CN103364198A - 基于声学信号的发动机燃烧信息观测及ecu在线实现方法 - Google Patents

Abstract

本发明公开了一种基于声学信号的用于发动机ECU的燃烧信息观测及其在线实现方法，主要包括：获取学信号燃烧观测特征频段范围；建立基于声学信号的发动机燃烧状态判别模型；建立基于声学信号的发动机燃烧相位观测模型；在线实时动态处理发动机的声学信号，获得发动机当前的燃烧状态和燃烧相位。通过对声学信号燃烧观测特征频段的定义以及提取，提高原始声学信号的信噪比，在声学信号燃烧观测特征频段定义声学信号特征量，建立声信号特征量与缸内燃烧信息之间的数学模型，并基于软硬件资源并行处理的架构提出了基于声学信号的燃烧信息观测在线实现方法，为实际ECU对发动机燃烧信息的观测需求提出了一种实用化的解决方法。

Description

基于声学信号的发动机燃烧信息观测及ECU在线实现方法

技术领域

本发明涉及一种发动机缸内燃烧过程观测方法，尤其涉及一种基于声学信号的用于发动机ECU的燃烧信息观测及其在线实现方法。

背景技术

不同产地以及炼油工艺生产的燃油组分常常发生改变，导致燃油物化特性发生变化。受能源危机的影响，各种替代燃料研究得到了迅速发展，并逐渐应用于实际发动机上，替代燃烧与标准燃油的特化特性也常常差异明显。燃油系统的执行器在使用过程中，随着寿命的变化其关键性能参数会发生变化。燃烧系统本身在不同的环境参数下和自身寿命的变化也会引起性能参数变化。

发动机全寿命周期的清洁高效燃烧对发动机的节能减排有重要意义。由于燃油、燃油系统执行器、燃烧系统之间的差异以及寿命的变化，发动机缸内实际燃烧过程常常会偏离理想状态，导致经济性和排放性能指标恶化，难以满足越来越严格的排放法规和经济性要求。所以，必须对缸内的燃烧过程进行合适的在线观测进而对燃烧采取闭环反馈控制。

目前已有的发动机缸内燃烧过程在线观测方法有基于缸压传感器或离子电流传感器的观测。基于缸压传感器的观测方法虽有精度高、结果准确可靠的优点，但由于缸压传感器造价高、寿命有限、安装困难，难以在实际产品发动机上安装应用。而基于离子电流传感器的观测，需要精密设计的离子电流产生以及检测电路，限制了其广泛使用。

对发动机声学信号的传统研究，主要将其当成噪声污染看待，研究目的在于如何降低发动机噪声。但发动机声学信号尤其是与缸内燃烧过程密切相关的燃烧噪声蕴含着丰富的缸内燃烧状态信息。近年来了，随着时频联合分析、独立分量分析等现代信号处理技术的发展成熟以及在发动机声学信号分析领域的应用（金岩，基于小波变换与独立分量分析的内燃机振声特性研究，[博士学位论文]，浙江大学，2007），对发动机声学信号的时频特性有了更深入的认识，为基于声学信号的燃烧观测提供了支撑。英国曼彻斯特大学的F.Gu（F.Gu,W.Li,A.D.Ball and A.Y.T.Leung.The Condition Monitoring of Diesel Engines UsingAcoustic Measurements Part1:Acoustic Characteristics of the Engine and Representation of theAcoustic Signals.SAE Paper2000-01-0730）和A.D.Ball(A.D.Ball,F.Gu and W.Li.TheCondition Monitoring of Diesel Engines Using Acoustic Measurements Part2:Fault Detectionand Diagnosis.SAE Paper2000-01-0368)等人对柴油机声学信号的产生进行建模以及时频联合分析，表明高频段的声学信号与缸内燃烧过程具有更好的相关性，但正如作者在展望中所述，未来研究工作需要给声学信号定义合适的特征量并建立燃烧观测模型，进行自动化的故障诊断以及在线实现。

近年来，随着声电转换技术的发展，廉价的驻极体式传声器被用于发动机声学信号的检测。Jason S.Sounder等人(Jason S.Souder,J.Hunter Mack,J.Karl Hedrick,Robert W.Dibble.Microphones and Knock Sensors for Feedback Control of HCCI Engines.2004ASMEInternal Combustion Engine Division Long Beach,California,USA,October24-27,2004,Proceeding of ICEF’04,ICEF2004-960)的研究表明，驻极体传声器在发动机缸盖正上方采集的声学信号与发动机缸内燃烧过程的信噪比最好。

意大利博洛尼亚大学Nicolo Cavina等人（Nicolo Cavina,Stefano Sgatti,Filippo Cavannaand Giancarlo Bisanti.Combustion Monitoring Based on Engine Acoustic Emission SignalProcessing.SAE Paper2009-01-1024）对比研究了汽油机爆震与正常燃烧模式下声学信号的特点，表明声学信号具备观测缸内爆震燃烧的潜力。该校Fabrizio Ponti（Fabrizio Ponti,Vittorio Ravaglioli and Davide Moro,Matteo De Cesare.Diesel Engine Acoustic EmissionAnalysis for Combustion Control.SAE Paper2012-01-1338）等人则研究了A计权级噪音分贝数与发动机缸内最大放热率的关系，揭示用A计权级噪音分贝数观测缸内最大放热率的可能。

以上的研究现状初步揭示了用声学信号观测缸内非正常燃烧状态以及缸内燃烧参数的可能性，但其并未定义并建立声学信号与发动机燃烧信息之间的数学模型，并且其研究思想还局限于离线分析，限制了基于声学信号燃烧信息观测方法的应用价值。

发明内容

针对上述现有技术，本发明提供一种基于声学信号的用于发动机ECU的燃烧信息观测及其在线实现方法，通过对声学信号燃烧观测特征频段的定义以及提取，提高原始声学信号的信噪比，在声学信号燃烧观测特征频段定义声学信号特征量，建立声信号特征量与缸内燃烧信息之间的数学模型，并基于软硬件资源并行处理的架构提出了基于声学信号的燃烧信息观测在线实现方法，为实际ECU对发动机燃烧信息的观测需求提出了一种实用化的解决方法。

本发明基于声学信号的用于发动机ECU的燃烧信息观测方法，包括以下步骤：

步骤1，获取声学信号燃烧观测特征频段范围；

将位于发动机缸盖正上方的传声器采集到的发动机原始声学信号基于连续小波变换进行时频联合分析，在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数；在全工况范围内根据各个频段声学信号与缸内燃烧事件的相关性，及位于燃烧事件窗口内各频段声学信号的能量强度，将相关性系数和信号强度系数同时出现峰值的频段记为声学信号燃烧观测特征频段范围；

步骤2，基于声学信号判别当前发动机的燃烧状态

在时频域研究所述声学信号燃烧观测特征频段在正常燃烧模式与失火及工作粗暴模式下的声学信号能量绝对值和能量分布的差异；

在时域下，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据上述差异定义声学信号燃烧观测特征频段的第一组声学信号特征量，所述第一组声学信号特征量用于反映在时域下声学信号能量绝对值和能量分布在正常燃烧模式与失火及正常燃烧模式与工作粗暴模式下的差异；

以全工况范围内多个工况点的燃烧状态以及第一组声学信号特征量作为训练样本，并基于判别分析方法，求解判别系数，获得判别函数式，从而构建一发动机燃烧状态判别模型，所述发动机燃烧状态判别模型用以反映发动机正常燃烧、失火和工作粗暴状态；将上述第一组声学信号特征量作为该发动机燃烧状态判别模型的输入，经过该发动机燃烧状态判别模型运算后得到发动机当前的燃烧状态；

步骤3，基于声学信号观测发动机燃烧始点以及最大压升率时刻

当燃烧状态判别模型输出为正常燃烧状态后，在对声学信号进行时频联合分析以及产生机理分析的基础上，在时域针对声学信号燃烧观测特征频段定义反映燃烧始点、最大压升率时刻的第二组声学信号特征量，并与实际的燃烧始始点、最大压升率时刻进行相关性分析；

以全工况范围内多个工况点的实际的燃烧始点、最大压升率时刻以及相关性系数超过0.9的第二组声学信号特征量作为训练样本，并运用多项式回归建模的方法，求解多项式系数，从而构建一发动机燃烧相位观测模型，所述发动机燃烧相位观测模型反映发动机燃烧始点和最大压升率时刻；

将上述相关性系数超过0.9的第二组声学信号特征量作为发动机燃烧相位观测模型的输入，经该发动机燃烧相位观测模型运算后得到发动机当前的燃烧相位。

本发明基于声学信号的用于发动机ECU的燃烧信息观测的在线实现方法，包括以下步骤：

步骤1，获取声学信号燃烧观测特征频段范围；

将位于发动机缸盖正上方的传声器采集到的发动机原始声学信号基于连续小波变换进行时频联合分析，在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数；在全工况范围内根据各个频段声学信号与缸内燃烧事件的相关性，及位于燃烧事件窗口内各频段声学信号的能量强度，将相关性系数和信号强度系数同时出现峰值的频段记为声学信号燃烧观测特征频段范围；

步骤2，建立基于声学信号的发动机燃烧状态判别模型

在时频域研究所述声学信号燃烧观测特征频段在正常燃烧模式与失火及工作粗暴模式下的声学信号能量绝对值和能量分布的差异；

在时域下，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据上述差异定义声学信号燃烧观测特征频段的第一组声学信号特征量，所述第一组声学信号特征量用于反映在时域下声学信号在正常燃烧模式与失火及正常燃烧模式与工作粗暴模式下能量绝对值和能量分布的差异；

以全工况范围内多个工况点的燃烧状态以及第一组声学信号特征量作为训练样本，并基于判别分析方法，求解判别系数，获得判别函数式，从而构建一发动机燃烧状态判别模型，所述发动机燃烧状态判别模型用以反映发动机正常燃烧、失火和工作粗暴状态；

步骤3，建立基于声学信号的发动机燃烧相位观测模型

当发动机燃烧状态判别模型输出为正常燃烧状态后，在对声学信号进行时频联合分析以及产生机理分析的基础上，在时域针对声学信号燃烧观测特征频段定义反映燃烧始点、最大压升率时刻的第二组声学信号特征量，并与实际的燃烧始始点、最大压升率时刻进行相关性分析；

以全工况范围内多个工况点的实际的燃烧始点、最大压升率时刻以及相关性系数超过0.9的第二组声学信号特征量作为训练样本，并运用多项式回归建模的方法，求解多项式系数，从而构建一发动机燃烧相位观测模型，所述发动机燃烧相位观测模型反映发动机燃烧始点和最大压升率时刻；

步骤4，在线实时动态处理发动机的声学信号，获得发动机当前的燃烧状态和燃烧相位；

所采用的发动机ECU至少包括分层架构的发动机控制器单片机、声学信号电平调理电路和模拟滤波电路；

采用ECU软硬件资源并行处理的架构，充分利用ECU片上硬件资源和单片机内部硬件模块，基于发动机工作循环在线实时动态处理发机的声学信号，包括：

4-1将声学信电平调理、模拟滤波分配到ECU的硬件电路层；

4-2将声学信号采集、传输分配到单片机的硬件模块层，所述硬件模块层根据发动机角标信号建立发动机实时相位，基于相位自动采集声学信号，并将采集的声学信号数据不受主计算核干预自动传输到单片机的内存空间；

4-3将声学信号的带通滤波分配到专用的数字信号处理核（DSP）完成，根据所述声学信号燃烧观测特征频段范围提取声学信号燃烧观测特征频段；

4-4将声学信号特征量定义以及所述发动机燃烧状态判别模型、发动机燃烧相位观测模型的运算分配到单片机的主计算核，完成第一组声学信号特征量和第二组声学信号特征量提取，以及发动机燃烧状态判别模型和发动机燃烧相位观测模型的运算处理；

4-5至此基于循环在线实时得到发动机燃烧状态以及发动机燃烧相位。

进一步讲，上述步骤1中，所述在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数分别如下；

式（1）和式（2）中，f代表某一声学信号频段的截止频率，△f代表某一声学信号频段的带宽，start代表燃烧事件窗口的起始曲轴转角，end代表燃烧事件窗口的终止曲轴转角，

代表声学信号连续小波变换后的小波系数。

与现有技术相比，本发明的有益效果是：

（1）本发明与现有的基于缸压的燃烧观测方法相比，基于声学信号的燃烧观测不需要装备昂贵且寿命有限的缸压传感器，并不需要专门设计加工的测压通道，大幅度降低了硬件投资以及改装的难度。

（2）通过采用时频联合分析方法研究定义与缸内燃烧过程相关性好、能量强度大的燃烧观测特征频段范围，并采用滤波算法提取声学信号燃烧观测特征频段作为后续发动机燃烧状态判别模型以及发动机燃烧相位观测模型的信号输入，与直接使用原始声学信号相比，提高了燃烧观测的精度。

（3）本发明通过在声学信号燃烧观测特征频段定义特征量，并用数学建模思想，建立可用于发动机ECU的发动机燃烧状态判别模型和发动机燃烧相位观测模型的方法，用数学的方法描述发动机燃烧状态判别和发动机燃烧相位观测。从现有技术的信号直观分析升级到建立可应用于实际ECU的数学模型。

（4）与现有的声学信号离线分析技术相比，本发明提供了基于声学信号燃烧信息观测的在线实现方法，通过软件硬件并行处理的架构，提高ECU对声学信号处理的并行度，降低执行时间，可以做到在线实时动态得观测发动机燃烧信息，使得基于声学信号的燃烧信息观测方法可实际应用于发动机ECU。

附图说明

图1是本发明实施例的实验系统结构示意图；

图2是本发明中发动机燃烧状态判别模型架构示意图；

图3是本发明中发动机燃烧相位观测模型架构示意图；

图4是发动机燃烧相位观测模型对测试样本燃烧始点观测结果误差分布图；

图5是发动机燃烧相位观测模型对测试样本最大压升率时刻观测结果误差分布图；

图6是本发明实施例中ECU软硬件资源并行处理的架构示意图。

具体实施方式

下面结合具体实施方式对本发明作进一步详细地描述。

本发明的基本思想是用时频联合分析方法研究定义与缸内燃烧过程相关性好、能量强度大的声学信号燃烧观测特征频段范围，并采用滤波算法提取声学信号燃烧观测特征频段，在声学信号燃烧观测特征频段定义声学信号特征量，采用数学建模的思想，建立发动机燃烧状态判别模型和发动机燃烧相位观测模型。并基于软硬件资源并行处理的架构，提出了基于声学信号燃烧信息观测在实际发动机ECU上的在线实现方法。

这里以一高压共轨柴油机实验缸基于声学信号的燃烧信息观测为例，对发明内容进行具体说明：

如图1所示，本发明实施例的实验系统包括高压共轨柴油机实验缸、缸压传感器、角标传感器、同步传感器、装于实验缸盖正方8厘米处的传声器以及ECU、监控标定软件、记录式示波器；所述监控标定软件和ECU之间采用串行通信，由监控标定软件向ECU发送喷油量、喷油提前角、喷油设定压力等控制参数，ECU向监控标定软件发送发动机转速、喷油实际压力等数据；所述缸压传感器、角标传感器、同步传感器、传声器采集到的数据送给记录式示波器；所述记录式示波器记录的数据用于离线分析，定义声学信号燃烧观测特征频段范围；所述角标传感器、同步传感器、传声器采集到的数据送给ECU；所述ECU采集的数据用于在线实现基于声学信号的燃烧信息观测。

高压共轨柴油机实验缸基于声学信号的用于发动机ECU的燃烧信息观测由以下步骤构成：

步骤1，获取声学信号燃烧观测特征频段范围；

定义与缸内燃烧事件相关性高、在燃烧事件窗口信号能量大的频段为声学信号燃烧观测特征频段，作为后续发动机燃烧状态判别和发动机燃烧相位观测的信号输入。将位于发动机缸盖正上方的传声器采集到的原始声学信号进行基于小波变换的时频联合分析，在时频域定义相关性系数、信号强度系数分别评价不同频段声学信号与缸内燃烧事件的相关性和燃烧事件窗口不同频段声学信号能量强度。

考虑到实际滤波器的带通性能限制，以一定的频率△f为步长，在20Hz-20kHz频段内，定义各频段上止点附近（曲轴转角从

至

）声学信号能量占整个循环720°CA能量的比例，作为信噪比的评价指标。比例越高，表明对应频段声学信号的能量更多地分布在缸内燃烧事件发生的上止点附近，在其它时刻能量分布较少，与缸内燃烧事件的相关性好，信噪比大。

式中，f代表某一声学信号频段的截止频率，△f代表某一声学信号频段的带宽，start代表燃烧事件窗口的起始曲轴转角，end代表燃烧事件窗口的终止曲轴转角，

代表声学信号连续小波变换后的小波系数。

以△f为步长，在20Hz-20kHz频段内，定义各频段在上止点附近（曲轴转角从

至

）声学信号能量占该时间窗口20Hz-20kHz总声学能的比例，作研究窗口声学信号能量强弱的评价指标。比例越高，表明对应频段声学信号能量在上止点附件声学信号总能量中所占比重大，信号相对强度高。

式中，f代表某一声学信号频段的截止频率，△f代表某一声学信号频段的带宽，start代表燃烧事件窗口的起始曲轴转角，end代表燃烧事件窗口的终止曲轴转角，

代表声学信号连续小波变换后的小波系数。

在全工况范围内根据各个频段声学信号与缸内燃烧事件的相关性，及位于燃烧事件窗口内各频段声学信号的能量强度，将相关性系数和信号强度系数同时出现峰值的频段记为声学信号燃烧观测特征频段范围。

在本实施例中，相关性系数和信号强度系数在声学信号的中频段和高频段均出现峰值，均记为声学信号燃烧观测特征频段范围，分别记为F_中频段和F_高频段，其激励源分别为发动机缸内由于压缩以及燃烧导致的缸压突升和燃烧导致的缸内压力高频振荡。

步骤2，基于声学信号判别当前发动机的燃烧状态

在小波变换后的时频域研究步骤1提取的声学信号燃烧观测特征频段在正常燃烧模式与非正常燃烧模式的差异，结果表明在失火状态下声学信号在两个特征频段的能量均低于正常燃烧模式；工作粗暴状态下声学信号在F_高频段的能量分布向高频方向移动，在F_中频段的能量要高于正常燃烧状态。如图2所示，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据时频域的分析认识，在时域定义对正常燃烧模式与非正常燃烧模式敏感的第一组声学信号特征量，如声学信号燃烧观测特征频段能量值、声学信号燃烧观测特征频段主导频率。

声学信号燃烧观测特征频段能量值U_{energy_}sum的定义如下：

U_energy_sum=U_energy_F_高频段+U_energy_F_中频段

所述U_energy_F_高频段，U_energy_F_中频段的定义如下：

式中，

为信号的采样间隔，u₁,u₂,…,u_n为声学信号燃烧观测特征频段F_中频段或F_高频段信号的瞬时值。

声学信号燃烧观测特征频段主导频率f_time用于考察F_高频段的能量分布变化。

在声学信号燃烧观测特征频段F_高频段感知到燃烧起始时刻及往后推15°CA范围内，找到这段时刻所有的波峰及波谷出现的时刻，得到半个周期信号对应的时间（以曲轴转角

计），再取每半个周期时间的平均值并乘以系数2，得到这段时间信号的平均周期

平均周期

与主导频率f_time之间的关系为：

式中，n为发动机转速，单位为rpm；

为平均周期，单位为°CA；f_time为主导频率，单位为Hz。

将非正常燃烧模式与正常燃烧模式抽象为数学上的两种不同状态，以声学信号燃烧观测特征频段提取的第一组声学信号特征量作为输入，采用判别分析的方法，建立判别函数，以Fisher判别准则求解判别系数，构建发动机燃烧状态判别模型，所述发动机燃烧状态判别模型用以反映发动机正常燃烧、失火和工作粗暴状态。

在高压共轨柴油机常用转速范围内（800rpm-2000rpm），选取多个正常燃烧循环和失火循环，以声学信号能量特征量U_energy_sum和转速为自变量，以判别函数分析法作为数学方法，建立失火诊断模型。以Fisher准则求解线性判别函数的判别系数，得到的判别函数表达式如下：

Y=1.858×U_energy_sum-0.001×n-6.309

式中，n为发动机转速，单位rpm；Y为判别函数值。

当判别函数值Y<0时，记为状态“0”，发动机处于循环失火；当判别函数值Y>0，记为状态“1”，发动机处于正常燃烧状态。

同样，在高压共轨柴油机常用转速范围内（800rpm-2000rpm），选取多个正常燃烧循环和工作粗暴循环，以声学信号能量特征量f_time，U_energy_F_中频段和转速为自变量，以判别函数分析法作为数学方法，建立工作粗暴诊断模型。以Fisher准则求解线性判别函数的判别系数，得到的判别函数如下：

Y=0.006×f_time+3.609×U_energy_F_中频段+0.001×n-42.968

式中，n为发动机转速，单位rpm；Y为判别函数值。

判别函数Y<0时，记为状态“0”，发动机处于正常燃烧状态；当判别函数Y>0，记为状态“1”，发动机处于工作粗暴状态。

本实施方案建立的燃烧状态判别模型对测试样本的观测结果如表1和表2所示。模型对失火和正常燃烧的辨识率超过了99%，对工作粗暴和正常燃烧的辨识率达到了85%以上。

表1 模型对失火观测结果

表2 模型对工作粗暴观测结果

步骤3，基于声学信号观测发动机燃烧始点以及最大压升率时刻

声学信号燃烧观测特征频段F_中频段激励源为发动机汽缸内由于压缩以及燃烧导致的缸压突升。从声学信号时频图上可见，从上止点前40°CA其能量已经开始突然增大，这是因为上止前点40°CA处由于活塞的压缩作用，缸内气体压力已经开始突变升高，所以声学信号燃烧观测特征频段F_中频段其能量突增点不能较好地表示缸内的实际燃烧始点。但该频段特理意义清晰，将用于观测缸内最大压升率时刻。

声学信号燃烧观测特征频段F_高频段激励源为由于燃烧导致的缸内压力高频振荡。汽缸内柴油压燃为滞燃期形成的可燃混合气瞬间多点同时着火过程。这一行为具有爆燃性特点，导致放热速度和加速度过大，缸内压力升高速度和加速度过大，气体容积来不及正常膨胀和传递压力，从而激发了压力冲击波，并在缸内迅速传播、反射、反复叠加，形成高频压力振荡，作为声学信号的激励源在声学信号对应频段有所反映。从这一过程看，缸内压力的高频振荡只会开始于滞燃期结束后的着火瞬间。所以可以用声学信号燃烧观测特征频段F_高频段的能量突增点表征缸内的实际燃烧始点。但缸压高频振荡过程具有相当大的随机性，当缸内燃烧过程剧烈时会在声学信号燃烧观测特征频段F_高频段激发起较强的声学信号。反之，当缸内燃烧过程平缓时其缸内压力高频振荡较弱，在F_高频段激起的声学信号也较弱。所以声学信号燃烧观测特征频段F_高频段不适合用于观测缸内燃烧过程最大压升率时刻。

如图3所示，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据时频联合分析以及产生相理分析的结果，在F_高频段定和F_中频段定义第二组声学信号特征量，如声学信号感知的燃烧始点Com_S，声学信号感知的最大压升率时刻

经过研究，非燃烧阶段声学信号燃烧观测特征频段F_高频段的信号可以认为是高斯噪声，其瞬时幅值分布在[μ-3σ,μ+3σ]的99.7%置信区间内。当缸内燃烧过程发生后，缸内压力急剧上升，并激发出缸内压力高频振荡，缸内压力高频振荡引起机体相应频段的振动能量增强并产生明显的声学信号被传声器采集到。此时，声学信号瞬时幅值的分布将不再服从非燃烧阶段参数μ和σ定义的高斯分布，将声学信号燃烧观测特征频段F_高频段打破高斯分布置信区间的点作为声学信号感知的燃烧始点记作Com_S(为了防止偶然误触发，必须连续三个点打破置信区间边界)。

声学信号特征量

它指声学信号感知的燃烧始点Com_S后推10°CA内，在声学信号燃烧观测特征频段F_中频段信号最大值所对应的相位。

在高压共轨柴油机常用转速范围内选取多个循环，研究声学信号特征量Com_S与缸内实际的燃烧始点、声学信号特征量

与最大压升率时刻的相关性，采用线性相关系数的研究方法，结果表明在多个转速下第二组声学信号特征量与实际的燃烧始点、最大压升率时刻的线性相关系数均超过0.9。

在发动机全工况范围内选取多个典型工况点作为训练样本，采用多项式回归建模的方法，用最小二乘法求解回归多项式系数，建立发动机燃烧相位观测模型，所述发动机燃烧相位观测模型反映发动机燃烧始点和最大压升率时刻。

发动机燃烧始点观测模型回归方程如下：

燃烧始点=0.888×Com_S-0.00443×n+0.263

式中，n为发动机转速，单位为rpm。

发动机最大压升率时刻观测模型回归方程如下：

式中，n为发动机转速，单位为rpm。

本实施方案建立的燃烧相位观测模型对测试样本的对燃烧始点、最大压升率时刻观测结果误差如图4和图5所示。燃烧相位观测模型对燃烧始点的观测值与实际值的均方根误差为0.97°CA，误差分布仍近似服从μ=0,σ=0.97的正态分布。模型输出值的误差分布在正负5°CA以内，误差落在正负2°CA区间的概率密度为94.5%；燃烧相位观测模型对最大压升率时刻的观测值与实际值的均方根误差为0.96°CA，误差分布仍近似服从μ=0,σ=0.96的正态分布。模型输出值的误差落在正负2°CA区间的概率密度为89.1%。

下面以一高压共轨柴油机实验缸基于声学信号的燃烧信息观测在线实现为例，对本发明内容进行具体说明：

实验系统仍如图1所示，步骤1、步骤2、步骤3见上文所述，这里不再陈述。下面就基于声学信发动机燃烧信息观测ECU在线实现方法展开进一步讨论。

步骤4，在线实时动态处理发动机的声学信号，获得发动机当前的燃烧状态和燃烧相位。

所采用的发动机ECU至少包括分层架构的发动机控制器单片机、声学信号电平调理电路和模拟滤波电路；

针对声学信号采集处理的复杂性以及发动机数字控制系统对实时性的苛刻要求，选择英飞凌公司具有分层架构的发动机控制器单片机TC1766开发ECU，TC1766单片机具备的性能及声学信号燃烧信息观测性能需求如表3所示。

表3 TC1766具备的性能及声学信号燃烧信息观测性能需求

所采用的发动机ECU包括TC1766单片机、声学信号电平调理电路和模拟滤波电路。

如图6所示，采用ECU软硬件资源并行处理的架构，充分利用ECU片上硬件资源和单片机内部硬件模块，基于发动机工作循环在线实时动态处理发机的声学信号，获得发动机当前燃烧状态和燃烧相位。包括：

4-1将声学信电平调理、模拟滤波分配到ECU的硬件电路层。硬件电路层在ECU上电后不需要其它层的干预自动工作。电平调理电路将含有负电压的原始声学信号映射到正电压范围，模拟滤波采用RC低通滤波电路，将截止频率设定为20kHz。该层处理后的模拟量声学信号传递给单片机内部硬件模块层；

4-2将声学信号采集、传输分配到单片机的硬件模块层，所述硬件模块层基于TC1766单片机的GPTA模块实时采集测量发动机角标信号，建立发动机实时相位，并将原始角标信号倍频至0.1°CA。FADC模块基于发动机相位以0.1°CA为采样步长自动采集实验缸燃烧事件窗口声学信号，采集的声学信号数据通过DAM模块的数据传输道不受主计算核干预自动传输到单片机的内存空间。硬件模块层在TC1766单片机上电初始化后按照设置的规则自动运行。

4-3将声学信号的带通滤波分配到单片机的专用数字信号处理核（DSP）完成，TC1766单片机的数字信号处理核采用专门设计的指令集，提高了数据处理的速度。在DSP核中运行基于有限长冲击响应（FIR）算法的带通滤波器，在所述声学信号燃烧观测特征频段范围提取声学信号燃烧观测特征频段；

4-4将声学信号特征量定义以及所述发动机燃烧状态判别模型、发动机燃烧相位观测模型的运算分配到单片机的主计算核，主计算核的任务被分解成几个子任务模块，如声学信号特征量提取子任务模块、发动机燃烧状态判别子任务模块、发动机燃烧相位观测子任务模块。各子任务模块由任务调度器以一定时间间隔激活调用，完成第一组声学信号特征量和第二组声学信号特征量提取，以及发动机燃烧状态判别模型和发动机燃烧相位观测模型的运算处理，在线输出发动机的燃烧状态和发动机燃烧相位。

4-5至此利用ECU的软硬件资源，将声学信号电平调理、采集、滤波、传输、模型运算分配到不同的硬件单元，提高处理的并行度，测试结果表明实现一个完整循环基于声学信号燃烧信息观测任务在本发明开发的ECU单片机上运行时间约为5.31ms，表明本发明提出的基于声学信号燃烧信息观测在线实现方法可满足实际ECU对实时性的要求，可集成到ECU中在线实时观测发动机燃烧信息，作为发动机燃烧闭环反馈控制的输入。

尽管上面结合图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以作出很多变形，这些均属于本发明的保护之内。

Claims (4)

1.一种基于声学信号的用于发动机ECU的燃烧信息观测方法，包括以下步骤：

步骤1，获取声学信号燃烧观测特征频段范围；

将位于发动机缸盖正上方的传声器采集到的发动机原始声学信号基于连续小波变换进行时频联合分析，在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数；在全工况范围内根据各个频段声学信号与缸内燃烧事件的相关性，及位于燃烧事件窗口内各频段声学信号的能量强度，将相关性系数和信号强度系数同时出现峰值的频段记为声学信号燃烧观测特征频段范围；

步骤2，基于声学信号判别当前发动机的燃烧状态

在时频域研究所述声学信号燃烧观测特征频段在正常燃烧模式与失火及工作粗暴模式下的声学信号能量绝对值和能量分布的差异；

在时域下，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据上述差异定义声学信号燃烧观测特征频段的第一组声学信号特征量，所述第一组声学信号特征量用于反映在时域下声学信号能量绝对值和能量分布在正常燃烧模式与失火及正常燃烧模式与工作粗暴模式下的差异；

以全工况范围内多个工况点的燃烧状态以及第一组声学信号特征量作为训练样本，并基于判别分析方法，求解判别系数，获得判别函数式，从而构建一发动机燃烧状态判别模型，所述发动机燃烧状态判别模型用以反映发动机正常燃烧、失火和工作粗暴状态；将上述第一组声学信号特征量作为该发动机燃烧状态判别模型的输入，经过该发动机燃烧状态判别模型运算后得到发动机当前的燃烧状态；

步骤3，基于声学信号观测发动机燃烧始点以及最大压升率时刻

当燃烧状态判别模型输出为正常燃烧状态后，在对声学信号进行时频联合分析以及产生机理分析的基础上，在时域针对声学信号燃烧观测特征频段定义反映燃烧始点、最大压升率时刻的第二组声学信号特征量，并与实际的燃烧始始点、最大压升率时刻进行相关性分析；

以全工况范围内多个工况点的实际的燃烧始点、最大压升率时刻以及相关性系数超过0.9的第二组声学信号特征量作为训练样本，并运用多项式回归建模的方法，求解多项式系数，从而构建一发动机燃烧相位观测模型，所述发动机燃烧相位观测模型反映发动机燃烧始点和最大压升率时刻；

将上述相关性系数超过0.9的第二组声学信号特征量作为发动机燃烧相位观测模型的输入，经该发动机燃烧相位观测模型运算后得到发动机当前的燃烧相位。

2.根据权利要求1所述基于声学信号的用于发动机ECU的燃烧信息观测方法，其中，步骤1中，所述在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数分别如下；

式（1）和式（2）中，f代表某一声学信号频段的截止频率，△f代表某一声学信号频段的带宽，start代表燃烧事件窗口的起始曲轴转角，end代表燃烧事件窗口的终止曲轴转角，

代表声学信号连续小波变换后的小波系数。

3.一种基于声学信号的用于发动机ECU的燃烧信息观测的在线实现方法，包括以下步骤：

步骤1，获取声学信号燃烧观测特征频段范围；

将位于发动机缸盖正上方的传声器采集到的发动机原始声学信号基于连续小波变换进行时频联合分析，在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数；在全工况范围内根据各个频段声学信号与缸内燃烧事件的相关性，及位于燃烧事件窗口内各频段声学信号的能量强度，将相关性系数和信号强度系数同时出现峰值的频段记为声学信号燃烧观测特征频段范围；

步骤2，建立基于声学信号的发动机燃烧状态判别模型

在时频域研究所述声学信号燃烧观测特征频段在正常燃烧模式与失火及工作粗暴模式下的声学信号能量绝对值和能量分布的差异；

在时域下，将原始声学信号滤波提取声学信号燃烧观测特征频段，根据上述差异定义声学信号燃烧观测特征频段的第一组声学信号特征量，所述第一组声学信号特征量用于反映在时域下声学信号在正常燃烧模式与失火及正常燃烧模式与工作粗暴模式下能量绝对值和能量分布的差异；

以全工况范围内多个工况点的燃烧状态以及第一组声学信号特征量作为训练样本，并基于判别分析方法，求解判别系数，获得判别函数式，从而构建一发动机燃烧状态判别模型，所述发动机燃烧状态判别模型用以反映发动机正常燃烧、失火和工作粗暴状态；

步骤3，建立基于声学信号的发动机燃烧相位观测模型

当发动机燃烧状态判别模型输出为正常燃烧状态后，在对声学信号进行时频联合分析以及产生机理分析的基础上，在时域针对声学信号燃烧观测特征频段定义反映燃烧始点、最大压升率时刻的第二组声学信号特征量，并与实际的燃烧始始点、最大压升率时刻进行相关性分析；

以全工况范围内多个工况点的实际的燃烧始点、最大压升率时刻以及相关性系数超过0.9的第二组声学信号特征量作为训练样本，并运用多项式回归建模的方法，求解多项式系数，从而构建一发动机燃烧相位观测模型，所述发动机燃烧相位观测模型反映发动机燃烧始点和最大压升率时刻；

步骤4，在线实时动态处理发动机的声学信号，获得发动机当前的燃烧状态和燃烧相位；

所采用的发动机ECU至少包括分层架构的发动机控制器单片机、声学信号电平调理电路和模拟滤波电路；

采用ECU软硬件资源并行处理的架构，充分利用ECU片上硬件资源和单片机内部硬件模块，基于发动机工作循环在线实时动态处理发机的声学信号，包括：

4-1将声学信电平调理、模拟滤波分配到ECU的硬件电路层；

4-2将声学信号采集、传输分配到单片机的硬件模块层，所述硬件模块层根据发动机角标信号建立发动机实时相位，基于相位自动采集声学信号，并将采集的声学信号数据不受主计算核干预自动传输到单片机的内存空间；

4-3将声学信号的带通滤波分配到专用的数字信号处理核（DSP）完成，根据所述声学信号燃烧观测特征频段范围提取声学信号燃烧观测特征频段；

4-4将声学信号特征量定义以及所述发动机燃烧状态判别模型、发动机燃烧相位观测模型的运算分配到单片机的主计算核，完成第一组声学信号特征量和第二组声学信号特征量提取，以及发动机燃烧状态判别模型和发动机燃烧相位观测模型的运算处理；

4-5至此基于循环在线实时得到发动机燃烧状态以及发动机燃烧相位。

4.根据权利要求3所述基于声学信号的用于发动机ECU的燃烧信息观测的在线实现方法，其中，步骤1中，所述在时频域定义20Hz至20kHz声学信号不同频段的相关性系数和信号强度系数分别如下；

式（1）和式（2）中，f代表某一声学信号频段的截止频率，△f代表某一声学信号频段的带宽，start代表燃烧事件窗口的起始曲轴转角，end代表燃烧事件窗口的终止曲轴转角，

代表声学信号连续小波变换后的小波系数。

Images