BRPI1004128A2 - definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel - Google Patents
definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel Download PDFInfo
- Publication number
- BRPI1004128A2 BRPI1004128A2 BRPI1004128-1A BRPI1004128A BRPI1004128A2 BR PI1004128 A2 BRPI1004128 A2 BR PI1004128A2 BR PI1004128 A BRPI1004128 A BR PI1004128A BR PI1004128 A2 BRPI1004128 A2 BR PI1004128A2
- Authority
- BR
- Brazil
- Prior art keywords
- key parameters
- top level
- level key
- biodiesel
- parameters
- Prior art date
Links
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
- F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D19/00—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
- F02D19/06—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed
- F02D19/0639—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed characterised by the type of fuels
- F02D19/0649—Liquid fuels having different boiling temperatures, volatilities, densities, viscosities, cetane or octane numbers
- F02D19/0652—Biofuels, e.g. plant oils
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D19/00—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
- F02D19/06—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed
- F02D19/0663—Details on the fuel supply system, e.g. tanks, valves, pipes, pumps, rails, injectors or mixers
- F02D19/0684—High pressure fuel injection systems; Details on pumps, rails or the arrangement of valves in the fuel supply and return systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D19/00—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
- F02D19/06—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed
- F02D19/08—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed simultaneously using pluralities of fuels
- F02D19/082—Premixed fuels, i.e. emulsions or blends
- F02D19/085—Control based on the fuel type or composition
- F02D19/087—Control based on the fuel type or composition with determination of densities, viscosities, composition, concentration or mixture ratios of fuels
- F02D19/088—Control based on the fuel type or composition with determination of densities, viscosities, composition, concentration or mixture ratios of fuels by estimation, i.e. without using direct measurements of a corresponding sensor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D19/00—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
- F02D19/06—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed
- F02D19/0663—Details on the fuel supply system, e.g. tanks, valves, pipes, pumps, rails, injectors or mixers
- F02D19/0686—Injectors
- F02D19/0689—Injectors for in-cylinder direct injection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/30—Use of alternative fuels, e.g. biofuels
Abstract
DEFINIçãO DOS PARáMETROS CHAVE DE NìVEL SUPERIOR PARA SENSOR LóGICO DE BIODIESEL. O presente pedido de patente se refere a uma particular definição dos parâmetros chave de nível superior para um sensor lógico para motores de combustão interna (ignição a compressão ou ignição comandada), nomeado de Sensor Lógico de Biodiesel (SBS), o qual identifica a mistura diesel/biodiesel presente no tanque de combustível de um veículo, usando algoritmos para identificar a fração de ácidos graxos de metil-ester (FAME) de óleos vegetais ou óleos produzidos de resíduos orgânicos misturados com óleos minerais como o combustível diesel (fórmula química geral C~ 12~H~ 23~) e desta forma adaptar as estratégias de controle do motor como função desta fração. Adicionalmente a definição do parâmetro chave de nível superior pode ser usada para detectar ou melhorar a detecção de um tipo específico de óleo vegetal FAME ou óleo produzido a partir de resíduos orgânicos utilizados em uma mistura (por exemplo, óleo de soja, óleo de palma e outros), usada como base de biocombustíveis.
Description
Definição dos parâmetros chave de nível superior para Sensor Lógico de Biodiesel.
O presente pedido de patente se refere a uma particular definição dos parâmetros chave de nível superior para um sensor lógico para motores de combustão interna (ignição por compressão ou ignição comandada), nomeado de Sensor Lógico de Biodiesel (SBS)1 o qual identifica a mistura diesel/biodiesel presente no tanque de combustível de um veículo, usando algoritmos para identificar a fração de ácidos graxos de metil-ester (FAME) de óleos vegetais ou óleos produzidos de resíduos orgânicos misturados com óleos minerais como o combustível diesel (fórmula química geral C12H23) e desta forma adaptar as estratégias de controle do motor como função desta fração.
Adicionalmente a definição do parâmetro chave de nível superior pode ser usado para detectar ou melhorar a detecção de um tipo específico de óleo vegetal FAME ou óleo produzido a partir de resíduos orgânicos utilizados em uma mistura (por exemplo, óleo de soja, óleo de palma dentre outros), usada como base de biocombustíveis. ESTADO DA TÉCNICA
Em um motor a ignição por compressão (Cl), ou seja, de ciclo Diesel, o ar, normalmente diluído por uma pequena fração controlada de gás residual, é comprimida a uma taxa de compressão de aproximadamente 12:1 a 20:1, e um combustível líquido é injetado no cilindro durante o ciclo de compressão próximo a posição de ponto morto superior do pistão (TDC).
Uma vez que tanto a pressão quanto a temperatura do conteúdo do cilindro no momento da injeção são muito altos, reações químicas iniciam assim que as primeiras gotículas de combustível injetado entram no cilindro.
A figura 1 mostra as partes principais pelas quais o processo de combustão é obtido em um motor Cl moderno. O combustível é transferido do tanque, (1) passa por um filtro (2) apropriado e chega a uma bomba de alta pressão (3), a qual distribui o combustível a uma pressão entre 130 e 200 MPa para uma galeria de combustível única CR (Common Rail) (4) que alimenta todos os injetores de combustível (6a a 6d). Uma unidade de controle eletrônico (ECU) (7), que coleta informações da velocidade do motor, temperatura, pressão de combustível (5) e carga requerida, adapta os parâmetros de controle do motor para otimizar o número de injeções, a sua fase e sua duração para preencher não só os requerimentos de carga motor, mas também os requerimentos de gases de exaustão poluentes. Os atomizadores dos injetores são projetados para produzir um padrão de spray (8) que é adaptado individualmente para a geometria da câmara de combustão (9)
Contudo, em um motor Cl as reações químicas iniciam de forma bastante lenta que as manifestações usuais da combustão tal como as medidas de aumento da pressão ocorrem apenas após um período apreciável de tempo chamado de período de retardo. As somas dos períodos de injeção e retardo caracterizam a primeira fase da combustão.
O período de retardo é seguido por um aumento de pressão, que é condicionado ao combustível usado, à quantidade total de combustível injetado com relação ao ar armazenado no cilindro (relação ar-combustível A/F), o número de injeções na qual a quantidade total do combustível é distribuída e o ângulo do virabrequim (CA) no qual as injeções são feitas. O período de aumento de pressão caracteriza a segunda fase de combustão.
A terceira fase da combustão, chamada fase três, inicia após a pressão máxima de combustão ser alcançada. Esta fase de expansão (blow- down) determinará a natureza e o volume dos diferentes produtos da pós combustão nos gases de exaustão (NOx, particulados, aldeídos, etc.) e é também fortemente influenciada por uma estratégia apropriada de múltiplas injeções.
A figura 2 mostra um tipo de diagrama genérico de pressão - CA para um motor a diesel no qual apenas uma injeção simples é feita no período entre 40° e 20° CA antes do ponto morto superior do pistão (TDC) do ciclo de compressão: A linha pontilhada representa a compressão e expansão do ar apenas, sem combustão. A linha contínua representa a compressão e expansão com combustão. O período de injeção é seguido pelo período de retardo e sua soma é igual à fase um.
A combustão principal acontece durante o aumento de pressão, chamado de fase dois, a qual termina quando a pressão de combustão máxima é atingida. Para uma especifica definição da relação A/F, a estratégia de injeção, a composição do combustível, a extensão em CA das fases um e dois assim como o valor de Pmax são parâmetros que apresentam uma variação ciclo a ciclo menor que ± 3% em uma dada condição de carga motor.
Na chamada fase 3 (blow-down) a distribuição de temperatura da câmara de combustão (nível absoluto e homogeneidade), influência significativamente a produção de eventuais produtos de pós-combustão não desejados nos gases de exaustão.
É importante entender que o diagrama completo de pressão - CA em conjunto com a conseqüente temperatura de gás de exaustão, representa uma assinatura única da totalidade de ambos os processos, termodinâmicos e químicos, da combustão (diagrama pressão CA) e do equilíbrio potencial da matéria poluente nos gases de exaustão (temperatura) para um dado conjunto de condições de contorno fixas (rotação do motor, carga motor, estratégia de injeção, temperatura global do motor, composição de combustível). As características importantes de um combustível diesel comercial típico (fórmula química geral C12H23) são a qualidade de ignição, a densidade, o calor gerado pela combustão, a volatilidade (elementos que influenciam significativamente as fases um e dois assim como a Pmax), a limpidez e a não- corrosividade. Todas menos as duas últimas propriedades são completamente inter- relacionadas, por causa disto à qualidade da combustão do combustível comercial é avaliada pelo número de cetana. Assim como o caso de taxa de octanas para gasolina, os combustíveis diesel são avaliados com relação à qualidade de combustão por um método que usa comparação de motores-teste com combustíveis referencia (por exemplo, American Society for Testing Materials (ASTM) Standard D613).
Os combustíveis de referência primárias são a cetana normal (C16H34), uma parafina de cadeia linear que tem excelente qualidade de ignição, e o alfa-metilnaftaleno (C10H7CH3), um composto naftenico que tem uma qualidade de ignição ruim. Um motor especial com um cilindro de ignição por compressão é usado como equipamento padrão para este tipo de teste.
A porcentagem de cetana é uma mistura dos combustíveis de referência acima indicados dando o mesmo retardo de ignição do combustível em teste e é usado como o número de cetana do combustível em teste. Assim como o diagrama de pressão CA é uma assinatura única do processo de combustão, o número de cetana é uma assinatura única da qualidade de combustão do combustível.
A conseqüência importante é que se todos os parâmetros do motor são mantidos constantes e um combustível com numero de cetana diferente é usado, a assinatura do diagrama de pressão CA mudará assim como as fases um, dois e o valor de Pmax também mudarão.
Em anos recentes a presença de misturas de biocombustível para motores Sl (mistura de gasolina pura e etanol em várias frações - combustível flexível) tem se tornado popular como um meio muito prático e eficiente para diminuir a quantidade de CO2 permanentemente armazenada na atmosfera.
Desta forma foi sugerido a mistura do combustível diesel corrente com uma fração de óleos baseados em vegetais FAME (ácidos graxos de metil- ester). Quanto maior a porcentagem de óleo-FAME, mais importante é a queda da quantidade de CO2 permanentemente adicionado à atmosfera. Uma mistura contendo "x" % de óleo FAME e (100-x) % de óleo fóssil será referido como uma mistura "Bx".
Para os motores Diesel comerciais correntes a fração de óleo FAME menor que 20% é aceitável sem maiores mudanças na estratégia de injeção dos sistemas CR. Infelizmente para frações entre 20 e 100% o processo de combustão torna-se incontrolável com padrões de combustão que gradualmente levam a condições de detonação extremas. Uma conseqüência imediata é um aumento importante não só no consumo de combustível, mas também nas emissões de poluentes, fato que pode eventualmente ocasionar combustões acidentais e, em casos extremos, destruição do motor.
É notório que o combustível diesel comercial puro tem um número de cetana media de aproximadamente 42, enquanto que o número de cetana de um óleo-FAME 100% é tipicamente em torno de 60. O número de cetana de um óleo com uma fração de 20% de óleo-FAME será de aproximadamente 48 a 49, o que explica porque, acima desta porcentagem, a combustão torna-se incontrolável e uma ação é necessária.
O projeto da estratégia de reconhecimento de uma fração biodiesel, Bx, da mistura de óleo-FAME em um combustível diesel baseado em óleo mineral e o projeto de técnicas de sensoriamento baseado em software para criar uma imagem do comportamento temporal (pressão - CA) da combustão, o qual usa sensores já em serviço para sistemas de preparação de misturas - CR correntes, foi proposto pelo pedido de patente Pl 0900653 da própria depositante.
O pedido de patente Pl 0900653 mostra que, se a carga de um motor e se os parâmetros do sistema de preparação de mistura são mantidos constantes, ha uma mudança no diagrama de pressão - CA da combustão (soma da duração de injeção e atraso de combustão, perfil de aumento de pressão e valor Pmax1 que de agora em diante serão referidos como os três parâmetros chaves de combustão) que será uma expressão da composição do combustível (número de cetana) e consequentemente um indicador da porcentagem de óleo FAME misturado com o combustível diesel baseado em óleo mineral.
A identificação de uma mudança nos três parâmetros chave de combustão é feita de acordo com o esquema identificado na figura 3. Cada um dos três parâmetros chave de combustão (201) são listados em uma tabela bi-dimensional (202, 203, 204). Os pontos de corte (break-points) são localizados em um eixo de rotação do motor (x) e um eixo de carga motor (y). Os valores superiores e inferiores (Nmin, Nmax, Lmin e Lmax) de rotação de motor e carga definem uma janela espacial (205) dentro do qual o processo de identificação pode acontecer. Os parâmetros chave de referência existem no mesmo formato e são, como indicado acima, específicos para cada veículo/motor e são localizados na área de memória da ECU onde são carregados durante o desenvolvimento inicial da calibração específica do motor. Genericamente, um conjunto completo de mapas dos parâmetros chave de referência de combustão existem para modalidades de funcionamento do motor a quente (Twater > Tlimitewater °C) e outro conjunto de parâmetros para modalidade de funcionamento do motor a frio (Twater < Tlimitewater °C), mas isto não é mandatório ou limitativo.
RESUMO DA INVENÇÃO Durante o intensivo trabalho experimental feito para verificar todas as possibilidades sugeridas no pedido de patente Pl 0900653 da depositante, foi observado que um certo número de outros parâmetros podem ser utilizados em configurações particulares de motores seja para integrar ou para substituir um ou mais dos parâmetros chave primários reivindicados naquele pedido. A aplicação destes novos parâmetros chave, de agora em diante referenciados como parâmetros chave de nível superior, podem ser usados tanto para simplificar o mapeamento do motor quanto para aumentar a precisão de identificação do número instantâneo de cetana e por conseqüência permitir o reconhecimento da fração de biodiesel Bx.
Os novos parâmetros chave de nível superior são o torque objetivo do motor, como por exemplo, aquele calculado pela unidade de controle do motor (ECU), o ruído da combustão como, por exemplo, aquele medido por um acelerômetro de baixo custo montado no bloco do motor e a relação estequiométrica do ar-combustível como, por exemplo, aquela medida por um sensor de oxigênio no sistema de exaustão em conjunto com a medição do consumo de combustível instantâneo computado pelo ECU.
DESCRIÇÃO DAS FIGURAS
A presente invenção será melhor compreendida a luz das figuras anexas, dadas a mero título de ilustração, mas não limitando o escopo da presente invenção, nas quais:
- Figura 1 - é um exemplo que mostra as partes principais pelas quais o processo de combustão é obtido em um motor Cl moderno;
- Figura 2 - é um exemplo que mostra um diagrama de pressão - CA genérico típico;
- Figura 3 - é um exemplo que mostra um diagrama de blocos de um fluxo de dados lógicos para os parâmetros chave primários, como usados no pedido de patente Pl 0900653;
- Figura 4 - é um exemplo que mostra a mudança, sob certas condições do motor, do torque do motor versus a fração de biodiesel Bx;
- Figura 5 - é um exemplo que mostra a mudança, sob certas condições do motor, do ruído de combustão do motor versus a fração de biodiesel Bx;
- Figura 6 - é um exemplo que mostra a mudança, sob certas condições do motor, da relação estequiométrica medida no sistema de exaustão versus a fração de biodiesel Bx;
- Figura 7 - é um exemplo que mostra um diagrama de blocos de um fluxo de dados lógicos usado para detecção de um especifico biodiesel Bx de referência.
REALIZAÇÃO PRÁTICA DA INVENÇÃO
A presente invenção propõe adições aos parâmetros chave primários usados para reconhecimento da mistura da fração de biodiesel em um combustível diesel normal pelo uso de um sensor biodiesel lógico descrito no pedido de patente Pl 0900653 da mesma depositante com a aplicação de um ou mais dos três parâmetros chave de nível superior com o propósito de não só simplificar o mapeamento do motor pré mapeado ao longo do desenvolvimento, mas também aumentar a precisão da computação do número de cetana instantâneo e, desta forma, permitir o reconhecimento da fração de biodiesel Bx.
Durante o intensivo trabalho experimental para caracterizar os três parâmetros chave primários (soma da duração da injeção e atraso de combustão, perfil de aumento de pressão e valor Pmax) em motores Diesel CR de pequena cilindrada usados em carros, foi aprendido que o torque objetivo do motor, calculado pelo ECU a partir da informação do sensor lógico que monitora a aceleração instantânea do vírabrequim proposto no pedido de patente Pl 0900653 em conjunção com estratégias especificas de injeção simples ou múltiplas (não limitativo), pode produzir uma relação unívoca entre a fração de biodiesel Bx e o valor de torque calculado. A figura 4 mostra o resultado experimental da relação entre o torque do motor calculado e a fração de biodiesel Bx em uma faixa de rotação do motor entre 1500 e 3000 RPM.
Esta excelente relação unívoca e monótona não está sempre presente para qualquer câmara de combustão ou sistema de injeção diesel, mas quando está disponível ela integra diretamente o comportamento especifico dos três parâmetros chave primários e será consequentemente chamado como o parâmetro chave de nível superior do torque integral.
A mudança no parâmetro chave de nível superior do torque integral, quando disponível, é uma imagem das mudanças em todos os parâmetros chave primários e pode, desta forma, ser usado para identificar a evolução correspondente no número de cetana. Esta evolução é comparada com os valores de um mapeamento funcional específico motor/veículo que é realizado durante o desenvolvimento inicial da calibração e fica gravado na área de memória da ECU. O uso deste mapeamento funcional específico do torque que está localizado na memória da ECU significa usar somente um vetor unidimensional tabular para cada tipo de biocombustível, e é, desta forma, menos complicado que o mapeamento correspondente para os três parâmetros chave primários separados. Isto torna possível um ganho substancial na área de memória requerida e o tempo necessário para a calibração.
Durante o intensivo trabalho experimental para caracterizar os três parâmetros chave primários (soma da duração da injeção e atraso de combustão, perfil de aumento de pressão e valor Pmax) em motores Diesel CR de pequena cilindrada usados em carros, foi aprendido também que, o nível de ruído emitido pelo motor de combustão medido pela ECU a partir de um sensor apropriado do tipo acelerômetro automotivo de baixo custo (não limitativo) localizado em uma posição apropriada no bloco do motor em conjunto com as acima mencionadas estratégias específicas de injeção simples ou múltiplas, pode produzir uma relação unívoca entre a fração biodiesel Bx e o ruído de combustão emitido. A figura 5 mostra um resultado experimental entre a intensidade de ruído emitido pelo motor de combustão e a fração de biodiesel Bx em uma faixa de rotação de motor entre 1500 e 3000 RPM.
Esta excelente relação unívoca e monótona não está sempre presente para qualquer câmara de combustão ou sistema de injeção diesel, mas quando está disponível, ela integra diretamente o comportamento específico dos três parâmetros chave primários e será consequentemente chamado como o parâmetro chave de nível superior do ruído integral.
A mudança no parâmetro chave de nível superior de ruído integral quando disponível é uma imagem das mudanças em todos os parâmetros chave primários e pode, desta forma, ser usado para identificar a evolução correspondente no número de cetana. Esta evolução é comparada com os valores de um mapeamento funcional específico motor/veículo que é realizado durante o desenvolvimento inicial da calibração e fica gravado na área de memória da ECU. O uso deste mapeamento funcional específico do ruído que está localizado na memória da ECU significa usar somente um vetor unidimensional tabular para cada tipo de biocombustível, e é, desta forma, menos complicado que o mapeamento correspondente para os três parâmetros chave primários separados. Isto torna possível um ganho substancial na área de memória requerida e o tempo necessário para a calibração.
Finalmente, durante o intensivo trabalho experimental para caracterizar os três parâmetros chave primários (soma da duração da injeção e atraso de combustão, perfil de aumento de pressão e valor Pmax) em motores Diesel CR de pequena cilindrada usados em carros, foi aprendido também que o valor da relação estequiométrica medida por um sensor de oxigênio (não limitativo e nem sempre presente em um motor Diesel) no sistema de exaustão em conjunto com as acima mencionadas estratégias especificas de injeção simples ou múltiplas, pode produzir uma relação unívoca entre a fração biodiesel Bx e a relação estequiométrica do combustível. A figura 6 mostra um resultado experimental entre a relação estequiométrica do combustível e a fração de biodiesel Bx em uma faixa de rotação de motor entre 1500 e 3000 RPM.
Assim como o parâmetro chave de nível superior do torque integral e do nível de ruído emitido pelo motor de combustão não está sempre presente para qualquer câmara de combustão ou sistema de injeção diesel, mas quando está disponível, ela integra diretamente o comportamento específico dos três parâmetros chave primários e será consequentemente chamado como o parâmetro chave de nível superior da relação estequiométrica integral. A mudança no parâmetro chave de nível superior da relação estequiométrica integral quando disponível é uma imagem das mudanças em todos os parâmetros chave primários e pode, desta forma, ser usado para identificar a evolução correspondente no número de cetana. Esta evolução é comparada com os valores de um mapeamento funcional específico motor/veículo que é realizado durante o desenvolvimento inicial da calibração e fica gravado na área de memória da ECU. O uso deste mapeamento funcional específico da relação estequiométrica que está localizado na memória da ECU significa usar somente um vetor unidimensional tabular para cada tipo de biocombustível, e é, desta forma, menos complicado que o mapeamento correspondente para os três parâmetros chave primários separados. Isto torna possível um ganho substancial na área de memória requerida e o tempo necessário para a calibração.
Como mencionado acima, para todos os três parâmetros chave de nível superior, a excelente relação unívoca e monótona com a fração de biodiesel Bx pode não ser sempre encontrada em uma grande janela de carga/rotação de um motor. Pode acontecer que a relação possa ser encontrada em pequenas janelas separadas ou não ser encontrada.
No caso da presença desta relação apenas em pequenas janelas separadas, a substituição dos três parâmetros chave primários fica mais complicada, mas, de qualquer forma, quando disponível, os parâmetros chave superiores podem ser usados para aumentar a precisão da detecção da fração de biocombustível Bx em conjunção com a mudança estimada nos três parâmetros chave primários.
Quando nenhuma informação inteligente pode ser obtida na mudança dos parâmetros chave de nível superior, para a detecção da fração de biocombustível Bx, serão usados apenas os parâmetros chave primários como indicado no pedido de patente Pl 0900653.
Assim como mencionado no pedido de patente Pl 0900653 e mostrado na figura 7, um enriquecimento adicional da metodologia de engenharia reversa reivindicada pela presente invenção é a possibilidade de detectar o tipo específico de óleo vegetal FAME ou produzido de resíduos orgânicos (por exemplo, óleo de soja, de palma e outros) na mistura com óleo mineral. Quando um óleo vegetal diferente do óleo de referência FAME é queimado, um ou mais dos três parâmetros primários chave de combustão, para uma porcentagem Bx dada do óleo vegetal, muda com relação à condição do óleo FAME de referência. Isto significa uma mudança no número de cetana do biocombustível Bx com relação à condição do óleo FAME de referência (604, 605).
Esta detecção se torna possível se cada óleo vegetal ou produzido a partir de resíduo orgânico e diferente do óleo FAME de referência é testado no motor durante a calibração inicial específica de motor/veículo e os mapas correspondentes dos parâmetros chave de combustão de nível primário e número de cetana são gravados na área de memória da ECU durante o desenvolvimento inicial da calibração especifica do motor.
Se a informação dos parâmetros chaves de nível superior é disponível, a mudança nos valores de referência para o componente biodiesel puro (B100) pode ser executado pela ECU comparando os valores pré armazenados, usando um ou mais dos três parâmetros chave de nível superior com as mesmas condições como indicado acima para os parâmetros chaves primários, para realizar a mudança com o propósito de não só simplificar o mapeamento inicial do motor mas também aumentar a precisão da computação na realização da mudança na referência Bx e o número de cetana relacionado, figura 7 (605).
Claims (4)
1. Definição dos parâmetros chave de nível superior para Sensor Lógico de Biodiesel a serem aplicados para motores de combustão interna, do tipo de ignição a compressão e projetados para queimar misturas de combustíveis de óleos minerais e biocombustíveis baseados em matéria vegetal ou resíduos, ditos parâmetros chaves primários (soma da duração da injeção e atraso de combustão, perfil de aumento de pressão e valor Pmax) caracterizados pelo fato que ditos parâmetros chaves de nível superior são variáveis integrais ou substitutivas a ditos parâmetros chave primários e obtidos a partir das seguintes variáveis físicas: - O objetivo de torque do motor calculado pela ECU ou meio de calculo equivalente em conjunto com a estratégia de injeção simples ou múltiplas e chamado parâmetro chave de nível superior de torque integral. - A intensidade de ruído de motor mensurado pela ECU através um sensor apropriado do tipo acelerômetro automotivo ou meio de sensoriamento equivalente localizado no bloco do motor em conjunto com as acima mencionadas estratégias específicas de injeção simples ou múltiplas e chamado como o parâmetro chave de nível superior do ruído integral. - A relação estequiométrica medida por um sensor de oxigênio ou meio de sensoriamento equivalente no sistema de exaustão em conjunto com as acima mencionadas estratégias específicas de injeção simples ou múltiplas e chamado parâmetro chave de nível superior da relação estequiométrica integral.
2. Definição dos parâmetros chave de nível superior, conforme reivindicação 1, caracterizado pelo fato que um ou mais dos ditos parâmetros chaves de nível superior são usados pela ECU para substituir parâmetros chave primários para reconhecimento da fração de biocombustível Bx1 na mistura de combustível.
3. Definição dos parâmetros chave de nível superior, conforme reivindicação 1, caracterizado pelo fato que um ou mais de ditos parâmetros chaves de nível superior são usados pela ECU para aumentar a precisão de reconhecimento da fração de biocombustível Bx1 na mistura de combustível em conjunto com os parâmetros chave primários.
4. Definição dos parâmetros chave de nível superior, conforme reivindicações 1 a 3, caracterizado pelo fato que um ou mais dos ditos parâmetros chaves de nível superior são usados pela ECU comparando os valores pré armazenados para identificar o tipo de biocombustível B100 (de origem vegetal ou provenientes de resíduos orgânicos) e o número de cetana relacionado (605) tanto para substituir a utilização dos parâmetros chaves primários quanto para aumentar a precisão do processo de identificação realizado através dos parâmetros chaves primários.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BRPI1004128-1A BRPI1004128A2 (pt) | 2010-08-04 | 2010-08-04 | definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel |
EP11176179A EP2423493A1 (en) | 2010-08-04 | 2011-08-01 | Upper level key parameter definition for SBS Logical Biodiesel Sensor |
CN2011102256574A CN102374047A (zh) | 2010-08-04 | 2011-08-03 | 用于定义sbs逻辑生物柴油传感器的高层关键参数 |
US13/197,911 US20120053815A1 (en) | 2010-08-04 | 2011-08-04 | Upper level key parameter definition for sbs logical biodiesel sensor |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BRPI1004128-1A BRPI1004128A2 (pt) | 2010-08-04 | 2010-08-04 | definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel |
Publications (1)
Publication Number | Publication Date |
---|---|
BRPI1004128A2 true BRPI1004128A2 (pt) | 2012-04-10 |
Family
ID=44862421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
BRPI1004128-1A BRPI1004128A2 (pt) | 2010-08-04 | 2010-08-04 | definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel |
Country Status (4)
Country | Link |
---|---|
US (1) | US20120053815A1 (pt) |
EP (1) | EP2423493A1 (pt) |
CN (1) | CN102374047A (pt) |
BR (1) | BRPI1004128A2 (pt) |
Families Citing this family (186)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
US10496753B2 (en) | 2010-01-18 | 2019-12-03 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US9959870B2 (en) | 2008-12-11 | 2018-05-01 | Apple Inc. | Speech recognition involving a mobile device |
US20120311585A1 (en) | 2011-06-03 | 2012-12-06 | Apple Inc. | Organizing task items that represent tasks to perform |
US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
US9858925B2 (en) | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
US10705794B2 (en) | 2010-01-18 | 2020-07-07 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
US10553209B2 (en) | 2010-01-18 | 2020-02-04 | Apple Inc. | Systems and methods for hands-free notification summaries |
US10679605B2 (en) | 2010-01-18 | 2020-06-09 | Apple Inc. | Hands-free list-reading by intelligent automated assistant |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
US10762293B2 (en) | 2010-12-22 | 2020-09-01 | Apple Inc. | Using parts-of-speech tagging and named entity recognition for spelling correction |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
US8994660B2 (en) | 2011-08-29 | 2015-03-31 | Apple Inc. | Text correction processing |
US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
US9483461B2 (en) | 2012-03-06 | 2016-11-01 | Apple Inc. | Handling speech synthesis of content for multiple languages |
US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
US9495129B2 (en) | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
US9576574B2 (en) | 2012-09-10 | 2017-02-21 | Apple Inc. | Context-sensitive handling of interruptions by intelligent digital assistant |
US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
US10199051B2 (en) | 2013-02-07 | 2019-02-05 | Apple Inc. | Voice trigger for a digital assistant |
US9368114B2 (en) | 2013-03-14 | 2016-06-14 | Apple Inc. | Context-sensitive handling of interruptions |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
WO2014144579A1 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | System and method for updating an adaptive speech recognition model |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
CN105027197B (zh) | 2013-03-15 | 2018-12-14 | 苹果公司 | 训练至少部分语音命令系统 |
WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
CN110442699A (zh) | 2013-06-09 | 2019-11-12 | 苹果公司 | 操作数字助理的方法、计算机可读介质、电子设备和系统 |
KR101809808B1 (ko) | 2013-06-13 | 2017-12-15 | 애플 인크. | 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법 |
DE112014003653B4 (de) | 2013-08-06 | 2024-04-18 | Apple Inc. | Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
US9620105B2 (en) | 2014-05-15 | 2017-04-11 | Apple Inc. | Analyzing audio input for efficient speech and music recognition |
US10592095B2 (en) | 2014-05-23 | 2020-03-17 | Apple Inc. | Instantaneous speaking of content on touch devices |
US9502031B2 (en) | 2014-05-27 | 2016-11-22 | Apple Inc. | Method for supporting dynamic grammars in WFST-based ASR |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
US9734193B2 (en) | 2014-05-30 | 2017-08-15 | Apple Inc. | Determining domain salience ranking from ambiguous words in natural speech |
US10078631B2 (en) | 2014-05-30 | 2018-09-18 | Apple Inc. | Entropy-guided text prediction using combined word and character n-gram language models |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US9842101B2 (en) | 2014-05-30 | 2017-12-12 | Apple Inc. | Predictive conversion of language input |
US9760559B2 (en) | 2014-05-30 | 2017-09-12 | Apple Inc. | Predictive text input |
US10289433B2 (en) | 2014-05-30 | 2019-05-14 | Apple Inc. | Domain specific language for encoding assistant dialog |
EP3480811A1 (en) | 2014-05-30 | 2019-05-08 | Apple Inc. | Multi-command single utterance input method |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
US9785630B2 (en) | 2014-05-30 | 2017-10-10 | Apple Inc. | Text prediction using combined word N-gram and unigram language models |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
US10659851B2 (en) | 2014-06-30 | 2020-05-19 | Apple Inc. | Real-time digital assistant knowledge updates |
CN104165100B (zh) * | 2014-07-24 | 2016-08-17 | 浙江大学 | 一种消除cog组分不稳定性对发动机影响的方法 |
US10446141B2 (en) | 2014-08-28 | 2019-10-15 | Apple Inc. | Automatic speech recognition based on user feedback |
US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
US10789041B2 (en) | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
US9606986B2 (en) | 2014-09-29 | 2017-03-28 | Apple Inc. | Integrated word N-gram and class M-gram language models |
US9646609B2 (en) | 2014-09-30 | 2017-05-09 | Apple Inc. | Caching apparatus for serving phonetic pronunciations |
US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
US9886432B2 (en) | 2014-09-30 | 2018-02-06 | Apple Inc. | Parsimonious handling of word inflection via categorical stem + suffix N-gram language models |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
US10552013B2 (en) | 2014-12-02 | 2020-02-04 | Apple Inc. | Data detection |
US9711141B2 (en) | 2014-12-09 | 2017-07-18 | Apple Inc. | Disambiguating heteronyms in speech synthesis |
US9865280B2 (en) | 2015-03-06 | 2018-01-09 | Apple Inc. | Structured dictation using intelligent automated assistants |
US10152299B2 (en) | 2015-03-06 | 2018-12-11 | Apple Inc. | Reducing response latency of intelligent automated assistants |
US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
US9899019B2 (en) | 2015-03-18 | 2018-02-20 | Apple Inc. | Systems and methods for structured stem and suffix language models |
US9842105B2 (en) | 2015-04-16 | 2017-12-12 | Apple Inc. | Parsimonious continuous-space phrase representations for natural language processing |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US10127220B2 (en) | 2015-06-04 | 2018-11-13 | Apple Inc. | Language identification from short strings |
US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US10101822B2 (en) | 2015-06-05 | 2018-10-16 | Apple Inc. | Language input correction |
US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
US10255907B2 (en) | 2015-06-07 | 2019-04-09 | Apple Inc. | Automatic accent detection using acoustic models |
US10186254B2 (en) | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
US9697820B2 (en) | 2015-09-24 | 2017-07-04 | Apple Inc. | Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks |
US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
US11227589B2 (en) | 2016-06-06 | 2022-01-18 | Apple Inc. | Intelligent list reading |
US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
DK179309B1 (en) | 2016-06-09 | 2018-04-23 | Apple Inc | Intelligent automated assistant in a home environment |
US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
US10474753B2 (en) | 2016-09-07 | 2019-11-12 | Apple Inc. | Language identification using recurrent neural networks |
US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
US11281993B2 (en) | 2016-12-05 | 2022-03-22 | Apple Inc. | Model and ensemble compression for metric learning |
US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
US10417266B2 (en) | 2017-05-09 | 2019-09-17 | Apple Inc. | Context-aware ranking of intelligent response suggestions |
DK201770383A1 (en) | 2017-05-09 | 2018-12-14 | Apple Inc. | USER INTERFACE FOR CORRECTING RECOGNITION ERRORS |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
US10395654B2 (en) | 2017-05-11 | 2019-08-27 | Apple Inc. | Text normalization based on a data-driven learning network |
DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
US11301477B2 (en) | 2017-05-12 | 2022-04-12 | Apple Inc. | Feedback analysis of a digital assistant |
DK201770428A1 (en) | 2017-05-12 | 2019-02-18 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
US10403278B2 (en) | 2017-05-16 | 2019-09-03 | Apple Inc. | Methods and systems for phonetic matching in digital assistant services |
US10311144B2 (en) | 2017-05-16 | 2019-06-04 | Apple Inc. | Emoji word sense disambiguation |
DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
US20180336275A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Intelligent automated assistant for media exploration |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US10657328B2 (en) | 2017-06-02 | 2020-05-19 | Apple Inc. | Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling |
US10445429B2 (en) | 2017-09-21 | 2019-10-15 | Apple Inc. | Natural language understanding using vocabularies with compressed serialized tries |
US10755051B2 (en) | 2017-09-29 | 2020-08-25 | Apple Inc. | Rule-based natural language processing |
US10636424B2 (en) | 2017-11-30 | 2020-04-28 | Apple Inc. | Multi-turn canned dialog |
US10733982B2 (en) | 2018-01-08 | 2020-08-04 | Apple Inc. | Multi-directional dialog |
US10733375B2 (en) | 2018-01-31 | 2020-08-04 | Apple Inc. | Knowledge-based framework for improving natural language understanding |
US10789959B2 (en) | 2018-03-02 | 2020-09-29 | Apple Inc. | Training speaker recognition models for digital assistants |
US10592604B2 (en) | 2018-03-12 | 2020-03-17 | Apple Inc. | Inverse text normalization for automatic speech recognition |
US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
US10909331B2 (en) | 2018-03-30 | 2021-02-02 | Apple Inc. | Implicit identification of translation payload with neural machine translation |
US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
US10984780B2 (en) | 2018-05-21 | 2021-04-20 | Apple Inc. | Global semantic word embeddings using bi-directional recurrent neural networks |
DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
US10892996B2 (en) | 2018-06-01 | 2021-01-12 | Apple Inc. | Variable latency device coordination |
US11386266B2 (en) | 2018-06-01 | 2022-07-12 | Apple Inc. | Text correction |
US11076039B2 (en) | 2018-06-03 | 2021-07-27 | Apple Inc. | Accelerated task performance |
US11010561B2 (en) | 2018-09-27 | 2021-05-18 | Apple Inc. | Sentiment prediction from textual data |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
US10839159B2 (en) | 2018-09-28 | 2020-11-17 | Apple Inc. | Named entity normalization in a spoken dialog system |
US11170166B2 (en) | 2018-09-28 | 2021-11-09 | Apple Inc. | Neural typographical error modeling via generative adversarial networks |
US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
US11638059B2 (en) | 2019-01-04 | 2023-04-25 | Apple Inc. | Content playback on multiple devices |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
US11468890B2 (en) | 2019-06-01 | 2022-10-11 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
WO2021056255A1 (en) | 2019-09-25 | 2021-04-01 | Apple Inc. | Text detection using global geometry estimators |
US11043220B1 (en) | 2020-05-11 | 2021-06-22 | Apple Inc. | Digital assistant hardware abstraction |
US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6321721B1 (en) * | 1999-01-29 | 2001-11-27 | Denso Corporation | Apparatus for detecting the fuel property for an internal combustion engine |
US20100288240A1 (en) * | 2004-10-04 | 2010-11-18 | Paul Gerard Joseph Johnston | Method of and apparatus for co-fuelling diesel engines |
WO2006041867A2 (en) * | 2004-10-05 | 2006-04-20 | Southwest Research Institute | Fuel property-adaptive engine control system with on-board fuel classifier |
US7401591B2 (en) * | 2005-12-02 | 2008-07-22 | Honda Motor Co., Ltd. | Control system for internal combustion engine |
EP1854982B1 (en) * | 2006-05-08 | 2009-07-08 | Magneti Marelli S.p.A. | Method for recognising the fuel type in a diesel engine |
DE102007020764A1 (de) * | 2007-05-03 | 2008-03-27 | Schoen, Andre, Dr. | Verfahren zum Betreiben eines Verbrennungsmotors - adaptive Zündung und Einspritzung mit Minimal-Sensorik |
DE102007027181A1 (de) * | 2007-06-13 | 2008-12-18 | Robert Bosch Gmbh | Verfahren zur Bestimmung der Zusammensetzung eines Kraftstoffgemischs |
DE102007048650B4 (de) * | 2007-10-10 | 2011-06-09 | Audi Ag | Verfahren und Vorrichtung zur Optimierung der Verbrennung von Dieselkraftstoffen mit unterschiedlichen Cetanzahlen in einer Diesel-Brennkraftmaschine |
US8136486B2 (en) * | 2007-10-31 | 2012-03-20 | Von Beck Paul Gerhard | Motorized vehicles spark timing control for use with biofuel gasoline mixture |
DE102008000807A1 (de) * | 2008-03-25 | 2009-10-01 | Robert Bosch Gmbh | Kraftmaschine sowie Verfahren zum Verlängern der Nutzungsdauer von Kraftstoff |
US20110208409A1 (en) * | 2008-08-01 | 2011-08-25 | David Benjamin Snyder | Fuel blend sensing system |
BRPI0900653A2 (pt) | 2009-03-13 | 2010-11-09 | Magneti Marelli Ltda | sensor lógico para biodiesel |
WO2011053905A1 (en) * | 2009-10-30 | 2011-05-05 | Cummins Inc. | Engine control techniques to account for fuel effects |
-
2010
- 2010-08-04 BR BRPI1004128-1A patent/BRPI1004128A2/pt not_active Application Discontinuation
-
2011
- 2011-08-01 EP EP11176179A patent/EP2423493A1/en not_active Withdrawn
- 2011-08-03 CN CN2011102256574A patent/CN102374047A/zh active Pending
- 2011-08-04 US US13/197,911 patent/US20120053815A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
CN102374047A (zh) | 2012-03-14 |
EP2423493A1 (en) | 2012-02-29 |
US20120053815A1 (en) | 2012-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
BRPI1004128A2 (pt) | definição dos parámetros chave de nìvel superior para sensor lógico de biodiesel | |
Kalam et al. | An experimental investigation of high performance natural gas engine with direct injection | |
Tsolakis et al. | Engine performance and emissions of a diesel engine operating on diesel-RME (rapeseed methyl ester) blends with EGR (exhaust gas recirculation) | |
Kalghatgi et al. | Partially pre-mixed auto-ignition of gasoline to attain low smoke and low NOx at high load in a compression ignition engine and comparison with a diesel fuel | |
US8527184B2 (en) | SBS logical bio-diesel sensor | |
Kalghatgi et al. | Advantages of fuels with high resistance to auto-ignition in late-injection, low-temperature, compression ignition combustion | |
Torregrosa et al. | Impact of gasoline and Diesel blends on combustion noise and pollutant emissions in Premixed Charge Compression Ignition engines | |
KR101333538B1 (ko) | 이온 전류를 이용한 디젤 엔진의 실린더 내 녹스 검출 방법 | |
JP5327026B2 (ja) | 内燃機関の燃料性状判定装置 | |
Daniel et al. | Dual-injection as a knock mitigation strategy using pure ethanol and methanol | |
Pechout et al. | Effect of higher content n-butanol blends on combustion, exhaust emissions and catalyst performance of an unmodified SI vehicle engine | |
Jamrozik et al. | Performance, emission and combustion characteristics of CI dual fuel engine powered by diesel/ethanol and diesel/gasoline fuels | |
Park et al. | Emission characteristics of gasoline and LPG in a spray-guided-type direct injection engine | |
WO2010095262A1 (ja) | 内燃機関の燃料性状判定装置 | |
Martins et al. | HCCI of wet ethanol on a dedicated cylinder of a diesel engine | |
Chuepeng et al. | Lean hydrous and anhydrous bioethanol combustion in spark ignition engine at idle | |
JP2013036462A5 (pt) | ||
Hu et al. | A novel technique for measuring cycle-resolved cold start emissions applied to a gasoline turbocharged direct injection engine | |
WO2017081930A1 (ja) | 燃焼システムの推定装置及び制御装置 | |
Kim et al. | Effect of injection parameters on combustion and emission characteristics under catalyst heating operation in a direct-injection spark-ignition engine | |
JP6361537B2 (ja) | 燃料性状判別装置 | |
Chuepeng et al. | Combustion characteristics and particulate matter number size study of ethanol and diesel reactivity controlled compression ignition engine | |
JP2012132411A (ja) | 内燃機関の制御装置 | |
Gupta et al. | Experimental investigations to extend the load range of premixed charge compression ignited light duty diesel engine through fuel modifications | |
JP2007077892A (ja) | 内燃機関の制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
B03A | Publication of a patent application or of a certificate of addition of invention [chapter 3.1 patent gazette] | ||
B06F | Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette] | ||
B15K | Others concerning applications: alteration of classification |
Free format text: A CLASSIFICACAO ANTERIOR ERA: G01N 33/22 Ipc: F02D 19/02 (1968.09), F02D 41/00 (1985.01) |
|
B06U | Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette] | ||
B11B | Dismissal acc. art. 36, par 1 of ipl - no reply within 90 days to fullfil the necessary requirements |