DE102007020355B4 - Motorsteuersystem und Verfahren zur Erkennung einer Fehlfunktion in einem Drehmomentsteuerungspfad - Google Patents
Motorsteuersystem und Verfahren zur Erkennung einer Fehlfunktion in einem Drehmomentsteuerungspfad Download PDFInfo
- Publication number
- DE102007020355B4 DE102007020355B4 DE102007020355.3A DE102007020355A DE102007020355B4 DE 102007020355 B4 DE102007020355 B4 DE 102007020355B4 DE 102007020355 A DE102007020355 A DE 102007020355A DE 102007020355 B4 DE102007020355 B4 DE 102007020355B4
- Authority
- DE
- Germany
- Prior art keywords
- engine
- torque request
- signal
- torque
- control system
- 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
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1497—With detection of the mechanical response of the engine
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/22—Safety or indicating devices for abnormal conditions
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/141—Introducing closed-loop corrections characterised by the control or regulation method using a feed-forward control element
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/50—Input parameters for engine control said parameters being related to the vehicle or its components
- F02D2200/501—Vehicle speed
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/60—Input parameters for engine control said parameters being related to the driver demands or status
- F02D2200/602—Pedal position
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2250/00—Engine control related to specific problems or objectives
- F02D2250/18—Control of the engine output torque
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2400/00—Control systems adapted for specific engine types; Special features of engine control systems not otherwise provided for; Power supply, connectors or cabling for engine control systems
- F02D2400/08—Redundant elements, e.g. two sensors for measuring the same parameter
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
- Controls For Constant Speed Travelling (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
Motorsteuersystem, das umfasst: ein Drehmomentanforderungs-Steuermodul, das eine erste Motordrehmomentanforderung bestimmt; ein auf einem künstlichen neuronalen Netz (KNN) basierendes Drehmomentanforderungsmodul, das anhand eines KNN-Modells eine zweite Motordrehmomentanforderung bestimmt; und ein Drehmomentsicherheits-Prüfmodul, das anhand einer Differenz zwischen der ersten Motordrehmomentanforderung und der zweiten Motordrehmomentanforderung ein Fehlfunktionssignal erzeugt.
Description
- GEBIET DER ERFINDUNG
- Die vorliegende Erfindung bezieht sich allgemein auf ein Motorsteuersystem und ein Verfahren zur Erkennung einer Fehlfunktion in einem Drehmomentsteuerungspfad.
- HINTERGRUND DER ERFINDUNG
- Herkömmlicherweise werden Kraftfahrzeuge durch eine Brennkraftmaschine angetrieben, die ein Drehmoment erzeugt. Auf der Grundlage einer Fahrereingabe wie etwa eines Fahrpedals oder eines automatischen Geschwindigkeitsregelungssystems und einer Fahrzeuggeschwindigkeit wird eine Drehmomentanforderung erzeugt. Die Drehmomentanforderung wird über einen Drehmomentsteuerpfad übertragen, um das Motorausgangsdrehmoment zu regulieren.
- Bei manchen Fahrzeugen ist der Drehmomentsteuerungspfad wegen der Anfälligkeit von prozessorgestützten Steuersystemen und der Möglichkeit verschiedener elektronischer Fehler durch einen Drehmomentsteuerungssicherheitspfad ergänzt. Jedoch könnte es wegen der verbreiteten Fehlerarten bei der Algorithmusformulierung, den Algorithmusberechnungen und/oder der Benutzung der Arithmetik-Logik-Einheit (ALU) misslingen, dass der Drehmomentsicherheitssteuerungspfad Fehlfunktionen im Drehmomentsteuerungspfad erkennt.
- Der Erfindung liegt daher die Aufgabe zu Grunde, zumindest eine Realisierung anzugehen, mit der Fehlfunktionen in einem Drehmomentsteuerungspfad zuverlässig erkannt werden können.
- ZUSAMMENFASSUNG DER ERFINDUNG
- Diese Aufgabe wird mit einem Motorsteuersystem mit den Merkmalen des Anspruchs 1 und mit einem Verfahren mit den Merkmalen des Anspruchs 11 gelöst.
- Das Motorsteuersystem umfasst ein Drehmomentanforderungs-Steuermodul, um eine erste Motordrehmomentanforderung zu bestimmen. Ein auf einem künstlichen neuronalen Netz (KNN) basierendes Drehmomentanforderungsmodul bestimmt anhand eines KNN-Modells eine zweite Motordrehmomentanforderung. Ein Drehmomentsicherheits-Prüfmodul erzeugt anhand der Differenz zwischen der ersten Motordrehmomentanforderung und der zweiten Motordrehmomentanforderung wahlweise ein Fehlfunktionssignal.
- Gemäß einem Merkmal basieren die erste und die zweite Motordrehmomentanforderung auf einem Reisegeschwindigkeits-Drehmomentanforderungssignal, einem Motordrehzahlsignal und einem Pedalpositionssignal.
- Gemäß einem weiteren Merkmal umfasst das Motorsteuersystem ein Drehmomentsteuermodul, das ein Steuersignal an ein Motorsystem ausgibt, um die erste Motordrehmomentanforderung zu erzeugen.
- Gemäß einem nochmals weiteren Merkmal erzeugt das Drehmomentsicherheits-Prüfmodul das Fehlfunktionssignal, wenn die Differenz zwischen der ersten Drehmomentanforderung und der zweiten Drehmomentanforderung größer als ein vorgegebener Wert ist. Das KNN-Modell wird aktualisiert, wenn die Differenz zwischen dem ersten Motordrehmoment und dem zweiten Motordrehmoment kleiner als ein vorgegebener Wert ist.
- Gemäß einem nochmals weiteren Merkmal umfasst das Motorsteuersystem ein Abschaltmodul, das auf das Empfangen des Fehlfunktionssignals hin ein Abschaltsignal für ein Kraftstoffeinspritzsystem erzeugt.
- Gemäß einem Merkmal umfasst das KNN-Modell einen Particle-Swarm-Optimierungs-Algorithmus, der verwendet wird, wenn das KNN-Modell aktualisiert wird. Das KNN-Modell ist ein Feed-Forward-System. Das KNN-Modell empfängt eine Fahrpedalpositionseingabe, eine Motordrehzahleingabe und eine Reisegeschwindigkeitsanforderungseingabe.
- Gemäß einem nochmals weiteren Merkmal umfasst ein Motorsystem das Motorsteuersystem und ein Motorsteuermodul, das das Drehmomentanforderungs-Steuermodul, das KNN-Drehmomentanforderungsmodul und das Drehmomentsicherheits-Prüfmodul enthält.
- Weitere Anwendungsgebiete der vorliegenden Erfindung werden aus der im Folgenden gegebenen genauen Beschreibung deutlich.
- KURZBESCHREIBUNG DER ZEICHNUNGEN
- Die vorliegende Erfindung wird umfassender verständlich aus der genauen Beschreibung und den beigefügten Zeichnungen; in diesen zeigt:
-
1 einen funktionalen Blockschaltplan eines Motorsystems gemäß der vorliegenden Erfindung; -
2 einen funktionalen Blockschaltplan des Motorsteuermoduls (ECM) gemäß der vorliegenden Erfindung; -
3 ein Modell für künstliches neuronales Netz (KNN) gemäß der vorliegenden Erfindung; -
4 einen Ablaufplan, der Schritte zum Aktualisieren des KNN-Modells gemäß der vorliegenden Erfindung zeigt; und -
5 einen Ablaufplan, der Schritte zum Bestimmen einer Drehmomentanforderungs-Fehlfunktion zeigt. - GENAUE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
- Die Begriffe ”Modul” und/oder ”Vorrichtung”, wie sie hier verwendet werden, beziehen sich auf eine anwendungsspezifische integrierte Schaltung (ASIC), eine elektronische Schaltung, einen Prozessor (gemeinsam genutzt, eigens zugewiesen oder für eine Gruppe) mit Speicher, der ein oder mehrere Software- oder Firmwareprogramme ausführt, eine kombinatorische Logikschaltung und/oder andere geeignete Komponenten, die die beschriebene Funktionalität verschaffen.
- Gemäß der vorliegenden Erfindung ist der Drehmomentsteuerungssicherheitspfad unabhängig von dem Drehmomentsteuerungspfad, um verbreitete Fehlerarten zu vermeiden. Genauer ist der Drehmomentsteuerungssicherheitspfad von dem Drehmomentsteuerungspfad hinsichtlich der Eingangssignalerfassung, der Algorithmusformulierung, der Algorithmusberechnung und/oder der ALU-Benutzung unabhängig. Bei manchen Implementierungen wird ein Modell für künstliches neuronales Netz (KNN) verwendet, um den Drehmomentsteuerungssicherheitspfad von dem Drehmomentsicherheitspfad zu entkoppeln. Das KNN-Modell ist so entworfen, dass es die neuronale Struktur des Gehirns emuliert. Das KNN-Modell erkennt durch einen Lernprozess Muster in einer Datensammlung und erzeugt für jene Daten eine gewünschte Ausgabe.
- In
1 umfasst ein Motorsystem11 einen Motor12 und ein Getriebe14 . Der Motor12 erzeugt ein Antriebsdrehmoment, um das Getriebe14 anzutreiben. Genauer saugt der Motor12 Luft in einen Einlasskrümmer16 und verteilt die Luft an Zylinder (nicht gezeigt), wo sie mit Kraftstoff kombiniert wird, um ein Luft/Kraftstoff-Gemisch zu bilden. Eine Kraftstoffeinspritzvorrichtung (nicht gezeigt) spritzt Kraftstoff ein, der mit Luft, wenn sie in die Zylinder gesaugt wird, kombiniert wird. Die Kraftstoffeinspritzvorrichtung kann eine Einspritzvorrichtung sein, die einem elektronischen oder mechanischen Kraftstoffeinspritzsystem18 zugeordnet ist. Das Kraftstoffeinspritzsystem18 wird so gesteuert, dass es in jedem Zylinder ein gewünschtes Luft-Kraftstoff-(L/K)-Verhältnis bewirkt. - Ein Motorsteuermodul (ECM)
20 erzeugt anhand von Daten von einem Pedalpositionssensor22 , einem Fahrzeuggeschwindigkeitssensor26 und einem Reisegeschwindigkeits-Drehmomentanforderungsmodul28 eine Antriebsdrehmomentanforderung. Wohlgemerkt kann das ECM20 ein oder mehrere Steuermodule umfassen. Das ECM20 kommuniziert mit einem Abschaltmodul32 , das das Kraftstoffeinspritzsystem18 während einer Drehmomentanforderungs-Fehlfunktion sperrt. - In
2 umfasst das ECM20 ein Drehmomentanforderungs-Steuermodul40 und ein KNN-Drehmomentanforderungsmodul42 . Das Drehmomentanforderungs-Steuermodul40 bestimmt in einer herkömmlichen Weise eine erste Motordrehmomentanforderung anhand eines Pedalpositionssignals43 , eines Fahrzeuggeschwindigkeitssignals44 und eines Reisegeschwindigkeits-Drehmomentanforderungssignals45 . Das KNN-Drehmomentanforderungsmodul42 bestimmt eine zweite Motordrehmomentanforderung, indem es das Pedalpositionssignal43 , das Fahrzeuggeschwindigkeitssignal44 und das Reisegeschwindigkeits-Drehmomentanforderungssignal45 durch ein KNN-Modell verarbeitet. Ein Drehmomentsteuermodul46 gibt ein Steuersignal48 an das Motorsystem11 aus, um die erste Motordrehmomentanforderung zu erzeugen. Ein Drehmomentsicherheits-Prüfmodul50 empfängt ein Drehmomentanforderungssignal49 von dem Drehmomentanforderungs-Steuermodul40 und ein KNN-Drehmomentanforderungssignal54 von dem KNN-Drehmomentanforderungsmodul42 . Das Drehmomentsicherheits-Prüfmodul50 bestimmt wahlweise eine Drehmomentanforderungs-Fehlfunktion. Das KNN-Modell basiert auf einer Differenz zwischen den Drehmomentanforderungen von den Modulen40 und42 . Wohlgemerkt können verschiedenartige Konfigurationen eines künstlichen neuronalen Netzes (KNN) vorkommen. - Wenn der Fehlfunktionszustand eintritt, gibt das Drehmomentsicherheits-Prüfmodul
50 ein Fehlfunktionssignal56 an das Abschaltmodul32 aus. Das Abschaltmodul32 sperrt das Kraftstoffeinspritzsystem18 , um den Motor11 abzuschalten. - In
3 ist ein KNN-Modell70 ein Beispiel eines Feed-Forward-Netzes gemäß der vorliegenden Erfindung. Ein Feed-Forward-Netz basiert auf der sequentiellen Bewegung von Daten durch Schichten des KNN-Modells70 . Eine Eingabeschicht72 empfängt Eingangsparameter74 wie etwa die Fahrzeuggeschwindigkeit, die Reisegeschwindigkeits-Drehmomentanforderung und die Fahrpedalposition. Eine mittlere Schicht76 , die auch als versteckte Schicht bekannt ist, wendet in mehreren Funktionen78 die Multiplikation der Eingangsparameter74 mit den entsprechenden Gewichten82 an. Die Ausgabeschicht80 berechnet anhand der von der mittleren Schicht76 weitergeleiteten Berechnungen eine Ausgabe. - In dem KNN-Modell
70 verbinden mehrere Gewichte82 mehrere Knoten78 zwischen Schichten. Die Gewichte82 enthalten jeweils einen spezifischen Wert. Die Gewichte82 ermöglichen dem KNN-Modell70 , auf der Grundlage der Erfahrung aus früherem Lernen verschiedene Knoten78 zu beeinflussen. - Während der Entwicklungsphase wird das KNN-Modell
70 offline anhand von Trainingssätzen oder online am Fahrzeug trainiert. Beim Offline-Training wird die Drehmomentanforderung gemäß im Voraus bestimmter Parameterwerte, die auf gemessenen Werten aus dem realen Fahrzeugbetrieb basieren, bestimmt. Die entsprechenden Drehmomentanforderungen werden aufgezeichnet und mit den Eingangsparameterwerten so integriert, dass sie zu Trainingssätzen werden. Das KNN-Modell70 verarbeitet die Trainingssätze, um Lernmuster zu entwickeln. Die Lernmuster werden entwickelt, indem die Gewichte82 in dem KNN-Modell70 so eingestellt werden, dass die Ausgabe durch das KNN-Modell70 gleich der bestimmten Drehmomentanforderung des Trainingssatzes ist. - Beim Online-Training (normaler Fahrzeugbetrieb) bestimmt das KNN-Modell
70 die Drehmomentanforderung anhand eines Fahrpedalpositionssignals43 , eines Fahrzeuggeschwindigkeitssignals44 und eines Reisegeschwindigkeits-Drehmomentanforderungssignals. Die Lernmuster werden während des normalen Fahrzeugbetriebs entwickelt, indem die Gewichte82 in dem KNN-Modell70 so eingestellt werden, dass die Ausgabe durch das KNN-Modell70 der Drehmomentanforderungsausgabe von dem Drehmomentanforderungsmodul nahe kommt. In dem realen Fahrzeugbetrieb verwendet das KNN-Modell70 seine anhand des vorhergehenden Trainings entwickelten Lernmuster, um die Drehmomentanforderung zu bestimmen. - In
4 zeigt ein Ablaufplan die Schritte des Trainierens des KNN-Modells70 gemäß der vorliegenden Erfindung. Im Schritt110 bestimmt das Drehmomentanforderungs-Steuermodul40 in einer herkömmlichen Weise eine Drehmomentanforderung (TREQ). Im Schritt120 bestimmt das auf einem neuronalen Netz basierende Drehmomentanforderungsmodul42 durch das KNN-Modell70 eine Drehmomentanforderung (TREQNN). Im Schritt130 berechnet die Steuerung die Drehmomentanforderungsdifferenz (TDIFF). Genauer kann TDIFF ein Wert sein, der berechnet wird, indem TREQNN und TREQ voneinander subtrahiert werden, oder ein Wert sein, der berechnet wird, indem eine Prozentdifferenz zwischen TREQ und TREQNN gefunden wird. Im Schritt140 bestimmt die Steuerung, ob TDIFF kleiner als ein vorgegebener Schwellenwert (TDIFFTHR) ist. Wenn TDIFF kleiner als TDIFFTHR ist, geht die Steuerung zum Schritt150 weiter; andernfalls endet die Steuerung. Im Schritt150 stellt das KNN-Modell70 dann anhand von TDIFF die Gewichte82 ein. Dies ermöglicht einen Abgleich der durch das KNN-Modell70 bestimmten Drehmomentanforderung auf die durch das Drehmomentanforderungsmodul40 bestimmte Drehmomentanforderung. - In
5 zeigt ein Ablaufplan die Schritte des Bestimmens einer Drehmomentanforderungs-Fehlfunktion gemäß der vorliegenden Erfindung. Im Schritt210 bestimmt das Drehmomentanforderungs-Steuermodul40 in einer herkömmlichen Weise eine Drehmomentanforderung (TREQ). Im Schritt220 bestimmt das auf einem neuronalen Netz basierende Drehmomentanforderungsmodul42 durch das KNN-Modell70 eine Drehmomentanforderung (TREQNN). Im Schritt230 berechnet die Steuerung die Drehmomentanforderungsdifferenz (TDIFF). Genauer kann TDIFF ein Wert sein, der berechnet wird, indem TREQNN und TREQ voneinander subtrahiert werden, oder ein Wert sein, der berechnet wird, indem eine Prozentdifferenz zwischen TREQ und TREQNN gefunden wird. Im Schritt240 wird TDIFF mit TDIFFTHR verglichen, was eine Grenze zwischen einem Fehlfunktionszustand und einem Normalzustand in dem Drehmomentanforderungs-Steuerungspfad festlegt. Wenn TDIFF größer als TDIFFTHR ist, erzeugt die Steuerung im Schritt250 das Fehlfunktionssignal56 ; andernfalls endet die Steuerung. Im Schritt260 sperrt die Steuerung das Kraftstoffeinspritzsystem18 , um den Motor12 abzuschalten. - In dem KNN-Modell
70 kann ein als Particle-Swarm-Optimierung (PSO) bekannter Algorithmus implementiert sein. Der PSO-Algorithmus modelliert das soziale Verhalten von Organismen wie etwa eines Vogelschwarms oder eines Fischschwarms. Genauer berücksichtigt PSO die Erfahrung eines Nachbarelements, um Gebrauch von dem besten Ergebnis, das ihm selbst und seinem Nachbar begegnet, zu machen. Somit kombiniert PSO Suchverfahren, die eine Abwägung zwischen Untersuchung und Auswertung versuchen, um eine Lösung zu optimieren. - Beispielsweise wird dann, wenn das Drehmomentsicherheits-Prüfmodul
50 einen Aktualisierungszustand für das KNN-Modell70 bestimmt, ein PSO-Algorithmus verwendet. Das KNN-Modell70 besitzt einen Bereich von Werten für jedes der Gewichte82 . Der PSO-Algorithmus wählt anhand seiner vorherigen Lernmuster Werte für jedes der Gewichte82 aus. Die Werte der Gewichte82 , die ein Ergebnis produzieren, das der Drehmomentanforderung am nächsten kommt, werden als Basis für das Festlegen neuer Werte für jedes der Gewichte82 genommen. In dieser Weise erreicht PSO schließlich für jedes der Gewichte82 einen optimalen Wert.
Claims (17)
- Motorsteuersystem, das umfasst: ein Drehmomentanforderungs-Steuermodul, das eine erste Motordrehmomentanforderung bestimmt; ein auf einem künstlichen neuronalen Netz (KNN) basierendes Drehmomentanforderungsmodul, das anhand eines KNN-Modells eine zweite Motordrehmomentanforderung bestimmt; und ein Drehmomentsicherheits-Prüfmodul, das anhand einer Differenz zwischen der ersten Motordrehmomentanforderung und der zweiten Motordrehmomentanforderung ein Fehlfunktionssignal erzeugt.
- Motorsteuersystem nach Anspruch 1, bei dem die erste und die zweite Motordrehmomentanforderung auf einem Reisegeschwindigkeits-Drehmomentanforderungssignal, einem Fahrzeuggeschwindigkeitssignal und einem Pedalpositionssignal basieren.
- Motorsteuersystem nach Anspruch 1, das ferner ein Drehmomentsteuermodul umfasst, das ein Steuersignal an ein Motorsystem ausgibt, um die erste Motordrehmomentanforderung zu erzeugen.
- Motorsteuersystem nach Anspruch 1, bei dem das Drehmomentsicherheits-Prüfmodul das Fehlfunktionssignal erzeugt, wenn die Differenz größer als ein vorgegebener Wert ist.
- Motorsteuersystem nach Anspruch 1, das ferner ein Abschaltmodul umfasst, das auf das Empfangen des Fehlfunktionssignals hin ein Abschaltsignal für ein Kraftstoffeinspritzsystem erzeugt.
- Motorsteuersystem nach Anspruch 4, bei dem das KNN-Modell aktualisiert wird, wenn die Differenz kleiner als der vorgegebene Wert ist.
- Motorsteuersystem nach Anspruch 6, bei dem das KNN-Modell ferner einen Particle-Swarm-Optimierungs-Algorithmus umfasst, der verwendet wird, wenn das KNN-Modell aktualisiert wird.
- Motorsteuersystem nach Anspruch 1, bei dem das KNN-Modell ein Feed-Forward-System ist.
- Motorsteuersystem nach Anspruch 1, bei dem das KNN-Modell eine Fahrpedalpositionseingabe, eine Fahrzeuggeschwindigkeitseingabe und eine Reisegeschwindigkeits-Drehmomentanforderungseingabe empfängt.
- Motorsystem, das das Motorsteuersystem nach Anspruch 1 umfasst und ferner ein Motorsteuermodul umfasst, das das Drehmomentanforderungs-Steuermodul, das das auf einem künstlichen neuronalen Netz (KNN) basierende Drehmomentanforderungsmodul und das Drehmomentsicherheits-Prüfmodul enthält.
- Verfahren, das eine Fehlfunktion in einem Drehmomentsteuerungspfad bestimmt und umfasst: Bestimmen einer ersten Motordrehmomentanforderung; Bestimmen einer zweiten Motordrehmomentanforderung anhand eines KNN-Modells; und wahlweises Erzeugen eines Fehlfunktionssignals anhand einer Differenz zwischen der ersten Motordrehmomentanforderung und der zweiten Motordrehmomentanforderung.
- Verfahren nach Anspruch 11, bei dem die erste und die zweite Motordrehmomentanforderung auf einem Reisegeschwindigkeits-Drehmomentanforderungssignal, einem Fahrzeuggeschwindigkeitssignal und einem Pedalpositionssignal basieren.
- Verfahren nach Anspruch 11, das ferner das Ausgeben eines Steuersignals an ein Motorsystem, um die erste Motordrehmomentanforderung zu erzeugen, umfasst.
- Verfahren nach Anspruch 11, das ferner das Erzeugen des Fehlfunktionssignals, wenn die Differenz größer als ein vorgegebener Wert ist, umfasst.
- Verfahren nach Anspruch 11, das ferner das Erzeugen eines Abschaltsignals für ein Kraftstoffeinspritzsystem auf das Empfangen des Fehlfunktionssignals hin umfasst.
- Verfahren nach Anspruch 14, das ferner das Aktualisieren des KNN-Modells, wenn die Differenz kleiner als der vorgegebene Wert ist, umfasst.
- Verfahren nach Anspruch 16, das ferner das Aktualisieren des KNN-Modells mit Hilfe eines Particle-Swarm-Optimierungs-Algorithmus, umfasst.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/417,310 | 2006-05-02 | ||
US11/417,310 US8818676B2 (en) | 2006-05-02 | 2006-05-02 | Redundant Torque Security Path |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102007020355A1 DE102007020355A1 (de) | 2007-11-15 |
DE102007020355B4 true DE102007020355B4 (de) | 2014-05-22 |
Family
ID=38580269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007020355.3A Expired - Fee Related DE102007020355B4 (de) | 2006-05-02 | 2007-04-30 | Motorsteuersystem und Verfahren zur Erkennung einer Fehlfunktion in einem Drehmomentsteuerungspfad |
Country Status (3)
Country | Link |
---|---|
US (1) | US8818676B2 (de) |
CN (1) | CN100532812C (de) |
DE (1) | DE102007020355B4 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018123832B4 (de) | 2017-10-02 | 2024-03-07 | GM Global Technology Operations LLC | Kraftstoffeinspritzsystem für ein fahrzeugantriebssystem |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011089093B4 (de) * | 2011-12-20 | 2021-08-12 | Zf Friedrichshafen Ag | Verfahren zum Betreiben eines Antriebsstrangs eines Kraftfahrzeugs |
CN102567782A (zh) * | 2011-12-21 | 2012-07-11 | 浙江吉利汽车研究院有限公司 | 一种基于神经网络的汽车发动机转矩的估算方法 |
CN103863122B (zh) * | 2012-12-14 | 2016-05-18 | 上海汽车集团股份有限公司 | 用于纯电动汽车的扭矩安全监控装置和方法 |
KR101519217B1 (ko) * | 2013-09-13 | 2015-05-11 | 현대자동차주식회사 | 부주의 운전 판정 장치 및 그 방법 |
CN106401757B (zh) * | 2015-07-28 | 2019-07-05 | 长城汽车股份有限公司 | 发动机的断缸模式实现方法、***及车辆 |
CN109720346B (zh) * | 2017-10-25 | 2021-02-19 | 上海汽车集团股份有限公司 | 一种巡航控制方法和装置 |
JP6690757B1 (ja) * | 2019-04-16 | 2020-04-28 | トヨタ自動車株式会社 | 燃料蒸気排出防止システムの異常検出装置 |
US11577616B2 (en) * | 2020-10-27 | 2023-02-14 | GM Global Technology Operations LLC | Methods, systems, and apparatuses for torque control utilizing roots of pseudo neural network |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19729100A1 (de) * | 1997-07-08 | 1999-01-14 | Bosch Gmbh Robert | Verfahren zum Betreiben einer Brennkraftmaschine insbesondere eines Kraftfahrzeugs |
DE10148973A1 (de) * | 2001-10-01 | 2003-04-10 | Iav Gmbh | Verfahren und Vorrichtung zum Ermitteln der Einspritzmenge vorzugsweise für direkteinspritzende Dieselmotoren |
DE10214833A1 (de) * | 2002-04-04 | 2003-10-16 | Volkswagen Ag | Verfahren zum Bestimmen eines indizierten Ist-Motormomentes einer Brennkraftmaschine |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5394327A (en) * | 1992-10-27 | 1995-02-28 | General Motors Corp. | Transferable electronic control unit for adaptively controlling the operation of a motor vehicle |
JP3277837B2 (ja) * | 1996-03-15 | 2002-04-22 | トヨタ自動車株式会社 | 変速機の制御装置 |
DE19648055A1 (de) * | 1996-11-20 | 1998-06-04 | Siemens Ag | Antriebsstrangsteuerung für ein Kraftfahrzeug |
FR2783017B1 (fr) * | 1998-09-08 | 2000-11-24 | Siemens Automotive Sa | Procede de commande d'un moteur a combustion interne |
US7004141B2 (en) * | 2001-04-30 | 2006-02-28 | General Motors Corporation | Method and apparatus for obtaining a consistent pedal position for a vehicle having an engine with displacement on demand |
GB0114424D0 (en) * | 2001-06-13 | 2001-08-08 | Ricardo Consulting Eng | Improved vehicle control |
US6816764B2 (en) * | 2002-05-02 | 2004-11-09 | Ford Global Technologies, Llc | Suspension coordinator subsystem and method |
US6933692B2 (en) * | 2002-05-21 | 2005-08-23 | Ford Motor Company | Diagnostic method for an electric drive assembly |
US6736120B2 (en) * | 2002-06-04 | 2004-05-18 | Ford Global Technologies, Llc | Method and system of adaptive learning for engine exhaust gas sensors |
US20040034460A1 (en) * | 2002-08-13 | 2004-02-19 | Folkerts Charles Henry | Powertrain control system |
US7228249B2 (en) * | 2002-11-19 | 2007-06-05 | General Motors Corporation | Methods and apparatus for determining the condition of a sensor and identifying the failure thereof |
US7181334B2 (en) * | 2003-05-14 | 2007-02-20 | General Motors Corporation | Method and apparatus to diagnose intake airflow |
US7177743B2 (en) * | 2003-06-02 | 2007-02-13 | Toyota Engineering & Manufacturing North America, Inc. | Vehicle control system having an adaptive controller |
US7600161B2 (en) * | 2004-08-13 | 2009-10-06 | Gm Global Technology Operations, Inc. | Method of verifying integrity of control module arithmetic logic unit (ALU) |
WO2006041867A2 (en) * | 2004-10-05 | 2006-04-20 | Southwest Research Institute | Fuel property-adaptive engine control system with on-board fuel classifier |
EP2275946A1 (de) * | 2005-03-04 | 2011-01-19 | STMicroelectronics S.r.l. | Probabilistische Neurale Netzwerk und entsprechendes Lernverfahren |
US8442735B2 (en) * | 2005-06-15 | 2013-05-14 | Ford Global Technologies, Llc | Traction control system and method |
US7389773B2 (en) * | 2005-08-18 | 2008-06-24 | Honeywell International Inc. | Emissions sensors for fuel control in engines |
US7966113B2 (en) * | 2005-08-25 | 2011-06-21 | Robert Bosch Gmbh | Vehicle stability control system |
-
2006
- 2006-05-02 US US11/417,310 patent/US8818676B2/en not_active Expired - Fee Related
-
2007
- 2007-04-30 CN CNB2007101023443A patent/CN100532812C/zh not_active Expired - Fee Related
- 2007-04-30 DE DE102007020355.3A patent/DE102007020355B4/de not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19729100A1 (de) * | 1997-07-08 | 1999-01-14 | Bosch Gmbh Robert | Verfahren zum Betreiben einer Brennkraftmaschine insbesondere eines Kraftfahrzeugs |
DE10148973A1 (de) * | 2001-10-01 | 2003-04-10 | Iav Gmbh | Verfahren und Vorrichtung zum Ermitteln der Einspritzmenge vorzugsweise für direkteinspritzende Dieselmotoren |
DE10214833A1 (de) * | 2002-04-04 | 2003-10-16 | Volkswagen Ag | Verfahren zum Bestimmen eines indizierten Ist-Motormomentes einer Brennkraftmaschine |
Non-Patent Citations (1)
Title |
---|
J. Kennedy, R. Eberhart: Particle Swarm Optimization; IEEE International Conference on Neural Networks, 1995, Proceedings, vol. 4, S. 1942-1948 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018123832B4 (de) | 2017-10-02 | 2024-03-07 | GM Global Technology Operations LLC | Kraftstoffeinspritzsystem für ein fahrzeugantriebssystem |
Also Published As
Publication number | Publication date |
---|---|
US20070260389A1 (en) | 2007-11-08 |
CN101067401A (zh) | 2007-11-07 |
US8818676B2 (en) | 2014-08-26 |
CN100532812C (zh) | 2009-08-26 |
DE102007020355A1 (de) | 2007-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007020355B4 (de) | Motorsteuersystem und Verfahren zur Erkennung einer Fehlfunktion in einem Drehmomentsteuerungspfad | |
DE102004023450B4 (de) | System und Verfahren zum Diagnostizieren von Sensoren eines Motorsteuerungssystems | |
EP0170018B1 (de) | Verfahren und Vorrichtung zur Eigendiagnose von Stellgliedern | |
DE102009028345B4 (de) | Steuervorrichtung für ein Fahrzeug | |
DE102018107831A1 (de) | Verfahren zum klassifizieren der systemleistung und zum erfassen von umgebungsinformationen | |
DE102013200341B4 (de) | Nichtinvasive Abgassensorüberwachung | |
DE102006017824A1 (de) | Diagnose in automotiven Anwendungen | |
DE102014214780A1 (de) | Abgassensordiagnose und steueranpassung | |
DE102008012607A1 (de) | Verfahren und Vorrichtung zur Ermittlung eines Adaptionswertes für die Einstellung eines Luft-Kraftstoff-Verhältnis eines Einspritzsystems eines Verbrennungsmotors | |
DE102019114108A1 (de) | Sauerstoffsensor-diagnose | |
AT505326A2 (de) | Einrichtung zur modellbasierten entwicklung einer brennkraftmaschine | |
DE102005047910A1 (de) | Kraftstoffeinspritzsteuervorrichtung eines Verbrennungsmotors | |
DE102019125974A1 (de) | System und Verfahren zur Kalibrierung einer Steuervorrichtung zur Steuerung einer Leerlaufdrehzahl | |
WO2019057489A1 (de) | Verfahren und trainingsdatengenerator zum konfigurieren eines technischen systems sowie steuereinrichtung zum steuern des technischen systems | |
DE102008006537A1 (de) | Überwachung übermäßig eingeschränkter Ansaugluft | |
DE102012206046B4 (de) | Maschinenkalibrierungssystem zum Kalibrieren einer gesteuerten Variable für ein Betätigungsglied | |
EP1041264A2 (de) | Hybridmodell zur Modellierung eines Gesamtprozesses in einem Fahrzeug | |
DE102004026583B3 (de) | Verfahren zur Optimierung von Kennfeldern | |
WO2006079440A1 (de) | Überwachen der funktionssicherheit einer brennkraftmaschine | |
DE102015014478A1 (de) | System und Verfahren zur Kalibrierung einer Fahrzeugkomponente | |
DE102015111127A1 (de) | Motorsteuervorrichtung | |
DE102007032996A1 (de) | Verfahren und Vorrichtung zum Begrenzen des von einer Brennkraftmaschine eines Antriebsstrangs abgegebenen Drehmoments | |
DE69912681T2 (de) | Steuerapparat für die Steuerung eines Verbrennungsmotors | |
DE102021200789A1 (de) | Computer-implementiertes Verfahren und Vorrichtung zur Manipulationserkennung für Abgasnachbehandlungssysteme mithilfe Verfahren künstlicher Intelligenz | |
DE102014209316B4 (de) | Verfahren und Steuervorrichtung zum Ausführen abgasrelevanter Diagnosen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT |
|
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT AUFGEHOBEN |
|
8180 | Miscellaneous part 1 |
Free format text: PFANDRECHT |
|
8127 | New person/name/address of the applicant |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC , ( N. D. , US |
|
R081 | Change of applicant/patentee |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC (N. D. GES, US Free format text: FORMER OWNER: GM GLOBAL TECHNOLOGY OPERATIONS, INC., DETROIT, MICH., US Effective date: 20110323 |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R020 | Patent grant now final |
Effective date: 20150224 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |