CN104514637A - 动力传动系控制系统 - Google Patents

Abstract

本发明描述了用于动力传动系控制优化的系统和方法。一种方法包括针对转速-负荷映射图的稀疏采样自适应地获悉发动机设定值，该稀疏采样包括在转速-负荷映射图的边界条件处的发动机操作，以及基于针对稀疏采样所获悉的发动机设定值产生动态节点查询表。动态节点查询表可以为在自适应获悉期间没有被明确获悉的转速-负荷点处的发动机操作提供发动机设定值。

Description

动力传动系控制系统

相关申请的交叉引用

本申请要求2013年9月27号提交的标题为“POWERTRAINCONTROL SYSTEM”的美国临时专利申请No.61/883,914的优先权，为了所有目的，其全部内容通过引用合并与此。

背景技术

燃料经济性和排放标准的政府法规已经迫使改善发动机效率的发动机技术的发展。通过增加的致动器数量和更复杂的控制算法来实现这种技术。因此，动力传动系控制稳态优化已经显著增加。稳态优化可以包括检查每一个转速-负荷点以确定满足预定的限制并优化燃料经济性的致动器组合设定。然而，为每一个转速-负荷点识别致动器组合会是一个复杂且漫长的过程。作为一个示例，会需要大量的动力计数据采集和后处理，以便为每一个转速-负荷点产生致动器设定值。总的来说，这种运用会是特别长的、复杂的，并且会导致增加的成本。

发明内容

发明人在此已经认识到上述问题，并且已经确定了一种至少部分地解决一些上述问题的方法。在一种示例方法中，提供了一种用于发动机的方法，其包括：通过来自发动机转速-负荷映射图的边界条件下的发动机操作期间自适应获悉的致动器设定值的内插，获得在发动机转速-负荷映射图的非边界条件下未进行自适应获悉的发动机操作的致动器设定值。

在一个示例中，发动机最初(制造后)可以以预先编程的设定值操作。随着发动机操作继续，并且遇到发动机转速-负荷映射图上的边界条件，可以获悉这些边界条件的发动机设定值。在本文中，转速-负荷映射图的边界条件可以包括任何发动机负荷下的最小转速、任何发动机负荷下的最大转速、任何下发动机转速的最小负荷、以及任何下发动机转速的最大负荷或最小制动比燃料消耗率(Brake Specific Fuel Consumption，BSFC)中的一个。这些获悉的发动机设定值可以被进一步自适应改变，以便提供期望的输出，诸如改善的燃料经济性和减少的排放。此外，这些自适应获悉的设定值可以被存储，并且可以被内插到发动机转速-负荷映射图中的之前没有(或将要)执行自适应获悉的位置。可以借助于发动机的模型而非通过使用跨越稳态状况下的整个转速-负荷表的自适应控制方案来完成内插。可以基于在实时控制期间实际访问的点来确定内插的准确性。因此，代替使用跨越稳态状况下的整个转速-负荷表的自适应控制方案(并且因此需要对每一个转速-负荷点的访问以获悉用于该点的数据)，可以使用发动机的模型将转速-负荷映射图的挑选子集(例如边界条件)处的自适应获悉的数据内插或外插到映射图中没有进行自适应获悉的位置。

因此，在使用查询表(LUT)的实时控制系统的背景下，为了降低复杂性，可以使用一种用于动力传动系控制优化的混合方法。该混合方法可以结合能够访问转速-负荷映射图中的一些挑选点(可选地，仅在负荷边界处)的间接自适应控制与动态节点查询表的并行系统识别。动态节点查询表然后可以被实时或离线地用来为没有被自适应控制明确访问的转速-负荷点确定稳态致动器设定值。致动器可以包括节气门、火花、以及进气与排气凸轮正时(包括进气门打开正时、进气门关闭正时，排气门打开正时、以及排气门关闭正时)。优化可以是各种参数(诸如BSFC)，同时满足CA50(曲柄角度百分比，例如，50％)燃烧目标与负荷目标。

以此方式，可以在实时操作中没有大量数据采集的情况下优化动力传动系控制。通过仅在所选区域(例如在转速-负荷映射图的边界处)获悉自适应的致动器设定值，不会明确地访问映射图上的每一个转速-负荷点用于产生数据。因此，可以实现数据采集和后处理的显著减少。另外，由于针对转速-负荷映射图的边界内的点的模式化的致动器设定值基于自适应获悉的用于最佳输出的设定值，因此可以获得燃料经济性和排放的改善。总的来说，该模型使处理时间得以减少并且使燃料效率得以改善。

应当理解，提供以上概述是为了以简化的形式介绍一些概念，这些概念在具体实施方式中被进一步描述。这并不意味着确定所要求保护的主题的关键或基本特征，要求保护的主题的范围被紧随具体实施方式之后的权利要求唯一地限定。此外，要求保护的主题不限于解决在上面或在本公开的任何部分中提及的任何缺点的实施方式。

附图说明

图1是发动机系统的示意图。

图2描述了图示说明获悉边界条件下的致动器设定值的示例流程图。

图3描绘了利用动态节点查询表为远离边界条件的转速-负荷点建立致动器设定值的示例流程图。

图4是根据本公开的增量自适应模型的示例控制系统。

图5示出了自适应控制的致动器设定值的曲线。

图6描述了发动机负荷相对于被命令的负荷的变化。

图7图示说明了CA50相对于被命令的值的变化。

图8描绘了制动比燃料消耗率在自适应控制期间的变化。

图9是实际的发动机输出与基于从动态节点查询表提取的致动器设定值的估计的输出之间的比较。

具体实施方式

以下描述涉及一种用于获悉发动机系统(诸如图1的发动机系统)中的致动器设定值的方法。当发动机在发动机转速-负荷映射图的边界/极限状况下运转时，致动器设定值可以被获悉并且被自适应改变(图2)。并行于致动器设定值的自适应获悉，可以通过发动机模型来产生动态节点查询表(DLUT)。DLUT可以包括针对除了转速-负荷边界条件外的发动机状况产生致动器设定值。因此，当非边界条件出现在实时发动机操作期间时，可以根据DLUT确定致动器设定值(图3)。在本公开中所描述的示例中，间接自适应控制系统(图4)可以被用来命令转速-负荷映射图上的所选组状况，具体地，转速-负荷映射图的边界处的发动机负荷(图6)。也可以通过自适应控制来确定提供期望的发动机负荷输出的致动器设定值(图5)。另外，经确定的致动器设定值可以实现期望的CA50(曲柄角度百分比，例如，50％)燃烧目标的输出(图7)和期望的制动比燃料消耗率(BSFC)(图8)。如在上面所提到的，基于针对被命令的边界发动机负荷的致动器设定值，可以通过点内插来产生DLUT，并且可以针对非边界发动机状况估计稳态发动机设定值。这些估计的设定值可以应用于自然吸气式发动机的模型，并且产生的参数(诸如负荷、BSFC和CA50)输出可以被测量并与相同参数的估计的输出进行比较(图9)。

现在转向图1，其示出了描述内燃发动机10的燃烧室或汽缸的示例实施例的发动机系统。发动机10可以接收来自包括控制器12的控制系统的控制参数和经由输入装置132来自车辆操作者130的输入。在这个示例中，输入装置132包括加速器踏板和用于产生成比例的踏板位置信号PP的踏板位置传感器134。发动机10的汽缸14(在本文中也称为“燃烧室”14)可以包括燃烧室壁136，活塞138被设置在其中。活塞138可以被耦接至曲轴140，使得活塞的往复运动被转换为曲轴的旋转运动。曲轴140可以经由变速器系统(未示出)耦接至客车的至少一个驱动轮。此外，启动马达(未示出)可以经由飞轮耦接至曲轴140，以实现发动机10的启动运转。

汽缸14可以经由一系列进气通道142、144和146接收进气。除了汽缸14外，进气通道146还可以与发动机10的其他汽缸连通。在一些实施例中，一个或更多个进气通道可以包括增压装置，例如涡轮增压器或机械增压器。例如，图1示出了被配置为具有可选涡轮增压器(虚线)的发动机10，该涡轮增压器包括在进气通道142与144之间布置的压缩机172和沿排气通道176布置的排气涡轮174。压缩机172可以通过轴180至少部分地由排气涡轮174提供动力，其中增压装置被配置为涡轮增压器。然而，在诸如发动机10具有机械增压器的其他示例中，排气涡轮174可以被省略，而压缩机172可以由来自马达或发动机的机械输入提供动力。废气门186可以被耦接在涡轮174的两端。具体地，废气门168可以被包括在耦接在涡轮174的入口与出口之间的旁路167中。通过调整废气门168的位置，可以控制由涡轮提供的增压量。

包括节流板164的节气门162沿发动机的进气通道被提供，以便改变提供给发动机汽缸的进气流速和/或进气压力。例如，如在图1中所示的，节气门162可以被布置在压缩机172的下游，或可替代地，可以被提供在压缩机172的上游。

除了汽缸14外，排气歧管148和排气通道176还可以接收来自发动机10的其他汽缸的排气。排气传感器128被显示为耦接至排放控制装置178上游的排气歧管148。例如，传感器128可以选自用于提供排气空燃比指示的各种合适的传感器，诸如线性氧传感器或UEGO(通用或宽域排气氧传感器)、双态氧传感器或EGO(如所描述的)、HEGO(加热型EGO)、NOx、HC或CO传感器。排放控制装置178可以是三元催化剂(TWC)、NOx捕集器、各种其他排放控制装置或其组合。

排气温度可以由位于排气通道176中的一个或更多个温度传感器(未示出)测量。可替代地，排气温度可以基于发动机工况推断，发动机工况例如为转速、负荷、空燃比(AFR)、花火延迟等。另外，排气温度可以通过一个或更多个排气传感器128计算。

发动机10的每个汽缸可以包括一个或更多个进气门和一个或更多个排气门。例如，汽缸14被显示为包括位于汽缸14的上部区域的至少一个进气提升气门150和至少一个排气提升气门156。在一些实施例中，发动机10的每个汽缸(包括汽缸14)可以包括位于汽缸的上部区域的至少两个进气提升气门和至少两个排气提升气门。

进气门150可以由控制器12通过凸轮驱动系统151控制。类似地，排气门156可以由控制器12通过凸轮驱动系统153控制。凸轮驱动系统151和153均可以包括一个或更多个凸轮，并且可以使用可以由控制器12运转的凸轮轮廓线变换(CPS)、可变凸轮正时(VCT)、可变气门正时(VVT)和/或可变气门升程(VVL)系统中的一个或更多个，以改变气门运转。进气门150和排气门156的运转可以分别由气门位置传感器(未示出)和/或凸轮轴位置传感器155和157确定。在可替代的实施例中，进气和/或排气门可以由电气门驱动控制。例如，汽缸14可以可替代地包括通过电气门驱动控制的进气门和通过包括CPS和/或VCT系统的凸轮驱动控制的排气门。在另一实施例中，进气和排气门可以由共同的气门驱动器或者驱动系统或可变气门正时驱动器或者驱动系统控制。可以基于根据在本文中所描述的混合方法确定的转速/负荷设定点(通过提前或延迟VCT系统)调整凸轮正时。

在一些实施例中，发动机10的每个汽缸可以包括用于开始燃烧的火花塞192。在选择的运转模式下，响应于来自控制器12的火花提前信号SA，点火系统190可以经由火花塞192向燃烧室14提供点火火花。

在一些实施例中，发动机10的每个汽缸可以被配置为具有一个或更多个用于提供燃料的喷射器。作为非限制性的示例，汽缸14被示出为包括一个燃料喷射器166。燃料喷射器166被示出为直接耦接至汽缸14，以便经由电子驱动器169与从控制器12接收的信号FPW的脉冲宽度成比例地将燃料直接喷射进的汽缸14中。以此方式，燃料喷射器166提供了到汽缸14的燃烧室内的所谓的燃料直接喷射(在下文中也被称为“DI”)。尽管图1将喷射器166示为侧喷射器，但其也可以位于活塞的上面，例如靠近火花塞192的位置。当使发动机以醇基燃料运转时，由于一些醇基燃料的更低的挥发性，这样的位置可以改善混合以及燃烧。燃料可以从高压燃料系统8输送至燃料喷射器166，高压燃料系统8包括燃料箱、燃料泵和燃料轨道。燃料系统8中的燃料箱可以容纳燃料。

如上面所描述的，图1仅示出了多缸发动机的一个汽缸。因此，每个汽缸可以类似地包括其自己的一组进气/排气门、(一个或多个)燃料喷射器、火花塞等。

尽管未示出，但应认识到，发动机还可以包含一个或更多个排气再循环通道，以便使至少一部分排气从发动机排气转向到发动机进气。因此，通过再循环一些排气可以影响发动机稀释，这可以通过减少发动机爆震、汽缸峰值燃烧温度和压力、节流损失和NOx排放物来改善发动机性能。一个或更多个EGR通道可以包括LP-EGR通道，其被耦接在涡轮增压器压缩机上游的发动机进气装置与涡轮下游的发动机排气装置之间，并被配置提供低压(LP)EGR。一个或更多个EGR通道还可以包括HP-EGR通道，其被耦接在压缩机下游的发动机进气装置与涡轮上游的发动机排气装置之间，并被配置提供高压(HP)EGR。在一个示例中，可以在诸如不存在由涡轮增压器提供的增压的情况下提供HP-EGR流，而在诸如存在涡轮增压器增压的情况下和/或当排气温度超过阈值时提供LP-EGR流。可以通过LP-EGR阀调整通过LP-EGR通道的LP-EGR流，而可以通过HP-EGR阀(未示出)调整通过HP-EGR通道的HP-EGR流。。

控制器12在图1中被示为微型计算机，包括微处理单元106、输入/输出端口108、在这个具体示例中作为只读存储片110示出的用于可执行程序和校准数值的电子存储介质、随机存取存储器112、保活存储器114和数据总线。控制器12可以接收来自耦接至发动机10的传感器的各种信号，除了之前所讨论的那些信号外，还包括来自质量空气流量传感器122的进气质量空气流量(MAF)的测量；来自耦接至冷却套筒118的温度传感器116的发动机冷却液温度(ECT)；来自耦接至曲轴140的霍尔效应传感器120(或其他类型)的表面点火感测信号(PIP)；来自节气门位置传感器的节气门位置(TP)；以及来自传感器124的歧管绝对压力信号(MAP)。发动机转速信号RPM可以由控制器12根据信号PIP产生。来自歧管压力传感器的歧管压力信号MAP可以被用来提供进气歧管内的真空或压力的指示。其他传感器可以包括耦接至燃料系统的(一个或多个)燃料箱的燃料水平传感器和燃料成分传感器。

存储介质只读存储器110可以用计算机可读数据编程，该计算机可读数据被存储在存储器中并且代表可由处理器106执行的指令，用于实现在本文中所描述的程序以及期望但没有具体列出的其他变体。

现在转向图2，其描述了用于获悉边界条件下的致动器或发动机设定值的示例控制程序200。具体地，当车辆中的发动机正在转速-负荷映射图上的边界条件下运转时，获悉致动器设定值。另外，可以基于感测的值(诸如发动机转速与负荷)调整发动机设定值。虽然在这个示例中使用了转速与负荷，但其他参数可以与发动机转速一起使用并被编索引，其他参数诸如为气流、空气充气、发动机扭矩等。在一个示例中，获悉和自适应改变过程可以在车辆制造之后的初始发动机操作期间发生。在获悉在道路上的实际行车条件下提供期望的输出的致动器设定值之前，车辆(和发动机)可以被预先编程为具有初始的致动器设定值。在另一示例中，发动机可以在初始化后的工况下运转。在本文中，致动器设定值可以被获悉，并且被自适应改变以适应可能影响运转参数的发动机零件的磨损。

在202处，程序包括估计和/或测量发动机工况。例如，这些可以包括扭矩需求、催化剂温度、发动机温度、排气空燃比、MAP、MAF、火花正时等。在204处，当前发动机操作参数(特别是发动机当前正在运转的发动机转速和发动机负荷)可以被确定。在206处，可以确定当前发动机转速和发动机负荷是否包括转速-负荷映射图上的边界条件。例如，边界条件可以包含任何发动机负荷下的最小转速、任何发动机转速下的最小负荷、任何发动机负荷下的最大转速、以及任何发动机转速下的最大负荷、或最小BSFC中的一个。作为示例，边界条件可以包括最小发动机转速(诸如500rpm)下的发动机操作。在另一示例中，发动机转速可以处于红线或最大转速(诸如6000rpm)。

如果在206处，边界条件没有被确定，则程序200继续至207。在207处，控制器可以执行图3的程序300，以确定用于发动机状况的发动机设定值不包括转速-负荷映射图上的边界条件。将会参照图3进一步描述程序300。如果在206处确认当前发动机操作正在边界条件下发生，则程序200前进至208，以获悉当前致动器或发动机设定值。致动器设定值可以包括节气门位置、火花正时、气门正时、EGR阀位置、废气门位置等。其后，在210处，获悉的致动器设定值可以被自适应改变以提供期望的输出。在一个示例中，可以针对给定的转速-负荷点确定实际的燃料经济性并且在该转速-负荷点自适应调整设定值以最大化燃料经济性并减小BSFC来实现自适应获悉。在另一示例中，可以自适应调整致动器设定值，以减少排放。在又一示例，可以确定发动机扭矩，并且可以调整发动机设定值，以提供改善的平均制动扭矩(MBT)。

在212处，程序200包括基于来自210的自适应获悉的致动器设定值产生动态节点查询表(DLUT)。自适应获悉的边界条件下的值可以应用于发动机模型，以便在自适应获悉尚未发生或将要发生的边界条件之间内插到其他转速-负荷点。在一个示例中，可以通过线性模型的集合来产生DLUT。因此，在214处，发动机模型被用来根据自适应获悉的致动器设定值进行内插，并且在216处，可以根据发动机模型产生用于非边界条件的致动器设定值。在218处，程序200包括更新并将这些设定值存储在控制器的存储器中。程序200然后结束。

以此方式，在获悉并自适应改变转速-负荷边界条件下的致动器设定值的同时，可以产生DLUT。通过利用内插模型来确定用于非边界条件的致动器设定值，对于数据采集来说，映射图上的每一个转速-负荷点可以不都被访问。因此，可以减少漫长的数据采集过程，从而使制造成本得以降低。通过根据至少发动机转速和/或负荷控制发动机设定值(诸如火花正时、气门正时、和/或节气门位置)，可以实现期望的输出。对于没有明确作出自适应获悉的给定转速-负荷点，可以经由动态节点查询表提供致动器设定值(这在下文中进一步描述)，其中动态节点查询表基于在之前的发动机操作期间在另一转速-负荷点自适应获悉的数据。例如，其他转速-负荷点可以是边界(例如，最小转速、最小负荷、最大转速和/或最大负荷)状况。在一个示例运转中，可以通过针对给定的转速-负荷点确定实际的燃料经济性并且在转速-负荷点自适应调整设定值以最大化燃料经济性来实现自适应获悉。

应认识到，虽然上述示例程序仅包括当边界条件在正常发动机操作期间随机发生时获悉致动器设定值，但混合动力车辆中的发动机可以被控制器命令访问转速-负荷映射图上的边界点以启用自适应获悉。

还应认识到，虽然上述示例程序描述了根据边界条件之间的内插点产生DLUT，但其他示例可以包括外插数据。例如，边界条件可以被外插为非边界条件。自此，在本开中数据的内插可以与数据的外插可互换地使用。

图3描述了使用在程序200中产生的远离发动机转速–负荷映射图的边界的发动机工况下的DLUT的示例程序300。具体地，用于远离转速-负荷映射图的边界的转速-负荷组合的致动器设定值可以自DLUT中选择，以提供期望的输出(诸如减小的BSFC、符合的排放等)。

在302处，程序300可以确定当前发动机负荷与转速(例如，在204处确定的)是否处于发动机转速-负荷映射图处的非边界条件。例如，非边界条件可以包括除了转速-负荷映射图的边界处的转速与负荷(例如，最小转速、最小负荷、最大转速和/或最大负荷)外的任何转速与负荷。如果当前工况不是非边界条件，程序可以结束。否则，程序300继续至304，以确定DLUT是否准备好查阅。在一个示例中，充足的初始发动机操作可以已经在边界条件下发生，从而产生用于DLUT中的转速-负荷边界内的发动机状况的致动器设定值。在另一示例中，发动机可以处在没有经历边界条件的初始运转中，从而根据自适应获悉的数据产生致动器设定值。因此，如果DLUT没有准备好被查阅，程序300继续至306，以便在预先编程的致动器设定值的情况下继续发动机操作。否则，在308处，DLUT可以被查阅，以便建立经确定的发动机转速和/或负荷下的发动机设定值。用于经确定的发动机转速和/或负荷的致动器设定值可以是提供期望的输出(诸如减小的BSFC、改善的扭矩等)的设定值。在310处，经确定的致动器设定值可以被应用，以使发动机操作能得以提高。

因此，基于针对那些与经确定的发动机转速和发动机负荷不同的其他发动机转速与负荷状况下的相同参数自适应获悉的设定值，DLUT可以产生一个或更多个发动机设定值。其他发动机转速和发动机负荷状况可以是存储在车辆的控制器中的查询表的边缘处、或转速-负荷运转映射图的边缘的边界转速-负荷状况。因此，在发动机正在转速-负荷映射图的边界点运转时的第一工况下，设定值可以在查询表中被自适应地更新。然后，在第二稍后的远离所有边界点的工况下，来自查询表输出的非边界条件转速-负荷点处的设定值不仅可以基于针对该转速-负荷点存储在查询表中的数据，而且可以基于存储在边界转速-负荷点和发动机模型处的自适应地更新的数据。发动机模型可以是发动机的动态模型。

以此方式，DLUT方法能够在实际遇到非边界转速-负荷点后提供改善的致动器设定值，而不必需要在非边界转速-负荷点处的自适应获悉。因此，可以减少复杂且庞大的发动机映射过程。

因此，一种用于发动机的方法可以包含：获悉在转速‐负荷映射图的边界条件处的第一组发动机设定值，基于获悉的设定值产生动态节点查询表(DLUT)，以及根据DLUT为在转速‐负荷映射图的非边界条件处的运转确定第二组发动机设定值。在本文中，发动机转速‐负荷映射图的边界条件包括任何发动机负荷下的最小转速、任何发动机负荷下的最大转速、任何发动机转速下的最小负荷、以及任何发动机转速下的最大负荷或最小BSFC中的一个。边界条件可以提供转速‐负荷映射图的稀疏采样。另外，转速‐负荷的非边界条件包括除了发动机负荷‐转速映射图的边界条件外的所有转速‐负荷状况。

为了图示说明本公开的实施例，在下文中阐述间接自适应控制问题。还介绍了用于实施自适应控制的参数估计和模型求逆方法。自适应控制应用于自然吸气式发动机的非线性模型，以证明在自适应控制中使用的算法的有效性。自适应控制中的算法追踪期望的目标输出(例如发动机负荷，CA50)，并优化边界发动机转速-负荷点处的BSFC。另外，在下文中介绍利用居于各转速-负荷点(诸如边界转速-负荷点)中心的线性模型的集合来给发动机行为建立模型的DLUT的模型结构。此外，可以从在边界条件下的转速-负荷点处熟悉的瞬时数据提取用于没有被自适应控制明确访问的转速-负荷点的稳态发动机设定值。

现在转向图4，它示出了用于执行自适应控制并获悉输出y(k)的示例间接自适应控制模型400。自适应控制模型400可以是增量自适应模型预测控制框架的示例架构。在本文中，期望的输出y^*(k+r)可以被馈送到模型求逆估计器402内，模型求逆估计器402调整应用于控制对象(plant)f(*)404的输入u(k)。控制对象f(*)404可以产生输出y(k)。当前输入与之前输入之间的输入的干扰可以在第一比较器410处被确定为输入扰动δu(k)。关于之前输入u(k-1)的信息可以在408处产生。类似地，关于之前输出y(k-1)的信息可以在412处被确定，并且在第二比较器414处与当前输出y(k)比较，以确定输出扰动δy(k)。输入扰动δu(k)和输出扰动δy(k)中的每一个都可以被馈送到模型估计406。因此，模型估计406可以利用这些扰动将基于反馈的调整传递到模型求逆估计器402.

下面将会在示例自适应控制问题形成、示例模型估计和示例模型求逆中进一步阐明关于自适应控制模型的额外的细节。

自适应控制问题形成可以被描述如下。首先，非线性系统可以被认为：

y(k)＝f(u(k-r)，...，u(k-n)，y(k-1)，...，y(k-n))  (1)

其中n是系统顺序，r≤n是相对次数，是输出，是输入，是控制对象，而是期望的输出。此外，u(k)的量值可以被限制范围使得对于i＝1，....l_u而言并且转变速率被限制范围使得对于i＝1，....，.l_u而言||u_i(k)-u_i(k-1)||≤ξ_i。

其次，关于运转点u(k)，y(k)的微小扰动可以被考虑为：

$\mathrm{\δy}\left(k\right)\stackrel{\mathrm{\Δ}}{=}y\left(k\right)-y(k-1),---\left(2\right)$

$\mathrm{\δu}\left(k\right)\stackrel{\mathrm{\Δ}}{=}u\left(k\right)-u(k-1),---\left(3\right)$

以便微小扰动可以被写为：

$\mathrm{\δy}\left(k\right)=\mathrm{\θ\φ}\left(k\right)+{\mathrm{\β}}_r^{\mathrm{\δ}}u(k-r),---\left(4\right)$

其中是模型参数，并且

本公开的目的是确定理想的控制输入u^*(k–r)，其可以带来理想的输出

y^*(k)＝f(u^*(k-r)，u(k-r-1)，...，u(k-n)，  (6)

y(k-1)，...，y(k-n))，   (7)

$\mathrm{\δ}{y}^{*}\left(k\right)={\mathrm{\θ}}^{*}\mathrm{\φ}\left(k\right)+{\mathrm{\β}}_r^{*}\mathrm{\δ}{u}^{*}(k-r),---\left(8\right)$

其中

δy^*(k)＝y^*(k)-y(k-1)，   (9)

δu^*(k)＝u^*(k)-u(k-1).   (10)

为了求解理想的控制输入，已知的期望的输出y^*(k)可以连同模型估计和一起使用。可以引入理想控制u^*(k)的估计以便对于i＝1，....，l_u而言 ${\mathrm{\μ}}_i^{-}\≤{\hat{u}}_i\left(k\right)\≤{\mathrm{\μ}}_i^{+},$ 对于i＝1，....，l_u而言 $\left|\right|{\hat{u}}_i\left(k\right)-u_i(k-1)\left|\right|\≤{\mathrm{\ξ}}_i,$ 并且

$\mathrm{\δ}{y}^{*}\left(k\right)=\widehat{\mathrm{\θ}}\left(k\right)\mathrm{\φ}\left(k\right)+{\widehat{\mathrm{\β}}}_r\left(k\right)\mathrm{\δ}\hat{u}(k-r),---\left(11\right)$

其中

$\mathrm{\δ}\hat{u}\left(k\right)\stackrel{\mathrm{\Δ}}{=}\hat{u}\left(k\right)-u(k-1).---\left(12\right)$

其次，描述了使用递归最小二乘更新的模型估计。为了估计模型参数，上面的方程式(4)可以被写为如下：

δy(k)＝Θ(k)Φ(k)，   (13)

其中

$\widehat{\mathrm{\Θ}}\left(k\right)\stackrel{\mathrm{\Δ}}{=}\left[{\widehat{\mathrm{\β}}}_r\left(k\right)\widehat{\mathrm{\θ}}\left(k\right)\right],---\left(14\right)$

并且

$\mathrm{\Φ}\left(k\right)=\left[\begin{array}{c}\mathrm{\δu}(k-r)\\ \mathrm{\φ}\left(k\right)\end{array}\right],---\left(15\right)$

其次，模型可以被递归地更新：

$\begin{array}{c}\widehat{\mathrm{\Θ}}\left(k\right)\stackrel{\mathrm{\Δ}}{=}\widehat{\mathrm{\Θ}}(k-1)+\left[\widehat{\mathrm{\Θ}}\right(k-1)\mathrm{\Φ}(k-1)-\mathrm{\δy}(k-1)].[{\mathrm{\Φ}}^T(k-1)P(k-\\ 1\mathrm{\Φk}-1+\mathrm{\λ}-1.\mathrm{\ΦTk}-1\mathrm{Pk}-1,\end{array}---\left(17\right)$

其中是正定的，而λ∈(0，1]是遗忘因子。

并且P(k)可以通过下列公式被更新

$P\left(k\right)\stackrel{\mathrm{\Δ}}{=}{\mathrm{\λ}}^{-1}P(k-1)-{\mathrm{\λ}}^{-1}P(k-1)\mathrm{\φ}(k-1)---\left(18\right)$

.[Φ^T(k-1)P(k-1)Φ(k-1)+λ]^-1.Φ^T(k-1)P(k-1).   (19)

本文中，P(0)可以被初始化为P(0)＝β₁I，其中β₁>0。

其次，可以使用等式约束的二次规划对上述模型求逆。在试图求解模型求逆问题之前，输出可以被分解为两组：具有明确目标的那些和将要被最小化的那些。具体地，δy_1，w(k)可以是δy(k)的具有明确目标的分量，其中w≤l_y，而可以是将要被最小化的输出。另外，可以被假定为包括的行1至w，而可以被假定为包括的行1至w。此外，在时间k处，可以被确定为使得||y(k+r)-y^*(k+r)||是微小的。新项z(k+r)可以被定义为：

$z(k+r)=\widehat{\mathrm{\θ}}(k+r)\mathrm{\φ}(k+r)+{\widehat{\mathrm{\β}}}_r(k+r)\mathrm{\δ}\hat{u}\left(k\right)-\mathrm{\δ}{y}^{*}(k+r).---\left(20\right)$

方程式(20)是r步传播到将来的方程式(11)。如果Θ(k)-Θ(k-1)被假定为是微小的，则方程式(20)可以被改写为：

$\hat{z}(k+r)=\widehat{\mathrm{\θ}}\left(k\right)\mathrm{\φ}(k+r)+{\widehat{\mathrm{\β}}}_r\left(k\right)\mathrm{\δ}\hat{u}\left(k\right)-\mathrm{\δ}{y}^{*}(k+r).---\left(21\right)$

另外，通过最小化价值函数，可以被确定为如下：

$J\left(\mathrm{\δ}\hat{u}\left(k\right)\right)={\hat{z}}_{w+1,l_y}^T(k+r){\hat{z}}_{w+1,l_y}(k+r),---\left(22\right)$

其会受限于

$R\left(k\right)C\left(k\right)\mathrm{\δ}\hat{u}\left(k\right)\≤D\left(k\right),---\left(23\right)$

其中，是半正定控制惩罚，并且

其中ρ∈(0，1]是跟随容限边界的目标。方程式(21)可以代入方程式(22)以带来

其中

其次，如果被假定为的广义逆，那么

可以是方程式(22)的无约束最小值。因此，受限于方程式(23)的方程式(22)的约束解可以通过求解线性系统来建立：

其中，是拉格朗日乘子，δu₂(k)是约束控制，并且

矩阵R(k)可以使用以下算法来选择：

让

步骤1：计算方程式(26)

步骤2：对于i＝1，…，2(l_u+w)，如果x_i(k)＞D(k)_i那么R_i，i(k)＝1，

步骤3：计算方程式(28)

步骤4：对于i＝1，…，l_u，

如果那么δu_i(k)＝sgn(δu_2，i(k))ξ_i，

如果那么δu_i(k)＝sgn(δ_2，i(k))ξ_i。

为了证明上述自适应控制，在一个示例中可以自然吸气式发动机的模型。在本文中，发动机可以包括诸如节气门、火花、进气凸轮和排气凸轮的致动器，以便致动器输入可以是节气门位置、火花正时、进气凸轮正时和排气凸轮正时。另外，发动机负荷、CA50和BSFC可以是发动机输出。图5图示说明了描述节气门位置、火花正时、进气凸轮正时和排气凸轮正时的变化以命令三个具体发动机负荷点0.8、0.5和0.2巴(bar)(每一个点都在700RPM的发动机转速)的映射图500。因此，在700RPM的最小发动机转速下，边界负荷点0.8、0.5和0.2巴可以被访问。这些负荷点可以被命令，同时维持9.07的CA50，并减小BSFC。图6、7和8描绘了根据图5的致动器输入的变化产生的三个输出。

如将会在图5中观察到的，映射图500描绘了x轴上的采集到的数据以及曲线502处的排气凸轮正时、曲线504处的进气凸轮正时、曲线506处的火花正时和曲线508处的节气门位置。同时，图6描述了示出x轴上的采集到的数据和y轴上的发动机负荷的映射图600。映射图600包括用于目标负荷的曲线606(虚线)、示出误差边界的曲线604和608和描述随着致动器设定值的改变的负荷的变化的曲线602。如将会观察到的，被命令的目标负荷是0.8、0.5和0.2(曲线606)，并且当致动器设定值改变时，实际的负荷(曲线602)跟随并且最后到达在误差边界内的目标负荷。

例如，在数据点0与200之间，节气门在映射图500中增加(曲线508)，以便增加气流，并实现相对更高的发动机负荷0.8(曲线602)。同时，进气凸轮正时(曲线504)可以被延迟，而排气凸轮正时可以被提前(曲线502)。通过如图所示的那样调整凸轮正时，可以减少气门重叠，从而允许在更低的发动机转速(例如700RPM)下产生足够的扭矩。因此，通过自适应地更改致动器设定值，可以实现期望的发动机负荷0.8，同时最小化BSFC。

在数据点200至大约350之间，节气门可以减小(映射图500中的曲线508)，并且同时可以应用火花延迟(映射图500的曲线506)，以便针对更低的目标发动机负荷0.5减少扭矩。排气凸轮正时(曲线502)也可以在数据点200至大约400之间被延迟，同时进气凸轮正时提前(曲线506)。响应于致动器设定值的这些更改，发动机负荷在图6中的数据点200至大约350之间从0.8降至0.5(映射图600中的曲线602)。接下来，在数据点400之前，可以通过在大约数据点370处应用火花延迟并减少扭矩(曲线506)来实现目标发动机负荷0.2。另外，节气门可以被保持在其更低的设定值以减少气流，并且在大约数据点275处对排气和进气凸轮正时作出的调整可以被维持。图7示出了图示说明x轴上的采集到的数据与沿着y轴的CA50的映射图700。如映射图700所示，可以调整致动器设定值以提供期望的燃烧比(例如9.07的CA50)。曲线708描述了当致动器设定值在图5中改变时的实际的CA50的变化，曲线706是目标CA50(9.07)，而曲线702和704描述了映射图700上的误差边界。如能够从映射图700观察到的，实际的CA50在数据点500附近到达期望的目标CA50(9.07)。

图8描绘了示出x轴上的采集到的数据以及y轴上绘制的BSFC的映射图800。类似于图7的映射图700，映射图800示出了当致动器设定值在图5中被调整以便在每个负荷设定值处提供减小的BSFC时的BSFC的变化(曲线802)。如将会观察到的，自适应控制能够导航致动器空间以完成命令目的。还应认识到，上述过程是独立自主的。换句话说，不涉及人与发动机的交互，并且没有明确的逻辑可以被用来选择致动器设定值。算法响应于致动器变化而获悉负荷、CA50、BSFC和其他约束，并利用该信息收敛至期望的设定值。另外，致动器可以同时从一步移动至另一步，以便同时满足所有目标/约束。此外，控制可以不是顺序的，并且一个致动器可以在给定时刻被操纵，以便在该给定时刻实现一个约束/目标。

在瞬时状况中针对用于期望的发动机输出的致动器设定值采集到的数据(诸如燃烧比和燃料效率(例如BSFC))可以稍后被用来提取稳态信息。接着，来自自适应控制的输入-输出数据可以在闭环中用于发动机，以识别时间恒定的动态节点查询表(DLUT)。在第一示例中，DLUT可以是线性模型的集合，其中系统输出是响应于加权的输入的所有模型的输出之和。在第二示例中，DLUT可以是线性模型的集合，其中系统输出是响应于加权的输入的加权的输出之和，或响应于输入的加权的输出之和。在本文中，第一示例模型可以被用来针对早前没有被自适应控制明确访问的转速-负荷点计算发动机的稳态特性。在如稍后描述的随后示例中，可以针对除了0.8、0.5和0.2外的负荷点确定致动器设定值。在另一示例(未示出)中，可以访问除了700RPM外的发动机转速点。

在一个示例中，对于i＝1，…，p，带有节点的第p个阶次(DLUT)位于处。在时间k和标记处的系统输出可以是

$y\left(k\right)={\mathrm{\Σ}}_{i=1}^p{G}_i\left(q\right){\mathrm{\Γ}}_i(k,v\left(k\right),{\mathrm{\γ}}_i)u\left(k\right),---\left(29\right)$

其中对于i＝1，…，p，是LUT轨迹矩阵。LUT轨迹矩阵可以被选择为当前位置v(k)与LUT的第i个节点之间的距离。可以假定，对于i＝1，…，p，Γ_i(k)是已知的、非奇的，并对于所有k有界。此外，方程式(29)可以被改写为

$y\left(k\right)=\stackrel{\‾}{G}\left(q\right)\stackrel{\‾}{\mathrm{\Γ}}(k,v\left(k\right),{\mathrm{\γ}}_i\left(k\right))u\left(k\right),---\left(30\right)$

其中

并且

对于i＝1，…，p，LUT轨迹矩阵可以被选择为是LUT中的当前位置v(k)与每个节点γ_i之间的距离。距离测量可以被选择为使得Γ_i(k，v(k)，γ_i(k))是非奇的。具体地，是非奇的可以包括对于所有v(k)而言LUT中的每个节点对输出y(k)有影响的情况。此外，距离测量可以被选择为使得最靠近v(k)的节点比更远离的节点对y(k)有更大的影响：

${\mathrm{\Γ}}_i(k,v\left(k\right),{\mathrm{\γ}}_i\left(k\right))=\frac{e^{-{\mathrm{\σ}}_i|{\mathrm{\γ}}_i-v\left(k\right)|}}{{\mathrm{\Σ}}_{j=1}^p{e}^{-{\mathrm{\σ}}_j|{\mathrm{\γ}}_j-v\left(k\right)|}}{I}_{l_u},---\left(33\right)$

其中对于i＝1，…，p，σ_i是正的，而对于所有k，0＜Γ_i(k，v(k)，γ_i(k))≤1。

由方程式(30)示出的形式的DLUT的稳定性以及LUT轨迹矩阵上的边界假设可以从线性系统理论得出。例如，事实7.1可以对于所有k而言||u(k)||<δ，其中δ∈[0，∞)，可以被选择为方程式(33)，而y(k)可以由方程式(30)给出。如果是渐进稳定的，那么对于所有k而言||y(k)||<∞。以上内容的证明可以被获得如下：输出方程式(30)可以被改写为 $y\left(k\right)=\stackrel{\&OverBar;}{G}\left(q\right)U\left(k\right),$ 其中另外，通过注意下式可以示出对于所有k，||U(k)||<∞：

$\begin{array}{c}\left|\right|U\left(k\right)\left|\right|\&le;\left|\right|\stackrel{\&OverBar;}{\mathrm{\&Gamma;}}(k,v\left(k\right),{\mathrm{\&gamma;}}_i\left(k\right))u\left(k\right)\left|\right|\\ \&le;\left|\right|\stackrel{\&OverBar;}{\mathrm{\&Gamma;}}(k,v\left(k\right),{\mathrm{\&gamma;}}_i\left(k\right))\left|\right|\left|\right|u\left(k\right)\left|\right|.\end{array}---\left(34\right)$

既然被选择为方程式(33)，那么 $\left|\right|\stackrel{\&OverBar;}{\mathrm{\&Gamma;}}(k,v\left(k\right),{\mathrm{\&gamma;}}_i\left(k\right))\left|\right|<\sqrt{p}$ 以便对于所有k

||U(k)||||＜pδ，(35)

因此，根据线性理论，可以理解，由于U(k)是有界的，如果是渐进稳定的，那么y(k)也是有界的。

接下来，LUT的节点的参数参数可以被识别。考虑方程式(29)被改写为：

y(k)＝Ωγ(k)，(36)

其中

并且对于j＝0,…,n而言对于j＝0,…,n而言并且

Ω可以利用递归最小二乘更新来更新如下：

$\begin{array}{c}\mathrm{\&Omega;}\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}\mathrm{\&Omega;}(k-1)+[\mathrm{\&Omega;}(k-1)\mathrm{\&gamma;}(k-1)-\mathrm{\&gamma;}(k-1)][{\mathrm{\&gamma;}}^T(k-1)P(k-1)\mathrm{\&gamma;}(k-1)+\\ {1]}^{-1}.{\mathrm{\&gamma;}}^T(k-1)\mathrm{\&Xi;}(k-1),\end{array}---\left(39\right)$

其中通过下式被更新

$\begin{array}{c}\mathrm{\&Xi;}\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}\mathrm{\&Xi;}(k-1)-\mathrm{\&Xi;}(k-1)\mathrm{\&gamma;}(k-1){[{\mathrm{\&gamma;}}^T(k-1)\mathrm{\&Xi;}(k-1)\mathrm{\&gamma;}(k-1)+1]}^{-1}.{\mathrm{\&gamma;}}^T(k-\\ 1)\mathrm{\&Xi;}(k-1).\end{array}---\left(40\right)$

Ξ(k)可以被初始化为Ξ(k)＝β₂I，其中β₂>0。

在下文中基于早前经由自适应控制产生的输入和输出数据图示说明了多个示例。发动机负荷可以被选择为DLUT标记，例如v(k)＝y₁(k)，并且节点可以居于γ＝[0.2 0.3 0.4 0.5 0.6 0.7 0.8]中心。另外，模型阶次可以是n＝5，而β₂＝0.1。

图9示出了图示说明实际的发动机输出与根据DLUT模型的估计的发动机输出之间的比较的映射图900。映射图900在曲线902处描述了实际的发动机负荷，在曲线904处描述了预测的发动机负荷估计，在曲线906处描述了实际的负荷与负荷的估计之间的误差，在曲线908处描述了实际的CA50，在曲线910处描述了预测的CA50估计，在曲线912处描述了实际的CA50与预测的CA50之间的误差，在曲线914处描述了实际的BSFC，在曲线916处描述了预测的BSFC，并且在曲线918处描述了实际的BSFC与预测的BSFC之间的误差。所有上述曲线都是沿着x轴以许多数据点的进行描绘。图9中的曲线基于经由参照图4–8所描述的自适应控制采集的数据。如将会观察到的，实际的负荷与模型预测的负荷、实际的CA50与模型预测的CA50以及实际的BSFC与模型预测的BSFC之间的误差相对低，并且在大多数时候都是在零值附近。因此，模型可以很好地追踪实际的发动机动力学。然而，在用于BSFC的数据点400处，对于BSFC，实际的BSFC中的尖峰可以对应于自然吸气式发动机的模型中的奇点，其在DLUT中没有被捕捉到。

由于DLUT模型能够适当地追踪实际的发动机动力学，因此通过考虑对于k>0而言的稳态输入u(k)＝u_SS并且Г＝Г_SS，该稳态输入对于k>0而言产生稳态输出y(k)＝y_SS，可以从DLUT提取稳态发动机设定值。稳态输入与输出之间的关系可以根据方程式(29)进行计算如下

$y_{\mathrm{SS}}=\stackrel{\&OverBar;}{G}\left(1\right)\stackrel{\&OverBar;}{\mathrm{\&Gamma;}}{u}_{\mathrm{SS}},---\left(41\right)$

那么，假定l_y≥l_u，

其中可以是伪逆，并且的估计值可以从Ω(k)中按下式解析地获得：

${\mathrm{\&Omega;}}_{\mathrm{SS}}\left(k\right)={[I_{l_y}-{\mathrm{\&Sigma;}}_{i-1}^{n}N{\left(k\right)}_i]}^{-1}{\mathrm{\&Sigma;}}_{i=1}^{n}M{\left(k\right)}_i,---\left(43\right)$

则

$u_{\mathrm{SS}}={\left[{[I_{l_y}-{\mathrm{\&Sigma;}}_{i-1}^{n}N{\left(k\right)}_i]}^{-1}{\mathrm{\&Sigma;}}_{i=1}^{n}M{\left(k\right)}_i{\mathrm{\&Gamma;}}_{\mathrm{SS}}\right]}^{-1}{y}_{\mathrm{SS}}.---\left(44\right)$

稳态模型Ω_ss可以被用来针对远离边界点的转速-负荷点计算稳态致动器设定值。具体地，在自适应控制期间，致动器设定值可以被获悉，并且在可以在边界处发生的特定发动机负荷下被自适应改变。在早前所描述的示例中，在700RPM的最小转速下的三个发动机负荷0.8、0.5和0.2被访问，并且诸如节气门、火花正时、进气凸轮正时和排气凸轮正时的致动器设定值被获悉，并且被自适应改变以产生包括CA50和期望的BSFC的输出。可以调整致动器设定值以提供减小的BSFC，并且因此提供改善的燃料效率。基于这些特定发动机负荷下采集的数据，DLUT可以通过点内插来进行识别，并且被用来针对远离早前访问的负荷点计算稳态致动器设定值。因此，可以从DLUT提取针对除了0.8、0.5和0.2外的负荷点的致动器设定值。因此，可以通过使用稳态模型Ω_ss而从DLUT提取用来提供发动机负荷0.7、0.6、0.4和0.3的致动器设定值。可以计算稳态输入u_ss，稳态输入u_ss受限于在7％以内满足期望目标(例如CA50、负荷等)同时减小(例如最小化)BSFC。

表1

目标负荷	目标CA50	节气门	火花	进气	排气％
						0.7	9	69.72	-9.13	-33	-4.600
0.6	9	39.82	-14.14	12.47	-21
						0.4	9	3.58	-19.80	25.31	-21
0.3	9	16.09	0	0.78	-2.36

在上面的表1中，针对早前没有被明确访问的边界点描述u_ss。在本文中，可以利用Ω_ss来估计u_ss。另外，已经对早前被用来估计DLUT模型的准确性的自然吸气式发动机模型测试了经确定的输入。下面在表2中列表显示了结果。

表2

估计的负荷	估计的CA50	估计的BSFC	实际的负荷	实际的CA50
					0.651	8.37	0	0.714	9.9
0.56	8.37	0	0.58	9.47
					0.37	8.37	0	0.4	8.51
0.32	8.57	0	0.63	20

表2示出了针对根据DLUT确定的计算的稳态致动器设定值的估计的负荷、估计的CA50和估计的BSFC。表2还示出了当经确定的致动器设定值在自然吸气式发动机的模型中使用时的实际的负荷和实际的CA50。如可以观察到的，除了负荷点0.3外，估计的负荷和CA50都相对靠近实际的负荷和实际的CA50。应当注意，负荷点0.3(具体地，0.32)对应于针对BSFC(曲线914、916和918)在映射图900上描述的奇点，由于该奇点不能在该区域中获得可靠的结果。

表3

负荷	实际的BSFC	最佳的BSFC	％误差
				0.7	283.15	276	2.5
0.6	302.76	280	7.5
				0.4	364.6	329	10.8
0.3	308	423	n/a

表3比较了根据基于DLUT确定的稳态致动器设定值获得的BSFC与针对相同的转速-负荷点的最佳值。特别是在更高的负荷下，实际的BSFC与最佳的BSFC之前的误差相对低。因此，开发的DLUT模型可以被用来确定以足够准确性提供期望输出的致动器设定值。

如早前所描述的，用于现代汽油涡轮升压直喷(GTDI)发动机的发动机映射过程已经变得越来越复杂，因为该过程需要大量的动力计数据采集和后处理。诸如外部的排气再循环(EGR)、双独立可变气门正时、废气门、燃料轨道压力、喷射开始等的装置可以被用来改变发动机参数，以改善排放、燃料消耗和/或峰值扭矩。在本公开中，一种用于发动机映射的方法包括，访问发动机转速与负荷点，同时在寻找改善的平均制动扭矩(MBT)和减小的制动比燃料消耗率(BSFC)时改变系统参数。在一个示例实施例中，可以应用一种混合方法，该方法利用间接自适应控制来同时满足目标并优化燃料经济性。在本文中，只可以命令全部转速-负荷点的子集，并且可以在瞬变的发动机操作中采集数据。并行于自适应控制，可以根据由自适应控制产生的输入和输出数据识别动态节点查询表(DLUT)。另外，DLUT可以被用来针对转速-负荷映射图中的没有明确被自适应控制访问的所有点提取稳态致动器设定值。

以此方式，混合自适应控制动态查询表(DLUT)方法可以应用于在线动力传动系优化。自适应控制不会明确地访问发动机映射图或查询表上的每一个转速-负荷点，以便针对期望的发动机输出确定致动器设定值。因此，可以减少复杂的数据采集和后处理。通过在发动机在边界条件下运转时与数据采集同时产生DLUT，可以减少花费在试验台上或在道路上的用于数据采集的时间。总的来说，可以实现时间和费用的节省。

注意，本文中包括的示例控制和估计程序能够与各种发动机和/或车辆系统配置一起使用。在本文中所公开的控制方法和程序可以作为可执行指令存储在非临时性存储器中。在本文中所描述的具体程序可以代表任意数量的处理策略中的一个或多个，诸如事件驱动、中断驱动、多任务、多线程等。因此，所描述的各种动作、操作或功能可以所示顺序、并行地被执行，或者在一些情况下被省略。同样，实现在本文中所描述的本发明的示例实施例的特征和优点不一定需要所述处理顺序，但是为了便于图释和说明而提供了所述处理顺序。取决于所使用的特定策略，所示出的动作、操作或功能中的一个或多个可以被重复执行。另外，所描述的动作、操作或功能可以图形地表示被编入发动机控制系统中的计算机可读存储介质的非临时性存储器的代码。

应认识到，在本文中所公开的配置和程序本质上是示范性的，并且这些具体的实施例不被认为是限制性的，因为许多变体是可能的。例如，上述技术能够应用于V-6、I-4、I-6、V-12、对置4缸和其它发动机类型。本公开的主题包括在本文中所公开的各种系统和构造和其它的特征、功能和/或性质的所有新颖的和非显而易见的组合和子组合。

本申请的权利要求具体地指出某些被认为是新颖的和非显而易见的组合和子组合。这些权利要求可能涉及“一个”元件或“第一”元件或其等同物。这些权利要求应当被理解为包括一个或多个这种元件的结合，既不要求也不排除两个或多个这种元件。所公开的特征、功能、元件和/或特性的其他组合和子组合可通过修改现有权利要求或通过在这个或关联申请中提出新的权利要求而得要求保护。这些权利要求，无论与原始权利要求范围相比更宽、更窄、相同或不相同，都被认为包括在本公开的主题内。

Claims (20)

1.一种用于发动机的方法，其包括：

通过来自在发动机转速-负荷映射图的边界条件下的发动机操作期间自适应获悉的致动器设定值的内插，获得在所述发动机转速-负荷映射图的非边界条件下未进行自适应获悉的的发动机操作的致动器设定值。

2.根据权利要求1所述的方法，其中所述发动机转速-负荷映射图的所述边界条件包括下列中的一种：任何发动机负荷下的最小转速、任何发动机负荷下的最大转速、任何发动机转速下的最小负荷、以及任何发动机转速下的最大负荷或最小制动比燃料消耗率。

3.根据权利要求2所述的方法，其中所述转速-负荷的非边界条件包括除了所述发动机负荷-转速映射图的所述边界条件外的所有转速-负荷条件。

4.根据权利要求1所述的方法，其中所述致动器设定值包括节气门位置、火花正时、进气门正时、排气门正时等中的一个或多个。

5.根据权利要求1所述的方法，其中所述致动器设定值产生期望的发动机输出，所述发动机输出包括发动机转速、发动机负荷、制动比燃料消耗率和针对50％燃烧的曲柄角度中的一个或多个。

6.一种用于发动机的方法，其包括：

获悉在转速-负荷映射图的边界条件下的第一组发动机设定值；

基于所获悉的设定值产生动态节点查询表即DLUT；以及

从所述DLUT中确定针对所述转速-负荷映射图的非边界条件下的操作的第二组发动机设定值。

7.根据权利要求6所述的方法，其中所述发动机转速-负荷映射图的所述边界条件包括任何发动机负荷下的最小转速、任何发动机负荷下的最大转速、任何发动机转速下的最小负荷和任何发动机转速下的最大负荷中的一种。

8.根据权利要求6所述的方法，其中所述致动器设定值包括节气门位置、火花正时以及气门正时中的一个或多个。

9.根据权利要求6所述的方法，其中所述发动机设定产生期望的发动机输出，所述发动机输出包括发动机转速、发动机负荷、制动比燃料消耗率和针对50％燃烧的曲柄角度中的一个或多个。

10.根据权利要求9所述的方法，其中所述发动机设定值减小所述制动比燃料消耗率。

11.根据权利要求6所述的方法，其中所述DLUT通过线性模型的集合来产生。

12.根据权利要求6所述的方法，其中所述发动机是自然吸气式发动机。

13.一种车辆系统，其包含：

发动机；

动力传动系，其被耦接在所述发动机与车辆车轮之间；

一个或多个致动器，其被配置为改变动力传动系输出；以及

控制器，其具有被包括在非临时性存储器上的计算机可读指令，用于：

在第一条件下，

针对期望的输出识别第一组致动器设定值；以及

仅基于所述第一组致动器设定值产生动态节点查询表即DLUT；以及

在第二条件下，

仅基于所述DLUT确定第二组致动器设定值。

14.根据权利要求13所述的车辆系统，其中所述第一条件包括仅在发动机转速–负荷映射图上的边界条件下的发动机操作，所述边界条件包括任何发动机负荷下的最小转速、任何发动机转速下的最小负荷、任何发动机转速下的最大负荷和任何发动机负荷下的最大转速中的一种。

15.根据权利要求14所述的车辆系统，其中所述第二条件包括仅在所述发动机转速–负荷映射图上的非边界条件下的发动机操作。

16.根据权利要求15所述的车辆系统，其中基于所述第一组致动器设定值产生所述DLUT包括利用内插模型来产生针对非边界条件的致动器设定值。

17.根据权利要求13所述的车辆系统，其中所述第二条件在所述第一条件之后。

18.根据权利要求13所述的车辆系统，其中识别所述第一组致动器设定值包括针对所述期望的输出自适应获悉所述第一组致动器设定值。

19.根据权利要求18所述的车辆系统，其中所述期望的输出是减小的制动比燃料消耗率。

20.根据权利要求13所述的车辆系统，其中所述一个或多个致动器包括节气门、火花、进气凸轮和排气凸轮。