JPH11351045A - Estimating method for amount indicating engine state - Google Patents
Estimating method for amount indicating engine stateInfo
- Publication number
- JPH11351045A JPH11351045A JP10160213A JP16021398A JPH11351045A JP H11351045 A JPH11351045 A JP H11351045A JP 10160213 A JP10160213 A JP 10160213A JP 16021398 A JP16021398 A JP 16021398A JP H11351045 A JPH11351045 A JP H11351045A
- Authority
- JP
- Japan
- Prior art keywords
- valve
- engine
- intake pipe
- amount
- layer
- 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.)
- Pending
Links
Landscapes
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、自動車の運転で発
生する排気ガス中の有害公害成分が所定の値以下となる
ように自動車エンジンの燃焼を行わす為に、吸気管を通
り気筒へ流入する空気量やそれに見合う必要な燃料量を
決定可能とする、可変機構的吸気管を備えるエンジンの
状態を示す量の推定方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a combustion engine for an automobile which burns so that harmful pollutants in exhaust gas generated during the operation of the automobile are less than a predetermined value. The present invention relates to a method for estimating an amount indicative of a state of an engine having a variable mechanical intake pipe, which is capable of determining an air amount to be changed and a necessary fuel amount corresponding thereto.
【０００２】[0002]
【従来の技術】現在自動車エンジンの燃焼に関して、そ
の運転時に発生する排気ガス中の有害公害成分が所定の
値以下となるよう社会的に要請されている。そこで現在
は、エンジン内での燃料と空気との量的割合が所定の値
となるようにして燃焼を行わせ、燃焼後の排気ガスを排
気管の中に設けた触媒を通すことにより、その浄化をす
る方法を採っている。そのためには吸気管を通過してエ
ンジンの気筒に入る空気量と吸気管の中へ噴射する燃料
量とを、所定の割合に維持する必要がある。その維持の
手段として現在発表されているものの多くは静的に固定
した吸気管を対象として、其処を通過して流入する空気
量を推定している。2. Description of the Related Art At present, regarding the combustion of an automobile engine, there is a social demand that the harmful pollution components in the exhaust gas generated during the operation of the engine be less than a predetermined value. Therefore, at present, the combustion is performed so that the quantitative ratio of fuel and air in the engine becomes a predetermined value, and the exhaust gas after the combustion is passed through a catalyst provided in an exhaust pipe, whereby the It uses a method of purification. For this purpose, it is necessary to maintain a predetermined ratio between the amount of air that passes through the intake pipe and enters the cylinder of the engine and the amount of fuel that is injected into the intake pipe. Many of the means currently being maintained as a means of maintaining this target a statically fixed intake pipe and estimate the amount of air flowing through it.
【０００３】エンジンの旧来の利用の仕方は、全負荷状
態で高効率なエンジンを設計して、部分負荷状態でもそ
れと同じ構造の下に運転することであった。しかし最近
は全負荷時と部分負荷時とでエンジンの構造を変えてそ
れぞれに適した状態のエンジン内燃焼を行わせることも
多くなっている。例えば太い管と細い管を選べる可変機
構的吸気管を用意して運転状況に応じてそれらを選択
し、気筒内へ流れ込む空気の流れの強さや空気と燃料と
の混合状態を調節して、気筒内での燃焼を運転状況に合
わせた好適なものとし高いエンジン出力を得ようとす
る。The traditional use of engines has been to design a highly efficient engine at full load and to operate under the same structure under partial load. However, recently, the engine structure is often changed between full load and partial load to cause combustion in the engine in a state suitable for each case. For example, prepare a variable mechanical intake pipe that can select a thick pipe and a thin pipe, select them according to the operating situation, adjust the strength of the air flow flowing into the cylinder and the mixing state of air and fuel, cylinder In order to obtain a high engine output by making the combustion in the engine suitable for the driving situation.
【０００４】従来のスロットル弁と吸気弁の他には管の
中に動的に変化する要素の無い固定機構吸気管を対象に
して、吸気管を通過しエンジンの気筒に入る空気量と吸
気管の中へ噴射する燃料量とを所定の割合に維持する方
法（例えばエンジン制御に関する特開昭６０−２６１９
４８号公報）は、上記のような可変機構的吸気管に対し
ては有効ではない。また従来はいろいろな運転状況の下
に求めた同時測定して得られる（吸気管内圧力、エンジ
ン回転数、スロットル弁通過空気量）の実験データマッ
プを参照しながら、吸気管を通過してエンジンの気筒に
入る空気量を計算して、それと吸気管の中へ噴射する燃
料量と所定の割合に維持している。種々に変化する全て
の選択に対してこのマップデータを用意することはそれ
を格納するメモリが膨大となる。In addition to the conventional throttle valve and intake valve, for a fixed mechanism intake pipe having no dynamically changing element in the pipe, the amount of air passing through the intake pipe and entering the cylinder of the engine and the intake pipe (For example, Japanese Unexamined Patent Publication No. Sho 60-2619 related to engine control).
No. 48) is not effective for such a variable mechanical intake pipe. Conventionally, by referring to an experimental data map (intake pipe pressure, engine speed, throttle valve passing air amount) obtained by simultaneous measurement obtained under various operating conditions, the The amount of air entering the cylinder is calculated and maintained at a predetermined ratio with the amount of fuel injected into the intake pipe. Preparing this map data for all the different choices requires a huge amount of memory to store it.
【０００５】またこのデータマップを利用する方法はそ
の作成工数が大きい。そこで少しでもその負担を軽減す
るために現象の論理的ないし実験的検討から算式を導入
した方法も考案されている。その一つに筆者が考案した
主としてエンジンに対する熱力学的論理検討に基づく計
算式による方法がある（特許申請中）。これは可変機構
的吸気管を対象としている吸気管内に合流部分を含まぬ
状態を前提とする。一般に合流部分を含む管の流れの状
態を解析的に決定する算式の導入は難しく、多くは数値
計算で収束解を得ようとする。さらに合流部分を含む管
の流れの状態をシミュレーションで決定する時の収束解
を得るまでの時間は、分岐部分のみから成る管の時に比
べ長い。殊に途中に設定された弁の開度が小さい時は収
束し難く長時間かかる。そこで合流部分を含む可変機構
的吸気管を対象とした場合でもニューラルネットワーク
の技術を応用し、解析的な算式を用いるのと同様に短時
間で推定値が得られる様にする。[0005] The method using this data map requires a large number of steps. Therefore, in order to reduce the burden as much as possible, there has been devised a method of introducing a formula from a logical or experimental study of the phenomenon. One of them is a method based on a calculation formula based on a thermodynamic logic study for engines, which was devised by the author (patent pending). This presupposes a state in which the merging portion is not included in the intake pipe intended for the variable mechanical intake pipe. In general, it is difficult to introduce an equation for analytically determining the flow state of a pipe including a converging portion, and many try to obtain a convergent solution by numerical calculation. Furthermore, the time required to obtain a convergence solution when determining the flow state of the pipe including the merging section by simulation is longer than that for a pipe consisting of only the branch section. In particular, when the opening of the valve set in the middle is small, it is difficult to converge and it takes a long time. Therefore, even in the case of the variable mechanical intake pipe including the merging portion, the neural network technology is applied so that the estimated value can be obtained in a short time as in the case of using an analytical formula.
【０００６】[0006]
【発明が解決しようとする課題】本発明の目的は、分流
部分や合流部分を含む可変機構的吸気管を通過してエン
ジンの気筒に入る空気量や吸気管の中へ噴射する燃料量
等を、マップを参照しながら所定の割合に維持する上記
従来技術による方法とは別の、ニューラルネットワーク
技術を応用して推定可能とする、可変機構的吸気管を備
えるエンジンの状態を示す量の推定方法を提供すること
にある。SUMMARY OF THE INVENTION An object of the present invention is to control the amount of air that enters a cylinder of an engine through a variable mechanical intake pipe including a branch portion and a merge portion, and the amount of fuel that is injected into the intake pipe. A method for estimating a quantity indicating the state of an engine having a variable mechanical intake pipe, which can be estimated by applying a neural network technique, which is different from the method according to the related art described above, which maintains a predetermined ratio while referring to a map. Is to provide.
【０００７】[0007]
【課題を解決するための手段】上記目的を達成するため
に、可変機構的吸気管の中の分流部分の弁の開度と合流
部分の弁の開度と自動車の運転状況を示すエンジン回転
数とスロットル弁を通過する空気量等とを自動車の運転
時に測定する手段を用意して、これらのデータを入力値
としてニューラルネットワークを通す方法によりこれら
の弁開度における吸気管内の状態をその出力値として得
て、可変機構的吸気管を備えるエンジンの気筒流入空気
値や燃料噴射量等を推定する。In order to achieve the above object, an opening degree of a valve at a branch portion and an opening degree of a valve at a merging portion in a variable mechanical intake pipe, and an engine speed indicating an operating condition of a vehicle. And a means for measuring the amount of air passing through the throttle valve and the like during operation of the vehicle. By using these data as input values and passing through a neural network, the state in the intake pipe at these valve opening degrees is output value. Then, the cylinder inflow air value, the fuel injection amount, and the like of the engine having the variable mechanical intake pipe are estimated.
【０００８】この方法の原理を次に示す。The principle of this method will be described below.
【０００９】図４は可変機構的吸気管とエンジン部分と
を簡略化して示した自動エンジンモデルを示す。この吸
気管入口にスロットル弁を気筒入口の吸気弁の近くに分
流弁と称する弁を設け、またスロットル弁と気筒の間の
吸気管が二つに分岐してそれが更に合流する部分に合流
弁をおいて、自動車の運転状態に応じてそれらを開閉す
る。このような構造にすることにより、吸気弁を通して
気筒の中に入る空気の量やその流れの方向性の強さを加
減すると共に空気と燃料との混合状態を調節して、気筒
内での燃焼を運転状況に合わせた好適なものとし高いエ
ンジン出力を得ようとする。FIG. 4 shows an automatic engine model in which a variable mechanical intake pipe and an engine portion are simplified. A throttle valve is provided at the inlet of the intake pipe near the intake valve at the cylinder inlet, which is referred to as a diverter valve. Also, the intake pipe between the throttle valve and the cylinder branches into two, and the junction valve further joins the two. Then, they are opened and closed according to the driving state of the automobile. By adopting such a structure, the amount of air entering the cylinder through the intake valve and the strength of the directionality of the flow are adjusted, and the mixing state of air and fuel is adjusted. Is adapted to the driving situation, and a high engine output is obtained.
【００１０】図５は図４の可変機構的吸気管を備える自
動車エンジンに、ニューラルネットワークモデル（ニュ
ーロモデル）を組合せてそのモデルで計算した出力をエ
ンジン制御に利用する実施例を示している。図１はその
ニューロモデルの構造を示し、エンジン内の諸現象が非
線型であるため中間層をもつ２階層モデルである。エン
ジンの種類に応じて決定すべき内容と設置するセンサー
が異なるので、入力層の端子と出力層の端子の個数とデ
ータは対象となるエンジンとその要求内容に応じて異な
ってくる。FIG. 5 shows an embodiment in which an automobile engine having the variable mechanical intake pipe shown in FIG. 4 is combined with a neural network model (neuro model) and the output calculated by the model is used for engine control. FIG. 1 shows the structure of the neuro model, which is a two-layer model having an intermediate layer because various phenomena in the engine are nonlinear. Since the contents to be determined and the sensors to be installed are different depending on the type of engine, the number and data of the terminals of the input layer and the terminals of the output layer are different depending on the target engine and the required contents.
【００１１】運転時の自動車の状態を知るには各種のデ
ータを必要とするが、それらを採取するためにセンサ類
を用いる。例えばスロットル弁を通過する空気量の測定
はホットワイヤセンサを使用し、単位時間当たりのエン
ジン回転数の測定はクランク軸の回転角度を示すクラン
ク角センサを使用し、分流弁や合流弁の開度の測定は角
度センサを使用する。ほかにエンジンの冷却水温、空気
温度など必要に応じてセンサ類を適宜設定して測定す
る。Various kinds of data are required to know the state of the vehicle during driving, and sensors are used to collect them. For example, measurement of the amount of air passing through the throttle valve uses a hot wire sensor, measurement of the engine speed per unit time uses a crank angle sensor that indicates the rotation angle of the crankshaft, and the degree of opening of the diverting valve and the merging valve. Is measured using an angle sensor. In addition, measurement is performed by appropriately setting sensors and the like as necessary, such as an engine cooling water temperature and an air temperature.
【００１２】これらのセンサ測定データがこのニューロ
モデルの入力端子に入ることにより、運転状況に応じた
出力値が得られエンジン制御やエンジンの状態決定に使
用されることになる。When the sensor measurement data enters the input terminal of the neuro model, an output value corresponding to the driving condition is obtained and used for engine control and engine state determination.
【００１３】このニューロモデルにおける各層のノード
と呼ばれる処理ユニットの閾値やノード間の重みは、シ
ミュレーションまたは実験により入力端子に入れる入力
値に対する出力端子から出る出力値を定め、出力値を教
師データとして入力値が得られるように学習により決定
する。In the neural model, a threshold value of a processing unit called a node of each layer and a weight between nodes determine an output value output from an output terminal with respect to an input value input to an input terminal by simulation or experiment, and input the output value as teacher data. It is determined by learning so that a value can be obtained.
【００１４】この階層型ニューロモデルの計算原理と学
習による閾値等の決定は次の様になる。The calculation principle of the hierarchical neuro model and the determination of the threshold and the like by learning are as follows.
【００１５】このニューロモデルはいわゆるノードと呼
ばれる処理ユニットを網目状に結合し、各ノードは他の
複数のノードから信号を受け取るとそれらを加えあわ
せ、さらに非線型のフィルタリング関数を通してその結
果を他のノードへ出力する。ノード間には重みと呼ばれ
る係数が定義されており、その値に応じて信号の伝わり
方が制御される。図１に示す３層（入力層、中間層、出
力層）から成る階層型ニューロモデルでは、入力層のノ
ードにデータ列を入力すると、それらのデータは前述の
信号処理を施されながら中間層を経て出力層のノードか
ら出力される。This neuro model meshes together processing units, so-called nodes, each of which receives signals from a plurality of other nodes and adds them together, and further passes the result to another through a non-linear filtering function. Output to node. A coefficient called a weight is defined between the nodes, and a signal transmission method is controlled according to the value. In the hierarchical neuro model composed of three layers (input layer, intermediate layer, and output layer) shown in FIG. 1, when a data string is input to a node of the input layer, the data is transmitted to the intermediate layer while being subjected to the signal processing described above. After that, it is output from the node of the output layer.
【００１６】このニューロモデルでは、入力されたデー
タが入力と出力の間の写像関係に従うデータを出力する
ように重みやフィルタリング関数の形を後述の学習によ
り調整する。すなわち教師データ（構築しようとする写
像関係に従うような入出力データ群）をあらかじめ用意
し、それらを用いて重みやフィルタリング関数を定める
学習を行って後、次の様な簡単な積和計算の繰返しで一
般の入力データに対する出力を得る。In this neuro model, the weights and the form of the filtering function are adjusted by learning described later so that the input data outputs data according to the mapping relationship between the input and the output. That is, prepare teacher data (input / output data group that conforms to the mapping relationship to be constructed) in advance, perform learning to determine weights and filtering functions using them, and repeat the simple product-sum calculation as follows: Obtains output for general input data.
【００１７】ニューロモデルの第ｍ−１層のノードから
の入力に対する第ｍ層のノードの出力の計算は次のよう
になる。The calculation of the output of the mth layer node with respect to the input from the m-1th layer node of the neuro model is as follows.
【００１８】[0018]
【数１】 OUTj＝FLT（Uj） ……（数１）[Equation 1] OUT j = FLT (U j ) (Equation 1)
【００１９】[0019]
【数２】 Uj＝ΣWTji・INi−ζj ……（数２）[Equation 2] U j = ΣWT ji · IN i −ζ j …… (Equation 2)
【００２０】[0020]
【数３】 FLT（y)＝1／{1＋exp(−ξ・y)} ……（数３）ただし OUTj：第ｍ層のｊノードの出力 WTji：第ｍ−１層のｉノードと第ｍ層のｊノードとの間
の重み INi ：第ｍ−１層のｉノードからの第ｍ層のｊノードへ
の入力 ζj ：第ｍ層のｊノードの閾値 Σ ：第ｍ層のｊノードに接続する第ｍ−１層のノード
すべてについての計算の総和 FLT(y)：ｙに対するフィルタリング関数 単調で微分可能であればよく、実施例として１階微分が
もとの式で表現でき（０，１）で連続的に変化する上記
の式を使用 ξ ：温度係数 入力層である第１層のデータ列を用いて第２層の中間層
に属するノードすべてについて（数１）から（数３）ま
でを用いて計算し、その結果の第２層の出力値を次層へ
の入力データ列とみなして出力層である第３層に属する
ノードすべてについて同様に計算をすることにより最終
的な出力値を得る。(3) FLT (y) = 1 / {1 + exp (−ξ · y)} (Expression 3) where OUT j is the output of the j-th node of the m-th layer WT ji is the i-node of the m-th layer Weight between node m and node j IN i : input from node m−1 to node j of node m ζ j : threshold value of node j of node m ：: threshold of node j of layer m FLT (y): Filtering function for y It is only necessary that the filtering function for y be monotonic and differentiable, and as an example, the first-order differentiation can be expressed by the original equation. Using the above equation that changes continuously at (0, 1) ξ: Temperature coefficient Using the data sequence of the first layer, which is the input layer, for all nodes belonging to the intermediate layer of the second layer, Calculated using Equation 3), and assuming the resulting output value of the second layer as an input data sequence to the next layer, all nodes belonging to the third layer that is the output layer Obtaining a final output value by the calculated similarly with.
【００２１】上記のニューロモデルを用いるには、W
Tji，INi，ζj，ξが決定されていなくてはならない。
これらの重みや閾値等は、教師データと出力の二乗誤差
が所定の範囲内に収まるように、出力層−中間層間と中
間層−入力層間で上位層から順次つぎの様に決定してい
く。To use the above neuro model, W
T ji , IN i , ζ j , ξ must be determined.
These weights, thresholds, and the like are determined in the following order from the upper layer between the output layer and the intermediate layer and between the intermediate layer and the input layer so that the square error between the teacher data and the output falls within a predetermined range.
【００２２】（手順１）重みと閾値等を仮に定める。(Procedure 1) A weight and a threshold are temporarily determined.
【００２３】（手順２）入力データ列とそれに対応する
教師データ列を選ぶ。(Procedure 2) An input data sequence and a corresponding teacher data sequence are selected.
【００２４】（手順３）入力層から出力層に向けて前記
の（数１）から（数３）により各ノードの出力を計算す
る。(Procedure 3) The output of each node is calculated from (Equation 1) to (Equation 3) from the input layer to the output layer.
【００２５】（手順４）結合係数の更新(Procedure 4) Update of coupling coefficient
【００２６】[0026]
【数４】 WTji（ｔ＋１）＝WTji（ｔ）＋ΔWTji（ｔ） ……（数４）WT ji (t + 1) = WT ji (t) + ΔWT ji (t) (Equation 4)
【００２７】[0027]
【数５】 (Equation 5)
【００２８】（手順５）出力層の出力が教師データ列に
十分近づくまで（手順２）から（手順４）を繰り返す。(Procedure 5) (Procedure 2) to (Procedure 4) are repeated until the output of the output layer approaches the teacher data sequence sufficiently.
【００２９】以上によりこのニューロモデルが定まる。Thus, the neuro model is determined.
【００３０】なおこのニューロモデルは吸気管が分流弁
や合流弁が両者備わった可変機構であるか分流弁や合流
弁のいずれかが備わった可変機構であるかまたはそれら
が全くない固定機構であるかによらないので、これらい
ずれの機構の吸気管を備えたエンジンに対しても同様の
手法が適用できる。In this neuro model, the intake pipe is a variable mechanism provided with both a diverting valve and a merging valve, a variable mechanism provided with either a diverting valve or a merging valve, or a fixed mechanism without any of them. Therefore, the same method can be applied to an engine having an intake pipe of any of these mechanisms.
【００３１】[0031]
【発明の実施の形態】以下、本発明の実施例を図面を用
いて説明する。Embodiments of the present invention will be described below with reference to the drawings.
【００３２】図４は可変機構的吸気管を備える自動車エ
ンジンを簡略化して示したものである。FIG. 4 is a simplified view of an automobile engine having a variable mechanical intake pipe.
【００３３】吸気管は比較的大きな容器であるサージタ
ン７と管路９，１０，１１とから成り、その入口には車
速の加減への運転者の意図を反映するアクセルと直結し
たスロットル弁２が設けられ、出口はエンジンの気筒３
の入口にある吸気弁５に連なっている。管路はいったん
二本に分岐したのち再び合流して一本の管路となった後
サージタンク７に入り、その後さらに分岐してそれぞれ
の分岐管に２気筒が連なる４気筒エンジンを示す。この
合流部分に合流弁８がある。さらに吸気弁近辺には分流
弁４と称する弁がそれぞれの気筒に通じる吸気管にあ
る。The intake pipe comprises a relatively large vessel, a surge ton 7 and pipes 9, 10, and 11, at the entrance of which a throttle valve 2 directly connected to an accelerator reflecting the driver's intention to adjust the vehicle speed is provided. Provided, the exit is the engine cylinder 3
Is connected to the intake valve 5 at the inlet of the air conditioner. A four-cylinder engine is shown, in which the pipeline branches once into two pipes and then joins again to form a single pipeline, then enters the surge tank 7, and then further branches into two branch pipes. There is a junction valve 8 at this junction. Further, near the intake valve, a valve called a flow dividing valve 4 is provided in an intake pipe communicating with each cylinder.
【００３４】自動車の運転状態に応じて吸気弁を通して
気筒の中に入る空気の量やその流れの方向性の強さを加
減するため、分流弁４全てを同時に開閉するほか合流弁
８も任意のタイミングで開閉する。これにより気筒内で
の空気と燃料との混合状態を調節して、そこでの燃焼を
運転状況に合わせた好適なものとし高いエンジン出力を
得ようとする。In order to increase or decrease the amount of air entering the cylinder through the intake valve and the strength of the directionality of the flow according to the operating state of the vehicle, all of the flow dividing valves 4 are simultaneously opened and closed, and the merging valve 8 is also optional. Open and close at the timing. In this way, the mixing state of air and fuel in the cylinder is adjusted, and the combustion there is made suitable according to the operating conditions to obtain a high engine output.
【００３５】分流弁４と合流弁８のない吸気管を備える
固定機構の従来型エンジンは分流弁４と合流弁８の弁開
度が常時固定されて使用される上記エンジンの一変形と
見做せる。The conventional engine having the fixed mechanism provided with the intake pipe without the diverter valve 4 and the merger valve 8 can be regarded as a modification of the above-described engine in which the valve openings of the diverter valve 4 and the merger valve 8 are always fixed. Let
【００３６】図５は、エンジン系の熱力学的性質を表現
する数理モデルを使用する代わりに本発明のニューロモ
デル１２を用いて、任意の分流弁開度や合流弁開度に対
する気筒流入空気量等の決定を行ない、図４に示すエン
ジンを制御しようとする実施例である。センサ入力、ア
クチュエータ出力を一例として示す。ニューロモデル１
２はエンジンを制御するアルゴリズムの下で処理を行う
処理部１８と共にエンジンコントロールユニット１７を
構成する。センサーからの入力は一旦処理部１８に入り
ニューロモデル１２の入力変換部１５へ渡される。ニュ
ーロモデル１２の処理結果はその出力変換部１６を経て
処理部１８に渡され色々なアクチュエータへの出力指令
としてエンジンの構成要素へ指示される。FIG. 5 is a graph showing the amount of air flowing into a cylinder with respect to an arbitrary branch valve opening or a junction valve opening using the neuro model 12 of the present invention instead of using a mathematical model expressing the thermodynamic properties of an engine system. This is an embodiment in which a determination is made to control the engine shown in FIG. Sensor input and actuator output are shown as an example. Neuro model 1
2 constitutes an engine control unit 17 together with a processing unit 18 that performs processing under an algorithm for controlling the engine. The input from the sensor once enters the processing unit 18 and is passed to the input conversion unit 15 of the neuro model 12. The processing result of the neuro model 12 is passed to the processing unit 18 via the output conversion unit 16 and is instructed to components of the engine as output commands to various actuators.
【００３７】請求項１の実施例は次のようになる。The first embodiment of the present invention is as follows.
【００３８】図１に図５のニューロモデル部分を取り出
して示す。この入力層の要素としては、上記の分流弁と
合流弁の弁開度ほかにエンジンの状態を示すセンサから
得たデータとしてクランク角度、エンジン回転数、冷却
水温、スロットル弁通過空気量などがある。この入力デ
ータは出力で得ようとするデータに応じてモデルの各層
の要素数が変わり、それによって例えばトルクや各管路
ごとの壁温ないしは吸気温などのような種々のものが追
加ないし変更される。FIG. 1 shows the neuro model portion of FIG. Elements of this input layer include crank angle, engine speed, cooling water temperature, air amount passing through a throttle valve, and the like as data obtained from sensors indicating the state of the engine in addition to the valve opening degrees of the branch valve and the merge valve. . The input data changes the number of elements in each layer of the model according to the data to be obtained at the output, thereby adding or changing various things such as torque, wall temperature or intake temperature for each pipe line, and the like. You.
【００３９】また測定タイミングの違う各センサのデー
タを補間により同じタイミングのデータに変換したりニ
ューロモデルの入力のための正規化をしたりする変換部
１５が付加される。出力に対する変換部１６も同様にし
て加わる。出力層の要素としては、気筒流入空気量、燃
料噴射量、吸気管圧力、点火時期、トルク、排気ガス濃
度（ＣＯ，ＮＯｘ）、分流弁や合流弁の開度等がある。Further, a conversion unit 15 for converting data of each sensor having different measurement timing into data of the same timing by interpolation or normalizing for inputting a neuro model is added. A converter 16 for the output is added in a similar manner. The elements of the output layer include the amount of air flowing into the cylinder, the amount of fuel injected, the intake pipe pressure, the ignition timing, the torque, the exhaust gas concentration (CO, NOx), the opening of the branch valve and the merge valve, and the like.
【００４０】これらの入力層と出力層の間に中間層を置
きそれらの各層の構成ノードおのおのに対して層間で互
いに結合し、課題を解決するための手段で述べたような
フィルタリング関数と適宜定めた重みや閾値等を用いる
ことにより（数１）から（数３）までを使用して計算し
入力データ列に対する出力データ列を推定する。An intermediate layer is placed between the input layer and the output layer, and each of the constituent nodes of each layer is connected to each other between the layers to appropriately define the filtering function as described in the means for solving the problem. By using the weights, thresholds, and the like, calculations are performed using (Equation 1) to (Equation 3), and an output data sequence for the input data sequence is estimated.
【００４１】図１の入力データ列はセンサごとに測定時
点が少し異なるにしても出力値を得ようとする時点に揃
えた現在時点のデータである。これに対して図２は出力
値を得ようとする時点に揃えた現在時点のデータにそれ
以前のセンサ測定データもしくは出力データから成るい
わば履歴データを要素として付加した例である。The input data string shown in FIG. 1 is data at the present time adjusted to the time when an output value is to be obtained even if the measurement time is slightly different for each sensor. On the other hand, FIG. 2 shows an example in which so-called history data composed of sensor measurement data or output data before that is added as an element to data at the current time aligned with the time when an output value is to be obtained.
【００４２】ニューロモデルの決定内容の要求精度や範
囲によっては非線型性が弱いと見做せる事がある。図３
はこの時の例で中間層を省き簡易な１階層モデルとして
いる。The nonlinearity may be considered to be weak depending on the required accuracy and range of the determination contents of the neuro model. FIG.
In this example, the intermediate layer is omitted and a simple one-layer model is used.
【００４３】請求項２の実施例は次のようになる。The second embodiment is as follows.
【００４４】これは重みや閾値等を学習により定める。
図６はエンジンシミュレータの構成などを示す。このシ
ミュレータは実機実験の代わりとしての数値実験ができ
るように次の様な実機エンジンのモデル化を行ってい
る。In this method, weights and thresholds are determined by learning.
FIG. 6 shows the configuration of the engine simulator and the like. This simulator models the following real machine engine so that numerical experiments can be performed instead of real machine experiments.
【００４５】その概略は、次の様である。The outline is as follows.
【００４６】（モデル化１）エンジン内の状態は、気
筒、吸排気管を幾つかのブロックに分割してそれぞれの
ブロック内における状態変化を計算することにより捉え
る。気筒はシリンダの動きにつれて体積が変化する１ブ
ロックと見做すが、吸排気管はそれぞれの体積は事なる
が変化しない複数のブロックに分割する。(Modeling 1) The state in the engine is grasped by dividing the cylinder and the intake / exhaust pipe into several blocks and calculating the state change in each block. The cylinder is regarded as one block whose volume changes as the cylinder moves, and the intake and exhaust pipes are divided into a plurality of blocks each having a different volume but not changing.
【００４７】（モデル化２）隣のブロックやブロックの
外側とは熱エネルギーの移動があるとみなし、噴射燃料
と空気なども当然ブロック間を移動する。この状況化で
それぞれのブロック内の気体の温度、圧力が変化をす
る。(Modeling 2) It is considered that thermal energy moves between the adjacent block and the outside of the block, and the injected fuel and air naturally move between the blocks. In this situation, the temperature and pressure of the gas in each block change.
【００４８】（モデル化３）吸気弁と排気弁とを通って
気筒に流出入する吸排気量は、それらの弁揚程曲線とそ
れに対する流量係数を実機で測定して計算に利用する。
またスロットル弁、分流弁、合流弁等を通過する空気量
は管路に対するそれらの弁の開度における流量係数を用
いて計算する。(Modeling 3) The intake / exhaust amount flowing into and out of the cylinder through the intake valve and the exhaust valve is used for calculation by measuring the valve lift curve and the flow coefficient corresponding thereto with an actual machine.
The amount of air passing through the throttle valve, the diverter valve, the merging valve, and the like is calculated using the flow coefficient at the opening of these valves with respect to the pipeline.
【００４９】（モデル化４）吸気管内に噴射した燃料
は、一部は管壁に付着し他は吸気に乗って運ばれるとみ
なし、管壁に付着したものはその部分のその時点での付
着合計量に対して所定の時間割合で蒸発し吸気により運
ばれると見做す。(Modeling 4) It is assumed that part of the fuel injected into the intake pipe adheres to the pipe wall and the other is carried on the intake air. It is assumed that it evaporates at a predetermined time ratio with respect to the total amount and is carried by the intake air.
【００５０】（モデル化５）気筒内に送り込まれた燃料
が燃焼工程で発生する熱量は、クランク角に対する燃焼
質量割合曲線を実機で測定し、それを利用して燃料の燃
える割合を決定して計算する。(Modeling 5) The amount of heat generated in the combustion process of the fuel fed into the cylinder is determined by measuring a combustion mass ratio curve with respect to the crank angle using an actual machine, and using the curve to determine the fuel combustion ratio. calculate.
【００５１】（モデル化６）気筒内での燃料の燃焼によ
る化学反応を燃料、空気（酸素、窒素、炭酸ガス）など
の流入ガス成分量、温度、圧力等を考慮した燃焼反応計
算を行い排気ガスにおける窒素酸化物、一酸化炭素など
の成分評価をする。ターボエンジンのように排気ガスを
吸気管に再循環する時は、前の過程で発生した排気ガス
成分の一部も気筒に流入する。(Modeling 6) The chemical reaction caused by the combustion of fuel in the cylinder is subjected to a combustion reaction calculation in consideration of the inflow gas components such as fuel and air (oxygen, nitrogen, carbon dioxide gas), the temperature, the pressure, etc., and the exhaust is calculated. Evaluate components such as nitrogen oxides and carbon monoxide in the gas. When the exhaust gas is recirculated to the intake pipe as in a turbo engine, part of the exhaust gas component generated in the previous process also flows into the cylinder.
【００５２】このモデルに吸排気管の大きさ、吸排気弁
のサイズ、シリンダ径、排気量などのエンジン諸元と、
運転時のスロットル弁や分流弁の開度、噴射タイミング
と噴射燃料量、周辺大気状態、回転数等を入力して計算
し、エンジンを運転した時の吸気管、気筒、排気管各々
の状態を計測して計算値との間で諸係数を調整する。The engine specifications such as intake and exhaust pipe size, intake and exhaust valve size, cylinder diameter, displacement, etc.
Calculate by inputting the opening of the throttle valve and diverter valve during operation, injection timing and injection fuel amount, ambient air condition, rotation speed, etc., and calculate the state of each intake pipe, cylinder, exhaust pipe when operating the engine. Measure and adjust various coefficients with the calculated value.
【００５３】図６（ａ）はクランク角Ｃｒが微少量ΔＣ
ｒ変化する時の計算過程を示す。FIG. 6A shows that the crank angle Cr is a very small amount ΔC.
The calculation process when r changes is shown.
【００５４】図６（ｂ）は４気筒エンジンの吸排気管と
気筒をブロックに分割して、ある時点での動作ガス（空
気＋燃料）の流れの方向を示した例である。FIG. 6B shows an example in which the intake and exhaust pipes and cylinders of a four-cylinder engine are divided into blocks, and the flow direction of the working gas (air + fuel) at a certain point in time is shown.
【００５５】図７はこのエンジンシミュレータにより計
算した結果の例である。FIG. 7 shows an example of the result calculated by the engine simulator.
【００５６】すなわちこのモデル下でのエンジンシミュ
レータを用いることにより、エンジンの運転状態がコン
ピュータ上で再現できる。従ってニューロモデルの重み
や閾値等を学習する時の入力データ列をこのエンジンシ
ミュレータに入力することにより、それらに対する教師
データ列を計算で得る事が出来る。That is, by using the engine simulator under this model, the operating state of the engine can be reproduced on a computer. Therefore, by inputting an input data sequence for learning the weights and thresholds of the neuro model to the engine simulator, a teacher data sequence for them can be obtained by calculation.
【００５７】この結果（課題を解決するための手段）に
述べた（手順１）から（手順５）までにより重みや閾値
等を定めることが出来る。Weights, thresholds, and the like can be determined from (procedure 1) to (procedure 5) described in the result (means for solving the problem).
【００５８】請求項３の実施例は次のようになる。The third embodiment is as follows.
【００５９】これは重みや閾値等を学習により定める時
に、請求項２の実施例のようなエンジンシミュレータの
計算値を使うほかに実機の運転により得られるデータも
併用する実施例である。これは、エンジンシミュレータ
が計算していない条件を考慮する必要が生じた際に、そ
のシミュレータの変更が大変であったりシミュレータに
そぐわないデータ列を取り扱う必要が生じた場合に、そ
のデータを実機実験から得て学習する。従ってこの実施
例では請求項２の実施例に実機により得られたデータが
教師データ列として付加される状態になる。学習方法自
体は同じで課題を解決するための手段に述べた（手順
１）から（手順５）までにより重みや閾値等を定める。In this embodiment, when weights, thresholds, and the like are determined by learning, in addition to using the values calculated by the engine simulator as in the second embodiment, data obtained by operating the actual machine is also used. This is because when it is necessary to consider conditions that are not calculated by the engine simulator, when it is difficult to change the simulator or when it is necessary to handle a data string that does not fit the simulator, the data is taken from actual machine experiments. Get and learn. Therefore, in this embodiment, the data obtained by the actual machine is added to the embodiment of claim 2 as a teacher data string. The learning method itself is the same, and weights, thresholds, and the like are determined from (procedure 1) to (procedure 5) described in Means for Solving the Problem.
【００６０】以上の請求項１から請求項３の実施例は、
図４に示す吸気管に分流弁と合流弁が両者備わった可変
機構で示したが、課題を解決するための手段で述べたよ
うにニューロモデルは分流弁や合流弁のいずれかが備わ
った可変機構であるかまたはそれらが全くない固定機構
であるかによらないので、これらいずれの機構の吸気管
を備えたエンジンに対しても同様に適用できる。The above embodiments of claims 1 to 3
Although the intake pipe shown in FIG. 4 is shown by a variable mechanism having both a diverting valve and a merging valve, as described in the means for solving the problem, the neuro model is a variable mechanism having either a diverting valve or a merging valve. Since it does not depend on whether it is a mechanism or a fixed mechanism without them at all, it is equally applicable to engines with an intake pipe of either of these mechanisms.
【００６１】請求項２、請求項３の実施例により明らか
なごとく請求項１のモデルはエンジンシミュレータとし
て使用することも可能である。As is apparent from the second and third embodiments, the model of the first embodiment can be used as an engine simulator.
【００６２】[0062]
【発明の効果】以上に説明したように本発明によれば、
合流弁や分流弁をもつ可変機構的吸気管を備えるエンジ
ンに於いて、従来のような物理法則にベースをおいた数
理モデルによるシミュレーション時における収束のため
の長時間演算をせずにエンジンの状態を計算できる。ま
た一般の構成の吸気管を持つエンジンでも非常に短い時
間で計算が可能であるため、エンジン制御時のパラメー
タの決定にも使用可能で、従来のようなマップデータを
参照しないですむ。従ってマップデータを作成する上で
の非常に多くのデータ作成工数の削減が可能となると共
にエンジン制御ユニットのデータ用メモリー量の削減が
出来る。According to the present invention as described above,
In an engine equipped with a variable mechanical intake pipe with a junction valve and a branch valve, the state of the engine without performing long-term calculations for convergence during simulation using a mathematical model based on the physical laws as in the past. Can be calculated. In addition, since the calculation can be performed in a very short time even with an engine having an intake pipe having a general configuration, it can be used for determining parameters at the time of engine control, without having to refer to the conventional map data. Therefore, it is possible to reduce the number of man-hours for creating the map data and to reduce the amount of data memory of the engine control unit.
【００６３】またこの方式はエンジンの機種からくる制
限を受けることが少なく適用範囲が広い。更にこの方式
により推定する気筒流入空気量をもとに適切な燃焼を行
わす燃料量を決定することも可能なので、自動車の運転
で発生する排気ガス中の有害公害成分が所定の値以下と
なるようなエンジン制御が可能となる効果を有する。In addition, this method is less affected by the model of the engine and has a wide range of application. Further, since it is also possible to determine the amount of fuel for performing appropriate combustion based on the amount of air flowing into the cylinder estimated by this method, the harmful pollutant component in the exhaust gas generated during the operation of the vehicle becomes equal to or less than a predetermined value. This has the effect of enabling such engine control.
【図１】本発明の実施例に係わるニューロモデルの構成
図。FIG. 1 is a configuration diagram of a neuro model according to an embodiment of the present invention.
【図２】過去のデータ列を入力列に付加したニューロモ
デルを示す図。FIG. 2 is a diagram showing a neuro model in which a past data sequence is added to an input sequence.
【図３】１階層による近似モデルを示す図。FIG. 3 is a diagram showing an approximate model based on one layer.
【図４】可変機構的吸気管を有するエンジンの構造図。FIG. 4 is a structural view of an engine having a variable mechanical intake pipe.
【図５】ニューロモデルにより可変機構的吸気管を有す
るエンジンを制御する図。FIG. 5 is a diagram for controlling an engine having a variable mechanical intake pipe by a neuro model.
【図６】エンジンシミュレータの構成を示す図。FIG. 6 is a diagram showing a configuration of an engine simulator.
【図７】（ａ）及び（ｂ）はエンジンシミュレータによ
る計算例により示す波形図。FIGS. 7A and 7B are waveform diagrams showing calculation examples by an engine simulator.
１…ピストン、 ２…スロットル弁、 ３…気
筒、 ４…分流弁、５…吸気弁、 ６…排気弁、
７…サージタンク、８…合流弁、 ９，
１０，１１…管路、１２…ニューロモデル、１３…点火
プラグ、１４…噴射装置、 １５，１６…変換
部、１７…コントロールユニット、 １８
…処理部。1 ... piston, 2 ... throttle valve, 3 ... cylinder, 4 ... split valve, 5 ... intake valve, 6 ... exhaust valve,
7 ... Surge tank, 8 ... Joint valve, 9,
10, 11: conduit, 12: neuro model, 13: spark plug, 14: injection device, 15, 16: converter, 17: control unit, 18
... Processing unit.
Claims (3)
て、吸気管の中の流れを制御する弁の開度とエンジン回
転数とスロットル弁を通過する空気量等とを自動車の運
転時に測定する手段を用意して、ニューラルネットワー
クを用いて各弁の測定開度における吸気管内圧力やエン
ジンの気筒流入空気量や燃料噴射量やその他の状態を示
す量を推定するエンジンの状態を示す量の推定方法。In an engine having a variable mechanical intake pipe, means for measuring an opening degree of a valve for controlling a flow in the intake pipe, an engine speed, an amount of air passing through a throttle valve, and the like during operation of the vehicle. Using a neural network to estimate the intake pipe pressure at the measured opening of each valve, the amount of air flowing into the cylinder of the engine, the amount of fuel injection, and other states that indicate the state of the engine .
て、吸気管の中の流れを制御する弁の開度とエンジン回
転数とスロットル弁を通過する空気量等とを自動車の運
転時に測定する手段を用意して、各弁の測定開度におけ
るエンジンの状態を示す量を推定するニューラルネット
ワークの諸係数をエンジンシミュレータを用いて決定す
るエンジンの状態を示す量の推定方法。2. In an engine having a variable mechanical intake pipe, means for measuring an opening degree of a valve for controlling a flow in the intake pipe, an engine speed, an amount of air passing through a throttle valve, and the like during operation of the vehicle. A method for estimating an amount of the engine state, wherein various coefficients of the neural network for estimating the amount of the engine state at the measured opening of each valve are determined using an engine simulator.
て、吸気管の中の流れを制御する弁の開度とエンジン回
転数とスロットル弁を通過する空気量等とを自動車の運
転時に測定する手段を用意して、各弁の測定開度におけ
るエンジンの状態を示す量を推定するニューラルネット
ワークの諸係数をエンジンシミュレータと実機データと
を組み合わせて決定するエンジンの状態を示す量の推定
方法。3. An engine having a variable mechanical intake pipe, means for measuring an opening of a valve for controlling a flow in the intake pipe, an engine speed, an amount of air passing through a throttle valve, and the like during operation of the vehicle. And a method for estimating an amount of the engine state, which determines various coefficients of the neural network for estimating the amount of the engine state at the measured opening of each valve by combining an engine simulator and actual machine data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10160213A JPH11351045A (en) | 1998-06-09 | 1998-06-09 | Estimating method for amount indicating engine state |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10160213A JPH11351045A (en) | 1998-06-09 | 1998-06-09 | Estimating method for amount indicating engine state |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11351045A true JPH11351045A (en) | 1999-12-21 |
Family
ID=15710198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10160213A Pending JPH11351045A (en) | 1998-06-09 | 1998-06-09 | Estimating method for amount indicating engine state |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11351045A (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006104144A1 (en) * | 2005-03-28 | 2006-10-05 | National University Corporation Okayama University | Ion sensor, internal combustion engine control system using that ion sensor and control method of internal combustion engine |
| WO2011001529A1 (en) * | 2009-07-03 | 2011-01-06 | 本田技研工業株式会社 | Suction control device for internal combustion engines |
| JP2012112277A (en) * | 2010-11-24 | 2012-06-14 | Honda Motor Co Ltd | Control device of internal combustion engine |
| CN109000936A (en) * | 2018-07-18 | 2018-12-14 | 辽宁工业大学 | A kind of vehicle fuel fault detection method |
| KR102165878B1 (en) * | 2020-01-20 | 2020-10-14 | 주식회사 현대케피코 | Method for Estimation of Engine Torque by Artificial Neural Network |
| KR102202926B1 (en) * | 2020-01-10 | 2021-01-14 | 주식회사 현대케피코 | A real time engine control method for reducing NOx in use with deep-learning |
| DE102018222120B4 (en) * | 2018-02-23 | 2021-03-18 | Mitsubishi Electric Corporation | Control and control method for an internal combustion engine |
| US11085378B2 (en) | 2018-02-23 | 2021-08-10 | Mitsubishi Electric Corporation | Controller and control method for internal combustion engine |
| CN114945744A (en) * | 2020-03-30 | 2022-08-26 | 日立安斯泰莫株式会社 | Control device for internal combustion engine |
-
1998
- 1998-06-09 JP JP10160213A patent/JPH11351045A/en active Pending
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006104144A1 (en) * | 2005-03-28 | 2006-10-05 | National University Corporation Okayama University | Ion sensor, internal combustion engine control system using that ion sensor and control method of internal combustion engine |
| JP4834843B2 (en) * | 2005-03-28 | 2011-12-14 | 国立大学法人 岡山大学 | Ion sensor, internal combustion engine control system using this ion sensor, and control method for internal combustion engine |
| WO2011001529A1 (en) * | 2009-07-03 | 2011-01-06 | 本田技研工業株式会社 | Suction control device for internal combustion engines |
| DE112009005032T5 (en) | 2009-07-03 | 2012-08-09 | Honda Motor Co., Ltd. | Control system for intake air for an internal combustion engine |
| DE112009005032B4 (en) * | 2009-07-03 | 2017-05-11 | Honda Motor Co., Ltd. | Control system for intake air for an internal combustion engine |
| JP2012112277A (en) * | 2010-11-24 | 2012-06-14 | Honda Motor Co Ltd | Control device of internal combustion engine |
| DE102018222120B4 (en) * | 2018-02-23 | 2021-03-18 | Mitsubishi Electric Corporation | Control and control method for an internal combustion engine |
| US10961924B2 (en) | 2018-02-23 | 2021-03-30 | Mitsubishi Electric Corporation | Controller and control method for internal combustion engine |
| US11085378B2 (en) | 2018-02-23 | 2021-08-10 | Mitsubishi Electric Corporation | Controller and control method for internal combustion engine |
| US11105280B2 (en) | 2018-02-23 | 2021-08-31 | Mitsubishi Electric Corporation | Controller and control method for internal combustion engine |
| US11486320B2 (en) | 2018-02-23 | 2022-11-01 | Mitsubishi Electric Corporation | Controller and control method for internal combustion engine |
| CN109000936A (en) * | 2018-07-18 | 2018-12-14 | 辽宁工业大学 | A kind of vehicle fuel fault detection method |
| KR102202926B1 (en) * | 2020-01-10 | 2021-01-14 | 주식회사 현대케피코 | A real time engine control method for reducing NOx in use with deep-learning |
| KR102165878B1 (en) * | 2020-01-20 | 2020-10-14 | 주식회사 현대케피코 | Method for Estimation of Engine Torque by Artificial Neural Network |
| CN114945744A (en) * | 2020-03-30 | 2022-08-26 | 日立安斯泰莫株式会社 | Control device for internal combustion engine |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Atkinson et al. | Virtual sensing: a neural network-based intelligent performance and emissions prediction system for on-board diagnostics and engine control | |
| Jankovic et al. | Constructive Lyapunov control design for turbocharged diesel engines | |
| US7299123B2 (en) | Method and device for estimating the inlet air flow in a combustion chamber of a cylinder of an internal combustion engine | |
| US10991174B2 (en) | Machine learning device of amount of unburned fuel, machine learning method, learned model, electronic control unit, method of production of electronic control unit, and machine learning system | |
| KR100872753B1 (en) | Evaluation device for control system, validation device used in evaluation device, method for evaluating control system, and computer program used therein | |
| CN102191979A (en) | Engine-out NOx virtual sensor for an internal combustion engine | |
| Martínez-Morales et al. | Modeling of internal combustion engine emissions by LOLIMOT algorithm | |
| JPH11351045A (en) | Estimating method for amount indicating engine state | |
| CN101755115A (en) | Abnormality detection device for internal combustion engine and air/fuel ratio control apparatus for internal combustion engine | |
| El Hadef et al. | Neural model for real-time engine volumetric efficiency estimation | |
| CN113417776B (en) | Flow measuring method and controller | |
| JP4180608B2 (en) | Internal combustion engine control device | |
| de Nola et al. | A Model-Based Computer Aided Calibration Methodology Enhancing Accuracy, Time and Experimental Effort Savings Through Regression Techniques and Neural Networks | |
| Sakai et al. | Torque demand control by nonlinear MPC for speed control of vehicles with variable valve lift engine | |
| Planakis et al. | Recurrent and time-delay neural networks as virtual sensors for NOx emissions in marine diesel powertrains | |
| Ventura et al. | NLQR control of high pressure EGR in diesel engine | |
| Min et al. | Estimation of intake oxygen concentration using a dynamic correction state with Extended Kalman Filter for Light-Duty diesel engines | |
| Sakai et al. | Torque demand control by nonlinear MPC with constraints for vehicles with variable valve lift engine | |
| Ventura et al. | Intake O 2 Concentration Estimation in a Turbocharged Diesel Engine through NOE | |
| Barghi et al. | An intelligent control policy for fuel injection control of SI Engines (case study: CNG engine) | |
| Wang et al. | Adaptive fuzzy sliding mode observer for cylinder mass flow estimation in SI engines | |
| Kocher et al. | Control-oriented gas exchange model for diesel engines utilizing variable intake valve actuation | |
| Eriksson et al. | Robustness analysis of dual actuator EGR controllers in marine two-stroke diesel engines | |
| Dimitrakopoulos | Real-time Virtual Sensor for NOx emisions and stoichiometric air-fuel ratio λ of a Marine Diesel Engine Using Neural Networks | |
| Ventura et al. | Recurrent Neural Network to Estimate Intake Manifold O 2 Concentration in a Diesel Engine |