verfahren und Vorrichtung zur Steuerung eines von einem Abgasturbolader aufgeladenen Verbrennungsmotors
DE4302339C2 (de) Verfahren und Vorrichtung zur Begrenzung der höchstzulässigen Kraftstoffmenge

Legal Events

Date Code Title Description
8100 Publication of the examined application without publication of unexamined application
8364 No opposition during term of opposition
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee