CN101855440B - 汽车系统中的爆震信号检测 - Google Patents

Abstract

在汽车系统(300)中，提供了一种爆震检测方案，用于检测内燃机中的爆震事件，其由诸如非介入式声敏加速度传感器(310)的传感器结构来感测以生成由信号处理结构(312、316、318、326)处理的传感器信号信息，信号处理结构从传感器信号信息中提取数字信号参数以识别数字信号信息中结合用来提供发动机爆震行为的正指示的预定基音频率(330)和任何短期能量增加(328)。当使用短期傅里叶变换(324)来提取数字信号参数时，通过对要被变换的数字信号适当地加窗，可以提高时频分辨率。

Description

汽车系统中的爆震信号检测

技术领域

本发明总体上涉及内燃机领域。一方面，本发明涉及通过预测爆震信号来改进燃烧处理的系统和方法。

背景技术

随着汽油供应的减少以及变得更加昂贵，存在对高效燃料消耗的不断增长的需求。此外，对内燃机所导致的环境影响的关注增加了对具有发动机排放减少的内燃机的需求。尽管汽车制造商已经试图通过增加发动机压缩比来满足这些需求，但这可能导致发动机的爆震，其为自发以及偶发产生的燃烧所不期望的模式，导致污染的增加并且损坏发动机部件，以及产生令人不愉快的金属般的噪音。

为了增加燃料经济性以及减少发动机排放，曾经试图感测或检测发动机爆震，并且接着使用所检测的爆震信号来控制发动机燃烧处理。典型的汽车系统使用诸如加速度传感器(jerk sensors)或者压电或压电陶瓷(piezoceramic)加速度传感器的传感器来捕获或检测爆震事件。例如，根据燃烧室的尺寸以及气缸充气的声速，缸内压力振动激发能够由加速度传感器测量的结构振动脉冲。气缸的混响共振通常位于2kHz和12kHz之间。如认识到的，通过如下等式给出特定发动机气缸几何形状的爆震频率的粗略估计：

$f_r=\frac{P_{\mathrm{mn}}\·C}{\mathrm{\π}\·B}---\left(1\right)$

其中f_r是爆震共振频率，P_mn是振动模式常数，C是气缸中燃气的声速以及B是气缸的半径。

图1显示了传统爆震检测方案10的示例，其描述了标准爆震检测算法中的不同块。在检测阶段11，爆震传感器辅助检测爆震事件。爆震传感器可以是非介入式传感器(例如，简单加速度传感器)或者介入式传感器(例如，用以作为测量燃烧室的共振频率中释放的爆震能量的基准的压电陶瓷)。接着在信号处理阶段12，在数字或模拟域中处理所检测的信号，并且在提取阶段13提取参数(诸如压力或振动)。存在多种方法用于提取发动机爆震所产生的共振频率的能量，包括时间序列处理、频率处理以及将一维信号转换成作为时间和频率的函数的二维表达式的时-频分布(TFD)技术。例如，使用最广泛的TFD是短时傅里叶变换(STFT)，并且研究人员还开发出了各种时-频分布，诸如维格纳-威利(Wigner-Ville)分布的平滑版本，并且在爆震压力信号的研究中采用它。使用这类分布的具有爆震的信号的表示显示了信号的非平稳特性，以及共振频率值对于时间的依赖性。

如认识到的，根据所使用的传感器类型以及参数提取阶段的具体实现，在精确地检测爆震信号时存在不同的挑战。例如，磁致伸缩加速度传感器(magnetostrictive jerk sensors)在检测爆震信号时是高效的，但为了成本效益它们通常具有太多的组件。另一方面，直接附加于气缸垫或发动机体的简单加速度传感器能够测量因为发动机爆震而在燃烧室中引发的振动的强度，从而提供每个气缸的局部信息。尽管它们是非介入的并且易于使用，但加速度传感器对发动机振动和来自发动机金属部件的冲击(shocks)很敏感。

参数提取阶段也可能引入错误。例如，与短时傅里叶变换(STFT)相关的一个缺陷是振幅模糊(amplitude smearing)效应阻止了瞬间频率参数被正确估计。为了描述该问题，图2和3描述了信号频率的两种不同的振幅特性曲线测量，其中y轴为对数刻度。图2中，振幅特性曲线21所针对的是与STFT的窗口(bin)频率中的一个相一致的正弦信号频率，在这种情况下在STFT之后保持原始振幅。而图3描述了位于STFT的两个相邻窗口频率之间的正弦信号频率的振幅特性曲线22，在这种情况下能量遍布整个频谱。由于振幅模糊效应，在该情况下检测的振幅较低。这显示在图4和5中，其描述了信号频率的两个不同的振幅特性曲线测量，其中y轴为线性刻度。图4中，振幅特性曲线23(大约510)针对与STFT的窗口频率中的一个相一致的正弦信号频率而显示，而图5显示了当峰值频率位于两个相邻频率窗口之间时所检测的振幅特性曲线24(大约435)较低。与STFT方案相比，复杂的时-频分布(例如，维格纳-威利分布)计算量较大，并且在多分量信号的情况下可能产生混淆干扰(confusing artifacts)，其导致了基音检测(pitch detection)中的误差。

如同从前面描述中所能看到的一样，检测内燃机中的发动机爆震的传统方法过于复杂、费用高昂并且不可靠。此外，由于对外部信号(诸如发动机振动和冲击)敏感以及因为传统的STFT提取方案所导致的振幅模糊效应，这类系统不能精确地测量信号频率。因此，存在对改进的检测内燃机中爆震信号的系统和方法的需求。还存在对发动机爆震检测方案的需求，该方案提供一种精确测量和检测发动机爆震事件而使得发动机控制算法能够最小化其不良影响方案的方式。此外，存在对克服本领域中诸如上面所述的问题的爆震检测系统和方法的需求。对于本领域技术人员而言，在结合附图以及随后的详细描述来阅读本申请的剩余部分之后，传统处理和技术的更多局限和缺点将变得显而易见。

附图说明

当结合下列附图来考虑优选实施例的下列详细描述时，可以理解本发明及其众多的目的、特征和所获得的优点。

图1以框图形式描述了传统爆震检测处理中的阶段；

图2和3描述了信号频率的两种不同的振幅特性曲线测量，其中y轴为对数刻度；

图4和5描述了信号频率的两种不同的振幅特性曲线测量，其中y轴为线性刻度；

图6以框图形式描述了其中实现根据本发明所选实施例的爆震检测方案的汽车系统；

图7描述了根据本发明所选实施例的检测发动机爆震的示例性流程序列；

图8-10针对不同类型的发动机操作条件描述了时域中的数字化传感器数据测量；

图11和12描述了在(a)具有爆震和(b)不具有爆震的低通模拟过滤之后传感器数据的数字化频谱测量；

图13以时序图形式描述了用来控制传感器数据的数字采样为爆震数据段的爆震窗口；

图14描述了去除非窗口分量之后的数字化采样的传感器数据测量；

图15描述了根据本发明所选实施例的可用于抗混叠滤波的四种不同IIR滤波器的频率响应；

图16描述了数字化过滤的爆震信号的频率响应；

图17描述了可用于STFT模块的不同窗口的规格化频谱；

图18绘制(plots)了不同基频的失配误差；以及

图19-21描述了不同类型的爆震事件的平均帧能量测量。

如认识到的，为了描述的简明和清楚，无需按照比例来绘制附图中所示的元件。例如，出于促进和提高清晰度及理解的目的，某些元件的尺寸会相对于其它元件而被放大。而且，在被视为适当的情况下，在附图中重复使用附图标记来表示对应或类似的元件。

具体实施方式

描述了用以有效地并且精确地检测内燃机中的爆震事件的发动机爆震信号处理系统和方法。通过使用非介入式传感器(诸如加速度传感器)来检测发动机爆震信号，能够测量因为爆震事件而在燃烧室中引发的振动的强度。在经过低通过滤以后，将所测量的振动信号从模拟形式转换为数字形式，允许应用数字处理技术来提取参数以检测信号中爆震事件的出现。接下来，通过应用抗混叠滤波、抽取过滤信号(例如，通过系数D)以及使用时-频技术(诸如STFT)将所抽取的过滤信号转换成作为时间和频率的函数的二维表达式来提取参数。通过抽取过滤信号来减少其采样频率，由于以较低的频率来计算STFT，所以减少了处理器上的计算负荷。此外，通过为STFT选择最小化频谱泄漏以及提高主频的适当窗口函数，能够提高STFT的频率分辨率。根据信号中所检测的频率分量，计算信号的基频。一旦提取了相关参数，则检测基音频率的出现以及信号的短期能量中的任何增加以指示信号中爆震事件的出现。通过结合基音检测和基于能量的爆震检测，提供了一种更精确的爆震检测算法，其具有更少的可能由完全基于能量的算法所产生的“假”爆震检测。

现在，将参考附图详细地描述本发明的各种示例性实施例。尽管在下面的描述中阐述了各种细节，但将认识到，可以脱离这些具体细节来实践本发明，并且对于此处所述的发明可以做出各种实现特定的决定以实现设备设计人员的、将会随实现的不同而变化的特定目的，诸如与工艺技术或设计相关约束的兼容性。尽管这样的开发努力可能是复杂且耗时的，但其应当是受益于本公开内容的本领域普通技术人员所采取的惯用程序。例如，以框图形式而不是详细地显示所选方面以避免限制本发明或者使本发明不清楚。此外，此处所提供的详细描述中的某些部分通过计算机存储器中数据的算法或操作来表示。本领域技术人员使用这些描写和表示来向本领域的其它技术人员描述和传达他们工作的实质。一般而言，算法涉及导致期望结果的有条理(self-consistent)的步骤序列，其中“步骤”涉及物理量的操作，所述物理量可以(但无需必要地)采用能够被存储、传输、组合、比较以及以其它方式操作的电信号或磁信号形式。通常用法是将这些信号称为位、值、元件、符号、字符、术语、数字或类似形式。这些以及类似术语可以与适当的物理量相关联并且仅仅是施加给这些物理量的便利标签。除非明确声明，否则如从下面描述中所显而易见的一样，会认识到在整个说明书中，使用诸如“处理”或“计算”或“运算”或“确定”或“显示”或类似的术语的描述涉及计算机系统或类似电子计算设备的动作和处理，其操作计算机系统的寄存器和存储器中的物理(电子)量所表示的数据并将它们转换为类似地由计算机系统存储器或寄存器或其它这类信息存储、传输或显示设备中的物理量所表示的其它数据。现在，将参考附图详细地描述本发明的各种示例性实施例。

图6以框图形式描述了其中实现根据本发明所选实施例的爆震检测方案的汽车系统300。在所述示例中，汽车系统300包括发动机301和反馈控制信号334以控制发动机301的运行的发动机控制单元(ECU)302。该控制信号334用于调整发动机301的运行，从而至少最小化(如果不能完全去除)爆震行为。这类调整的性质是本领域技术人员所公知的。

可操作地耦接发动机301的是传感器结构，其包括位于发动机内的至少一个(对于一个气缸)爆震传感器310。传感器结构可操作地耦接可以实现为ECU 302的一部分或与ECU 302分离的信号处理结构，以检测、感测和测量因为发动机中的爆震事件而在燃烧室中包含的振动。在ECU 302中，通过信号预处理阶段312、参数提取阶段318以及爆震检测阶段326来处理振动信号，上述阶段结合起来检测共同表明发动机爆震事件的出现的预定基音频率和任何短期能量增加。将认识到，可以通过软件或其它控制逻辑所控制的专用硬件电路和/或处理单元来实现这些阶段中的任何一个或更多个。

在所选实施例中，爆震传感器可以实现为直接附加于发动机301中的气缸垫或发动机体(未示出)的加速度传感器，从而提供具有成本效益的振动传感器。当然，可以使用诸如加速度传感器或者压电或压电陶瓷加速度传感器的其它传感器。响应于感测或测量发动机气缸中的振动，爆震传感器310生成传感器数据信号313。尽管也可以使用诸如博世(Bosch)传感器的其它传感器，但图6描述了西门子(Siemens)传感器的典型爆震传感器特性曲线311。如从图6所包含的信号特性曲线311的绘图中所看到的一样，传感器特性曲线311通常包含高频信号响应分量(例如，超过30kHz)，其仅仅提供爆震事件的大致表示并且应当被过滤以防止对较低频段的混叠效应。

为了从传感器数据信号313中去除高频信号特性曲线噪声分量，模拟预处理模块312可以对传感器数据信号313应用低通模拟过滤314。在示例性实现中，模拟过滤314从传感器数据信号313中去除超过25kHz的信号频率分量。该模拟过滤步骤去除高频噪声分量，从而生成预处理的或低通过滤的信号315。将认识到，在模拟预处理阶段312，可以在传感器数据信号313上执行其它模拟预处理步骤。

为了数字化传感器数据，模数转换器(ADC)316将低通过滤的信号315采样为数字化的信号317。这可以通过将输入数据信号315转换成被划分为帧的数字采样来完成。在示例性实施例中，ADC 316将100kHz的输入数据信号315采样为数据帧，每一帧具有256个采样。将认识到，可以使用其它采样率和帧大小，其中在较高时间或频率分辨率之间权衡帧大小。通过数字化预处理信号315，可以使用数字处理技术来提取参数以检测数字化信号317中爆震事件的出现。

在各种实施例中，可以通过离散的以及可分别编程的硬件电路来实现ADC 316、抗混叠滤波器320和抽取器322中的一个或更多个。可替代地，可以将这些单元中的一或更多个集成为单个增强型数字采样单元，其集成了能够以高速率接受ADC转换结果、通过硬件低通滤波器传递所述结果、接着对滤波器的输出进行向下采样并且输入较低采样率结果至结果FIFO的可编程ADC和抗混叠抽取滤波器。这允许ADC以足够高的速率来采样传感器以避免带外噪声的混叠，而提供减小的采样率输出以最小化完全处理数字化波形所需的DSP处理带宽量。

图8-10描述了数字化传感器数据信号317的示例，针对不同类型的发动机操作条件显示了时域中的传感器数据。首先，图8显示了当发动机点火较早时出现0.175秒的爆震的数字化传感器数据51。在图9，数字化传感器数据52显示在点火较晚的情况下信号的能量中没有突变。最后，图10显示了在发动机正常点火的情况下信号的能量中没有突变。在这些示例的每一个中，对运行在3600rpm的发动机进行测量并且在100kHz进行采样。如这些测量所示，发动机气缸中的振动因为爆震事件的出现而增加。通过产生气缸共振频率的谐振，来自于爆震事件的这些振动还增加了短期能量级，如图11和12所示，其描述了在(a)具有爆震和(b)不具有爆震的低通模拟过滤之后传感器数据的频谱测量。当爆震事件出现时(如图11的数字化传感器数据61中所示)，气缸的共振和谐振频率显示为处于7kHz以及更高谐振频率的能量脉冲。然而，当没有爆震事件出现时(如图12的数字化传感器数据62中所示)，没有处于谐振和共振频率的能量脉冲尖峰。

尽管在此结合数字化单个传感器数据信号315来描述，但ADC316可以实现为多通道或增强型排队ADC，从而同时处理来自多个气缸的多个爆震传感器数据信号的采样。通过提供能够在分离的队列或通道中接收和独立处理来自分离源的数据的ADC 316，能够并行地采样来自不同气缸的传感器数据。为了允许ADC 316直接连接至高阻抗声敏爆震传感器，ADC 316可以包括：差分输入；用于增加动态范围的一体化可变增益放大器；以及用于偏置以及传感器诊断的可编程上拉和下拉电阻。

在所选实施例中，通过控制ADC 316的采样操作可以从传感器数据315中去除外部信息，使得采样仅仅出现在预定采样或爆震窗口期间。结果是ADC 316采样仅仅位于爆震窗口内的模拟传感器数据315，否则不生成采样输出。可以结合指定窗口延迟值、窗口持续时间值、窗口结束值和/或窗口期间值的爆震窗口参数来定义爆震窗口71(或者其序列71、72等)。图13中描述了这些参数，其以时序图形式显示了用于提取爆震数据段信息的爆震窗口71、72的参数值。在操作中，在每个爆震窗口缓存来自传感器的数据，同时去除非窗口分量。图14显示了所得到的ADC输出，其描述了在去除非窗口分量82之后的爆震传感器数据测量值81。随着发动机条件的改变，可以相应地调整爆震窗口参数。表1提供了不同爆震窗口参数的示例性列表，这些参数能够用来以在100kHz采样的针对4缸GM发动机的不同的每分钟转数(RPM)来控制ADC 316。

表1：爆震窗口参数

一旦通过ADC 316生成数字化信号317，则可以在参数提取模块318中处理它以提取参数信息。在所选实施例中，通过应用抗混叠滤波器320、通过抽取器322抽取过滤信号并且接着使用时-频分布技术将所抽取的过滤信号转换成作为振幅和频率的函数的二维表达式来提取参数信息。在各种实施例中，通过STFT模块324来实现转换，该模块通过为输入信号选择提高主频的窗口而正确估计瞬间频率和所检测信号的振幅。

抗混叠滤波器320的功能是从输入数据317中去除高频分量，并且由此能够由任何期望的数字滤波器结构来实现。在所选实施例中，选择四阶椭圆形IIR滤波器作为抗混叠滤波器，因为其具有陡峭滚降(roll-off)并且最小化了滤波器的阻带频率中的能量。图15描述了可用于抗混叠滤波器320的具有22kHz的截止频率的四个不同的四阶IIR滤波器的频率响应。具体地，频率响应90描述了巴特沃斯(Butterworth)IIR滤波器，频率响应91描述了椭圆形IIR滤波器，频率响应92描述了切比雪夫(Chebyshev)1IIR滤波器，而频率响应93描述了切比雪夫2IIR滤波器。在所述示例中，椭圆形滤波器特性曲线93具有陡峭滚降和最小阻带隙(stop-gap band)能量的最佳组合，接下来依次是切比雪夫1滤波器、巴特沃斯滤波器和切比雪夫2滤波器。在过滤结果方面，抗混叠滤波器320用来使传感器数据信号317中低于20kHz的频率分量通过并且阻止传感器数据信号317中高于30kHz的频率分量。尽管IIR滤波器320改变了爆震信号317的相位信息，但这对所公开的爆震检测方案的操作并不重要。图16描述了应用抗混叠滤波器320的结果，其描述了所过滤的爆震信号321的特性曲线以显示与图11中所述的未过滤的爆震信号317的频率分量相比，高频噪声分量从所过滤的爆震信号321中去除了。

在抽取器322，利用系数D减少输入的已采样数字信号317的采样频率来产生与输入数字信号317相比具有减少的采样频率的抽取信号323。尽管可以使用任何期望的抽取系数D，但在示例实施例中，通过降低采样从100kHz到50kHz来抽取输入的已采样数字信号317。通过减少输入的已采样数字信号317的频率，因为允许以更低频率执行后续的STFT计算，所以减少了处理器上的计算负荷。

通过STFT模块324执行提取参数信息的最后步骤，其转换抽取信号323以确定随时间变化的信号的局部的正弦频率和振幅量。在离散时间的情况下，将要被转换的数据信号323有效地划分为可能相互重叠的组块或帧。每个组块经过傅里叶变换，并且增加复数结果至矩阵，该矩阵针对时间和频率的每一个点记录幅度和相位。特别的并且通过结合图6所述的STFT波形325所述，输入信号x(n)(表示所抽取的输入信号323)乘以持续时间通常有限的窗口w(n)。计算乘积x(n).w(n)的傅里叶变换，并且接着按时间偏移窗口w(n)，并且再次计算乘积的傅里叶变换。该操作获得窗口中心的每个位置m的分离的傅里叶变换。换言之，STFT模块324计算两个变量ω和m的函数X_STFT(e^{j ω}，m)。频率变量ω是连续的，并且通常范围是-π≤ω＜π。偏移变量m通常是某些固定整数K的整数倍(即，m能够在{...，-2K，-K，0，K，2K，...}中取值)。

实际上，对于任何固定的m，窗口捕获m周围局部区域中的输入信号x(n)323的特征。因此，窗口有助于在获得频域信息之前局域化时域数据。从以上描述可知，能够将短时傅里叶变换算术地描述成：

$X_{\mathrm{STFT}}(e^{\mathrm{j\ω}},m)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}x\left(n\right)\·w(n-m)\·e^{-\mathrm{jam}}---\left(2\right)$

如果对于所有的n，w(n)＝1，则上述表达式缩减为针对m的任何选择的传统傅里叶变换。根据其定义，能够将STFT模块324当作具有有限数量滤波器的滤波器组。对于每个频率ω₀，STFT模块324执行滤波操作(例如，针对每个频率窗口的傅里叶变换形式的滤波操作)。根据所选实施例，其中仅仅对离散的频率集{0＜ω₀＜ω₁＜...＜ω_M-1＜2π}计算傅里叶变换，STFT模块324的功能缩减为具有M个带通滤波器的滤波器组。

不同于傅里叶变换，STFT直到窗口w(n)被指定时才被唯一定义。事实上，窗口的选择控制了“时间局域化”和“频率分辨率”之间的权衡。时域采样所开窗口的数目越大，频率分辨率越好。然而，这意味着错过“事件”出现的时间。另一方面，如果窗口大小减小，信号中时间的时间局域化会更好，但信号的频率分辨率(即，k/N)因为N变小而更差。根据特定频率分辨率，通过使用适当的窗口，能够实现期望的时间局域化，并且反之亦然。为了实现精确的爆震信号检测，应当谨慎地选择STFT模块324中的窗口函数以通过减小频率模糊效应来提高STFT的频率分辨率。根据所选实施例，选择最小化旁瓣(sidelobe)能量级和比率W(f₀-f₁)/W(0)的窗口函数。图17描述了可用于STFT模块324的四个不同窗口的规格化频谱。具体的，频率响应111描述了布莱克曼哈里斯(Blackman Harris)窗口，频率响应112描述了汉宁(Hanning)窗口，频率响应113描述了汉明(Hamming)窗口，而频率响应114描述了抛物线(parabolic)窗口。根据所述的示例，布莱克曼哈里斯窗口111具有陡峭滚降以及大部分频率范围上的最小阻带隙能量的最佳组合，接下来依次是汉宁窗口、汉明窗口和抛物线窗口。如同能够看到的一样，误差性能将取决于频率范围和第二正弦曲线的位置。

在爆震检测模块326中，所提取的参数用来检测预定基音频率(块330)以及检测任何短期能量增加(块328)。如果两者均在信号中出现，则检测到爆震信号(块332)。另一方面，如果仅仅检测到条件中的一个，则没有检测到爆震信号。例如，在发动机遭遇突然振动(诸如能够由开过坑洼或铁路轨道所导致)的情况下，加速度传感器可能检测到遍布所有频率的较高能量级，但可能检测不到共振基音频率。在这类情况下，爆震检测模块326可能不返回爆震事件，而完全基于能量的检测方案可能已经错误地检测到爆震信号。

为了实现双条件爆震检测模块326，提供了能量计算模块328，能量计算模块328使用所提取的频率和振幅信息327来计算时域中的短期能量值，其为特定的时间持续期间信号x(n)中的能量值并且由等式3定义：

$E_l=\underset{n=(l-1)\·N+1}{\overset{l-N}{\mathrm{\Σ}}}x{\left(n\right)}^2---3$

其中E_l是N个采样中第l个分析帧的能量。在其它实施例中，可以在频域中计算能量。附加的或者替代地，可以计算其它能量相关值，诸如平均帧能量，其通过对具有在前帧的预定数量的短期能量值的短期能量值进行组合和平均来确定。如下面所述，使用滤波和向下采样的信号的短期能量值，通过确定短期能量值是否存在增加来检测信号中爆震的出现。

爆震检测模块326还包括基音检测模块330，其使用所提取的频率和振幅信息329来计算所检测信号的基频。对于每一帧，这通过从STFT模块324的输出中选择关键频率以及比较每一窗口与其相邻窗口的振幅来完成。振幅谱中的这些峰值被称为泛音(partials)。基于信号频谱中最大数量泛音的最大公约数，从关键频率中选择最相近的基频。为了比较每个窗口与其相邻窗口的振幅，使用双向失配误差计算处理。该误差计算是双步骤处理，其中所测量的每个泛音首先与最近的预测谐振相比较以给出测量至预测误差(Err_p→m)。其次，所预测的每个谐振与最近的被测泛音相比较以给出预测至测量误差(Err_{m →p})。如等式[4]所示，总误差(Err_total)是这两个误差的加权组合：

${\mathrm{Err}}_{\mathrm{total}}=\frac{{\mathrm{Err}}_{p\→m}}{N}+\mathrm{\ρ}\·\frac{{\mathrm{Err}}_{m\→p}}{K}$

$=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}[\frac{\mathrm{\Δ}{f}_n}{f_n^p}+\frac{a_n}{A_{\max }}\·\{q\·\frac{{\mathrm{\Δf}}_n}{f_n^p}-r\left\}\right]+\mathrm{\ρ}\·\frac{1}{K}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}[\frac{{\mathrm{\Δf}}_k}{f_k^p}+\frac{a_k}{A_{\max }}\·\{q\·\frac{{\mathrm{\Δf}}_k}{f_k^p}-r\left\}\right]---\left(4\right)$

其中，N是由

给出的测试(trial)基频(f_fund)的谐振数目；

运算返回大于x的最小整数；f_max是最高频率；A_max是被测泛音的最大振幅；以及K是泛音的总数(即，每一帧中的关键频率)。如从等式4所看到的一样，总误差(Err_total)通过基频来规格化，并且并入有考虑泛音的振幅效应的因素，诸如信号基音的信号噪声比(SNR)。由于误差是所测泛音和最近谐振频率之间的频率差(Δf_n＝Δf_n＝|f_n-f_k|)的函数，所以最大误差出现在缺少谐振或者振幅比率小的时候。类似地，最小误差将出现在测试频率的大部分谐振出现或者振幅比率大的时候。例如，值p＝0.5、q＝1.4以及r＝0.5满足上述的加权属性。产生最小失配误差的频率是信号的基音。如果双向失配误差高于3，则检测不到基音。

爆震检测模块326还包括爆震判定模块332，其结合能量计算模块328和基音检测模块330的输出来检测爆震事件。尽管逻辑地实现为逻辑与门功能，但可以使用任何期望的比较电路或方法。例如，通过使用50％重叠的布莱克曼哈里斯窗口来计算超过128个采样(50kHz)的能量估计，以及使用上升沿检测器来实现着眼于当前帧的能量估计并且将其与在前帧的能量进行比较的简单预测器，输入信号的短期能量的上升沿可以用来检测输入信号中的短期能量增加。如果当前能量比在前帧能量大预定系数，则该帧被标识为可能称得上是发动机爆震。为了提供示例性实现，如果当前能量大于在前短期能量平均值的两倍并且大于前一帧能量的三倍，则该帧被当作爆震的候选。类似地，爆震判定模块332包括检测控制逻辑或电路以在5-10kHz的范围内检测预示信号中出现爆震事件的基音频率的出现。当满足两个条件时(即，基音频率的出现以及信号短期能量的增加)，爆震判定模块332预测帧包括爆震事件。

尽管各种不同种类的可用的信号处理和操作(handling)结构可以用来构成在此描述的信号处理结构的内容，但一种工作起来令人十分满意的配置采用的形式是由飞思卡尔(Freescale)制造并且作为JPC563M60微控制器来销售的多通道数据获取模块的组合。来自爆震传感器的模拟信号通过适当的模拟输入进入该结构，其后，在流入总线结构以与STFT模块(324)通信之前对这类信号进行模拟低通滤波(块312)、通过德尔塔-西格玛(delta-sigma)ADC转换器数字化(块316)、抗混叠滤波(块320)以及抽取(块322)。

还可以结合图7来描述本发明的所选实施例，其描述了根据本发明所选实施例的检测发动机爆震的示例性流程序列400。如图所述，当爆震检测器检测或测量发动机气缸中的振动，从而生成模拟信号时，处理开始(步骤402)。在数字化输入的模拟信号并且对数字化信号进行低通滤波(例如，通过抗混叠滤波器)以从输入数据中去除高频分量之后(步骤404)，应用短时傅里叶变换(STFT)(步骤406)以提取振幅和频率信息408。如上所述，应当谨慎地选择STFT中的窗口函数以提高STFT的频率分辨率，并且在所选实施例中，在STFT步骤406中使用布莱克曼哈里斯窗口。

基于从输入数据信号中提取的频率和振幅信息408，在步骤410计算信号的基频并且还计算信号的短期能量(步骤420)。基音频率的出现以及信号短期能量的增加指示信号中爆震事件的出现(步骤430)。

可以通过使用所提取的频率和振幅信息408首先检测峰值频率来实现基音频率检测步骤410(步骤412)。接下来，选择候选或所预测的基音频率(f_k)(步骤414)。基于信号频谱中最大数量泛音的最大公约数，从关键频率中选择候选频率。通过使用双向失配误差计算Err(f_k)(在步骤416)，比较峰值频率和候选基音频率，并且选择最小化误差函数Err(f_k)的候选基音频率作为基音频率(步骤418)。

为了演示如何在步骤410检测基音频率，考虑如下示例，将测试信号施加给包含正弦曲线系列{100，200，300，500，600，700，800}Hz的爆震传感器。对于f_fund＝50Hz的测试基频，所有的泛音均为谐振，但丢失了{50，150，250，350，400，450，550}Hz的谐振。相对照地，对于f_fund＝100Hz的测试基频，仅仅丢失{400}Hz的谐振。如果对其它测试基频(150，200，250Hz)应用相同的分析并且以使用等式[4]计算失配误差的方式来量化，则结果可以绘制成如图18中所示的那样。因为最小失配误差所对应的是100Hz的测试基频，所以它是给定的泛音集中的基频。这显示了基音检测算法能够成功地检测给定频率集中出现的基频。在所选实施例中，预定的硬性截止值(例如，3.0)可以用来从测试基频中选择基音频率，使得失配误差超过预定的硬性截止值的任何测试基频将不会被选为基音频率。通过限制失配误差，该算法保证不检测假基频。通过限制测试基频的范围，该算法有效并且更准确地确定输入信号中爆震事件的出现。

对于短期能量计算步骤420，可以通过使用所提取的频率和振幅信息408首先计算帧能量E_n来实现(步骤422)。如上所述，可以或者在时域或者在频域中计算帧能量以通过使用等式[3]累积帧内采样的信号能量来确定一个帧期间所检测信号323的能量值。接下来，计算平均帧能量(步骤424)，诸如对具有在前帧的预定数量的短期能量值的短期帧能量值E_n进行组合和平均。

为了演示如何在步骤436检测帧能量增加，考虑图19-21所示的示例性测试信号，其描述了不同类型的爆震事件的平均帧能量测量。具体的，针对其中出现爆震事件的第一超前点火测试信号130(以100kHz的采样率对转速3600rpm的发动机进行测量)，在图19中按帧来绘制爆震能量。此外，以波形131来绘制所计算的平均帧能量。如同能够看到的一样，平均帧能量131通常很小(例如，＜2)，但当帧18出现爆震事件时，帧能量急剧增加。这通过爆震检测算法被成功地检测，如所计算的平均帧能量波形131中的点132所示。相对照地，图20显示了其中爆震事件没有出现的第二正常点火测试信号140的绘图(以100kHz的采样率对转速为3600rpm的发动机进行测量)。类似地，图21显示了其中爆震事件没有出现的第三较晚点火测试信号150的绘图(以100kHz的采样率对转速为3600rpm的发动机进行测量)。当帧能量缺少显著增加(例如，＞4或5)，则不存在表明检测到爆震事件的所计算的短期能量波形的增加，如通过图20和21中缺少爆震事件指示来表示的。

将认识到，能够修改在此所述的爆震检测技术并且在处于如下采样级别的爆震窗口中使用它：标识爆震出现在哪个采样。此外，该算法通过减少帧中的采样数目能够实现更高的准确度。通过仅仅在帧能量存在短期增加时计算基音，能够进一步优化所公开的爆震检测技术。还可以将爆震检测算法的参数调整得更严格或更不严格，诸如通过改变峰值检测条件或者改变频率帧能量标准。根据更严格的要求，将存在更少的爆震检测，而根据更宽松的要求，可能检测到过多的爆震事件。此外，通过重叠输入数据的帧并且计算该数据的STFT，能够实现更高的时间分辨率以及因而更高的准确度。然而，这产生了处理器上额外的计算负荷。

在检测爆震信号之前，爆震判定步骤430针对表明出现爆震信号的两个条件有效地评估所检测的信号。在示例性实现中，在步骤432中检测预定基音频率和谐振的出现，并且在步骤436中检测短期能量增加变化。如果所检测的基音频率对应于爆震事件的共振和谐振频率，基音检测步骤432提供爆震事件指示中的一个。另一指示通过确定是否已经检测到短期能量增加来提供(步骤436)。通过比较当前帧能量E_n和在前帧的能量和/或平均帧能量，能够检测短期帧能量中的增加。通常，平均帧能量很小，但在发生爆震事件时，与平均帧能量相比，帧能量E_n显著增加。将认识到，可以使用其它技术来检测短期帧能量的增加，诸如通过使用预定阈值以比较帧能量E_n和在前帧的能量。

如果这些条件中的一个或两者没有被满足(例如，判定432、436中任何一个的结果为负)，则不存在爆震信号指示，并且处理结束(步骤434)。然而，如果条件中的两者都被满足(例如，判定432和436的结果为正)并且被检测到(判定437的结果为正)，则提供已经检测到爆震信号的指示(步骤438)并且序列结束(步骤439)。如将认识到的，已经检测到爆震信号的指示可以由适当的发动机控制算法用来通过调整发动机的燃烧操作而最小化爆震带来的不良影响。

已经测试了在此所述的技术以显示与传统的基于能量的爆震检测算法相比，使用在此所公开的双条件检测方案是如何更准确地检测爆震事件。表2中列出了测试结果，其显示了较宽的条件范围，在这些条件下，已经对处于各种发动机rpm级别以及超前、正常或较晚点火条件下的4缸发动机的数据测试了该算法。

表2：爆震检测测试案例

表2中，标为“实际”的列包含与测试案例中出现爆震事件有关的信息。“基于能量的算法”列显示了当仅仅短期能量中的增加被用来检测爆震信号时爆震信号的检测。最后一列显示了在此所述的结合基音检测和短期能量增加的双条件检测方法的爆震检测结果。通过“√”表示爆震的出现，而“×”表示信号中没有爆震。如所看到的一样，双条件爆震检测方法实现了各种条件下100％的准确率，而基于能量的算法在第6号和第9号测试具有错误的正判定(positive)。这些测试可能对应发动机遭遇突然振动(例如，经过坑洼或铁路导轨)的情况，其中加速度传感器显示遍布所有频率的更高能量级，但其中没有检测到基音频率。

因为在此所述的双条件爆震检测系统和方法仅仅基于能量计算和控制代码，其与比较基音检测中不同时间的时-频分布或者基于能量的爆震检测技术的其它爆震检测技术相比计算起来更有效并且更准确。这使得其适于其中低功率很重要并且关注实时发送的应用，尤其是与计算强度更大的爆震检测方案相比。

现在，将认识到，已经提供了一种检测内燃机中爆震信号的方法和系统。如所公开的一样，传感器结构(例如，加速度传感器或者附加至发动机气缸的某些其它非介入式声敏传感器)可操作地耦接内燃机以响应于发动机振动而生成传感器信号信息。可操作地耦接传感器结构的是信号处理结构，其从传感器信号信息中提取数字信号信息以识别数字信号信息中的预定基音频率和任何短期能量增加。在示例性实施例中，信号处理结构包括将传感器信号信息采样成数字传感器信号的ADC。此外，信号处理结构可以包括将数字传感器信号数字地滤波成滤波数字传感器信号的抗混叠滤波器。信号处理结构还可以包括将滤波数字传感器信号向下采样成抽取的滤波数字传感器信号的抽取器。此外，信号处理结构可以包括从抽取的滤波数字传感器信号中提取瞬间频率和振幅信息的短时傅里叶变换模块。在所选实施例中，短时傅里叶变换模块对抽取的滤波数字传感器信号应用布莱克曼哈里斯窗口以减少频率模糊。最后，信号处理结构可以包括从瞬间频率和振幅信息中检测预定基音频率和短期能量增加的爆震检测模块。在所选实施例中，爆震检测模块包括使用双向失配误差计算从瞬间频率和振幅信息中计算基音频率的基音检测模块。此外，爆震检测模块包括计算短期能量增加的能量计算模块，诸如通过从瞬间频率和振幅信息中计算帧能量值并且接着将该帧能量值和一或更多个在前帧的帧能量值进行比较来算短期能量增加。预定基音频率和短期能量增加结合用来生成爆震检测信号。

依照另一种形式，通过使用爆震传感器首先获取内燃机中气缸的模拟振动信号信息，并且接着对模拟振动信号进行低通滤波以去除高频分量，提供了一种从内燃机获取发动机爆震数据的方法和系统。接着，将模拟振动信号信息处理成多个帧以生成抗混叠的、向下采样的数字时域信号。在所选实施例中，该处理包含将模拟振动信号信息数字化采样为数字传感器信号，将数字传感器信号低通数字化滤波为滤波数字传感器信号并且接着将滤波数字传感器信号抽取为抽取的滤波数字传感器信号。随后，将数字时域信号短期傅里叶变换为数字频域信号，从而为每一帧生成瞬间频率和振幅信息。在所选实施例中，短期傅里叶变换处理包含将数字时域信号和布莱克曼哈里斯窗口相乘。瞬间频率和振幅信息用来检测帧中的预定基音频率以及检测帧中的预定能量增加。例如，通过计算双向失配误差值以从一组候选基音频率中进行选择，能够检测预定基音频率，而通过比较当前帧的第一能量值和在前帧的第二能量值，和/或通过比较当前帧的第一能量值和两个或更多在前帧的平均能量值(例如，平均帧能量)，能够检测预定能量增加。如果检测到预定基音频率和预定能量二者都增加，则生成发动机爆震检测信号。

依照又一种形式，提供了一种检测发动机爆震的方法，其中感测发动机振动的加速度传感器生成模拟传感器信号。从模拟传感器信号中逐帧地提取数字信号以识别数字信号中预定基音频率和任何短期能量增加。数字信号提取可以通过如下方式来完成：将模拟传感器信号采样为数字传感器信号，将数字传感器信号抗混叠滤波为滤波数字传感器信号，将滤波数字传感器信号抽取为抽取的滤波数字传感器信号，通过应用布莱克曼哈里斯开窗的短时傅里叶变换从抽取的滤波数字传感器信号中提取瞬间频率和振幅信息，并且从瞬间频率和振幅信息中检测预定基音频率和短期能量增加。通过使用双向失配误差计算从瞬间频率和振幅信息中计算基音频率来完成预定基音频率的检测。此外，通过从瞬间频率和振幅信息中计算当前帧能量值，并且比较当前帧能量值和一或更多个在前帧的帧能量值来完成短期能量增加的检测。如果在一个帧中检测到预定基音频率和短期能量二者都增加，则生成爆震检测信号。

可以以存储在计算机可读介质上并且作为计算机程序在通用或专用计算机上执行以执行特定任务的软件来实现用于检测或预测爆震信号的方法和系统，其使用在此所描述和所显示的基音检测和短期能量变化的结合。对于硬件实现，用来执行各种信号处理步骤(例如，模拟滤波、数字化、抗混叠滤波、抽取、STFT处理等等)的元件可以实现在一或更多个专用电路、专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计用来执行在此所述功能的其它电子单元或者它们的组合中。附加的或替代的，可以使用软件实现，从而可以在执行在此所述功能的模块(例如，程序、功能等等)中实现信号处理步骤的部分或全部。将认识到，将功能划分为模块是出于示例的目的，而替代实施例可以将多个软件模块的功能合并为单个模块或者可以实施模块功能的替代分解。在任何软件实现中，可以由处理器或控制器来执行软件代码，其中所述代码以及基础的或已处理数据被存储在诸如板上或外部存储单元的机器可读或计算机可读存储介质上。

尽管在此公开的所述示例性实施例涉及在相同汽车系统中使用的各种爆震检测系统和方法，但本发明没有必要限定于在此所述的示例性实施例。例如，在此公开的爆震检测算法可以用于任何内燃机。此外，将认识到，在此结合特定低通滤波功能来描述的实施例可以推广应用至任何期望的传递感兴趣信号的滤波功能。因而，以上所述的特定实施例仅仅是示例并且不应当被视为对本发明的限制，因为本发明可以通过对于受益于此处教导的本领域技术人员而言显而易见的、不同但等同的方式来修改和实践。因此，此前的描述不旨在限定本发明为所述的特定形式，恰恰相反地，其旨在覆盖可以被随附权利要求所限定的本发明的精神和范围所包括的替换、修改和等效方案，由此本领域技术人员应当理解他们可以以最广泛的形式进行多种改变、替换和变化而不偏离本发明的精神和范围。

上文已经针对特定实施例描述了益处、其它优点和对问题的解决方案。然而，这些益处、优点、对问题的解决方案以及可以使任何益处、优点或解决方案出现或变得更加显著的任何要素不应被解释为任何或所有权利要求的关键的、必需的或基本的特征或因素。如此处使用的，术语“包括”、“包含”或其其它变体，旨在涵盖非排他性的包括，由此包括一系列要素的工艺、方法、物品或装置并不是仅包括这些要素，而是可以包括未明确列出的或者对于该工艺、方法、物品或装置是固有的其它要素。

Claims (20)

1.一种检测内燃机中爆震信号的系统，包含：

传感器结构，可操作地耦接内燃机以响应于发动机振动生成传感器信号信息；以及

信号处理结构，可操作地耦接所述传感器结构以从所述传感器信号信息中提取数字信号信息来识别所述数字信号信息中的预定基音频率和任何短期能量增加，其中，所述信号处理结构配置为如果所述预定基音频率和所述短期能量增加二者都被检测到，则生成爆震检测信号。

2.如权利要求1所述的系统，其中所述传感器结构包含加速度传感器。

3.如权利要求1所述的系统，其中所述传感器结构包含用于附加至发动机气缸的非介入式声敏传感器。

4.如权利要求1所述的系统，其中所述信号处理结构包含：

模数转换器，用于将所述传感器信号信息采样为数字传感器信号；

抗混叠滤波器，用于将所述数字传感器信号数字化滤波为滤波数字传感器信号；

抽取器，用于将所述滤波数字传感器信号向下采样为抽取的滤波数字传感器信号；

短时傅里叶变换模块，用于从所述抽取的滤波数字传感器信号中提取瞬间频率和振幅信息；以及

爆震检测模块，用于从所述瞬间频率和振幅信息中检测预定基音频率和短期能量增加，其中如果检测到所述预定基音频率并且如果检测到所述短期能量增加，则所述爆震检测模块生成爆震检测信号。

5.如权利要求4所述的系统，其中所述短时傅里叶变换模块将布莱克曼哈里斯窗口应用至所述抽取的滤波数字传感器信号以减小频率模糊。

6.如权利要求4所述的系统，其中所述爆震检测模块包含基音检测模块，用于使用双向失配误差计算来从所述瞬间频率和振幅信息中计算基音频率。

7.如权利要求4所述的系统，其中所述爆震检测模块包含能量计算模块，用于从所述瞬间频率和振幅信息中计算帧能量值。

8.如权利要求7所述的系统，其中所述爆震检测模块包含爆震判定模块，用于通过比较所述帧能量值和一或更多在前帧的帧能量值来计算短期能量增加。

9.一种从内燃机获取发动机爆震数据的方法，包含以下步骤：

使用爆震传感器从内燃机中的气缸获取模拟振动信号信息；

按帧来处理所述模拟振动信号信息以生成抗混叠的、向下采样的数字时域信号；

将所述数字时域信号短期傅里叶变换为数字频域信号，从而为每一帧生成瞬间频率和振幅信息；

从所述瞬间频率和振幅信息中检测帧中预定基音频率；

从所述瞬间频率和振幅信息中检测帧中预定能量增加；以及

如果检测到所述预定基音频率并且如果检测到所述预定能量增加，则生成发动机爆震检测信号。

10.如权利要求9所述的方法，其中获取模拟振动信号信息的步骤包含对所述模拟振动信号信息进行低通滤波以去除高频分量。

11.如权利要求9所述的方法，其中处理所述模拟振动信号信息的步骤包含：

将所述模拟振动信号信息数字化采样为数字传感器信号；

将所述数字传感器信号低通数字化滤波为滤波数字传感器信号；以及

将所述滤波数字传感器信号抽取为抽取的滤波数字传感器信号。

12.如权利要求9所述的方法，其中对所述数字时域信号进行短期傅里叶变换的步骤包含将所述数字时域信号和布莱克曼哈里斯窗口相乘。

13.如权利要求9所述的方法，其中检测预定能量增加的步骤包含比较当前帧的第一能量值和在前帧的第二能量值。

14.如权利要求9所述的方法，其中检测预定能量增加的步骤包含比较当前帧的第一能量值和两个或更多在前帧的平均能量值。

15.如权利要求9所述的方法，其中检测预定基音频率的步骤包含计算双向失配误差值以从一组候选基音频率中进行选择。

16.一种检测发动机爆震的方法，包含以下步骤：

由感测发动机振动的加速度计生成模拟传感器信号；以及

从所述模拟传感器信号中按帧提取数字信号以识别所述数字信号中的预定基音频率和任何短期能量增加；

如果在帧中检测到所述预定基音频率和短期能量增加，则生成爆震检测信号。

17.如权利要求16所述的方法，其中按帧提取数字信号的步骤包含：

将所述模拟传感器信号采样为数字传感器信号；

将所述数字传感器信号抗混叠滤波为滤波数字传感器信号；

将所述滤波数字传感器信号抽取为抽取的滤波数字传感器信号；

通过应用加窗短时傅里叶变换从所述抽取的滤波数字传感器信号中提取瞬间频率和振幅信息；以及

从所述瞬间频率和振幅信息中检测预定基音频率和短期能量增加。

18.如权利要求17所述的方法，其中应用加窗短时傅里叶变换的步骤包含对所述抽取的滤波数字传感器信号应用布莱克曼哈里斯窗口。

19.如权利要求17所述的方法，其中检测预定基音频率和短期能量增加的步骤包含使用双向失配误差计算来从所述瞬间频率和振幅信息中计算基音频率。

20.如权利要求17所述的方法，其中检测预定基音频率和短期能量增加的步骤包含从所述瞬间频率和振幅信息中计算当前帧能量值，并且比较所述当前帧能量值和一或更多在前帧的帧能量值。

Images