DE102008041840A1 - Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine - Google Patents

Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine Download PDF

Info

Publication number
DE102008041840A1
DE102008041840A1 DE200810041840 DE102008041840A DE102008041840A1 DE 102008041840 A1 DE102008041840 A1 DE 102008041840A1 DE 200810041840 DE200810041840 DE 200810041840 DE 102008041840 A DE102008041840 A DE 102008041840A DE 102008041840 A1 DE102008041840 A1 DE 102008041840A1
Authority
DE
Germany
Prior art keywords
linear
support vector
vector machine
internal combustion
combustion engine
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.)
Ceased
Application number
DE200810041840
Other languages
German (de)
Inventor
Stefan Kempf
Kuncup Iswandy
Robert Sloboda
Andreas Koenig
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch 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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE200810041840 priority Critical patent/DE102008041840A1/en
Publication of DE102008041840A1 publication Critical patent/DE102008041840A1/en
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L23/00—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid
    • G01L23/22—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines
    • G01L23/221—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines
    • G01L23/225—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines circuit arrangements therefor

Landscapes

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

The method involves transmitting a vibration data (DV) of an internal combustion engine (10) to a linear or non-linear support vector machine (20), which is subjected to a determination training with training data and known class values. The support vectors are fixed and are signalized corresponding to the oscillation data and the support vector, whether a knocking of the engine is available or not. An independent claim is included for a device for knock detection in an internal combustion engine by a linear or non-linear support vector machine.

Description

Stand der TechnikState of the art

Die vorliegende Erfindung betrifft das Gebiet der Messtechnik und insbesondere die Klopferkennung in einem Brennkraftmotor.The The present invention relates to the field of metrology, and more particularly the knock detection in an internal combustion engine.

Die Klopferkennung basiert üblicherweise auf der Integration der gefilterten und gleichgerichteten Körperschallsignale und den daraus berechneten Referenzpegeln. Die Integration erfolgt über dem klopfrelevanten Bereich, einem definierten Zeitfenster. Zur Klopfdetektion werden im Stand der Technik bislang nur Verfahren verwendet, die auf linearen Methoden beruhen. Generell werden Daten nur eingeschränkt auf überwachten und nicht linearen Ansätzen beruhenden Methoden der Klassifikation eingesetzt.The Knock detection is usually based on the integration of the filtered and rectified structure-borne sound signals and the calculated reference levels. The integration takes place over the knock-relevant Area, a defined time window. To the knock detection be In the prior art, only methods have been used on linear methods based. In general, data is limited to monitored and non-linear approaches based methods of classification used.

Offenbarung der ErfindungDisclosure of the invention

Der Vorteil der vorliegenden Erfindung besteht in einer deutlich verbesserten Klopferkennung in einem Brennkraftmotor, die einfach, zuverlässig und kostengünstig realisierbar ist.Of the Advantage of the present invention is a significantly improved Knock detection in an internal combustion engine that is simple, reliable and easy economical is feasible.

Dieser Vorteil wird durch ein Verfahren zur Klopferkennung in einem Brennkraftmotor erzielt, bei dem Schwingungsdaten des Motors einer linearen oder nicht linearen Stützvektormaschine (SVM, Support-Vector-Machine) zugeführt werden, die bereits einem Entscheidungstraining mit Trainingsdaten und bekannten Klassenwerten unterzogen wurde, bei dem die Stützvektoren festgelegt wurden, und die auf Grundlage der Schwingungsdaten und der Stützvektoren signalisiert, ob ein Klopfen des Motors vorliegt oder nicht.This Advantage is achieved by a method for knock detection in an internal combustion engine scored at the vibration data of the engine of a linear or non-linear support vector machine (SVM, Support Vector Machine), which already has one Decision training with training data and known class values was subjected, in which the support vectors were determined on the basis of the vibration data and the support vectors signals whether there is a knock on the engine or not.

Die Erfindung geht dabei von der Überlegung aus, dass alternativ zu dem linearen Ansatz, der im wesentlichen auf Methoden der linearen Systemtheorie und Signalverarbeitung beruht, auch überwacht arbeitende und nicht lineare Klassifikationsmethoden mit geringen Anpassungen für die Klopfdetektion zum Einsatz kommen können. Aus dem umfangreichen und bewährten Repertoire von Methoden sind für die Klopfdetektion solche Verfahren geeignet, die ein hohes Maß an Erkennungssicherheit, Robustheit, Unempfindlichkeit gegen hohe Datendimension und die Fähigkeit zur Aufwandsminimierung durch Reduktion auf wesentliche Anteile der Trainingsdaten besitzen. Das führende Verfahren zum Stand der Technik ist ohne Zweifel die Stützvektormaschine, deren Einsatz durch das binäre Entscheidungsproblem der Klopfdetektion begünstigt wird.The Invention is based on the consideration, that as an alternative to the linear approach, which is based essentially on Based on linear systems theory and signal processing methods, also supervising working and non-linear classification methods with minor adjustments for the Knock detection can be used. From the extensive and proven Repertoire of methods are for the knock detection suitable for such methods, which provide a high degree of detection reliability, Robustness, insensitivity to high data dimension and the ability to minimize expenses by reducing to substantial portions have the training data. The leading method for standing technology is undoubtedly the support vector machine, its use through the binary Decision problem of knock detection is favored.

Eine Stützvektormaschine ist ein Klassifikator, der eine Menge von Objekten so in Klassen unterteilt, dass um die Klassengrenzen herum ein möglichst breiter Bereich frei von Objekten bleibt. Stützvektormaschinen sind dabei keine Maschinen im herkömmlichen Sinne, bestehen also nicht aus greifbaren Bauteilen. Es handelt sich vielmehr um ein rein mathematisches Verfahren der Mustererkennung, das in Computerprogrammen umgesetzt wird. Der Namensteil 'Maschine' weist dementsprechend auf das Herkunftsgebiet der Stützvektormaschine, nämlich das maschinelle Lernen hin.A Support vector machine is a classifier that puts a lot of objects into classes subdivided that as possible around the class boundaries wide area remains free of objects. Support vector machines are included no machines in the conventional Meaning, do not consist of tangible components. It deals Rather, it is a purely mathematical method of pattern recognition, the is implemented in computer programs. The name part 'machine' points accordingly to the area of origin of the support vector machine, namely machine learning.

Ein wesentlicher Punkt der Erfindung besteht in dem Einsatz dieses jüngeren Klassifikationsverfahrens für die Klopfdetektion. Ein linearer Algorithmus klassifiziert die Schwingungsdaten mit Hilfe einer linearen Funktion. Diese ist jedoch nur optimal, wenn auch das zu Grunde liegende Klassifikationsproblem linear ist. In vielen Anwendungen ist dies aber nicht der Fall. Im Fall der Klopferkennung besteht ein möglicher Ausweg darin, die Daten in einem Raum höherer Dimension darzustellen. Die Stützvektormaschine kann deshalb gerade in ihrer nicht linearen Ausprägung bei hoher Datendimension eine sehr gute Erkennungsleistung erreichen. Der spezielle Optimierungsansatz erlaubt das Auffinden des besten Optimums für die Platzierung der Trennfunktion. Die Trainingstichprobe wird auf eine deutlich geringere Anzahl von Stützvektoren (Support-Vektoren) reduziert, was eine effiziente Steuergerätintegration begünstigt. Weitere Freiheitsgrade erlauben eine Optimierung des Trainings und des Generalisierungsverhaltens auch bei Auftreten von pathologischen Fällen (Ausreißern) in der Stichprobe. Diese Merkmale heben die SVM gegenüber anderen Klassifizierern hervor.One The essential point of the invention is the use of this more recent classification method for the Knock detection. A linear algorithm classifies the vibration data using a linear function. However, this is only optimal if also the underlying classification problem is linear. In but this is not the case for many applications. In the case of knock detection there is a possible Way out in representing the data in a space of higher dimension. The support vector machine can therefore contribute precisely in its non-linear form high data dimension achieve a very good recognition performance. The special optimization approach allows you to find the best one Optimum for the placement of the separation function. The training sample will open a significantly smaller number of support vectors (support vectors) reduced, which favors efficient ECU integration. Other degrees of freedom allow an optimization of the training and of the generalization behavior even with the occurrence of pathological cases (outliers) in the sample. These features lift the SVM over others Classifiers.

Bevorzugte Weiterbildungen des erfindungsgemäßen Verfahrens sind in den Unteransprüchen angegeben.preferred Further developments of the method according to the invention are in the Subclaims specified.

Danach ist in einer vorteilhaften Ausprägung des Verfahrens vorgesehen, dass eine Wahrscheinlichkeitsschätzung durchgeführt wird, deren Ergebnis zur Repräsentation in einem Korrelationsdiagramm und/oder zur Entscheidungsfindung über das Klopfen skaliert bzw normiert wird. Die diskrete Ausgabe eines Klassifizierers wird damit durch die kontinuierliche Dichteschätzung ersetzt, die als Ersatz des Integralwertes in üblicher Korrelationsdarstellung und zur Klopferkennung verwendet werden kann. Für den effizienten Einsatz und Verglichen mit dem Stand der Technik ist eine geeignete Normierung essentiell. Übliche Klassifikationsalgorithmen variieren oft mit wachsender Datendimension an Erkennungsfähigkeit, speichern nahezu vollständig eine (erhebliche) Trainingsstichprobe ab und weisen nicht immer zufriedenstellende Generalisierungsleistungen auf. Dies wird durch eine entsprechende Normierung ausgeschlossen.After that is in an advantageous form of the Provided that a probability estimate is performed their result for representation in a correlation diagram and / or for decision making about the Knocking is scaled or normalized. The discrete output of a classifier is thus replaced by the continuous density estimation, which substitutes of the integral value in usual Correlation representation and used for knock detection can. For the efficient use and comparison with the state of the art appropriate standardization is essential. Common classification algorithms often vary in recognition capacity with increasing data size, save almost completely a (substantial) training sample and do not always satisfactory generalization services. This is going through an appropriate standardization excluded.

In einer weiteren vorteilhaften Ausprägung werden die Schwingungsdaten des Motors einer Vorverarbeitung zugeführt, insbesondere einer (normalen oder schnellen) Fourier-Transformation. Der Einsatz der Stützvektormaschine ist durch die inhärenten Methodeneigenschaften auf den Rohdaten direkt möglich und sinnvoll, der Einsatz von Vorverarbeitung, zB durch FFT (Fast Fourier Transformation), ST-FFT (Short Time Fast Fourier Transformation), Wavelets oä ist jedoch wirksam und nutzbringend, ua zur weiteren Aufwandsreduktion bei der Verkörperung durch ein Steuergerät. Im Gegensatz zu den Sinus- und Kosinusfunktionen der Fourier-Transformation besitzen die meistverwendeten Wavelets dabei nicht nur Lokalität im Frequenzspektrum, sondern auch im Zeitbereich. Dabei ist 'Lokalität' im Sinne kleiner Streuungen zu verstehen.In a further advantageous embodiment For example, the vibration data of the motor are subjected to preprocessing, in particular a (normal or fast) Fourier transformation. The use of the support vector machine is directly possible and meaningful due to the inherent method properties on the raw data, but the use of preprocessing, eg by FFT (Fast Fourier Transformation), ST-FFT (Short Time Fast Fourier Transformation), wavelets etc. is effective and beneficial, among other things for further expense reduction in the embodiment by a control unit. In contrast to the sine and cosine functions of the Fourier transformation, the most commonly used wavelets not only have locality in the frequency spectrum, but also in the time domain. Here, 'locality' is to be understood in the sense of small differences.

Bevorzugt wird der Stützvektormaschine im Trainingsvorgang Datenmaterial aus bestimmten störenden Zuständen vorgegeben, das als nicht klopfend markiert ist. Die Trainingsdaten umfassen dann Einflüsse, die insbesondere aus einem Kolbenkippen herrühren. Damit wird die Stürzvektormaschine auch auf eine robuste Trennung zwischen der Gruppe Nichtklopfen inklusive den störenden Zuständen gegen die Gruppe Klopfen trainiert, was die Klopferkennung deutlich zuverlässiger macht.Prefers becomes the support vector machine in the training process data from certain disturbing states given that is marked as not knocking. The training data include then influences, in particular resulting from a piston butt. This will be the crash vector machine also on a robust separation between the group non-knocking including the disturbing states against the group tapping trained, what the knock detection clearly reliable power.

Bevorzugt ist es auch, wenn eine systematische Optimierung von Verfahrensparametern der Stützvektormaschine durchgeführt wird, insbesondere über einen Gauß-Kern. Damit wird deren Erkennungsleistung weiter verbessert. Dazu können zB evolutionäre Optimierungsverfahren wie Genetische Algorithmen, Evolutionsstrategien, Schwarmintelligenz oder hybride Verfahren herangezogen werden. In einer besonders leistungsstarken Ausprägung des Verfahrens ist dabei vorgesehen, dass die Stützvektormaschine über einen Gauß-Kern (Gauß-Kernel) verfügt, der auch als RBF(Radial-Basis-Funktion)-Kern bezeichnet wird. Dieser Kern verfügt über besonders gute Verallgemeinerungsfähigkeiten, ist schnell und robust hinsichtlich hoher Datendimensionen, benötigt nur eine geringe Anzahl von Trainingsdaten und weist eine geringe Ergebnisstreuung auf.Prefers It is also, if a systematic optimization of process parameters the support vector machine carried out will, in particular, over a Gaussian nucleus. This further improves their recognition performance. For example, evolutionary optimization methods can be used like Genetic Algorithms, Evolutionary Strategies, Swarm Intelligence or hybrid methods. In a particularly powerful shaping of the method is provided that the support vector machine via a Gaussian kernel (Gauss Kernel), the also as RBF (Radial Basis Function) kernel referred to as. This core has very good generalization abilities, is fast and robust in terms of high data dimensions, only needed a low number of training data and shows a low result dispersion on.

Die Erkennungsleistung kann dadurch weiter gesteigert werden, indem mehrere Instanzen der Stützvektormaschine zur hierarchischen Klopferkennung für den gesamten Drehzahl-Last-Bereich des Motors vorgesehen sind. Der Einsatz multipler Stützvektormaschinen-Instanzen in einer Klassifikationshierarchie erlaubt unter anderem prinzipiell die Kompensation veränderlicher Randbedingungen. Hierzu zählen unterschiedliche Betriebsbedingen, zB Drehzahl und/oder Störungen. Es lassen sich aber insbesondere auch mehrere Entscheidungsebenen fusionieren, dh die Aussagen von Klassifikatoren über Ebenen hinweg zusammenfassen, was das Verfahren besonders sicher macht.The Recognition performance can be further increased by multiple instances of the support vector machine for hierarchical knock detection for the entire speed-load range of the engine are provided. The use of multiple support vector machine instances in a classification hierarchy allowed, inter alia, in principle Compensation more variable Boundary conditions. Which includes different operating conditions, eg speed and / or faults. In particular, however, it is also possible to use several decision levels merge, ie the statements of classifiers over levels which makes the process particularly safe.

Der Vorteil der Erfindung wird auch durch eine Vorrichtung zur Klopferkennung in einem Brennkraftmotor erzielt, mit einem Sensor zum Erfassen von Schwingungsdaten des Motors, und mit einer damit verbundenen rechnerbasierten, linearen oder nicht linearen Stützvektormaschine, die zum Durchführen des erfindungsgemäßen Verfahrens ausgebildet ist.Of the Advantage of the invention is also achieved by a device for knock detection achieved in an internal combustion engine, with a sensor for detecting Vibration data of the engine, and associated with a computer-based, linear or non-linear support vector machine, the one to perform the method according to the invention is trained.

Die Vorrichtung verkörpert damit das erfindungsgemäße Verfahren und weist die gleichen Vorteile aus.The Device embodied thus the inventive method and has the same advantages.

Die Verwendung einer linearen oder nicht linearen Stützvektormaschine ist dabei grundsätzlich nicht nur auf die Klopferkennung beschränkt, sondern kann alternativ oder gleichzeitig auch zur Aussetzerkennung und/oder zur Ventilschließzeiterkennung in einem Brennkraftmotor genutzt werden. Bevorzugt soll die lineare oder nicht lineare Stützvektormaschine zur Voreinspritzdetektion in einem Dieselmotor verwendet werden.The Use of a linear or non-linear support vector machine is included basically not limited only to the knock detection, but may alternatively or at the same time for intermittent detection and / or valve closing time detection be used in an internal combustion engine. Preferably, the linear or non-linear support vector machine be used for pre-injection detection in a diesel engine.

Die vorliegende Erfindung wird im Folgenden anhand eines Ausführungsbeispiels unter Bezugnahme auf die beiliegenden Figuren näher erläutert. Gleiche oder gleichwirkende Teile sind mit gleichen Bezugsziffern versehen. Es zeigen:The The present invention will be described below with reference to an exemplary embodiment explained in more detail with reference to the accompanying figures. Same or equivalent effect Parts are given the same reference numbers. Show it:

1 eine symbolische Darstellung von Komponenten einer erfindungsgemäßen Vorrichtung zur Klopferkennung in einem Brennkraftmotor; 1 a symbolic representation of components of a device according to the invention for knock detection in an internal combustion engine;

2 ein Diagramm mit relativen Klopfintensitäten eines Zylinders, die über dessen Kompressionsdruck angetragen sind, erhalten mit der Vorrichtung der 1; 2 a diagram with relative knock intensities of a cylinder, which are plotted on the compression pressure, obtained with the device of the 1 ;

3 das Diagramm der 2, mit normalisierten relativen Klopfintensitäten des Zylinders über dessen Kompressionsdruck, erhalten mit der Vorrichtung der 1, und 3 the diagram of 2 , with normalized relative knock intensities of the cylinder over its compression pressure, obtained with the device of 1 , and

4 ein Diagramm mit relativen Klopfintensitäten eines Zylinders, die über dessen Kompressionsdruck angetragen sind, erhalten mit einer bekannten Vorrichtung. 4 a diagram with relative knock intensities of a cylinder, which are plotted on the compression pressure, obtained with a known device.

Die 1 zeigt eine symbolische Darstellung von Komponenten einer erfindungsgemäßen Vorrichtung zur Klopferkennung in einem Brennkraftmotor 10. Dabei ist eine rechnerbasierte, nicht lineare Stützvektormaschine 20 mit einem Sensor 30 verbunden. Der Sensor 30 misst Schwingungen des Motors 10 und übermittelt die Schwingungsdaten DV (Data Vibration) an die Maschine 20, die hier über einen Gauß-Kern 21 verfügen soll.The 1 shows a symbolic representation of components of a device according to the invention for knock detection in an internal combustion engine 10 , This is a computer-based, non-linear support vector machine 20 with a sensor 30 connected. The sensor 30 measures vibrations of the engine 10 and transmits the vibration data DV (Data Vibration) to the machine 20 here over a Gaussian core 21 should have.

Ausgangsbasis für den Bau der Stützvektormaschine 20 ist eine Menge von Trainingsdaten, für die jeweils bekannt ist, welcher Klasse (klopfend oder nicht klopfend) sie zugehören. Jedes Datum wird durch einen Vektor in einem Vektorraum repräsentiert. Aufgabe der Stützvektormaschine 20 ist es, in diesem Raum eine mehrdimensionale Hyperebene einzupassen, die als Trennfläche fungiert und die Trainingsdaten in zwei Klassen teilt. Der Abstand derjenigen Vektoren, die der Hyperebene am nächsten liegen, wird dabei maximiert. Dieser breite, leere Rand soll später dafür sorgen, dass auch Objekte, die nicht genau den Trainingsdaten entsprechen, möglichst zuverlässig klassifiziert werden.Starting point for the construction of the support vector machine 20 is a lot of training data, for each of which is known to which class (knocking or not knocking) they belong. Each datum is represented by a vector in a vector space. Task of the support vector machine 20 is to fit into this space a multi-dimensional hyperplane that acts as a separation surface and divides the training data into two classes. The distance of those vectors closest to the hyperplane is thereby maximized. This wide, empty margin should later ensure that even objects that do not correspond exactly to the training data are classified as reliably as possible.

Die Klassifikationsmethode der Stützvektormaschine 20 wird für die Klopfdetektion eingesetzt, in dem eine Instanz mit Klopfsensordaten DV eingangsseitig belegt wird, während ausgangsseitig im Training der bekannte Klassenwert (klopfend, nicht klopfend) zum Muster angelegt wird. Die Stützvektoren und andere interne Freiheitsgrade werden im Lernvorgang festgelegt. Für Trainingsdaten und neue Daten steht dann ein Entscheider zur Verfügung. Ein besonderes Merkmal der Erfindung ist dabei die Verwendung der internen Wahrscheinlichkeitsdichteschätzung und deren passender Skalierung bzw Normierung zur Repräsentation im Korrelationsdiagram und zur Entscheidungsfindung der Klopfdetektion.The classification method of the support vector machine 20 is used for the knock detection, in which an instance with knock sensor data DV input side is occupied, while the output side in training the known class value (knocking, not knocking) is created to the pattern. The support vectors and other internal degrees of freedom are set in the learning process. For training data and new data then a decision maker is available. A particular feature of the invention is the use of the internal probability density estimate and its appropriate scaling or normalization for representation in the correlation diagram and for decision-making of the knock detection.

Die Erkennungsdaten DK (Data Knocking), also ob klopfend oder nicht klopfend, werden von der Stützvektormaschine 20 zB an ein Motorsteuerungsgerät (nicht gezeigt) weitergegeben.The recognition data DK (Data Knocking), whether knocking or not knocking, is provided by the support vector machine 20 eg to an engine control unit (not shown).

Die 2 zeigt ein Diagramm mit relativen Klopfintensitäten SVM-RKI (Support-Vector-Machine, Relative Knocking Intensity) eines Zylinders, die über dessen Kompressionsdruck P (Pressure) in bar angetragen sind, erhalten mit der Vorrichtung der 1. Das Diagramm ist dabei über jeweils eine gestrichelte senkrechte und waagerechte Linie in vier Quadranten geteilt. Ein Klopfen des Zylinders liegt danach vor, wenn die relative Klopfintensität SVM-RKI in die beiden rechten Quadranten, insbesondere aber in dem linken oberen Quadranten fällt. In diesem ist eine Klopferkennung besonders schwierig, weil sie nicht durch einen erhöhten Kompressionsdruck P indiziert ist und damit leicht feststellbar wäre. Wie aus der Lage relativer Klopfintensitäten zu diesem Quadranten entnehmbar ist, lässt das erfindungsgemäße Verfahren eine zuverlässige Klopferkennung schon bei niedrigen Drücken zu.The 2 shows a diagram with relative knock intensities SVM-RKI (Support Vector Machine, Relative Knocking Intensity) of a cylinder, which are plotted on the compression pressure P (pressure) in bar, obtained with the device of the 1 , The diagram is divided by a dashed vertical and horizontal line into four quadrants. A knocking of the cylinder then occurs when the relative knock intensity SVM-RKI falls in the two right quadrants, but especially in the upper left quadrant. In this knock detection is particularly difficult because it is not indicated by an increased compression pressure P and thus easily detectable. As can be seen from the position of relative knock intensities relative to this quadrant, the method according to the invention permits reliable knock detection even at low pressures.

Die 3 zeigt das Diagramm der 2, mit normalisierten relativen Klopfintensitäten SVM-RKI-N (Support-Vector-Machine, Relative Knocking Intensity, Normalized) des Zylinders über dessen Kompressionsdruck P, erhalten mit der Vorrichtung der 1. Dabei wurde eine stufenweise Verstärkung der Schwingungssignale herausgerechnet, so dass die Ergebnisse mit denen eines konventionellen Klopferkennungsverfahrens vergleichbar sind.The 3 shows the diagram of 2 , with normalized relative knock intensities SVM-RKI-N (Support Vector Machine, Relative Knocking Intensity, Normalized) of the cylinder over its compression pressure P, obtained with the device of 1 , In this case, a stepwise amplification of the vibration signals was calculated out, so that the results are comparable to those of a conventional knock detection method.

Die 4 zeigt ein Diagramm mit relativen Klopfintensitäten RKI (Relative Knocking Intensity) eines Zylinders, die über dessen Kompressionsdruck P angetragen sind, erhalten mit einer bekannten Vorrichtung. Die relativen Klopfintensitäten RKI weisen dabei zunächst eine wesentlich größere Streuung und damit Ungenauigkeit auf. Ein Klopfen wird zudem wesentlich weniger häufig erkannt, was auf eine deutlich geringere Zuverlässigkeit der Klopferkennung hinweist.The 4 shows a diagram with relative knock intensities RKI (Relative Knocking Intensity) of a cylinder, which are plotted on its compression pressure P, obtained with a known device. The relative knock intensities RKI initially show a much greater variability and thus inaccuracy. Knocking is also detected much less often, indicating a much lower reliability of knock detection.

Das erfindungsgemäße Verfahren ist dem bekannten Verfahren damit überlegen und verbessert die Klopferkennung in einem Brennkraftmotor entscheidend. Da bereits ein frühes Klopfen zuverlässig erkannt und in der Folge ausgesteuert werden kann, wird die Leistungsfähigkeit von Brennkraftmotoren entscheidend verbessert. Dabei ist das neue Verfahren leicht implementierbar und somit kostengünstig.The inventive method is superior to the known method and improves the Knock detection in an internal combustion engine crucial. There already an early one Knock reliable can be recognized and subsequently controlled, the performance becomes of internal combustion engines decisively improved. This is the new procedure easy to implement and thus inexpensive.

Claims (9)

Verfahren zur Klopferkennung in einem Brennkraftmotor (10), bei dem Schwingungsdaten (DV) des Motors (10) einer linearen oder nicht linearen Stützvektormaschine (20) zugeführt werden, die bereits einem Entscheidungstraining mit Trainingsdaten und bekannten Klassenwerten unterzogen wurde, bei dem die Stützvektoren festgelegt wurden, und die auf Grundlage der Schwingungsdaten (DV) und der Stützvektoren signalisiert, ob ein Klopfen des Motors (10) vorliegt oder nicht.Method for knock detection in an internal combustion engine ( 10 ) at which vibration data (DV) of the engine ( 10 ) of a linear or non-linear support vector machine ( 20 ), which has already been subjected to a decision training with training data and known class values, in which the support vectors have been determined, and which signals on the basis of the vibration data (DV) and the support vectors, whether a knocking of the engine ( 10 ) or not. Verfahren nach Anspruch 1, bei dem eine Wahrscheinlichkeitsschätzung durchgeführt wird, deren Ergebnis zur Repräsentation in einem Korrelationsdiagramm und/oder zur Entscheidungsfindung über das Klopfen skaliert bzw normiert wird.Method according to claim 1, wherein a probability estimation is performed their result for representation in a correlation diagram and / or for decision making about the Knocking is scaled or normalized. Verfahren nach Anspruch 1 oder 2, bei dem die Schwingungsdaten (DV) des Motors (10) einer Vorverarbeitung zugeführt werden, insbesondere einer Fourier-Transformation.Method according to Claim 1 or 2, in which the vibration data (DV) of the engine (DV) 10 ) are supplied to a pre-processing, in particular a Fourier transformation. Verfahren nach einem der vorstehenden Ansprüche, bei dem die Trainingsdaten Einflüsse von Zuständen umfassen, welche die Klopferkennung stören, insbesondere ein Kolbenkippen, und die Einflüsse in den Trainingsdaten selbst als nicht klopfend markiert sind.Method according to one of the preceding claims, in which influences the training data of states which interfere with the knock detection, in particular a piston tilt, and the influences in the training data themselves are marked as not knocking. Verfahren nach einem der vorstehenden Ansprüche, bei dem eine systematische Optimierung von Verfahrensparametern der Stützvektormaschine (20) durchgeführt wird, insbesondere über einen Gauß-Kern (21).Method according to one of the preceding claims, in which a systematic optimization of process parameters of the support vector machine ( 20 ), in particular via a Gaussian nucleus ( 21 ). Verfahren nach einem der vorstehenden Ansprüche, bei dem mehrere Instanzen der Stützvektormaschine (20) zur hierarchischen Klopferkennung für den gesamten Drehzahl-Last-Bereich des Motors (10) vorgesehen sind.Method according to one of the preceding claims, in which several instances of the support vector machine ( 20 ) for hierarchical knock detection for the entire speed-load range of the engine ( 10 ) are provided. Vorrichtung zur Klopferkennung in einem Brennkraftmotor (10), mit einem Sensor (30) zum Erfassen von Schwingungsdaten (DV) des Motors (10), und mit einer damit verbundenen rechnerbasierten, linearen oder nicht linearen Stützvektormaschine (20), die zum Durchführen des Verfahrens nach einem der vorstehenden Ansprüche ausgebildet ist.Device for knock detection in an internal combustion engine ( 10 ), with a sensor ( 30 ) for detecting vibration data (DV) of the engine ( 10 ) and an associated computer-based, linear or nonlinear support vector machine ( 20 ) designed to carry out the method according to any one of the preceding claims. Verwendung einer linearen oder nicht linearen Stützvektormaschine (20) zur Klopferkennung und/oder zur Aussetzerkennung und/oder zur Ventilschließzeiterkennung in einem Brennkraftmotor (10).Use of a linear or nonlinear support vector machine ( 20 ) for knock detection and / or for intermittent detection and / or for valve closing time detection in an internal combustion engine ( 10 ). Verwendung einer linearen oder nicht linearen Stützvektormaschine (20) zur Voreinspritzdetektion in einem Dieselmotor.Use of a linear or nonlinear support vector machine ( 20 ) for pilot injection detection in a diesel engine.
DE200810041840 2008-09-05 2008-09-05 Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine Ceased DE102008041840A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE200810041840 DE102008041840A1 (en) 2008-09-05 2008-09-05 Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200810041840 DE102008041840A1 (en) 2008-09-05 2008-09-05 Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine

Publications (1)

Publication Number Publication Date
DE102008041840A1 true DE102008041840A1 (en) 2009-10-08

Family

ID=41051583

Family Applications (1)

Application Number Title Priority Date Filing Date
DE200810041840 Ceased DE102008041840A1 (en) 2008-09-05 2008-09-05 Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine

Country Status (1)

Country Link
DE (1) DE102008041840A1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016177531A1 (en) * 2015-05-06 2016-11-10 Robert Bosch Gmbh Method for controlling engine knock of an internal combustion engine
CN112504689A (en) * 2020-12-21 2021-03-16 潍柴动力股份有限公司 Engine knock detection method, device, equipment and storage medium
CN113988713A (en) * 2021-11-25 2022-01-28 江苏科技大学 GNA-XALO-SVM-based diesel engine assembly quality abnormity mode identification method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030158830A1 (en) * 2000-04-11 2003-08-21 Adam Kowalczyk Gradient based training method for a support vector machine
US20090063115A1 (en) * 2007-08-31 2009-03-05 Zhao Lu Linear programming support vector regression with wavelet kernel

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030158830A1 (en) * 2000-04-11 2003-08-21 Adam Kowalczyk Gradient based training method for a support vector machine
US20090063115A1 (en) * 2007-08-31 2009-03-05 Zhao Lu Linear programming support vector regression with wavelet kernel

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Rychetsky, M., et al.: "Support Vector Approaches for Engine Knock Detection". In: International Joint Conference on Neural Networks (IJCNN 99), July 1999, Washington, USA *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016177531A1 (en) * 2015-05-06 2016-11-10 Robert Bosch Gmbh Method for controlling engine knock of an internal combustion engine
CN107624144A (en) * 2015-05-06 2018-01-23 罗伯特·博世有限公司 The method that pinking for internal combustion engine is adjusted
US20180112631A1 (en) * 2015-05-06 2018-04-26 Robert Bosch Gmbh Method for knock control of an internal combustion engine
US10451009B2 (en) * 2015-05-06 2019-10-22 Robert Bosch Gmbh Method for knock control of an internal combustion engine
CN107624144B (en) * 2015-05-06 2020-06-05 罗伯特·博世有限公司 Method for knock control of an internal combustion engine
CN112504689A (en) * 2020-12-21 2021-03-16 潍柴动力股份有限公司 Engine knock detection method, device, equipment and storage medium
CN113988713A (en) * 2021-11-25 2022-01-28 江苏科技大学 GNA-XALO-SVM-based diesel engine assembly quality abnormity mode identification method

Similar Documents

Publication Publication Date Title
DE102017011290A1 (en) Machine learning apparatus, CNC apparatus and machine learning method for detecting a sign of occurrence of chatter in the tool of a machine tool
DE102013201673A1 (en) CRUISE CONTROL DEVICE
EP3789926A1 (en) Method for detecting an adversarial fault in the input data of a neural network
DE102019106122A1 (en) Automated driving system
DE102013221995A1 (en) Method and device for the evaluation of abnormal burns of an internal combustion engine of a motor vehicle by a regression calculation of a physical quantity
DE102008041840A1 (en) Method for knock detection in internal combustion engine by linear or non-linear support vector machine, involves transmitting vibration data of internal combustion engine to linear or non-linear support vector machine
EP3017357B1 (en) Method for operating a gesture recognition system for a motor vehicle
EP3811170B1 (en) Determining of states of a device using support vector machines
DE102019215118B3 (en) Control unit for automated driving functions for recognizing a lane closure and method and computer program for recognizing a lane closure
WO2009015655A2 (en) Method and apparatus for automatic pattern recognition
DE102019107363B4 (en) Method and system for determining a property of a machine, in particular a machine tool, without measuring the property and method for determining an expected quality condition of a component manufactured with a machine
DE102018217310A1 (en) Process for evaluating time series signals
EP3973458A1 (en) Method for operating a deep neural network
DE102018117047A1 (en) Method for VCR control
DE102017011570A1 (en) Method for operating an assistance system of a vehicle
DE102022110601A1 (en) PLAY ANGLE DETERMINATION
DE102017119317A1 (en) Classification of surrounding vehicles for a cruise control cruise control device in a motor vehicle
EP2808843B1 (en) Method of parameterisation of an image processing system for the monitoring of a machine tool
WO2021122337A1 (en) Method and apparatus for recognising removal of a sensor data domain from a reference data domain
DE102019216184A1 (en) Method for the robustification of a neural network against adversarial disturbances
DE102020203135A1 (en) Procedure for quality assurance of an example-based system
DE10200946B4 (en) Adaptive pilot control of the ignition timing for internal combustion engines with knock control
DE102016120886B4 (en) Process for the engine management of a vehicle with an internal combustion engine
DE102018208051A1 (en) A method and apparatus for classifying a steering behavior of a driver of a vehicle into one of a plurality of behavior control classes for a fatigue detection
DE102016218579A1 (en) Motor vehicle and method for identifying a person opening a motor vehicle

Legal Events

Date Code Title Description
OAV Applicant agreed to the publication of the unexamined application as to paragraph 31 lit. 2 z1
OP8 Request for examination as to paragraph 44 patent law
8131 Rejection