CN100419239C - 燃油控制系统及其校准方法、系统处理的模型的校准方法 - Google Patents

Abstract

一种燃油控制系统，用于在发动机起动和开动至运行过渡工况期间调节供应至内燃机气缸的燃油，包括：第一模块，其基于所利用燃油百分率(UFF)模型和额定燃油动态(NFD)模型确定原始喷射燃油质量；和第二模块，其基于所述原始喷射燃油质量调节对所述发动机气缸的供油直至所述气缸的燃烧事件。基于来自多个测试起动的数据校准所述UFF和NFD模型的每个，所述多个测试起动基于预定测试安排。

Description

燃油控制系统及其校准方法、系统处理的模型的校准方法

技术领域

本发明涉及内燃机，更具体而言涉及校准燃油控制模型，该燃油控制模型在发动机起动和开动至运行过渡工况期间调节到发动机的燃油。

背景技术

内燃机燃烧气缸内的燃油和空气混合气来驱动活塞产生驱动转矩。在发动机起动期间，发动机在包括点火开关接通、开动、开动至运行和运行在内的过渡模式中操作。点火开关接通模式表示起动过程，而发动机在开动模式期间开动(即由起动电机驱动)。当发动机被供油并且发生初次点火事件时，发动机操作过渡到开动至运行模式。最后，当所有气缸发火并且发动机速度高于阈值水平时，发动机过渡到运行模式。

在过渡的发动机起动期间，对供油的精确控制在能够进行快速发动机起动和起动时间(即过渡到运行模式所用时间)内减小变动上起重要作用。传统的过渡燃油控制系统未能足够考虑损失的燃油并且未能检测和改善过渡相位期间的不发火和不良起动。另外，传统的燃油控制系统不够坚固并且需要大量的校准工作。

发明内容

所以，本发明提供一种在发动机起动和开动至运行过渡工况期间调节供应到内容气缸的燃油的燃油控制系统。燃油控制系统包括第一模块，其基于所利用燃油百分率(UFF)模型和额定燃油动态(NFD)模型确定原始喷射燃油质量；和第二模块，其基于所述原始喷射燃油质量调节对所述发动机气缸的供油直至所述气缸的燃烧事件。基于来自多个测试起动的数据校准所述UFF和NFD模型的每个，所述多个测试起动基于预定测试安排。

在一个特征中，所述UFF和NFD模型的校准同时发生。

在另一个特征中，第三模块确定预定数量的发动机循环上的平均原始喷射燃油质量和平均测量燃烧燃油质量。基于所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量校准所述UFF模型。在多个发动机冷却液温度下确定所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量。

在又一特征中，第三模块在固定的发动机冷却液温度间隔下校准所述NFD模型和成形参数。基于初始成形参数值、校正燃油质量、UFF值和原始喷射燃油质量来校准所述成形参数。基于汽化率和平均比来校准所述成形参数，所述平均比是基于在预定数量发动机循环上的校正燃油质量和测量燃烧燃油质量所确定的。

从下面提供的详细描述本发明应用性的其他范围将变得清楚。应当理解到虽然详细描述和具体示例表示了本发明的优选实施例，但它们仅仅出于举例说明的目的而无意限制本发明的范围。

附图说明

从详细描述和附图将更全面地理解本发明，附图中：

图1是使用本发明的过渡燃油控制进行调节的示例性发动机系统的示意图；

图2是图示在异常发动机起动期间示例性实际气缸充气量(GPO)对示例性滤波GPO的曲线图；

图3是图示在多个发动机循环上示例性原始喷射燃油质量(RINJ)和示例性测量燃烧燃油质量(MBFM)的曲线图；

图4是图示执行本发明的过渡燃油控制的示例性模块的信号流程图；

图5是图示根据本发明示例性的按事件分解的GPO预测方案的曲线图；

图6是对不同发动机冷却液温度(ECT)在示例性发动机循环下确定的所利用燃油百分率(UFF)和包括饱和限制的第3阶多项式曲线拟合的曲线图；

图7是图示在过渡燃油控制的UFF函数中使用的成形参数函数γ(ECT)和ECT之间的关系的曲线图；

图8是图示了优化过渡燃油控制的γ(ECT)和NFD部分的参数的示例性步骤的流程图；

图9是图示基于过渡燃油控制的UFF函数的原始喷射燃油质量(RINJ)和校正喷射燃油质量(CINJ)之间关系的曲线图；

图10是图示基于过渡燃油控制的求逆UFF函数的RINJ和CINJ之间关系的曲线图；和

图11是图示RINJ和CINJ之间关系的曲线图，包括基于过渡燃油控制的求逆UFF函数的饱和限制。

具体实施方式

优选实施例的以下说明实质上仅仅是示例性的，并非意于限制本发明、其应用或者使用。为了清楚起见，相同的标号在附图中用来标识相似元件。正如此处所用的那样，术语模块是指执行一个或多个软件或固件程序的专用集成电路(ASIC)、电子电路、处理器(共享、专用或组)和存储器、组合逻辑电路和/或提供所模式功能的其他适当部件。

现在参照图1，示意性地图示了示例性车辆系统10。车辆系统包括发动机12，其在气缸14内燃烧燃油和空气混合气以驱动可滑动地布置在气缸14内的活塞。活塞驱动曲轴16以产生驱动转矩。空气通过节气门20抽入发动机12的进气歧管18。空气被分配到气缸14并与来自供油系统22的燃油混合。空气和燃油混合气被点火或者点燃以引发燃烧。由燃烧产生的废气通过排气歧管24从气缸14排出。能量存储设备(ESD)26向车辆系统的各个部件提供电能。例如，ESD 26提供电能以产生火火并且在发动机起动期间提供电能以旋转驱动曲轴16。

控制模块30调节车辆系统10的全部操作。控制模块30响应于各个传感器产生的多个信号，如以下更详细地描述。在整个点火开关接通模式、开动模式、开动至运行模式和运行模式地过渡工况期间，控制模块30基于本发明的过渡燃油控制来调节到单个气缸的燃油流。更具体而言，在发动机起动期间，最初的模式是点火开关接通模式，在此模式中驾驶员转动点火开关以引发发动机起动。开动模式在点火开关接通模式之后，并且是起动电机(未图示)旋转驱动活塞以允许气缸14中的空气处理的时间段。开动至运行模式是在运行模式中的正常发动机操作之前发生初次点火事件的时间段。

车辆系统10包括质量气流(MAF)传感器32，其监控通过节气门20的空气流率。节气门位置传感器34响应于节气门片(未示出)的位置并产生节气门位置信号(TPS)。进气歧管压力传感器36产生歧管绝对压力(MAP)信号并且发动机速度传感器38产生发动机速度(RPM)信号。发动机油温传感器40产生发动机油温(T_OIL)信号并且发动机冷却液温度传感器42产生发动机冷却液温度(ECT)信号。压力传感器44响应于大气压并产生气压(P_BARO)信号。电流和电压传感器46、48分别产生ESD26的电流和电压信号。进气温度(IAT)传感器49产生IAT信号。

本发明的过渡燃油控制计算将在从发动机起动到开动至运行的过渡工况期间喷射到每个气缸中的原始喷射燃油值(RINJ)。更具体而言，过渡燃油控制预测气缸充气量(GPO)并基于GPO确定RINJ。过渡燃油控制实现多个功能，包括但不限于：开动GPO预测、开动至运行GPO预测、运行GPO预测、安排的GPO滤波、不发火检测、不良起动检测、不良起动恢复检测、不发火/不良起动GPO预测、过渡规测、所利用燃油百分率(UFF)计算、额定燃油动态模型和控制、燃油动态控制策略以及单缸燃油预测安排和命令安排。假定估计真实的GPO的最精确途径是使用下止点(BDC)MAP数据。由于硬件限制，最接近的MAP测量在规定的气缸事件处采样。示例性4缸发动机的示例性气缸事件为进气BDC之前约60°-75°曲轴转角(CA)处。在气缸事件之间存在特定CA值。例如，对示例性4缸发动机，事件之间存在180°CA。

开动GPO预测包括GPO预测之前的第1、第2和第3步骤，以及测量更新。开动GPO预测用来预测将在开动模式的操作期间吸入其充气的那些气缸的GPO。以下等式与开动GPO预测相关：

GPO_k+3|k＝α_CRKGPO_k+2|k+(1-α_CRK)GPO_k+1|k    (1)

GPO_k+2|k＝α_CRKGPO_k+1|k+(1-α_CRK)GPO_k|k      (2)

GPO_k+1|k＝α_CRKGPO_k|k+(1-α_CRK)GPO_k-1|k      (3)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)           (4)

等式1是预测前第3步骤，等式2是预测前第2步骤，等式3是预测前第1步骤而等式4是测量更新。α_CRK是用于所有发动机起动条件的单个固定数值，而KG表示稳态卡尔曼(Kalman)滤波增益。因为开动GPO预测器仅短时间运行(例如，仅示例性I-4发动机的头三个发动机事件)，α_CRK被手动调谐。下标k|k-1表示使用直至前一事件k-1的信息在当前事件k处的值，k|k表示使用直至当前事件k的信息在当前事件k处的值，k+1|k表示使用直至当前事件的信息直至下一事件k+1的值等等。

GPO_k基于以下等式计算：

GPO_k＝α_CRK-VEVE_CRKMAP_k/IAT_k       (5)

其中VE_CRK是在开动速度下的充气效率，其使用已知压缩比从活塞和气缸盖的几何参数进行计算，α_CRK-VE是用于匹配VE_CRK和MAP_k/IAT_k的单位的比例系数。

开动至运行GPO预测也包括GPO预测前的第1、第2和第3步骤以及测量更新。如以下详细解释的那样，存在开动GPO预测和开动至运行GPO预测同时起作用的过渡时间段。一旦完全处于开动至运行模式，就单独使用开动至运行GPO预测。开动至运行GPO预测被用来预测将在开动至运行模式的操作期间吸入其充气的那些气缸的GPO。与开动至运行GPO预测相关的等式提供为：

GPO_k+3|k＝α_CTRGPO_k+2|k            (6)

GPO_k+2|k＝α_CTRGPO_k+1|k            (7)

GPO_k+1|k＝α_CTRGPO_k|k              (8)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)  (9)

其中等式6是预测前第3步骤，等式7是预测前第2步骤，等式8是预测前第1步骤而等式9是测量更新。预测系数α_CTR(其中下标CTR表示开动至运行模式)是TPS和发动机RPM信号的线性样条函数并且提供为：

${\mathrm{\α}}_{\mathrm{CTR}}=c_0+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\α}}_i\×\mathrm{UTRS}\left(i\right)+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{b}_j\×\mathrm{URPM}\left(j\right)---\left(10\right)$

其中

和

还提供了以下定义

R_i，j＝{[TPS_i，TPS_i+1)，PM_j，RPM_i+1)}i＝1，2，…n-1j＝1，2，…m-1    (13)

R_n，j＝{[TS_n，∞)，[RPM_j，RPM_j+1)}j＝1，2，…m-1                     (14)

R_i，m＝{[TPS_i，TPS_i+1)，[RPM_m，∞)}i＝1，2，…n-1                    (15)

R_n，m＝{[TPS_n，∞)，[RPM_m，∞)}                                      (16)

其中(TPS，RPM)∈R_i，j、α_CTR可以被改写为：

α_CTR＝δ₀+δ₁×TPS+δ₂×RPM                                         (17)

并且其中

${\mathrm{\δ}}_0=c_0-\underset{k=1}{\overset{i}{\mathrm{\Σ}}}{a}_k\×{\mathrm{TPS}}_k-\underset{k=1}{\overset{i}{\mathrm{\Σ}}}{b}_k\×{\mathrm{RPM}}_k---\left(18\right)$

${\mathrm{\δ}}_1=\underset{k=1}{\overset{i}{\mathrm{\Σ}}}{a}_k---\left(19\right)$

${\mathrm{\δ}}_2=\underset{k=1}{\overset{j}{\mathrm{\Σ}}}{b}_k---\left(20\right)$

TPS_i和RPM_j的示例性数值分别是(5，15，20，30，∞)和(600，1200，1800，∞)。

在等式9中，GPOk基于以下等式计算：

GPO_k＝α_RUN-VEVE_RUN(MAP_k，RPM_k)MAP_k/IAT_k                             (21)

其中VE_RUN(.)是在正常或者运行操作状况下的充气效率并基于MAP和RPM确定，并且α_RUN-VE是用于匹配VE_RUN(.)和MAP_k/IAT_k的单位的比例系数。

运行GPO预测包括GPO预测前的第1、第2和第3步骤以及测量更新。运行GPO预测在运行模式期间使用。与运行GPO预测相关的等式提供为：

GPO_k+3|k＝α_RUNGPO_k+2|k+U(TPS，GPC)                                  (22)

GPO_k+2|k＝α_RUNGPO_k+1|k+U(TPS，GPC)                                  (23)

GPO_k+1|k＝α_RUNGPO_k|k+U(TPS，GPC)                                    (24)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)                    (25)

其中等式22是预测前第3步骤，等式23是预测前第2步骤，等式24是预测前第1步骤而等式25是测量更新。输入函数U(TPS，GPC)是TPS和基于MAF在节气门处测得的气缸充气量(GPC)的函数，并且提供为：

$U(\mathrm{TPS},\mathrm{GPC})=\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{\mathrm{\β}}_i{\mathrm{TPS}}_{k-i+1}+\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{\mathrm{\γ}}_j{\mathrm{GPC}}_{k-j+1}---\left(26\right)$

运行GPO预测和输入函数的参数约束为β₁+β₂+β₃＝0和1-α_RUN＝γ₁+γ₂+γ₃，其中α_RUN是单个固定数值。在等式25中，GPO_k计算如下：

GPO_k＝α_RUN-EVVE_RUN(MAP_k，RPM_k)MAP_k                   (27)

现在参照图2，在异常发动机起动(例如，不发火和/或不良起动状况)下，GPO测量值可能具有不期望的波动。这可能导致GPO预测表现出不期望的行为。不良起动的示例性数据迹线图示在图2中。滤波的GPO表现更好(即具有较小波动)并且因此在GPO预测中比测量的GPO更有用。GPO滤波安排基于发动机的发火行为。更具体而言，对正常发动机起动(即正常模式)滤波的GPO(GPOF_k)被提供为：

GPOF_k＝0.1GPOF_k-1+0.9GPO_k                            (28)

对于异常发动机起动(包括不发火和/或不良起动)GPOF_k提供为：

GPOF_k＝0.9GPOF_k-1+0.1GPO_k                            (29)

因为快速GPO衰减从特定事件(例如示例性I-4发动机的事件4)开始，GPO滤波仅在该事件之前启动。所以，从该事件之前，上述所有预测等式中出现的GPO_k由GPOF_k替代。应了解到值0.1和0.9实质上仅仅是示例性的。

在正常发动机起动下，GPO滤波的时间常数是0.1并且在滤波真实的测量GPO中不起作用。在此情况下，使用滤波的GPO的益处不明显。但是，在异常发动机起动的情况下，GPO滤波的时间常数可以大至0.9。此方案提供了在整个GPO预测方案中的安全保证。当发动机从不发火或者不良起动复原时，GPO滤波切换到正常操作模式。

发动机不发火检测基于监控其间发生首次发火的事件之间的RPM差来执行。对于具有已知凸轮位置的示例性I-4发动机，首次发火发生在事件3和事件4之间。所以，可能在事件4上检测到不发火。不发火的检测规则定义如下：

如果ΔRPM＝(RPM₄-RPM₃)＜ΔRPM_1st-fire，则检测到不发火。

其中ΔRPM_1st-fire(即由于首次发火引起的RPM变化)是可校准的数值(例如约200 RPM)。对于具有多于四个气缸的发动机，检测规则可以进行相应调节。符号RPM_k是指在事件k处的RPM。

在第2燃烧事件后基于阈值RPM可检测不良起动。在示例性I-4发动机的正常状况下，第2燃烧发生在事件4和事件5之间并能够使发动机速度达到大于阈值RPM(例如700RPM)的值。所以，不良起动检测的规则定义如下：

如果RPM_k≥5≤700，则检测到不良起动。

如果发动机在不良起动模式下操作并且RPM_k≥1400，则检测到不良起动复原。不良起动复原的阈值可以定义在RPM_k≥1400并且GPC的第1次可靠读取可用的时刻。应了解到此处提供的阈值RPM实质上仅仅是示例性的。当检测到不良起动复原时，GPO滤波相应地切换到正常模式并且使用运行GPO预测器来进行GPO预测。

如果发动机在不发火模式下操作，不发火GPO预测取代开动至运行GPO预测。不发火GPO预测执行以下等式：

${\mathrm{GPO}}_{k+3|k}={\mathrm{\α}}_{\mathrm{MIS}}^3{\mathrm{GPO}}_{k|k}---\left(30\right)$

${\mathrm{GPO}}_{k+2|k}={\mathrm{\α}}_{\mathrm{MIS}}^2{\mathrm{GPO}}_{k|k}---\left(31\right)$

GPO_k+1|k＝α_MISGPO_k|k                   (32)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k-1)      (33)

其中等式30是预测前第3步骤，等式31是预测前第2步骤，等式32是预测前第1步骤而等式33是测量更新，并且提供示例性的值α_MIS＝1并且KG ＝0.8。但是应了解到这些值可以基于发动机具体参数而改变。

如果发动机在不良起动模式下操作，不良起动GPO预测取代开动至运行预测。不良起动GPO预测执行以下等式：

${\mathrm{GPO}}_{k+3|k}={\mathrm{\α}}_{\mathrm{PS}}^3{\mathrm{GPO}}_{k|k}---\left(34\right)$

${\mathrm{GPO}}_{k+2|k}={\mathrm{\α}}_{\mathrm{PS}}^2{\mathrm{GPO}}_{k|k}---\left(35\right)$

GPO_k+1|k＝α_PSGPO_k|k                (36)

GPO_k|k＝GPO_k|k-1+KG(GPO_k-GPO_k|k1)   (37)

其中等式34是预测前第3步骤，等式35是预测前第2步骤，等式36是预测前第1步骤而等式37是测量更新，并且提供示例性的值α_PS＝0.98并且KG＝0.8。但是应了解到这些值可以基于发动机具体参数而改变。

对于示例性4缸发动机，定义模式之间的过渡的规则概括如下。利用已知的凸轮位置，事件4是从开动模式过渡到开动至运行模式的缺省事件。在事件4处，如果RPM的改变小于可校准数值(例如200 RPM)，则检测到弱发火，启动弱发火GPO预测并且使用异常GPO滤波和弱发火GPO预测。在事件5处，如果发动机速度小于可校准数值(例如700RPM)，则预测到不良起动并且启动不良起动GPO预测。同时，启动异常GPO滤波。否则，启动正常GPO滤波和开动至运行GPO预测。如果发动机速度从不良起动复原模式或者正常起动模式越过可校准RPM阈值(例如1400 RPM)，预测方案切换到运行GPO预测。对于具有多个4个气缸的发动机，应用类似但经修改的规则。

现在参照图3，将详细描述过渡燃油控制的所利用燃油百分率(UFF)函数。UFF是在当前燃烧事件中实际燃烧的燃油百分比并且基于实验观测数据。更具体而言，UFF是原始喷射燃油质量(RINJ)对测量燃烧燃油质量(MBFM)的百分率。RINJ中存在不参与燃烧过程的量。这种现象的效果在图3中示出，其中RINJ的总量不表现在排放测量值中，并且观测到递减的返回效果。此不完全燃油利用现象表明利用率不是常数而是RINJ的函数。

本发明的过渡燃油控制通过将整个燃油动态分成两个级联子系统来对此重要非线性建模：取决于非线性输入(RINJ)的UFF和单位增益的额定燃油动态(NFD)函数。

取决于输入(RINJ)UFF函数提供为：

$\mathrm{CINJ}\left(k\right)={\mathrm{UFF}}_{\mathrm{ss}}(1-\frac{2}{\mathrm{\π}}\arctan \left(\frac{\mathrm{RINJ}\left(k\right)}{\mathrm{\γ}\left(\mathrm{ECT}\right)}\right))\mathrm{RINJ}\left(k\right)---\left(38\right)$

其中CINJ是考虑到UFF而喷射的校正量的燃油质量。下标SS表示发动机空气动态实现稳态时的循环。虽然SS的示例性值等于20(即第20个循环)，但应了解到该值可以基于发动机具体参数变化。UFF函数定义如下：

$\mathrm{UFF}={\mathrm{UFF}}_{20}(1-\frac{2}{\mathrm{\π}}\arctan \left(\frac{\mathrm{RINJ}\left(k\right)}{\mathrm{\γ}\left(\mathrm{ECT}\right)}\right))---\left(39\right)$

在上述表达式中，UFF₂₀指在示例性循环20处计算的UFF。参数γ(ECT)用于表征这样的形状，其满足获取递减的返回效果的校正要求。此单个基于ECT的参数简化了校准过程，并且在数据不充足时允许健壮的参数估计。对于给定的固定ECT，在正常发动机起动期间γ(ECT)的大小与第1下标的RINJ(RINJ(1))在相同范围内。γ(ECT)因此被视为在头几个发动机循环中用于RINJ校正的权重参数。

过渡燃油控制的前向质量守恒或单位增益的额定燃油动态(NFD)函数用以下自回归移动平均(ARMA)等式表示：

y(k)＝-β₁y(k-1)+α₀u(k)+α₁u(k-1)    (40)

其中y(k)表示MBFM而u(k)表示CINJ。等式40受到单一约束：1+β₁＝α₀+α₁.虽然NFD模型结构是一阶线性模型，但模型参数是ECT的函数。此外，在正常发动机起动下，参数α₀、α₁和β₁也被RPM和MAP略微影响。但是，在异常发动机起动下，使用这样的模型结构和参数设置的控制(即获取MAP和RPM效果)可能由于MAP和RPM预测的精度不够而导致不适当的燃油动态补偿。所以，参数α₀、α₁和β₁仅为ECT的函数。当用在过渡燃油控制中时，等式40被求逆以提供：

$u\left(k\right)=-\frac{{\mathrm{\α}}_1}{{\mathrm{\α}}_0}(u(k-1)+\frac{1}{{\mathrm{\α}}_0}y\left(k\right)+\frac{{\mathrm{\β}}_1}{{\mathrm{\α}}_0}y(k-1)---\left(41\right)$

其中y(k)是期望的缸内燃烧燃油质量(即需求燃油)而u(k)是额定动态调节燃油需求。

现在参照图4，图示了执行过渡燃油控制的示例性模块。燃油控制通常包括GPO预测(即用于开动、开动至运行和运行的多步骤GPO预测器)、所预测GPO和所需等效比率(EQR)曲线到燃油质量需求的转换、基于ECT安排的额定逆向燃油动态和基于ECT安排的逆向UFF函数。EQR_COM被确定为所需燃油空气比对当量燃油空气比的比，并且用来抵消燃油成分的差和在冷起动状况下对发动机提供强的供油。当量燃油空气比是碳氢燃油被完全氧化的特定燃油空气比。这些模块包括但不限于GPO预测器模块500、燃油质量转换模块502、逆向额定燃油动态模块504和逆向UFF模块506。

GPO预测器模块500基于P_BARO、MAP、TPS、RPM、T_OIL、SOC、GPC和IAT产生GPO_k+1|k、GPO_k+2|k、和GPO_k+3|k。所使用的具体的预测模型或多个模型取决于当前事件数和发动机模式(例如不发火和不良起动)，并且包括开动GPO预测、开动至运行GPO预测和运行GPO预测、不发火GPO预测以及不良起动GPO预测。燃油质量转换模块502基于GPO值和EQR_COM确定MBFM。逆向额定燃油动态模块504基于MBFM和ECT确定CINJ。逆向UFF模块506基于CINJ和ECT确定RINJ。气缸基于各自RINJ被供油。

现在参照图5，对于示例性4缸发动机图示了按事件分解的GPO预测安排方案。应了解到对于到具有不同数量气缸的发动机的应用可以调节GPO预测安排方案。还应了解到图5的曲线是对于处在气缸#3是第一个能够发火的气缸的示例性起动位置中的示例性发动机。本发明的过渡燃油控制可应用到其他起动位置(例如，气缸#1是第一个能够发火的气缸)。

点火开关接通事件表明发动机的开动，并且仅两个气缸被注油以避免万一不同步而存在打开气门喷油。气缸#1由于打开的进气门而不能被供油。使用开动GPO预测计算注入的燃油量。在第一事件(E1)处(在该处气缸#1处于进气BDC之前的75°CA处并且没有燃油喷射)，执行不同步校正并且仅开动GPO预测在操作。同样在E1处，执行气缸#3的GPO预测前第2步骤和气缸#4的GPO预测前第3步骤。基于GPO前第2和第3步骤确定各自的RINJ，并且气缸#3和#4基于RINJ被供油。

在第二事件(E2处)，气缸#3处于BDC之前的75°CA处并且进行GPO预测前第1步骤和燃油需求。开动GPO预测和开动至运行GPO预测同时操作。更具体而言，在E2处，使用开动GPO预测确定气缸#3的GPO预测前第1步骤和气缸#4的GPO预测前第2步骤(参见实线箭头)。使用开动至运行GPO预测确定气缸#2的GPO预测前第3步骤(参见虚线箭头)。基于GPO预测计算各自RINJ并且基于RINJ对气缸#3、#4和#2供油直至下一事件。

在第三事件处，气缸#4处于BDC之前的75°CA处，开动GPO预测和开动至运行GPO预测同时操作，并且气缸#3的燃油动态初始条件不再为零而必须在下一供油事件中被考虑到。更具体而言，在E3处，使用开动GPO预测确定气缸#4的GPO预测前第1步骤(参见实线箭头)。使用开动至运行GPO预测确定气缸#2的GPO预测前第2步骤和气缸#1的GPO预测前第3步骤(参见虚线箭头)。基于GPO预测计算各自RINJ，并且气缸#4、#2和#1基于RINJ被供油直至下一事件。

在第四事件(E4)处，气缸#2处于BDC之前的75°CA处，执行不发火检测，并且气缸#4的燃油动态初始条件不再为零而必须在下一供油事件中被考虑到。如果没有检测到不发火，使用开动至运行GPO预测确定气缸#2的GPO预测前第1步骤、气缸#1的GPO预测前第2步骤和气缸#3的GPO预测前第3步骤(参见虚线箭头)。如果检测到不发火，使用不发火预测确定气缸#2的GPO预测前第1步骤、气缸#1的GPO预测前第2步骤和气缸#3的GPO预测前第3步骤。基于GPO预测计算各自RINJ，并且气缸#2、#1和#3基于RINJ被供油直至下一事件。

在第五事件(E5)处，气缸#1处于BDC之前的75°CA处，执行不良起动检测，并且气缸#2的燃油动态初始条件不再为零而必须在下一供油事件中被考虑到。如果没有检测到不良起动，使用运行预测确定气缸#1的GPO预测前第1步骤、气缸#3的GPO预测前第2步骤和气缸#2的GPO预测前第3步骤。如果检测到不良起动，使用不良起动预测确定气缸#1的GPO预测前第1步骤、气缸#3的GPO预测前第2步骤和气缸#2的GPO预测前第3步骤。基于预测计算各自RINJ，并且气缸#1、#3和#4基于RINJ被供油直至下一事件。后续事件(E6-En)为类似的基于发火顺序的交替气缸(例如对于示例性4缸发动机在气缸#3首先发火情况下为1342)。当发动机速度稳定并且大于1400 RPM时，使用运行GPO。

提供了用于过渡燃油控制的UFF和NFD的校准处理。前向(即未求逆)NFD的状态变量表示提供为：

$\left\{\begin{array}{c}{m}_{\mathrm{dep}}\left(k\right)=(1-\mathrm{\τ})m_{\mathrm{dep}}(k-1)+(1-X)u\left(k\right)\\ m_{\mathrm{cyl}}\left(k\right)=\mathrm{\τ}{m}_{\mathrm{dep}}(k-1)+\mathrm{Xu}\left(k\right)\end{array}\right.---\left(42\right)$

系统输出为对应于ARMA公式中的y(k)的m_cyl(k)，并且系统输入为对应于u(k)的UFF校正喷射燃油质量(CINJ)。在已知的离散τ-X模型的上下文中解释状态变量m_dep(k)，τ可以被视为汽化率而X被视为直接馈通控制输入的百分率。状态变量等效于τ-X的构造满足单位增益属性，并且可以在ARMA形式中写为：

y(k)-(1-τ)y(k-1)＝Xu(k)-(X-τ)u(k-1)    (43)

可以注意到α₀与X相关，α₁与-(X-τ)相关并且β₁与-(1-τ)相关。状态变量模型和ARMA模型两者将被用于描述本发明的校准过程。

在本发明的校准过程中，质量守恒是指动态过程的单位增益、渐进稳定特性。如果渐进稳定、单位增益动态系统的初始条件相等地为零，则存储的能量为输入能量和输出能量之差。在NFD函数的状态变量表示的上下文中，当初始条件m_dep(0)相等地为零时以下陈述为正确的：

$m_{\mathrm{dep}}\left(T\right)=\underset{k=1}{\overset{T}{\mathrm{\Σ}}}u\left(k\right)-\underset{k=1}{\overset{T}{\mathrm{\Σ}}}{m}_{\mathrm{cyl}}\left(k\right)---\left(44\right)$

在示例性4缸发动机具有良好设计的发动机起动和开动至运行燃油控制的情况下，输入(u(k))和输出(m_cyl(k))将从第16发动机循环开始稳定地接近彼此。

所以，m_cyl(16≤k≤20)≈u(16≤k≤20)和以下为真：

m_dep(k)≥0                                       (45)

m_cyl(16≤k≤20)＝τm_dep(15≤k≤19)+Xu(16≤k≤20) (46)

$R=\frac{1-X}{\mathrm{\τ}}=\frac{m_{\mathrm{dep}}\left(20\right)}{m_{\mathrm{cyl}}\left(20\right)}\≈\frac{m_{\mathrm{dep}}\left(20\right)}{\frac{1}{5}\underset{k=16}{\overset{20}{\mathrm{\Σ}}}{m}_{\mathrm{cyl}}\left(k\right)}---\left(47\right)$

$R\≈\frac{\underset{k=1}{\overset{20}{\mathrm{\Σ}}}u\left(k\right)-\underset{k=1}{\overset{20}{\mathrm{\Σ}}}{m}_{\mathrm{cyl}}\left(k\right)}{\frac{1}{5}\underset{k=16}{\overset{20}{\mathrm{\Σ}}}{m}_{\mathrm{cyl}}\left(k\right)}---\left(48\right)$

如果CINJ已知则R是测量值。在以下等式中通过使用关系式X＝1-R

τ取代X而消除一个参数：

y(k)-(1-τ)y(k-1)＝Xu(k)-(X-τ)u(k-1)                     (49)

其提供：

u(k)-u(k-1)-y(k)+y(k-1)＝τ(y(k-1)-u(k-1)+R(u(k)-u(k-1))) (50)

因为等式(46)具有一个未知参数，即使在稀疏数据的情况下最小平方算法也可以健壮地识别参数τ。这样，假定稀疏和有噪声数据下使用模型参数之间的内在关系校准模型。结果，强制质量守恒在稀疏和有噪声数据情况下大大减小了校准过程中的参数变动。

本发明的校准过程包括UFF函数和NFD函数的同时优化。以下测试表举例说明了为在开动至运行过渡工况期间便于燃油控制的校准处理的示例性最小要求。

表1

表1仅仅是在ECT的不同值下的采样方案的示例。如果ECT的范围被足够好的覆盖可以使用在这些之上的变化。

现在参照图6，将详细说明UFF₂₀(ECT)的校准。在UFF₂₀(ECT)的校准期间，在每个ECT下取从循环18至20的平均RINJ和MBFM测量值。在此计算中仅使用良好起动。为良好起动的每次测试计算UFF₂₀。经由标准回归得到用于获取连续(即平滑)UFF₂₀(ECT)函数的三阶多项式。作为回归的UFF₂₀函数最大输出的饱和限制被设定等于1。如图6的曲线所示这发生在较高ECT处。

现在参照图6和7，将详细说明在固定ECT值下γ(ECT)和NFD函数的校准。发生递减返回的效果(即传送的燃油对从该燃油产生能量)，其中参数γ(ECT)作为ECT的函数而变化。此效果对较低ECT变得尤为显著，直至ECT降低到约-20℃之下，在该温度点处γ(ECT)变得恒定。例如在低于-20℃的温度下UFF函数的校正效果之间仅有的差来自UFF₂₀(ECT)的贡献。此外，当UFF₂₀(ECT)接近1时，递减返回效果变得可忽略。结果，参数γ(ECT)对于超过ECT该值的温度不会变化。UFF函数的此非线性行为在图6和7的示例性曲线图中进行了概括。

现在参照图8，将详细描述校准γ(ECT)和NFD函数的多步骤过程。此多步骤过程是一个优化例程。在步骤800中，在给定ECT处从γ(ECT)的合理初始值开始优化。下表中示出了初始γ(ECT)合理的值：

ECT	γ(ECT)
		-25℃	500
-20℃	450
		-10℃	400
-5℃	350
		0℃	300
10℃	250
		25℃	200

表2

在步骤802，等式38被用来计算CINJ。UFF₂₀(ECT)从每个单个的测试而非从上述回归UFF₂₀(ECT)函数获得。在步骤804，等式44用来计算燃油存储量(m_dep(T))，其中T被设定为期望值(例如20)。

在步骤806，基于以下等式计算平均比(R_avg)：

$R_{\mathrm{avg}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}R---\left(51\right)$

其中n≥3是在给定ECT下的良好起动测试的次数。在等式49的ARMA表示中，X在步骤806中由X ＝1-R_avgτ取代。在步骤808，根据以下等式基于τ计算X：

X＝1-R_nvgτ(52)

并且基于简化的ARMA等式50执行基本的最小平方算法来确定τ。在步骤810中NFD函数基于CINJ和y(k)的零初始条件在前向上(即未求逆)仿真。

在步骤812，对循环1至20获取仿真的MBFM，从循环3至20确定仿真的MBFM和实际的MBFM之间的平均平方误差(MSE)。在步骤814，判断MSE是否小于预定阈值(MSE_THR)。如果MSE不小于MSE_THR，在步骤816中γ(ECT)、τ和X全部更新，并且控制循环返回步骤802。如果MSE小于MSE_THR，γ(ECT)、τ和X的值在步骤818中返回，并且结束此特定ECT的优化。对每个ECT值重复优化过程。

对每个气缸在循环1处的RINJ的UFF校正要求不同于循环2及其他循环。所以，规定UFF函数中在循环1处的自由参数(UFF(1))并且执行识别该参数的优化。UFF(1)仅应用于循环1处的RINJ校正。所以，参数UFF(1)同样仅在循环1处的燃油动态控制中使用。以下两个等式概括了UFF函数方程中的上述调节：

CINJ(k＝1)＝UFF(1)RINJ(k＝1)                    (53)

$\mathrm{CINJ}(k>1)={\mathrm{UFF}}_{20}\left(\mathrm{ECT}\right)(1-\frac{2}{\mathrm{\π}}\arctan \left(\frac{\mathrm{RINJ}(k>1)}{\mathrm{\γ}\left(\mathrm{ECT}\right)}\right))\mathrm{RINJ}(k>1)---\left(54\right)$

还预计可以执行第二方案以同时校准γ(ECT)和UFF。对于控制执行，基于最差情况发动机起动情形来做出使用哪种校准的选择(即在γ(ECT)或者γ(ECT)和UFF之间)。例如，对于直列4缸发动机，同时的γ(ECT)和UFF是优选的。对于V-8发动机，因为更大的惯性，由于在不良起动期间减小的RPM波动单独的γ(ECT)是优选的。

使用上述过程产生一组NFD模型。使用线性插值方法来根据ECT值安排控制模块。更具体而言，在正常发动机起动下，参数α₀、α₁和β₁仅被RPM和MAP略微影响。但是，在异常发动机起动下，由于MAP和RPM预测的精度不够而导致不适当的燃油动态补偿。所以，参数α₀、α₁和β₁仅为ECT的函数。基于NFD的单位增益属性，仅两个参数(例如β₁和α₀)需要基于ECT安排。α₁基于β₁和α₀计算。线性ECT安排的NFD模型被求逆以提供：

$u\left(k\right)=-\frac{{\mathrm{\α}}_1}{{\mathrm{\α}}_0}u(k-1)+\frac{1}{{\mathrm{\α}}_0}y\left(k\right)+\frac{{\mathrm{\β}}_1}{{\mathrm{\α}}_0}y(k-1)---\left(55\right)$

其中y(k)是期望的缸内燃烧燃油质量(即CINJ)。

从上述优化例程获取的γ(ECT)的值被插值以形成ECT整个范围上的连续函数。更具体而言，分段线性插值方法被用来安排γ(ECT)。图7的曲线图示出了基于线性插值方法的安排的示例。

现在参照图9，图示了用于固定ECT的前向(即未求逆)UFF函数的基础特性。处理递减返回效果外，存在固有饱和效果。更具体而言，CINJ的一些值可能不包括合理范围内的对于RINJ。上述过渡控制求逆UFF函数。线性样条技术被执行来求逆前向UFF函数并且新变量定义为：

$\mathrm{CINJ}\_D\_\mathrm{UF}{F}_{20}\left(k\right)=\frac{\mathrm{CINJ}\left(k\right)}{{\mathrm{UFF}}_{20}\left(\mathrm{ECT}\right)}---\left(56\right)$

前向UFF函数的求逆问题简化为以下等式

$\mathrm{CINJ}\_D\_\mathrm{UF}{F}_{20}\left(k\right)=(1-\frac{2}{\mathrm{\π}}\arctan \left(\frac{\mathrm{RINJ}\left(k\right)}{\mathrm{\γ}\left(\mathrm{ECT}\right)}\right))\mathrm{RINJ}\left(k\right)---\left(57\right)$

线性样条技术被应用到等式57并且可以获得以下关系式：

RINJ(k)＝LSP(CINJ_D_UFF₂₀(k)，ECT)           (58)

其中LSP表示由线性样条进行的近似。

在使用由线性样条进行近似的逆向UFF函数的控制计算中使用两步骤过程。更具体而言，在使用NFD函数计算CINJ(k)之后，回归的UFF₂₀(ECT)函数被用于如下地计算CINJ_D_UFF₂₀(k)：

$\mathrm{CINJ}\_D\_\mathrm{UF}{F}_{20}\left(k\right)=\frac{\mathrm{CINJ}\left(k\right)}{{\mathrm{UFF}}_{20}\left(\mathrm{ECT}\right)}---\left(59\right)$

随后，上述逆向UFF函数的线性样条近似被用于如下地获取RINJ(k)：

RINJ(k)＝LSP(CINJ_D_UFF₂₀(k)，ECT)     (60)

现在参照图10和11，逆向UFF函数被视为使用线性样条技术近似的两输入、一输出的静态映射图。因为在逆向UFF函数近似中RINJ的完整图形在CINJ足够大时不可能获得，引入RINJ上的饱和限制以实现在每个固定ECT处CINJ和RINJ之间的一一映射。此特殊处理在图10和11中进行了描绘，其中图10概括了敏感性效果而图11表示了饱和限制的执行。除了在CINJ和RINJ的合理范围内对逆向UFF函数近似实现一一映射外，执行饱和限制在不良发动机起动的情况下减小了燃油控制的敏感性。

根据以下等式，通过在每个给定γ(ECT)处允许RINJ(k)增大使得CINJ_D_UFF₂₀(k)接近饱和限制来确定饱和限制：

$\mathrm{CINJ}\_D\_\mathrm{UF}{F}_{20}\left(k\right)=(1-\frac{2}{\mathrm{\π}}\arctan \left(\frac{\mathrm{RINJ}\left(k\right)}{\mathrm{\γ}\left(\mathrm{ECT}\right)}\right))\mathrm{RINJ}\left(k\right)---\left(61\right)$

足以达到饱和限制的RINJ(k)示例是RINJ(k)＝4×γ(ECT)，在该情况下提供以下等式：

$\mathrm{CINJ}\_D\_\mathrm{UF}{F}_{20}\left(k\right)\≈4(1-\frac{2}{\mathrm{\π}}\arctan \left(4\right))\mathrm{\γ}\left(\mathrm{ECT}\right)\≈0.62\mathrm{\γ}\left(\mathrm{ECT}\right)---\left(62\right)$

确定与90％的CINJ_D_UFF₂₀(k)相对应的RINJ(k)值。为简便起见，RINJ(k)和CINJ_D_UFF₂₀(k)的对应值此处分别标示为RINJ^90％和CINJ_D_UFF₂₀ ^90％。建立数据对使得当CINJ_D_UFF₂₀(k)≥CINJ_D_UFF₂₀ ^90％时，RINJ(k)限幅在或者说限制到RINJ^90％的值。数据对被用来为不同ECT值构造等式60的线性样条近似函数。

本领域技术人员现在可以从上述描述中了解到本发明宽广的教导可以以多种形式实现。所以，虽然已经结合其具体示例描述了本发明，但本发明的真实范围不为此所限，因为通过学习附图、说明书和所附权利要求其他修改对技术人员显而易见。

Claims (24)

1. 一种燃油控制系统，用于在发动机起动和开动至运行过渡工况期间调节供应至内燃机气缸的燃油，包括：

第一模块，其基于所利用燃油百分率模型和额定燃油动态模型确定原始喷射燃油质量；和

第二模块，其基于所述原始喷射燃油质量调节对所述发动机气缸的供油直至所速气缸的燃烧事件开始；

其中基于来自多个测试起动的数据校准所述燃油百分率和额定燃油动态模型的每个，所述多个测试起动基于预定测试安排。

2. 根据权利要求1所述的燃油控制系统，其中所述燃油百分率和额定燃油动态模型的校准同时发生。

3. 根据权利要求1所述的燃油控制系统，其中第三模块确定预定数量的发动机循环上的平均原始喷射燃油质量和平均测量燃烧燃油质量。

4. 根据权利要求3所述的燃油控制系统，其中基于所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量校准所述燃油百分率模型。

5. 根据权利要求3所述的燃油控制系统，其中在多个发动机冷却液温度下确定所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量。

6. 根据权利要求1所述的燃油控制系统，其中所述第三模块在固定的发动机冷却液温度间隔下校准所述额定燃油动态模型和成形参数。

7. 根据权利要求6所述的燃油控制系统，其中基于初始成形参数值、校正燃油质量、燃油百分率值和原始喷射燃油质量来校准所述成形参数。

8. 根据权利要求6所述的燃油控制系统，其中基于汽化率和平均比来校准所述成形参数，所述平均比是基于在预定数量发动机循环上的校正燃油质量和测量燃烧燃油质量所确定的。

9. 一种校准由燃油控制系统处理的模型的方法，该燃油控制系统在发动机起动和开动至运行过渡工况期间调节供应至内燃机气缸的燃油，所述方法包括：

基于所利用燃油百分率模型和额定燃油动态模型确定原始喷射燃油质量；

基于预定测试安排执行预定次数的发动机起动；

基于所述原始喷射燃油质量在每个所述发动机起动期间调节对所述发动机气缸的供油直至所述气缸的燃烧事件，其中基于来自所述发动机起动的数据校准所述燃油百分率和额定燃油动态模型的每个。

10. 根据权利要求9所述的方法，其中所述燃油百分率和额定燃油动态模型的校准同时发生。

11. 根据权利要求9所述的方法，还包括确定每个发动机起动中预定数量的发动机循环上的平均原始喷射燃油质量和平均测量燃烧燃油质量。

12. 根据权利要求11所述的方法，其中基于所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量校准所述燃油百分率模型。

13. 根据权利要求11所述的方法，其中在多个发动机冷却液温度下确定所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量。

14. 根据权利要求9所述的方法，其中还包括在固定的发动机冷却液温度间隔下校准所述额定燃油动态模型和成形参数。

15. 根据权利要求14所述的方法，其中基于初始成形参数值、校正燃油质量、燃油百分率值和原始喷射燃油质量来校准所述成形参数。

16. 根据权利要求14所述的方法，其中基于汽化率和平均比来校准所述成形参数，所述平均比是基于在预定数量发动机循环上的校正燃油质量和测量燃烧燃油质量所确定的。

17. 一种校准燃油控制系统的方法，该燃油控制系统在发动机起动过渡工况期间调节供应至内燃机气缸的燃油，所述方法包括：

基于预定测试安排在多个发动机冷却液温度下执行预定次数的发动机起动；

基于所利用燃油百分率模型和额定燃油动态模型确定原始喷射燃油质量；

基于所述原始喷射燃油质量在每个所述发动机起动期间调节对所述发动机气缸的供油直至所述气缸的燃烧事件；和

基于来自所述发动机起动的数据校准所述燃油百分率和额定燃油动态模型的每个。

18. 根据权利要求17所述的方法，其中所述燃油百分率和额定燃油动态模型的校准同时发生。

19. 根据权利要求17所述的方法，还包括确定每个所述发动机起动中预定数量的发动机循环上的平均原始喷射燃油质量和平均测量燃烧燃油质量。

20. 根据权利要求19所述的方法，其中基于所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量校准所述燃油百分率模型。

21. 根据权利要求19所述的方法，其中基于所述多个发动机冷却液温度中的每个确定所述平均原始喷射燃油质量和所述平均测量燃烧燃油质量。

22. 根据权利要求17所述的方法，还包括在固定的发动机冷却液温度间隔下校准所述额定燃油动态模型和成形参数。

23. 根据权利要求22所述的方法，其中基于初始成形参数值、校正燃油质量、燃油百分率值和原始喷射燃油质量来校准所述成形参数。

24. 根据权利要求22所述的方法，其中基于汽化率和平均比来校准所述成形参数，所述平均比是基于在预定数量发动机循环上的校正燃油质量和测量燃烧燃油质量所确定的。

Images