CN102808700B - 通过反转波方程来估计内燃发动机的爆震强度的方法 - Google Patents

Abstract

一种从震动传感器出发实时估计内燃发动机的爆震强度的方法。根据曲轴角度连续地捕获代表该发动机震动的震动信号。构建穿过汽缸盖传播的波方程模型。通过借助估计程序反转该波方程模型的动态特性，实时地确定该震动信号的傅立叶分解系数。通过对该傅立叶分解系数求平方和来计算包含在该信号中的能量。实时地演绎相关于与该能量的最大值的平方根相等的爆震强度的参数。应用于对内燃发动机燃烧的控制。

Description

通过反转波方程来估计内燃发动机的爆震强度的方法

技术领域

本发明涉及内燃发动机燃烧控制领域。本发明尤其涉及用于藉由放置在该发动机内的传感器来估计此类发动机的爆震强度的方法。

此类型的发动机包括具有燃烧室的至少一个汽缸，该燃烧室是由汽缸的内部侧壁、在该汽缸中滑动的活塞的顶部和汽缸盖划界的。一般而言，混合燃气被封闭在此燃烧室内，并经受压缩步骤，接着经受在受控点火作用下藉由火花塞的燃烧步骤，这些步骤在以下描述中被集中在“燃烧阶段”这一措辞下。

在具有燃烧膨胀冲程的发动机中，空气/汽油混合物的燃烧通常在点火火花之后开始。火焰前端蔓延开来并且其气流把混合物的一部分推至顶靠汽缸壁和活塞顶。压力和温度的上升变得如此之大，使得靠着壁固定的燃料达到其自燃点，并在多处自燃。这种现象称为“爆震”。因此，爆震首先是受控点火发动机中的一种异常燃烧现象，可以藉由来自发动机的金属噪声在外部感知。结果是，燃烧室中出现冲击波。

由此导致的微型爆炸在听觉范围(约5至20KHz)内产生震动。这些震动非常剧烈，而且可能迅速地创建将进一步加重问题的热点。微型爆炸的积累将拔掉活塞顶上和/或汽缸壁和活塞环上的少量金属或使其熔化。在若干个冲程之后(根据强度)，这将导致活塞、活塞环或汽缸壁的毁坏。

对爆震强度的估计允许限制爆震效应且不损坏汽缸的燃烧控制。

背景技术

人们已知一些用于估计内燃发动机爆震的方法。这些方法是基于记录汽缸压力传感器发出的信号。第一个方法旨在离线地(即，以后处理)对这些信号应用傅立叶变换技术来估计爆震。在以下文献中描述了此种方法：

-“ApplicationoftheReallocatedSmoothedPseudoWigner-VilleDistributiontoKnockDetection(重新分配的平滑化伪Wigner-Ville分布在爆震检测中的应用)”，OlivierBOUBAL和JacquesOKSMAN，TraitementduSignalvolume15，1998。

-“Knockmeasurementforfuelevaluationinsparkignitionengines(用于火花点火发动机中燃料评估的爆震测量)”，C.Hudson、X.Gao、R.Stone，Fuelvolume80(2001)

第二个方法旨在对信号应用一种滤波并检测最大值以离线估计爆震的技术。在以下文献中描述了此种方法：

-“ModelingofIn-cylinderPressureOscillationsunderKnockingConditions：IntroductiontoPressureEnvelopeCurve(爆震条件下的缸内压力振荡建模：压力包络曲线的采用)”，G.Brecq和O.LeCorre，SAE2005

最后，已知另一方法，同样是基于记录汽缸压力传感器发出的信号。这次，对信号应用小波技术来离线估计爆震。在以下文献中描述了此种方法：

-“Knockingdetectionusingwaveletinstantaneouscorrelationmethod(使用小波瞬时相关方法的爆震检测)”，Z.Zhang和E.Tomita，JournalofSAEReviewvolume23(2002)

然而，这些方法不允许实时地(计算一般应该在50μs以内完成以被装载于计算机上)估计爆震强度。

藉由申请FR2.949.511得知一种用于从震动信号出发实时估计爆震强度的方法。根据此方法，实时地确定该信号的傅立叶分解系数，通过对这些傅立叶分解系数的平方求和来演绎包含在该信号中的能量。最后，通过确定相关于与能量最大值的平方根相等的爆震强度的参数来估计爆震强度。

本发明的目的涉及一种用于实时确定内燃发动机中爆震强度的替换方法。该方法是基于对代表发动机震动的震动信号的处理。本发明允许通过基于藉由传播震动信号源的波的方程进行的汽缸盖建模来增强代表性，接着进行此信号源的傅立叶系数估计。

此估计是实时实现的，以便更好地控制燃烧并保护发动机。

发明内容

一般而言，本发明涉及一种用于实时估计内燃发动机爆震强度的方法，该内燃发动机包括汽缸盖、至少一个汽缸和至少一个震动传感器，根据曲轴角度连续地从该震动传感器捕获汽缸盖出口处的代表所述汽缸中震动的震动信号。该方法包括以下步骤：

从描述波在固体介质中传播的物理模型出发，构建汽缸盖的波方程模型；

通过借助估计程序反转所述波方程模型的动态特性，实时地确定所述震动信号的傅立叶分解系数；

通过对所述傅立叶分解系数求平方和来计算包含在所述信号中的能量；

实时地演绎相关于与所述能量的最大值的平方根相等的爆震强度的参数。

根据本发明，该震动信号可以是汽缸压力传感器发出的信号或者加速度测量传感器发出的信号。

此震动信号可以包括多个谐波，而这时可以只对与燃烧相关的一个或多个谐波估计傅立叶分解系数。在此情形中，可以通过实现频谱分析或时间/频率分析或者通过选择5000Hz至20000Hz的频带，来选择与燃烧相关的谐波。

根据一实施例，确定包括与燃烧相联系的整个震动响应的角范围，并在实现所述滤波之前把该震动信号约束在此角范围内。

该估计程序可以是自适应类型的非线性估计程序。

根据本发明，可以根据与爆震强度相关的参数修改发动机参数，以控制发动机的燃烧。

参照以下附图和描述，阅读以下对非限制性实施例的描述，将会看出根据本发明的方法的其他特性和优势。

附图说明

图1示出根据本发明的燃烧控制原理示意图；

图2示出分解对爆震强度经由参数I_c1的估计的功能示意图。

具体实施方式

根据本发明的方法涉及一种考虑到爆震现象的内燃发动机燃烧控制的方法。该方法包括通过对传感器发出的信号进行处理，估计发动机爆震强度，对于直接定性燃烧和爆震的可能出现，此信号具有物理意义。该方法与燃烧的性质和所使用的汽缸压力传感器技术无关。

本发明是根据一特定实施例进行描述的，其中描述应用于单汽缸的方法，并不包含与发动机的燃烧模式相关联的特殊性。根据此实施例，使用汽缸压力传感器。内燃发动机的性质以及所使用的汽缸压力传感器技术不影响该方法的原理。

图1解说根据本发明的控制方法的一般原理。首先，捕获汽缸压力传感器(A)发出的汽缸压力信号(p(t))。此压力信号对应于燃烧室(CC)中的燃烧。已知，此信号的仅某些谐波才包含对爆震定性的信息。因而，构想是实时地计算此震动信号的各种谐波，然后选择与燃烧相对应的那些谐波。最后，从这些带有关于燃烧的信息的谐波出发，还是实时地计算(CAL)对该燃烧直接定性的爆震强度(I_c1)，并允许调整(CTRL)发动机的参数，以调节该燃烧。

如图2所解说，该内燃发动机燃烧控制方法可以分解为五个主要步骤：

预备步骤：

步骤-选择对燃烧定性的谐波(SLCT)

实时实现的步骤：

步骤-捕获汽缸压力传感器发出的信号(ACQ)

步骤-实时地确定信号的谐波(EDPest)

步骤-实时地确定爆震强度，以对该燃烧直接定性(CAL)

步骤-控制发动机：调整发动机参数，以调节燃烧并避免爆震(CTRL)

步骤1：选择对燃烧定性的谐波(SLCT)

所有周期性振荡变量(或者交替地增大和减小的变量)，像该汽缸压力信号(或者加速度测量传感器发出的信号)一样，都可以认为是其频率是基波频率整数倍的正弦分量的和。亦称为基频的该基波频率等于所议变量的周期的倒数。这些倍频是正弦分量，其频率是基频的整数倍。这些倍频称为谐波。

谐波中的每个都带有一个或多个信息：噪声、燃烧、喷嘴的爆音、活塞返回到上止点、由分配系统诱发的震动，等等。

首先，目标是在这些分量之中选择包含对燃烧定性的信息的那些分量。此操作等于是在摆脱寄生现象的同时从汽缸压力传感器发出的信号提取有用的部分。

为了确定允许定性燃烧的谐波，可以设想两种方法：时间/频率分析或频谱分析。这些方法在实施允许实时地控制发动机燃烧的步骤的预先实验的情形中应用于汽缸压力传感器发出的信号。

信号的时间/频率分析可以解释为滑动窗，在该滑动窗中以每个时间步进行技术人员熟知的快速傅立叶变换(FFT)。这种傅立叶变换形式也被称为短时间傅立叶变换，并且其在时间频率平面中的表达由谱图给出。谱图是与信号的每个瞬时t、其频谱相关联的图表。在其最常见的格式中，水平轴表示时间，并且垂直轴表示频率。在图形内部的每个点都被给予某个强度，该强度指示在给定时间的特定频率的振幅(往往用分贝表示)。在汽车工业领域中，常见的是由对应于曲轴角度值的角轴代替时间轴。在此类谱图上，燃烧的周期性通过角轴清晰地显现。这些事件对应于周期性现象，并且与发动机循环中其一部分与燃烧相联系的参与事件同步。传统而言，在分析放置于内燃发动机中的汽缸压力传感器发出的震动信号的情形中，可清晰辨认出5kHz和20kHz之间的某些频带中的角展开区。实际上，在带爆震的信号和不带爆震的信号之间，人们在几kHz(在7和9之间最常见，正因为如此把滤波器扩展为5和20之间)的频率区域中观察到能量上非常大的差异。此频率主要取决于模型的几何。通过在该燃烧系统上实现若干次测量来从实验上获得此频率。

因此，根据该方法，可以或者固定对定性燃烧有利的5kHz和20kHz之间的频带，或者例如根据发动机的类型借助频谱分析确定适当的频带。

在以下描述中，在5kHz至20kHz的频带中做工作以估计爆震强度。

选中的信号谐波(频率分量)被标出：ω_k，有k∈[1，n_h]。整数n_h被选成使得这n_h个谐波属于5kHz至20kHz的频带。

步骤2至5是实时实现的。

步骤2：捕获汽缸压力传感器发出的信号(ACQ)

该燃烧控制方法基于对震动信号的处理，该信号对于直接定性燃烧和爆震的可能出现具有物理意义。此信号由传感器连续提供：根据此实施例是汽缸压力传感器。此类型的捕获是技术人员熟知的。所使用的汽缸压力传感器技术不再影响该方法的原理。由汽缸压力传感器(A)捕获的信号标示为p(t)。变量t表示时间。

由汽缸压力传感器提供的信号p(t)构成处理链的两个输入之一。第二信号α(t)是提供根据时间的曲轴角度值的信号。该曲轴角度标示为α。此信号由角编码器(ENC)提供。

步骤3：实时地确定信号的谐波

首先，目标是实时地估计汽缸压力传感器发出的震动信号的所有谐波分量，或是至少在步骤1选中的有用的那些谐波分量。实时地重建这些分量的行为意味着，不连续记录信号供以后对其处理(例如，通过傅立叶分解)以获得这些谐波分量。相反，这些分量是随着该信号被测量来被估计的。为此，使用傅立叶EDP(偏导数方程)观察程序。该方法可以包括以下步骤：

提取信号的有用部分：预处理震动信号(PRE)

-藉由傅立叶EDP观察程序来估计谐波(EDPest)

从信号提取有用部分：预处理震动信号(PRE)

对汽缸压力传感器发出的信号的处理构成发动机控制链中的首要因素，因为该处理提供可以用于燃烧的环状控制的变量。第一步骤包括处理震动信号，以得出最大量的有用信息。此用于从震动信号提取有用部分的(在重构谐波和燃烧参数之前的)预处理可以包括以下步骤：在角范围内对p(t)采样，确定包括该燃烧的角窗。

在角范围内对p(t)采样

在角范围内对信号p(t)采样。此信号然后标示为p(α)。与时间范围相对，角范围是其中所有数据都根据曲轴角度表达的范围。此步骤允许像对所有旋转式机械一样的不变坐标中工作。在该角范围内做工作的第二个有利之处来自点火提前(l′avanceàl′allumage)是以角的方式相对于上止点(PMH)被引导的这一事实，这便于控制燃烧的点火提前。但是显然应该确保角编码器的良好调配，其把角范围中的坐标原点定义为是上止点。

确定包括燃烧的角窗

信号p(t)是由捕获电路板连续测量的，然后被变换到角范围(p(α))中。然而，这一系列处理有利地只在由角度α₁和α₂界定的角范围中进行。这两个参数是爆震观察程序(根据本发明的傅立叶观察程序)的标定元素的一部分。界限α₁和α₂取决于燃烧出现的角范围。根据燃烧模式，燃烧出现可能早到(PMH前若干度)，或者，相反，极其迟来(PMH后20度)。对于给定的发动机，界限α₁和α₂应该被选成以便包括燃烧的震动响应的整体，而且该整体是在该发动机的运行范围的总体范围中。这些角度是相对于表示坐标原点的上止点来定义的。因此，角度α₁是负的并且α₂是正的。

总之，该方法提出在传感器发出的信号的确定的时间窗上处理震动信号，其位置与发动机的曲轴的确定的角位置相对应。该传感器的信号在此时间窗或相应的角窗[α₁；α₂]内包含关于发动机震动行为的信息，允许确定评估燃烧质量的燃烧参数。

藉由傅立叶EDP观察程序来估计谐波(EDPest)

i.构建穿过汽缸盖的波方程模型

将测量的信号是代表汽缸内震动的震动信号。这些震动穿过发动机的汽缸盖传播。将在该汽缸盖的出口处测量该震动，并且尝试重建进入该汽缸盖的信号。在穿过汽缸盖时，此信号因金属中波的传播而改变。因此，将汽缸盖的波方程模型称为允许把进入该汽缸盖的震动信号变换为该汽缸盖上测得的震动信号的模型。

寻求藉由此模型和测量值(等于p_f(α))来估计该信号ω，即，由发动机产生的带有有用频率的震动信号p(α)(包含涉及燃烧的信息)的重建。在根据本发明的方法过程中，该信号ω由几乎不随时间推移变化的参数表征，这允许实现此实时估计。换言之，借助在给定瞬间是常量的这些参数定义信号ω。为此，人们利用了信号ω自动地是周期性的这一事实。因此，与其实现对非常多变的信号ω的估计，不如可以估计此信号的傅立叶分解系数。还可以利用允许描述与其周期性特性有关的所有参数来描述信号ω。

为清晰说明起见以复数方式展开的信号ω的傅立叶系数分解，书写如下：

$\mathrm{\ω}\left(\mathrm{\α}\right)=\underset{k=1}{\overset{n_h}{\mathrm{\Σ}}}{c}_k{e}^{\left(i{\mathrm{\ω}}_k\mathrm{\α}\right)}---\left(2\right)$

c_k表示信号ω分解的傅立叶系数。因此根据不随时间推移变化的参数c_k定义表达该震动信号的信号。

波在介质中传播的方程(技术人员已知的)写作：

$\left\{\begin{array}{c}{\∂}_{\mathrm{\α\α}}u=a{\∂}_{\mathrm{xx}}u-b{\∂}_{\mathrm{\α}}u\\ {\∂}_{x}u(L,\mathrm{\α})=-\mathrm{qu}(L,\mathrm{\α})\end{array}\right.$

有

-a：波的传播速度系数

-b：摩擦系数

-q：反射系数

-L：传感器和源之间的距离

-x：空间定位

-t：时间

-u：测量波的信号u(x，t)是该波在时间t、点x处的振幅。因此u(0，t)＝ω(α)。

系数a、b和q取决于介质。根据本发明，这些参数是为表示汽缸盖的介质(即，诸如金属等固体介质)选择的。

通过仅利用有限数目的谐波，并从金属中波的传播方程出发，则实时地表示汽缸盖波方程模型的模型写作：

$\left\{\begin{array}{c}{\∂}_{\mathrm{\α\α}}u=a{\∂}_{\mathrm{xx}}u-b{\∂}_{\mathrm{\α}}u\\ {\∂}_{x}u(L,\mathrm{\α})=-\mathrm{qu}(L,\mathrm{\α})\\ u(0,t)=\mathrm{\ω}\left(\mathrm{\α}\right)=\underset{k=1}{\overset{n_h}{\mathrm{\Σ}}}{c}_k{e}^{\left(i{\mathrm{\ω}}_k\mathrm{\α}\right)}\\ {\stackrel{\·}{c}}_k=0,\mathrm{pour\; tout\; k}\∈[1,n_h]\end{array}\right.---\left(3\right)$

(pourtout：对于所有)

根据本发明，目的是估计信号ω的分解的傅立叶系数(c_k)。

方程组3表示汽缸盖的波方程模型。它允许由几乎不随时间推移变化的参数来表征信号ω(REC)。

ii实时确定傅立叶分解系数

为此，通过把波方程模型与自适应类型的非线性偏导数估计程序相耦合，借助估计程序反转波方程模型(方程组3)的动态特性。

希望定义一个被称为“傅立叶EDP观察程序”的估计程序，以从加速度测量信号的经滤波的测量值p_f(α)出发重建其周期性激励。此滤波步骤在图2上标为FILT。为此，利用带通滤波器(1kHz和100kHz之间)以除去非常低的频率和非常高的频率。

从由方程组(3)所描述的模型出发，定义自适应类型的非线性估计程序，该估计程序在一方面包括与动态特性相联系的项，并且在另一方面包括修正项：

$\left\{\begin{array}{c}{\∂}_{\mathrm{\α\α}}\hat{u}=a{\∂}_{\mathrm{xx}}\hat{u}-b{\∂}_{\mathrm{\α}}\hat{u}+{\mathrm{\Φ}}_0\left(x\right)(y\left(\mathrm{\α}\right)-\hat{u}(L,\mathrm{\α}))+({\mathrm{\Φ}}_1\left(x\right)+b{\mathrm{\Φ}}_0\left(x\right))(\stackrel{\·}{y}\left(\mathrm{\α}\right)-\stackrel{\·}{\hat{u}}(L,\mathrm{\α}))\\ {\∂}_{x}u(L,\mathrm{\α})=-\mathrm{qu}(L,\mathrm{\α})-p_0(\stackrel{\·}{y}\left(\mathrm{\α}\right)-\stackrel{\·}{\hat{u}}(L,\mathrm{\α}))+{\mathrm{\φ}}_0(y\left(\mathrm{\α}\right)-\hat{u}(L,\mathrm{\α}))\\ u(0,t)=\mathrm{\ω}\left(\mathrm{\α}\right)=\underset{k=1}{\overset{n_h}{\mathrm{\Σ}}}{\hat{c}}_k{e}^{\left({\mathrm{i\ω}}_k\mathrm{\α}\right)}\\ {\stackrel{\·}{\hat{c}}}_k=-{\mathrm{\φ}}_k{\left(\mathrm{\α}\right)}^{\′}(y\left(\mathrm{\α}\right)-\hat{u}(L,\mathrm{\α})),\mathrm{pour\; tout\; k}\∈[1,n_h]\end{array}\right.---\left(4\right)$

(pourtout：对于所有)

其中：

-符号′指共轭复数

-：是u的估计值

-：是c_k的估计值

-p₀：是标定系数(正实数)

参数Φ₀(x)、Φ₁(x)和φ_k(α)的选择应该确保估计程序(观察程序)收敛。为此，首先定义以下函数：

$\mathrm{\φ}(x,y)=\frac{\cosh \left(x\sqrt{\frac{\mathrm{by}+y^2}{a}}\right)+\frac{{\mathrm{yp}}_0}{\sqrt{\frac{\mathrm{by}+y^2}{a}}}\sinh \left(x\sqrt{\frac{\mathrm{by}+y^2}{a}}\right)}{\cosh \left(L\sqrt{\frac{\mathrm{by}+y^2}{a}}\right)+\frac{{\mathrm{yp}}_0}{\sqrt{\frac{\mathrm{by}+y^2}{a}}}\sinh \left(L\sqrt{\frac{\mathrm{by}+y^2}{a}}\right)}$

且然后

${\mathrm{\Φ}}_1\left(x\right)=\mathrm{\λ}\underset{k=-n_h}{\overset{n_h}{\mathrm{\Σ}}}\frac{1}{k^2+1}\mathrm{\φ}(L-x,\mathrm{ik}{\mathrm{\ω}}_0)\mathrm{\φ}{(L,\mathrm{ik}{\mathrm{\ω}}_0)}^{\′}$

${\mathrm{\Φ}}_0\left(x\right)=\mathrm{\λ}\underset{k=-n_h}{\overset{n_h}{\mathrm{\Σ}}}\frac{\mathrm{ik}{\mathrm{\ω}}_0}{k^2+1}\mathrm{\φ}(L-x,\mathrm{ik}{\mathrm{\ω}}_0)\mathrm{\φ}{(L,\mathrm{ik}{\mathrm{\ω}}_0)}^{\′}$

${\mathrm{\φ}}_k\left(\mathrm{\α}\right)=\frac{\mathrm{\λ}}{k^2+1}{e}^{\mathrm{ik}{\mathrm{\ω}}_0\mathrm{\α}}\mathrm{\φ}(L,\mathrm{ik}{\mathrm{\ω}}_0)$

φ₀＝p₀Φ₁(L)

方程组(4)表示自适应类型的非线性估计程序，其允许估计信号ω的傅立叶系数的分解系数c_k。

此方法确保通过系数c_k重构激励ω。经重构的加速度测量信号由以下关系给出：

$\widehat{\mathrm{\ω}}\left(\mathrm{\α}\right)=\mathrm{\Σ}{\hat{c}}_k\left(\mathrm{\α}\right)e^{{\mathrm{iw}}_k\mathrm{\α}}$

并有 $:\hat{y}=C\hat{x}={\hat{p}}_f\left(\mathrm{\α}\right)$

谐波的选择

已经考虑其中利用在步骤1选定的谐波(ω_k)来重建信号的情形：k在-n_h和n_h之间变化，因而使用n_h个谐波，并且这些谐波带有对燃烧定性的信息。然而，对激励的估计可以藉由更大数目的谐波来实现。事实上，使用傅立叶系数越多，激励ω的重构就越确切。选择数目(n_h)不同于在步骤1选定的谐波的数目的数个谐波将不脱离本发明的范围。相反，显然，为重建激励ω选定的谐波的数目越大，计算时间就越长。因而应该在计算的快捷和准确度之间进行折衷。

因而，目标是在确定恰当的ω_k的同时也要确定适配的参数n_h，即，选择信号的重构所必要的谐波数目。此选择取决于各种谐波的各自的能量。前三个谐波对于定性燃烧最重要，并且足以重构激励。在大部分情形中将取n_h＝1。由此重构的信号标示为

观察程序的标定示例

其中N_cyl表示发动机的汽缸数目的表1给出傅立叶观察程序的标定所必要的参数值示例。

表1：适配到试验发动机的调试参数的摘要。

验证估计的质量

为了避免向发动机控制发送有误差的参数，一任选的步骤允许使震动信号的重构的恰当性生效。根据误差信号(测量值和估计值之间的差值)的平方的阈值确保此功能。

$\mathrm{\ϵ}={(y-\hat{y})}^2$

若阈值ε太大，超过了固定阈值S，则不实现向发动机控制发送参数(NS)。否则，实现步骤4(CAL)。

步骤4：确定对爆露强度直接定性的参数(CAL)

一旦震动信号的频率分量的估计生效，便可以进行发动机控制操作。燃烧的瞬时状态环状控制要求实时地估计与爆震强度相关的参数，以便达到逐循环的控制。

该方法的原理基于标示为I_c1的实时估计，该实时估计允许表征发动机的汽缸中爆震强度的参数。

以优选的方式，此参数的计算基于包含在所选定的谐波(频谱分量)中的能量分析。以优选的方式，此参数的计算基于包含在所选定的谐波(频谱分量)中的能量分析。能量E(α)是由傅立叶分解的前n_h个系数的和给出的，这前n_h个系数由周期性观察程序提供并取平方。

E(α)＝∑(c_k(α))²

基于此能量，对参数I_c1赋予了物理意义，因为能量E(α)随燃烧期间提供的能量提高。

例如，可以定义以下参数，其数值代表爆震强度：

$I_{C1}={\left({\max }_{\mathrm{\α}\∈[{\mathrm{\α}}_1,{\mathrm{\α}}_2]}\left(E\left(\mathrm{\α}\right)\right)\right)}^{1/2}$

步骤5：燃烧的发动机控制(CTRL)

基于此参数I_c1实施闭环控制策略是可行的。此强度参数用来补偿碳氢燃料特性的变化或者逐汽缸的不平衡。藉由示例，给出从参数I_c1出发的控制策略。

调整点火的阶段划分。调整点火的阶段划分。点火的阶段划分是首要成分，因为其在线地将燃烧效率和污染物排放的优化纳入考量。在此确切情形中，I_c1是理想的候选参数，用于将点火提前环路设计成不超过导致发动机毁坏或降格的强度。

事实上，越延迟点火，爆震的概率变得越大。鉴于此事实，利用比例积分控制器来控制点火提前，以便朝参考水平控制爆震，该参考水平允许良好地产生力矩并且不损坏发动机。该参考值可以从实验确定，因为该值取决于发动机和汽缸的几何形状。

变体

已经通过利用汽缸压力传感器来描述了本发明。利用能够提供与汽缸震动相关的信号的所有其他传感器将不脱离本发明的范围。

例如，可以利用加速度测量传感器发出的信号。事实上，此类信号对应于周期性振荡变量，并因而可以被认为是正弦分量的和，这些正弦分量的频率是基频的整数倍。此加速度信号α(t)与密切相关于燃烧的发动机组的震动相对应。

通过应用像对汽缸压力信号一样的处理，可以藉由I_c1估计爆震强度。

本发明的优点

与以前的方法相反，所建议的方法具有实时进行爆震强度的估计的优点。因此，一发动机循环结束后，爆震参数(I_CI)便可用，并允许实现对已经过去的循环的诊断。根据此诊断，若强度被判决为太强，则修改点火参数，以便保证后续燃烧的稳定性及其相对于参考点的一致性。要提醒的是，信号的频率分析在计算时间方面可能显得代价高且不适于进行实时处理。本文中所建议的方法既准确又快速。

另外，根据本发明的方法不取决于燃烧的性质或者所使用的传感器技术。调整参数确保该方法良好地适应于各种发动机/传感器配置。

穿过汽缸盖传播的波方程模型的使用允许此方法比以前的方法更接近于物理真实性。

Claims (7)

1.一种用于实时估计内燃发动机的爆震强度的方法，所述内燃发动机包括汽缸盖、至少一个汽缸和至少一个震动传感器，根据曲轴角度连续地从所述震动传感器捕获所述汽缸盖出口处的代表所述汽缸中震动的震动信号，其特征在于，实现以下步骤：

从描述波在固体介质中传播的物理模型出发，构建所述汽缸盖的波方程模型；

通过借助估计程序反转所述波方程模型的动态特性，实时地确定所述震动信号的傅立叶分解系数；

通过对所述傅立叶分解系数求平方和来计算包含在所述信号中的能量；

实时地演绎相关于与所述能量的最大值的平方根相等的爆震强度的参数。

2.如权利要求1所述的方法，其特征在于，所述震动信号是汽缸压力传感器发出的信号或者加速度测量传感器发出的信号。

3.如以上权利要求中的任一项所述的方法，其特征在于，所述震动信号包括若干个谐波，并且只对与燃烧相关的一个或多个谐波估计所述傅立叶分解系数。

4.如权利要求3所述的方法，其特征在于，通过实现频谱分析或时间/频率分析或者通过选择5000Hz至20000Hz的频带，来选择所述与燃烧相关的谐波。

5.如权利要求1所述的方法，其特征在于，确定包括与所述燃烧相联系的震动响应整体的角范围，并在实时确定所述傅立叶分解系数的步骤之前把所述震动信号约束在此角范围内。

6.如权利要求1所述的方法，其特征在于，所述估计程序是自适应类型的非线性估计程序。

7.如权利要求1所述的方法，其特征在于，根据所述与爆震强度相关的参数修改点火参数，以控制所述内燃发动机的所述燃烧。