DE112009005242B4 - Control system for an internal combustion engine - Google Patents
Control system for an internal combustion engine Download PDFInfo
- Publication number
- DE112009005242B4 DE112009005242B4 DE112009005242.8T DE112009005242T DE112009005242B4 DE 112009005242 B4 DE112009005242 B4 DE 112009005242B4 DE 112009005242 T DE112009005242 T DE 112009005242T DE 112009005242 B4 DE112009005242 B4 DE 112009005242B4
- Authority
- DE
- Germany
- Prior art keywords
- engine
- parameter
- operating condition
- transient
- calculating
- 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
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
Landscapes
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Feedback Control In General (AREA)
Abstract
Regelungs-/Steuerungssystem für einen Verbrennungsmotor, umfassend: Regelungs-/Steuerungsparameter-Berechnungsmittel zum Berechnen eines Regelungs-/Steuerungsparameters des Motors unter Verwendung einer Mehrzahl von neuronalen Netzen, wobei jedes der neuronalen Netze einem spezifischen Betriebszustand des Motors entspricht, und zum Ausgeben eines vorbestimmten Betriebsparameters des Motors, wobei die Regelungs-/Steuerungsparameter-Berechnungsmittel einen Koordinator umfassen, zum Berechnen des vorbestimmten Betriebsparameters gemäß den Ausgaben der neuronalen Netze, und den Regelungs-/Steuerungsparameter gemäß einer Ausgabe des Koordinators berechnen, dadurch gekennzeichnet, dass das Regelungs-/Steuerungssystem ferner ein Vorübergehender-Zustand-Parameter-Berechnungsmittel zum Berechnen wenigstens eines Vorübergehender-Zustand-Parameters umfasst, welcher einen vorübergehenden Betriebszustand des Motors anzeigt, wobei eines der neuronalen Netze einem dauerhaften Betriebszustand des Motors entspricht und ein anderes der neuronalen Netze einem vorübergehenden Betriebszustand des Motors entspricht, wobei der Koordinator Gewichtungskoeffizienten für die Ausgaben der neuronalen Netze gemäß dem wenigstens einen Vorübergehender-Zustand-Parameter berechnet, und den vorbestimmten Betriebsparameter unter Verwendung der Gewichtungskoeffizienten berechnet, wobei der dauerhafte Betriebszustand des Motors einem Betriebszustand des Motors entspricht, in welchem zur Berechnung des Regelungs-/Steuerungsparameters verwendete Eingabeparameter stabil sind, und wobei der vorübergehende Betriebszustand des Motors einem Betriebszustand des Motors entspricht, in welchem zur Berechnung des Regelungs-/Steuerungsparameters verwendete Eingabeparameter einer vorübergehenden Veränderung unterliegen.A control system for an internal combustion engine, comprising: control parameter calculating means for calculating a control parameter of the motor using a plurality of neural networks, each of the neural networks corresponding to a specific operating condition of the engine, and outputting a predetermined one Operating parameters of the engine, wherein the control parameter calculating means comprises a coordinator for calculating the predetermined operating parameter according to the outputs of the neural networks, and calculating the control parameter according to an output of the coordinator, characterized in that the control system further comprising a transient state parameter calculating means for calculating at least one transient state parameter indicative of a transient operating condition of the engine, wherein one of the neural networks is in a steady operating condition of the engine and another of the neural networks corresponds to a transient operating condition of the engine, wherein the coordinator calculates weighting coefficients for the outputs of the neural networks according to the at least one transient state parameter, and calculates the predetermined operating parameter using the weighting coefficients, the persistent The operating condition of the engine corresponds to an operating condition of the engine in which input parameters used for calculating the control parameter are stable, and wherein the transient operating condition of the engine corresponds to an operating condition of the engine, in which input parameter used to calculate the control gain parameter is a transient change subject.
Description
TECHNISCHES GEBIETTECHNICAL AREA
Die vorliegende Erfindung bezieht sich auf ein Regelungs-/Steuerungssystem für einen Verbrennungsmotor, und insbesondere auf ein System zum Regeln/Steuern des Motors unter Verwendung eines neuronalen Netzes.The present invention relates to a control system for an internal combustion engine, and more particularly to a system for controlling the engine using a neural network.
HINTERGRUNDBACKGROUND
Ein Regelungs-/Steuerungssystem für einen Verbrennungsmotor gemäß dem Oberbegriff des Anspruchs 1 ist aus
Die
In dieser Vorrichtung werden eine Mehrzahl von Motorbetriebsbereichen gemäß den Eingabeparametern eingestellt und der Berechnungspfad in dem verwendeten neuronalen Netz wird gemäß dem Motorbetriebsbereich verändert.In this apparatus, a plurality of engine operating regions are set according to the input parameters, and the calculation path in the neural network used is changed according to the engine operating region.
ÜBERBLICK ÜBER DIE ERFINDUNGOVERVIEW OF THE INVENTION
Durch die Erfindung zu lösenden ProblemeProblems to be solved by the invention
Bei der Vorrichtung aus Patentdokument 1 wird der Berechnungspfad in dem verwendeten neuronalen Netz gemäß dem Betriebsbereich des Motors gewechselt. Dementsprechend besteht eine Möglichkeit, dass der geschätzte Wert des Parameters beim Wechsel des Berechnungspfads sich plötzlich ändert. Somit kann die Berechnung eines Regelungs-/Steuerungsparameters des Motors, wie beispielsweise die Kraftstoffzufuhrmenge, unter Verwendung des geschätzten Parameters zu einem Problem führen, dass die Berechnungsgenauigkeit des Regelungs-/Steuerungsparameters nach der plötzlichen Änderung in dem geschätzten Parameterwert vorübergehend reduziert ist.In the apparatus of
Es ist Aufgabe der vorliegenden Erfindung, ein Regelungs-/Steuerungssystem für einen Verbrennungsmotor bereitzustellen, welches eine Mehrzahl von neuronalen Netzen verwendet, welche Betriebszuständen des Motors entsprechen, welches eine verbesserte Regelungs-/Steuerungsgenauigkeit des Motors ermöglicht.It is an object of the present invention to provide a control system for an internal combustion engine that utilizes a plurality of neural networks that correspond to operating conditions of the engine that enables improved control accuracy of the engine.
Mittel zum Lösen der ProblemeMeans of solving the problems
Diese Aufgabe wird durch ein Regelungs-/Steuerungssystem nach Anspruch 1 gelöst. Eine Weiterbildung des Regelungs-/Steuerungssystems ist Gegenstand des Anspruchs 2.This object is achieved by a control / control system according to
Zum Lösen der obigen Aufgabe stellt die vorliegende Erfindung ein Regelungs-/Steuerungssystem für einen Verbrennungsmotor bereit, umfassend Regelungs-/Steuerungsparameter-Berechnungsmittel zum Berechnen eines Regelungs-/Steuerungsparameters (IDTH) des Motors unter Verwendung einer Mehrzahl von neuronalen Netzen (SOMSS, SOMTS). Jedes dieser neuronalen Netze (SOMSS, SOMTS) entspricht einem spezifischen Betriebszustand des Motors und gibt einen vorbestimmten Betriebsparameter (THCMD) des Motors aus. Die Regelungs-/Steuerungsparameter-Berechnungsmittel umfassen einen Koordinator zum Berechnen des vorbestimmten Betriebsparameters (THCMD) gemäß den Ausgaben der neuronalen Netze (SOMSS, SOMTS), und berechnen den Regelungs-/Steuerungsparameter (IDTH) gemäß einer Ausgabe (THCMD) des Koordinators.To achieve the above object, the present invention provides a control system for an internal combustion engine, comprising control parameter calculating means for calculating a control parameter (IDTH) of the engine using a plurality of neural networks (SOMSS, SOMTS). , Each of these neural networks (SOMSS, SOMTS) corresponds to a specific operating condition of the engine and outputs a predetermined operating parameter (THCMD) of the engine. The control parameter calculating means includes a coordinator for calculating the predetermined operation parameter (THCMD) according to the outputs of the neural networks (SOMSS, SOMTS), and calculating the control parameter (IDTH) according to an output (THCMD) of the coordinator.
Mit dieser Konfiguration wird ein Regelungs-/Steuerungsparameter des Motors unter Verwendung einer Mehrzahl von neuronalen Netzen berechnet, welche den vorbestimmten Betriebsparameter des Motors ausgibt. Insbesondere werden eine Mehrzahl von Werten des vorbestimmten Betriebsparameters unter Verwendung der Mehrzahl von neuronalen Netze ausgegeben, der vorbestimmte Betriebsparameter wird durch den Koordinator gemäß der Mehrzahl von Werten des vorbestimmten Betriebsparameters berechnet und der Regelungs-/Steuerungsparameter des Motors wird gemäß dem vorbestimmten Betriebsparameter berechnet. Durch angemessene Einstellung der Betriebscharakteristika des Koordinators, kann der vorbestimmte Betriebsparameter, welcher die Ausgaben von der Mehrzahl von neuronalen Netzen angemessen wiedergibt, erhalten werden, wodurch es möglich wird, die Regelungs-/Steuerungsgenauigkeit des Motors zu verbessern.With this configuration, a control parameter of the engine is calculated using a plurality of neural networks which outputs the predetermined operating parameter of the engine. Specifically, a plurality of values of the predetermined operation parameter are output using the plurality of neural networks, the predetermined operation parameter is calculated by the coordinator according to the plurality of values of the predetermined operation parameter, and the control parameter of the motor is calculated according to the predetermined operation parameter. By appropriately setting the operating characteristics of the coordinator, the predetermined operating parameter which appropriately reflects the outputs from the plurality of neural networks can be obtained, thereby making it possible to improve the control accuracy of the motor.
Das Regelungs-/Steuerungssystem umfasst ferner Vorübergehender-Zustand-Parameter-Berechnungsmittel zum Berechnen wenigstens eines Vorübergehender-Zustand-Parameters (DNE, DPB, DPI, DGAIRCMD), welcher einen vorübergehenden Betriebszustand des Motors anzeigt. Eines (SOMSS) der neuronalen Netze entspricht einem dauerhaften Betriebszustand des Motors und ein anderes (SOMTS) der neuronalen Netze entspricht einem vorübergehenden Betriebszustand des Motors. Der Koordinator berechnet Gewichtungskoeffizienten (WTS, 1 – WTS) für die Ausgaben der neuronalen Netze gemäß dem wenigstens einen Vorübergehender-Zustand-Parameter (DNE, DPB, DPI, DGAIRCMD), und berechnet den vorbestimmten Betriebsparameter (THCMD) unter Verwendung der Gewichtungskoeffizienten, wobei der dauerhafte Betriebszustand des Motors einem Betriebszustand des Motors entspricht, in welchem zur Berechnung des Regelungs-/Steuerungsparameters verwendete Eingabeparameter stabil sind, und wobei der vorübergehende Betriebszustand des Motors einem Betriebszustand des Motors entspricht, in welchem zur Berechnung des Regelungs-/Steuerungsparameters verwendete Eingabeparameter einer vorübergehenden Veränderung unterliegen.The control system further comprises temporary state parameter calculating means for calculating at least one temporary state parameter (DNE, DPB, DPI, DGAIRCMD) indicative of a transient operating condition of the engine. One (SOMSS) of the neural networks corresponds to a permanent operating condition of the engine and another (SOMTS) of the neural networks corresponds to a transient operating condition of the engine. The coordinator calculates weighting coefficients (WTS, 1-WTS) for the neural network outputs according to the at least one transient state parameter (DNE, DPB, DPI, DGAIRCMD), and calculates the predetermined operating parameter (THCMD) using the weighting coefficients the steady-state operating condition of the engine corresponds to an operating condition of the engine in which input parameters used to calculate the control parameter are stable, and wherein the transient operating condition of the engine corresponds to an operating condition of the engine in which input parameter used to calculate the control parameter is a subject to temporary change.
Mit dieser Konfiguration wird wenigstens einen Vorübergehender-Zustand-Parameter berechnet, welcher den vorübergehenden Betriebszustand des Motors anzeigt, und die Gewichtungskoeffizienten für die Ausgaben der neuronalen Netze werden gemäß dem wenigstens einen Vorübergehender-Zustand-Parameter berechnet. Insbesondere werden die Gewichtungskoeffizienten für die Ausgabe des neuronalen Netzes, welches dem dauerhaften Betriebszustand des Motors entspricht, und für die Ausgabe des neuronalen Netzes, welches dem vorübergehenden Betriebszustand des Motors entspricht, berechnet. Ferner wird der vorbestimmte Betriebsparameter unter Verwendung der Gewichtungskoeffizienten berechnet. Da die Gewichtungskoeffizienten gemäß dem Vorübergehender-Zustand-Parameter berechnet werden, ist der vorübergehende Betriebszustand in den Gewichtungskoeffizienten angemessen wiedergegeben. Somit ermöglicht ein Verwenden der Gewichtungskoeffizienten, dass ein angemessener Wert des vorbestimmten Betriebsparameters erhalten wird.With this configuration, at least one temporary state parameter indicative of the transient operating state of the engine is calculated, and the weighting coefficients for the outputs of the neural networks are calculated according to the at least one transient state parameter. In particular, the weighting coefficients for the output of the neural network, which corresponds to the continuous operating state of the engine, and for the output of the neural network, which corresponds to the transient operating state of the engine, are calculated. Further, the predetermined operating parameter is calculated by using the weighting coefficients. Since the weighting coefficients are calculated according to the transient state parameter, the transient operating state is appropriately represented in the weighting coefficients. Thus, using the weighting coefficients allows a reasonable value of the predetermined operating parameter to be obtained.
Vorzugsweise berechnen die Vorübergehender-Zustand-Parameter-Berechnungsmittel wenigstens einen Änderungsbetrag (DNE, DPB, DPI, DGAIRCMD) von Betriebsparametern des Motors als der wenigstens einen Vorübergehender-Zustand-Parameter, und erhöhen den Gewichtungskoeffizienten (WTS) für die Ausgabe des neuronalen Netzes (SOMTS), welches dem vorübergehenden Betriebszustand des Motors entspricht, wenn der wenigstens eine Änderungsbetrag zunimmt.Preferably, the transient state parameter calculating means calculates at least one amount of change (DNE, DPB, DPI, DGAIRCMD) of operating parameters of the engine as the at least one transient state parameter, and increases the weighting coefficient (WTS) for the output of the neural network ( SOMTS) corresponding to the transient operating state of the engine as the at least one amount of change increases.
Mit dieser Konfiguration wird wenigstens einen Änderungsbetrag von Betriebsparametern des Motors als der Vorübergehender-Zustand-Parameter berechnet, und der Gewichtungskoeffizient für die Ausgabe des neuronalen Netzes, welches dem vorübergehenden Betriebszustand des Motors entspricht, nimmt zu, wenn der wenigstens eine Änderungsbetrag zunimmt. Dementsprechend kann der Betriebszustand des Motors in dem Gewichtungskoeffizienten angemessen wiedergegeben werden.With this configuration, at least one amount of change of operating parameters of the engine is calculated as the temporary state parameter, and the weighting coefficient for the output of the neural network corresponding to the transient operating state of the engine increases as the at least one amount of change increases. Accordingly, the operating condition of the engine can be appropriately reflected in the weighting coefficient.
MITTEL ZUM AUSFÜHREN DER ERFINDUNG Means for carrying out the invention
Bevorzugte Ausführungsformen der vorliegenden Erfindung werden nun mit Bezug auf die Figuren erläutert.Preferred embodiments of the present invention will now be explained with reference to the figures.
Der Motor
Die Turbine
Das Ansaugrohr
Ein Abgasrückführungsdurchgang
Ein Ansaugluftdurchsatz-Sensor
Ein mager NOx Katalysator
Ein Beschleunigungssensor
Die ECU
Die ECU
Die ECU
In dieser Ausführungsform wird die Zieldrosselventilöffnung THCMD mittels einer selbst-organisierenden Karte SOMSS eines Dauerhafter-Zustand-Models und einer selbst-organisierenden Karte SOMTS eines Vorübergehender-Zustand-Models berechnet. Die selbst-organisierende Karte SOMSS eines Dauerhafter-Zustand-Models entspricht einem dauerhaften Betriebszustand des Motors
Die selbst-organisierende Karte wird nachfolgend detailliert beschrieben.The self-organizing map is described in detail below.
Ein Eingabedatenvektor xj, welcher aus „N” Elemente besteht, ist durch die folgende Gleichung (1) definiert, und ein Gewichtungsvektor wi von jedem Neuron, welches die selbst-organisierende Karte bildet, ist durch die folgende Gleichung (2) definiert. Eine Anzahl von Neuronen ist durch „M” bezeichnet. D. h. ein Parameter „i” nimmt Werte von „1” bis „M” an. Ein Initialwert des Gewichtungsvektors wi ist unter Verwendung einer Zufallszahl gegeben.
Für jedes der „M” Neuronen wird ein euklidischer Abstand DWX (= |wi – xj|) zwischen dem Eingabedatenvektor xj und dem Gewichtungsvektor wi des entsprechenden Neurons berechnet. Ein Neuron, dessen Abstand DWX einen Minimalwert annimmt, wird als das Gewinnerneuron definiert. Der euklidische Abstand DWX wird durch die folgende Gleichung (3) berechnet. [GI. 1] For each of the "M" neurons, an Euclidean distance DWX (= | wi-xj |) between the input data vector xj and the weighting vector wi of the corresponding neuron is calculated. A neuron whose distance DWX takes a minimum value is defined as the winner neuron. The Euclidean distance DWX is calculated by the following equation (3). [Eq. 1]
Als nächstes werden die Gewichtungsvektoren wi des Gewinnerneurons und der Neuronen, die in einer Neuronenmenge Nc in der Nachbarschaft des Gewinnerneurons enthalten sind, durch die folgende Gleichung (4) aktualisiert. in der Gleichung (4) bezeichnen „α(t)” einen Trainingskoeffizienten und „t” eine Anzahl der Trainingseinheiten (nachfolgend einfach als „Trainingsanzahl” bezeichnet). Der Trainingskoeffizient α(t) ist zum Beispiel auf „0,8” als initialwert gesetzt, und wird derart eingestellt, dass er mit einer Zunahme der Trainingsanzahl „t” abnimmt.
Die Gewichtungsvektoren wi der Neuronen, die in der Neuronenmenge Nc nicht enthalten sind, behalten einen vorhergehenden Wert, wie durch die folgende Gleichung (5) gezeigt.
Es sei angemerkt, dass die Neuronenmenge Nc ebenfalls eine Funktion der Trainingsanzahl „t” ist, und derart eingestellt ist, dass ein Bereich der Nachbarschaft des Gewinnerneurons mit Zunahme der Trainingsanzahl „t” enger wird. Die Gewichtungsvektoren des Gewinnerneurons und der Neuronen in der Nachbarschaft des Gewinnerneurons werden durch Aktualisieren mit der Gleichung (4) verändert, um sich dem Eingabedatenvektor anzunähern.It should be noted that the neuron amount Nc is also a function of the training number "t", and is set so that an area of the vicinity of the winning neuron becomes narrower as the training number "t" increases. The weighting vectors of the winner neuron and the neurons in the neighborhood of the winner neuron are changed by updating with the equation (4) to approximate the input data vector.
Falls die Berechnung gemäß der oben beschriebenen Trainingsregel für viele Eingabedatenvektoren durchgeführt wird, widerspiegelt die Verteilung der „M” Neuronen die Verteilung der Eingabedatenvektoren. Zum Beispiel verteilen sich, dann, wenn die Eingabedatenvektoren zu zweidimensionalen Vektoren vereinfacht werden und die Verteilung der Eingabedatenvektoren auf einer zweidimensionalen Ebene dargestellt ist, die Neuronen gleichförmig über die Ebene, wenn die Eingabedatenvektoren sich über die Ebene gleichförmig verteilen. Falls Ungleichförmigkeit in der Verteilung der Eingabedatenvektoren herrscht (falls Änderungen in der Verteilungsdichte vorhanden sind), dann wird aus der Verteilung der Neuronen schließlich eine Verteilung, welche eine ähnliche Ungleichförmigkeit aufweist.If the calculation is performed according to the training rule described above for many input data vectors, the distribution of the "M" neurons reflects the distribution of the input data vectors. For example, when the input data vectors to two-dimensional vectors are simplified and the distribution of the input data vectors is represented on a two-dimensional plane, the neurons spread uniformly across the plane as the input data vectors spread uniformly across the plane. Finally, if there is nonuniformity in the distribution of the input data vectors (if there are changes in the distribution density), then the distribution of the neurons eventually becomes a distribution having similar nonuniformity.
Die selbst-organisierende Karte, welche wie oben beschrieben erhalten wurde, kann weiterhin durch Anwendung des Lernende-Vektorquantisierung-(LVQ)-Algorithmus modifiziert werden, wodurch eine geeignetere Verteilung der Neuronen erhalten wird.The self-organizing map obtained as described above may be further modified by application of the Learner Vector Quantization (LVQ) algorithm, thereby obtaining a more appropriate distribution of the neurons.
Die in
Beim Training der selbst-organisierenden Karte wird ein Gewichtungskoeffizientenvektor Ci (i = 1 bis M), welches durch folgende Gleichung (11) ausgedrückt ist, unter Verwendung des Eingabedatenvektors xTH und der tatsächlichen Drosselventilöffnung TH, welche dem Eingabedatenvektor xTH entspricht, berechnet und gespeichert. Der Gewichtungskoeffizientenvektor Ci wird entsprechend jedem Neuron NRi berechnet und gespeichert.
Bei dem tatsächlichen Regelungs-/Steuerungsvorgang wird der Bereich RNRi, welcher den gegenwärtigen Betriebspunkt auf der Karte umfasst, zuerst ausgewählt. Der Betriebspunkt ist durch die Zielansaugluftmenge GAIRCMD und den Ladedruck PB definiert, welche Elemente des Eingabedatenvektors xTH sind. Als nächstes werden der Gewichtungskoeffizientenvektor Ci, welcher dem den Bereich RNRi darstellenden Neuron NRi entspricht, und der Eingabedatenvektor xTH auf die folgende Gleichung (12) angewendet, um die Zieldrosselventilöffnung THCMD zu berechnen.
Andererseits werden die Änderungsbeträge, die den Eingabeparametern der selbst-organisierenden Karte SOMSS des Dauerhafter-Zustand-Models entsprechen auf die selbst-organisierende Karte SOMTS des Vorübergehender-Zustand-Models als Eingabeparameter angewandt. Insbesondere werden ein Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD, ein Ladedruck-Änderungsbetrag DPB, ein Ansaugdruck-Änderungsbetrag DPI und ein Drehgeschwindigkeit-Änderungsbetrag DNE durch die folgenden Gleichungen (21)–(24) berechnet und als Eingabeparameter auf die selbst-organisierende Karte SOMTS des Vorübergehender-Zustand-Models angewandt. In diesen Gleichungen ist „k” eine mit einer Berechnungsperiode TC der Zieldrosselventilöffnung THCMD digitalisierten diskreten Zeit.
Ein durch die folgende Gleichung (26) gezeigter Gewichtungskoeffizientenvektor CDi (i = 1 – M) wird durch Trainieren mit derselben Methode berechnet, als die, die für das Trainieren der selbst-organisierenden Karte SOMSS des Dauerhafter-Zustand-Models verwendet wurde.
Wenn die selbst-organisierende Karte SOMTS des Vorübergehender-Zustand-Models verwendet wird, wird die Zieldrosselventilöffnung THCMDTS durch die folgende Gleichung (27) berechnet. Diese Gleichung (27) entspricht der Gleichung, die das Vorübergehender-Zustand-Model in dieser Ausführungsform definiert.
Wie aus
In Schritt S11 wird eine GAIRCMD-Karte (nicht gezeigt) gemäß dem Gaspedal-Betätigungsbetrag AP und der Motordrehgeschwindigkeit NE abgerufen, um den Zielansaugluftdurchsatz GAIRCMD zu berechnen. Die GAIRCMD-Karte ist derart eingestellt, dass der Zielansaugluftdurchsatz GAIRCMD mit Zunahme des Gaspedal-Betätigungsbetrages AP zunimmt, und der Zielansaugluftdurchsatz GAIRCMD mit Zunahme der Motordrehgeschwindigkeit NE zunimmt.In step S11, a GAIRCMD map (not shown) is retrieved according to the accelerator operation amount AP and the engine rotation speed NE to calculate the target intake air flow rate GAIRCMD. The GAIRCMD map is set such that the target intake air flow rate GAIRCMD increases as the accelerator pedal operation amount AP increases, and the target intake air flow rate GAIRCMD increases as the engine rotation speed NE increases.
Im Schritt S12 wird eine GAIRMAX-Karte (nicht gezeigt) gemäß der Motordrehgeschwindigkeit NE und dem Ladedruck PB abgerufen, um den maximalen Ansaugluftdurchsatz GAIRMAX zu berechnen. Die GAIRMAX-Karte ist derart eingestellt, dass der maximale Ansaugluftdurchsatz GAIRMAX mit Zunahme der Motordrehgeschwindigkeit NE zunimmt, und der maximale Ansaugluftdurchsatz GAIRMAX mit Zunahme des Ladedrucks PB zunimmt.In step S12, a GAIRMAX map (not shown) is retrieved according to the engine rotational speed NE and the boost pressure PB to calculate the maximum intake air flow rate GAIRMAX. The GAIRMAX map is set so that the maximum intake air flow GAIRMAX increases with increase in the engine rotation speed NE, and the maximum intake air flow GAIRMAX increases with increase of the boost pressure PB.
Im Schritt S13 wird der Bestimmungsschwellenwert GAIRTH durch Multiplizieren des vorbestimmten Schwellenwertkoeffizienten KTH mit dem maximalen Ansaugluftdurchsatz GAIRMAX berechnet. Im Schritt S14 wird bestimmt, ob der Zielansaugluftdurchsatz GAIRCMD kleiner als der Bestimmungsschwellenwert GAIRTH ist oder nicht. Falls die Antwort im Schritt S14 bejahend ist (JA), wird das in
Falls der Zielansaugluftdurchsatz GAIRCMD gleich dem oder größer als der Bestimmungsschwellenwert GAIRTH im Schritt S14 ist, wird die Zieldrosselventilöffnung THCMD auf die maximale Öffnung THMAX eingestellt.If the target intake air flow rate GAIRCMD is equal to or greater than the determination threshold GAIRTH in step S14, the target throttle valve opening THCMD is set to the maximum opening THMAX.
Im Schritt S21 aus
Im Schritt S22 wird die Zieldrosselventilöffnung THCMDSS des dauerhaften Zustands unter Verwendung der selbst-organisierenden Karte SOMSS des Dauerhafter-Zustand-Models berechnet und im Schritt 23 wird die Zieldrosselventilöffnung THCMDTS des vorübergehenden Zustands unter Verwendung des Vorübergehender-Zustand-Models berechnet.In step S22, the steady state target throttle valve opening THCMDSS is calculated using the self-organizing map SOMSS of the steady state model, and in
Im Schritt S24 wird eine in
Im Schritt S25 wird eine in
Im Schritt S26 wird eine in
Im Schritt S27 wird eine in
Im Schritt S28 wird der erste bis vierte Gewichtungsänderungskoeffizient W1–W4 auf die folgende Gleichung (28) angewandt, um einen Vorübergehender-Zustand-Gewichtungskoeffizient WTS zu berechnen. In der Gleichung (28) sind WNE, WPB, WPI und WGAIR Gewichtungskoeffizientenwerte, welche relativ zu dem Drehgeschwindigkeit-Änderungsbetrag DNE, dem Lade-Änderungsbetrag DPB, dem Ansaugdruck-Änderungsbetrag DPI beziehungsweise dem Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD berechnet werden. Die Gewichtungskoeffizientenwerte WNE, WPB, WPI und WGAIR werden auf einem Wert gesetzt, welcher größer als „0” und kleiner als „1” ist.
Der Vorübergehender-Zustand-Gewichtungskoeffizient WTS unterliegt in den Schritten S29 und S30 einem Begrenzungsverfahren, so dass der Wert von WTS „1” nicht überschreitet.The temporary state weighting coefficient WTS undergoes a limiting process in steps S29 and S30 so that the value of WTS does not exceed "1".
Im Schritt S31 werden der Vorübergehender-Zustand-Gewichtungskoeffizient WTS, die Dauerhafter-Zustand-Zieldrosselventilöffnung THCMDSS und die Vorübergehender-Zustand-Zieldrosselventilöffnung THCMDTS auf die folgende Gleichung (29) angewandt, um die Zieldrosselventilöffnung THCMD zu berechnen.
Die CPU in der ECU
Wie oben beschrieben wird die Zieldrosselventilöffnung THCMD unter Verwendung der selbst-organisierenden Karte SOMSS des Dauerhafter-Zustand-Models, welche die Dauerhafter-Zustand-Zieldrosselventilöffnung THCMDSS ausgibt, und der selbst-organisierenden Karte SOMTS des Vorübergehender-Zustand-Models, welche die Vorübergehender-Zustand-Zieldrosselventilöffnung THCMDTS ausgibt, berechnet. Ferner wird der Antriebsparameter IDTH des Aktuators
Ferner werden der Drehgeschwindigkeit-Änderungsbetrag DNE, der Ladedruck-Änderungsbetrag DPB, der Ansaugdruck-Änderungsbetrag DPI und der Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD, welche Vorübergehender-Zustand-Parameter sind, die den vorübergehenden Betriebszustand des Motors anzeigen, berechnet und der Vorübergehender-Zustand-Gewichtungskoeffizient WTS für die Vorübergehender-Zustand-Zieldrosselventilöffnung THCMDTS und der Gewichtungskoeffizient (1 – WTS) für die Dauerhafter-Zustand-Zieldrosselventilöffnung THCMDSS werden berechnet. Die Zieldrosselventilöffnung THCMD wird unter Verwendung der Gewichtungskoeffizienten WTS und (1 – WTS) berechnet. Dementsprechend ist der Motorbetriebszustand (der dauerhafte Betriebszustand, der vorübergehende Betriebszustand oder der zwischen dem dauerhaften Betriebszustand und dem vorübergehenden Betriebszustand liegenden Betriebszustand) in den Gewichtungskoeffizienten WTS und (1 – WTS) angemessen wiedergegeben, wodurch es möglich wird, die Zieldrosselventilöffnung THCMD auf einem angemessenen Wert einzustellen.Further, the rotational speed change amount DNE, the boost pressure change amount DPB, the intake pressure change amount DPI, and the target intake air flow rate change amount DGAIRCMD, which are transient state parameters indicative of the engine's transient operating state, are calculated and the transient state weighting coefficient WTS for the transient state target throttle valve opening THCMDTS and the weighting coefficient (1-WTS) for the steady state target throttle valve opening THCMDSS are calculated. The target throttle valve opening THCMD is calculated using the weighting coefficients WTS and (1-WTS). Accordingly, the engine operating condition (the steady operating condition, the temporary operating condition or the operating condition between the steady operating condition and the transient operating condition) is appropriately reflected in the weighting coefficients WTS and (1-WTS), thereby making it possible to set the target throttle valve opening THCMD at an appropriate value adjust.
Ferner wird der Vorübergehender-Zustand-Gewichtungskoeffizient WTS derart eingestellt, dass er mit einer Zunahme des Drehgeschwindigkeit-Änderungsbetrags DNE, des Ladedruck-Änderungsbetrags DPB, des Ansaugdruck-Änderungsbetrags DPI und/oder des Zielansaugluftdurchsatz-Änderungsbetrags DGAIRCMD zunimmt. Dementsprechend kann der Motorbetriebszustand in dem Vorübergehender-Zustand-Gewichtungskoeffizienten WTS angemessen widerspiegelt werden.Further, the transient state weighting coefficient WTS is set to increase with an increase in the rotational speed change amount DNE, the boost pressure change amount DPB, the intake pressure change amount DPI, and / or the target intake air flow rate change amount DGAIRCMD. Accordingly, the engine operating condition in the temporary state weighting coefficient WTS can be appropriately reflected.
In dieser Ausführungsform bildet die ECU
Die vorliegende Erfindung ist nicht auf der oben-beschriebenen Ausführungsform beschränkt und verschiedene Abwandlungen können vorgenommen werden. Zum Beispiel werden in der oben-beschriebenen Ausführungsform der Drehgeschwindigkeit-Änderungsbetrag DNE, der Ladedruck-Änderungsbetrag DPB, der Ansaugdruck-Änderungsbetrag DPI und der Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD als Vorübergehender-Zustand-Parameter verwendet. Alternativ kann jeder von diesen Änderungsbeträgen oder eine Kombination von zwei oder drei von diesen Änderungsbeträgen als Vorübergehender-Zustand-Parameter verwendet werden. Zum Beispiel kann, wenn nur der Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD verwendet wird, der Vorübergehender-Zustand-Gewichtungskoeffizient WTS durch die folgende Gleichung (31) berechnet werden. Wenn der Zielansaugluftdurchsatz-Änderungsbetrag DGAIRCMD und der Ladedruck-Änderungsbetrag DPB verwendet werden, kann der Vorübergehender-Zustand-Gewichtungskoeffizient WTS durch die folgende Gleichung (32) berechnet werden.
Ferner wird in der oben-beschriebenen Ausführungsform ein Beispiel dafür gezeigt, dass die Zieldrosselventilöffnung THCMD der vorbestimmte Betriebsparameter ist. Alternativ kann ein aus dem Motor
Wenn der NOx-Betrag berechnet wird, werden die Motordrehgeschwindigkeit NE, die Kraftstoffzufuhrmenge (Kraftstoffeinspritzmenge), das Luft-Kraftstoff-Verhältnis, eine Temperatur der in die Turbine
Wenn das Verhältnis der Abgsrückführung berechnet wird, werden der Ladedruck PB, der Ansaugdruck PI, die EGR-Ventilöffnung, der Ansaugluftdurchsatz GAIR, das Kraftstoff-Luft-Verhältnis, die Motordrehgeschwindigkeit NE, die Schaufelöffnung θvgt der Turbine
Wenn der Ansaugluftdurchsatz berechnet wird, werden die Drosselventilöffnung TH, der Ladedruck PB, der Ansaugdruck PI und die Motordrehgeschwindigkeit NE als Eingabeparameter der selbst-organisierenden Karte des Dauerhafter-Zustand-Models angewandt, um den Ansaugluftdurchsatz zu berechnen, und die Änderungsbeträge, welche den Eingabeparametern der selbst-organisierenden Karte des Dauerhafter-Zustand-Models werden als die Eingabeparameter der selbst-organisierenden Karte des Vorübergehender-Zustand-Models angewandt.When the intake air flow rate is calculated, the throttle valve opening TH, the boost pressure PB, the intake pressure PI, and the engine rotation speed NE are used as input parameters of the self-organizing map of the durable state model to calculate the intake air flow rate and the change amounts corresponding to the input parameters of the self-organizing map of the persistent state model are applied as the input parameters of the self-organizing map of the transient state model.
Ferner wird in der oben-beschriebenen Ausführungsform die selbst-organisierende Karte als das neuronale Netz verwendet. Alternativ kann das neuronale Netz, das als sogenanntes „Perzeptron” bekannt ist, verwendet werden.Further, in the above-described embodiment, the self-organizing map is used as the neural network. Alternatively, the neural network known as the so-called "perceptron" may be used.
Die vorliegende Erfindung kann auch zur Regelung/Steuerung eines Antriebsmotors eines Wasserfahrzeugs, wie beispielsweise eines Außenbordmotors mit einer sich vertikal erstreckenden Kurbelwelle eingesetzt werden.The present invention can also be used to control a marine engine drive motor, such as an outboard motor having a vertically extending crankshaft.
BezugszeichenlisteLIST OF REFERENCE NUMBERS
- 11
- Verbrennungsmotorinternal combustion engine
- 22
- Ansaugrohrintake
- 1919
- Aktuatoractuator
- 2020
- elektronische Regelungs-/Steuerungseinheit (Regelungs-/Steuerungsparameter-Berechnungsmittel, Koordinator)electronic control unit (control parameter calculating means, coordinator)
- 2222
- LadedrucksensorBoost pressure sensor
- 2424
- Ansaugdrucksensorintake pressure
- 2727
- Beschleunigungssensoraccelerometer
- 2828
- MotordrehgeschwindigkeitssensorMotor rotation speed sensor
Claims (2)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2009/066417 WO2011033662A1 (en) | 2009-09-18 | 2009-09-18 | Internal combustion engine control device |
Publications (2)
Publication Number | Publication Date |
---|---|
DE112009005242T5 DE112009005242T5 (en) | 2012-09-06 |
DE112009005242B4 true DE112009005242B4 (en) | 2015-02-12 |
Family
ID=43758288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112009005242.8T Expired - Fee Related DE112009005242B4 (en) | 2009-09-18 | 2009-09-18 | Control system for an internal combustion engine |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP5377656B2 (en) |
DE (1) | DE112009005242B4 (en) |
WO (1) | WO2011033662A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6702380B2 (en) | 2018-09-14 | 2020-06-03 | トヨタ自動車株式会社 | Control device for internal combustion engine |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5477825A (en) * | 1993-02-26 | 1995-12-26 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for vehicle |
JPH1185719A (en) * | 1997-09-03 | 1999-03-30 | Matsushita Electric Ind Co Ltd | Parameter estimation device |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01208501A (en) | 1988-02-12 | 1989-08-22 | Honda Motor Co Ltd | Variable capacity turbine |
JPH04302304A (en) * | 1991-03-29 | 1992-10-26 | Toshiba Corp | Nonlinear process controller |
JP2978353B2 (en) * | 1993-02-26 | 1999-11-15 | トヨタ自動車株式会社 | Vehicle driving force control device |
JPH1011105A (en) * | 1996-06-20 | 1998-01-16 | Yamaha Motor Co Ltd | State control system |
JP3387004B2 (en) * | 1998-04-06 | 2003-03-17 | 株式会社日立製作所 | Control device |
JP2000213395A (en) * | 1999-01-25 | 2000-08-02 | Matsushita Electric Ind Co Ltd | Air-fuel ratio control apparatus |
JP2002251597A (en) * | 2001-02-23 | 2002-09-06 | Yamaha Motor Co Ltd | Optimal solution searching device, controlled object controlling device based on optimization algorithm, and optimal solution searching program |
EP2085593B1 (en) * | 2008-01-29 | 2010-06-30 | Honda Motor Co., Ltd. | Control system for internal combustion engine |
-
2009
- 2009-09-18 JP JP2011531735A patent/JP5377656B2/en not_active Expired - Fee Related
- 2009-09-18 WO PCT/JP2009/066417 patent/WO2011033662A1/en active Application Filing
- 2009-09-18 DE DE112009005242.8T patent/DE112009005242B4/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5477825A (en) * | 1993-02-26 | 1995-12-26 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for vehicle |
JPH1185719A (en) * | 1997-09-03 | 1999-03-30 | Matsushita Electric Ind Co Ltd | Parameter estimation device |
Also Published As
Publication number | Publication date |
---|---|
JPWO2011033662A1 (en) | 2013-02-07 |
WO2011033662A1 (en) | 2011-03-24 |
DE112009005242T5 (en) | 2012-09-06 |
JP5377656B2 (en) | 2013-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112008000618B4 (en) | Method and device for estimating an exhaust gas temperature of an internal combustion engine | |
DE102008000069B4 (en) | Apparatus for controlling injection of fuel into an engine and apparatus for controlling combustion in an engine | |
DE102011108549B4 (en) | Method for model-based multi-variable control of an EGR and a boost pressure for internal combustion engines | |
DE69636687T2 (en) | DEVICE FOR DETECTING AND CONTROLLING THE AIR SURFACE FACTOR OF AN INTERNAL COMBUSTION ENGINE | |
DE102011012238B4 (en) | Virtual sensor for NOX engine emissions for an internal combustion engine | |
DE102012203087B4 (en) | Moisture sensor diagnostic method and system | |
DE602004001299T2 (en) | motor control | |
DE112015006304B4 (en) | Method and device for controlling an internal combustion engine | |
DE102011109487B4 (en) | Method for estimating and controlling an acoustic noise during combustion | |
DE102010034437A1 (en) | Diagnostic systems and methods using nitrogen oxide sensors | |
DE102006062038A1 (en) | Error detection device for variable valve control time and stroke controlling system in internal combustion engine, has comparator comparing corrected actual setting time with target setting time to detect error of controlling system | |
DE102009021887A1 (en) | Method and device for controlling the operation of an engine | |
DE102011109482A1 (en) | Model-based methodology for controlling a transition timing of fuel injection | |
DE102014106833A1 (en) | Sensor calibration with end stop detection of a control system of an electric wastegate | |
DE102014216705A1 (en) | Determining a wastegate valve position | |
DE102014218501A1 (en) | METHOD AND SYSTEM FOR AN INTRODUCTION HUMIDITY SENSOR | |
DE102005056074A1 (en) | Control device for internal combustion engine, has electronic control unit for changing control mode of control unit according to differential pressure between sides of throttle valve for upward and downward air movements, respectively | |
DE102007045817A1 (en) | A method and apparatus for controlling engine operation during regeneration of an exhaust aftertreatment system | |
DE102015200155A1 (en) | Control device for an internal combustion engine | |
DE102011016517B4 (en) | Control module for reducing a turbo lag in an internal combustion engine | |
DE102010056514A1 (en) | Method for reduction of nitrogen oxide emission in diesel engine of motor car, involves providing parts of exhaust gas to form residue exhaust gas in chamber, and adjusting residue gas and/or ratio between parts of gas in chamber | |
DE102015205194A1 (en) | Regulating / control device | |
DE102011006363A1 (en) | Method for operating an internal combustion engine | |
DE112009005254B4 (en) | Control system for an internal combustion engine | |
DE112009005242B4 (en) | Control system for an internal combustion engine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R084 | Declaration of willingness to licence | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |