CN105378574A - 用于车辆的方法 - Google Patents
用于车辆的方法 Download PDFInfo
- Publication number
- CN105378574A CN105378574A CN201380077626.6A CN201380077626A CN105378574A CN 105378574 A CN105378574 A CN 105378574A CN 201380077626 A CN201380077626 A CN 201380077626A CN 105378574 A CN105378574 A CN 105378574A
- Authority
- CN
- China
- Prior art keywords
- expression
- fault type
- vehicle
- specific
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Supercharger (AREA)
- Testing Of Engines (AREA)
- Exhaust-Gas Circulating Devices (AREA)
- Safety Devices In Control Systems (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
提供了一种用于提供车辆的部件的模型的方法,该方法包括以下步骤:选择至少一个操作状态;选择所述车辆部件的至少一个可能的故障类型;模拟在所述至少一个可能的故障类型发生期间所述至少一个操作状态的车辆部件性能;对每个模拟创建所述车辆部件性能的表示,其中每个表示与至少一个操作参数值相关联;以及存储所述至少一个表示。
Description
技术领域
本发明涉及一种用于车辆的方法,尤其是涉及一种提供用于确定诸如内燃机这样的车辆的部件中的故障的车载模型的方法。此外,本发明涉及一种用于确定具有这种车载模型的车辆中的故障的方法。
背景技术
诸如卡车、施工车辆等等这样的重型车辆通常由内燃机(ICE)来驱动。ICE典型地是具有一个或多个涡轮增压器的柴油发动机。卡车通常在诸如长距离和长驾驶时段这样的恶劣条件下操作。一旦车辆出现需要维修保养或维护的故障,则卡车车主的成本迅速增大。因此,在许多情况下,理想的是及早地检测到故障,最好是在这种故障导致车辆的计划外停机之前。
为此,已提出了基于模型的方法。典型地这种方法需要用于表示诸如涡轮增压器这样的车辆的特定部件的模型。该模型需要与实际驾驶参数相对应的一个或多个输入,并且传递一个或多个输出。所述输出与在驾驶期间所获得的实际参数值进行比较,并且实际参数值与所述输出之间的匹配表示车辆的特定部件正常运作。相应地,实际参数值与输出之间的偏差表示故障。
在US20120290190中描述了另一方法。该文献描述了一种用于诊断排气回收(EGR)系统的方法。对所测量的或者实际的EGR气体温度与凭经验确定的EGR气体温度进行比较并且将其存储在控制器的存储器中的表格或函数中。如果实际EGR温度比凭经验确定的EGR气体温度小或大预定的量,那么可以确定基于EGR气体温度的EGR系统劣化并且将其记录到存储器。
虽然当前已提出了用于提供车辆中的故障检测的方法,但是它已被证明很难以在这些应用中提供足够准确且可靠的方法。首先,车辆是具有大量关键机器部件的非常复杂的构造,关键机器部件的正常运作对于整个车辆性能至关重要的。这尤其适用于发动机并且适用于诸如排气流路这样的相关部件。其次,就可用存储器以及处理能力这两者而言,用于执行这种方法的资源非常有限的。
鉴于这些限制,需要可允许在车辆中进行故障检测的其它方法。尤其是需要一种允许在对各种故障进行车载检测的改进方法以及很容易扩展到车辆的进一步部件的方法,从而还可对这种附加部件中的各种故障进行检测。
发明内容
因此,本发明最好是寻求减轻或消除本领域中的上述识别出的缺点以及独自地或者任何组合上地不利并且通过提供根据所附权利要求的方法来至少解决上述问题。
本发明的思想是提供诸如内燃机这样的车辆的部件的模型,其中对一个或多个故障类型模拟特定操作状态,从而产生一个或多个模拟,并且其中将每个模拟存储为一个或多个操作参数值的表示。
本发明的又一个思想是将这种表示存储在车辆中,并且使用这种表示以对所存储的操作参数值与车辆操作期间的测量值进行比较。通过对表示的每一个(即对不同故障类型)执行这种比较,可确定出很可能出现哪个故障类型。
根据本发明的第一方面,提供了一种用于提供车辆的部件的模型的方法。该方法包括下列步骤:选择至少一个操作状态;选择所述车辆部件的至少一个可能的故障类型;模拟在所述至少一个可能的故障类型发生期间所述至少一个操作状态的车辆部件性能;对每个模拟创建所述车辆部件性能的表示,其中每个表示与至少一个操作参数值相关联;以及存储所述至少一个表示。
该方法可以进一步包括下列步骤:模拟没有故障类型出现的所述至少一个操作状态的车辆部件性能;并且对于没有故障类型出现的所述模拟创建所述车辆部件性能的表示,所述表示与至少一个操作参数值相关联。因此,该模型还包括对无故障车辆部件的表示。
所述操作状态可以与特定周围环境的特定驾驶特性相对应,并且所述故障类型可以与具有特定幅度的特定故障相对应。
可以对在所述至少一个可能故障类型的每一个发生期间的所述至少一个操作状态的每一个执行模拟车辆部件性能的步骤,并产生一组唯一的模拟。
此外,所述车辆部件可以是内燃机或其部件,并且其中所述表示的每一个是特定输出扭矩、特定发动机转速、特定环境条件以及特定故障类型的一系列操作参数值。
在实施例中,所述车辆部件可以是内燃机,并且所述至少一个操作参数可以被从由涡轮增压器增压压力、涡轮增压器进口压力、涡轮增压器转速、涡轮增压器出口温度、涡轮增压器进口温度和/或排气回收温度所组成的组中选择出来。
根据第二方面,提供了一种电子控制单元。该电子控制单元具有存储根据第一方面的模型的存储器。
根据第三方面,提供了一种用于识别出在操作期间车辆的一部分的故障的方法。该方法包括下列步骤:确定所述车辆部件的实际操作状态;从多个存储的表示的每一个接收至少一个操作参数的值,所述至少一个操作参数的值与对于不同故障类型的所确定的操作状态相对应,对所述不同故障类型的所述表示的每一个与至少一个操作参数值相关联;检测所述至少一个操作参数的至少一个实际值;以及识别出与特定表示相关联的特定故障类型,所述特定表示的至少一个所接收到的操作参数值与所述检测到的实际操作参数值最相似。
识别出特定故障类型的步骤可以进一步包括对所述表示的每一个计算所接收到的操作参数值与所检测到的实际操作参数值之间的残差;选择其所述残差具有最小方差的一个表示;并且识别出与所选择的表示相关联的特定故障类型。
此外,可以重复检测至少一个操作参数值的步骤以用于检测所述至少一个操作参数的一系列实际值。
根据第四方面,提供了一种计算机程序产品。该计算机程序产品包括存储在计算机可读介质上的程序代码装置,该程序代码装置用于在所述程序产品运行在计算机上时执行根据第三方面的方法的所有步骤。
附图说明
在下文中,将参考附图对本发明进行描述,其中:
图1是内燃机的示意图;
图2说明了根据实施例的方法;
图3示出了根据实施例的表示的示意图;
图4说明了根据另一实施例的方法;
图5示出了根据实施例的相对于实际发动机性能而言的表示;以及
图6说明了根据又一实施例的方法。
具体实施方式
从图1开始,示出了内燃机(ICE)10。发动机模块12收纳多个气缸14,多个气缸14的每一个与歧管16相连。歧管16(在该特定应用中被划分成两个部件,两个部件中的每一个与一组三个气缸14相关联)将排气输送到涡轮增压器20的涡轮端22。涡轮端22驱动压缩机端24,该压缩机端24被配置为在将空气引入到气缸14之前对进气进行压缩。增压空气冷却器30通常被提供于用于对进气进行冷却的进气流路中,并且还提供了用于提高燃料效率并且减少排放的排气回收系统40。
如在图1中所示的,ICE可以装备有用于监测并提高ICE性能的各种传感器。例如,压力传感器50和温度传感器52被提供于气缸14的进气口之中。附加的压力传感器54被提供于排气歧管16之中,并且进一步的传感器56,58被提供于用于测量压力和温度的排气回收流路40之中。
传感器50,52,54,56,58最好是与电子控制单元60相连,电子控制单元60能够接收传感器信号并且执行对这些信号的各种计算以用于确定ICE的状态。鉴于所接收到的传感器信号,电子控制单元60可以进一步提供用于对诸如气流、燃料供给等等这样的ICE的各个部件进行控制的输出信号。
仅考虑涡轮增压器,实时传感器的成本使得很难提供足够的传感器以完全允许对涡轮增压器的性能进行监测。例如,对涡轮机效率的直接监测需要涡轮机两侧上的压力和温度以及涡轮机速度。这同样适用于压缩机效率,这导致用于确定涡轮增压器性能和效率的九个独特的传感器。因为在大多数情况下缺少这些传感器中的一个或多个,因此必须提供用于监测性能的其它方法。
将在下面的段落中描述的一个这样的方法应用下述故障检测算法,在该故障检测算法中脱机地模拟发动机性能,而车载执行对该模拟的结果与测量数据的比较。
现在转到图2,描述用于创建ICE的模型的方法100。在第一步骤102中,确定特定操作状态。操作状态与诸如特定环境温度的特定环境压力或者特定发动机转速的特定扭矩这样的影响ICE性能的静态条件相对应。可替代地,操作状态可以与诸如特定扭矩、速度、压力、以及温度这样的多个稳态驾驶条件相对应。
在下一步骤104中选择一个或多个故障类型。最好是识别出并继而选择该故障类型以便它们表示诸如排气流路中的漏气、增压空气冷却器中的漏气、增压空气冷却器效率降低、或者涡轮增压器的压缩机效率降低这样的在车辆操作期间可能出现的特性故障。每个故障类型可以进一步与幅度相关联以便对排气流路中的漏气识别出四个不同故障类型:无泄漏、小的泄漏、中等泄漏、或者大的泄漏。小的泄漏例如可以与直径为5mm的孔相对应,而中等泄漏例如可以与直径为7mm的孔相对应。大的渗漏可以与直径为10mm的孔相对应。还可以对与降低的效率有关的故障识别出若干故障类型;例如,与0%的效率降低相对应的一个故障类型(即无故障)、与3%的效率降低相对应的一个故障类型(即稍微降低)、与5%的效率降低相对应的一个故障类型(即中等降低)、以及与10%的效率降低相对应的一个故障类型(即高度降低)。
一旦已选择了操作状态和故障类型,则在步骤106期间模拟ICE性能。使用所识别出的操作状态作为输入以及故障类型之一来执行模拟。因此,在已识别出16个故障类型的情况下(四个故障,每一个具有四个不同幅度),对每个操作状态需要16个模拟。
该模拟可以最好是在基于计算机的模拟环境中进行的或者在实际发动机台架上执行的。为此目的可以为特定发动机类型开发基于计算机的模拟环境,并且当故障类型被选择为很难在实际发动机台架上再现的故障时可能首选该基于计算机的模拟环境。这种故障例如可以是与涡轮增压器效率的特定降低相对应的涡轮缺陷或压缩机叶轮损坏。
模拟步骤106的目的是使所识别的操作状态与特定故障类型一起与对特定ICE非常重要的一个或多个操作参数相关联。因此,模拟需要多个输入(即操作状态和故障类型)以提供一个或多个输出(即操作参数值)。
对多个操作状态可以重复步骤102至106,以便对特定故障类型中的每一个模拟若干操作状态。
这在图3中被显示出来,图3说明了特定故障类型的多个操作状态的映射。每个圈对特定输出扭矩定义了特定发动机转速。对于所有圈,环境压力和环境温度是恒定的。因而与特定操作状态相对应的每个圈导致了一系列操作参数值该操作参数因而是通过模拟步骤106来计算的,并且它们最好与可车载测量的且与所识别的故障类型相关的操作参数相对应。应该注意的是图3仅示出了可以如何呈现表示的一个示例。在实施例中,不是将表示存储在二维空间中,而是代之以存储在每个维度与例如输出扭矩、发动机转速、环境温度、环境压力、或者故障类型这样的模拟的一个输入信号相对应的多维空间中。在对于ICE的气体流路有16个不同故障类型的本示例中,可以选择以表示由涡轮增压器增压压力、涡轮增压器进口压力、涡轮增压器转速、涡轮增压器出口温度、涡轮增压器进口温度和/或排气回收温度所组成的组中的一个或多个。
可以执行步骤102到106的另一重复以修改环境压力和/或温度。例如,降低环境压力可以与高海拔驾驶相对应,从而导致对每个故障类型的不同扭矩和发动机转速的许多新的模拟。
最好是识别出并选择用于表示诸如在正常温度下有或没有重型发动机负荷的高速公路驾驶的频繁出现的稳态驾驶条件的操作状态。然而,该操作状态还可以对诸如用于确定涡轮增压器压缩机效率降低的高海拔驾驶这样的下述特定操作状态识别出并选择,对于所述特定操作状态而言预料到特别的故障类型对发动机性能具有更加重大的作用。
在重复该模拟之后,在步骤108中创建一束表示,每个表示与特定操作状态和故障类型的一系列操作参数值相对应。在步骤110中将这些表示依次存储为车载模型。该模型可以以若干方式来表示,例如作为查找表或者作为其操作参数被描述为操作状态的函数的多维多项式。
现在转到图4,将概括地描述用于确定车辆中的故障的方法200。方法200需要如先前所描述的存储的车载模型100,并且该方法200实时地在运行车辆上车载执行。
开始于步骤202,利用车载传感器或者信号来确定当前操作状态。例如,在本示例中步骤202确定当前输出扭矩、发动机转速、环境温度以及环境压力。
在步骤204中对一个或多个操作参数的实际值进行测量/采样。对于本实施例来说,操作参数被优选地选择,使得它们与存储在模型中的操作参数相对应,该操作参数的例子如涡轮增压器增压压力、涡轮增压器进口压力、涡轮增压器转速、涡轮增压器出口温度、涡轮增压器进口温度和/或排气回收温度。应该注意的是,尽管在对实际操作状态没有存储表示的那些情况下优选的是在对特定操作参数进行采样之前实际上确定实际操作状态,但是步骤202和204还可以以相反顺序来执行。
在随后的步骤206中所确定的操作状态被用于对存储的车载模型进行寻址并且使其可用于方法200。因此,因为在模型中可获得多个表示,即对于每个故障类型有一个表示,因此从该模型接收到多个操作参数值。
在步骤208中,对每个表示(即对每个故障类型)将采样值与操作参数值进行比较。通过执行这样的比较,可识别出哪个表示与测量值或采样值最相似。因此,该识别步骤导致故障检测。
现在转到图5,方法200对矢量y1-yn所表示的实时数据进行采样。由十字符号来表示在步骤204中所确定的且与特定发动机转速的特定扭矩相对应的实际操作状态。示意图进一步示出了对特定温度和压力的模拟,由此实际操作状态接近模拟操作状态。因此,该模型输出可与实际值y1-yn相比的一系列操作参数值可选地,可以对一系列操作参数值和/或实际值进行内插以拟合一个特定操作状态。
因而对矢量与y矢量进行比较将表示是否存在匹配,然而通过对y矢量与和其它故障类型相关联的其它矢量进行进一步比较将使该方法能够实际上选择最相似的矢量,从而表示本故障类型。
因此,通过在模型中包括故障类型,可实际上在单个比较步骤中执行对若干故障类型的分析。
对实际值与模式值进行比较的步骤208可以多种方式执行。在优选实施例中,方法200包括计算实际值与模式值之间的残差的步骤。更为优选的是,对于每个故障类型来说,将每个残差计算为标准化残差r,诸如等等。在随后的步骤中,标准化残差可以用于为特定故障类型计算所有残差的方差。因而比较步骤208包括比较每个故障类型的方差并且选择使方差最小化的故障类型。
在另一实施例中,在步骤208中,方法200分别使模型输出(即模式操作参数值)和实际值标准化使得根据来计算残差r,其中和y0是与无故障发动机相对应的值。
现在转到图6,图6将给出对方法300的特定实施例的更详细描述。方法300与方法200相似,即它通过利用前述的方法100所创建的模型来检测故障。
当车辆运行时,方法300可以自动开始。在第一步骤302中方法对与实时驾驶特性相对应的数据进行采样。采样数据包括诸如发动机转速、输出扭矩、以及环境条件这样的操作状态参数。然而,采样数据还包括确定操作参数值(即y1-yn)。在步骤302之后执行随后步骤304,在步骤304中评估采样数据以确定是否能够满足使能条件。这种评估可以基于一个或多个预定标准,例如如果i)实际操作状态具有存储在模型中的相应表示,ii)该车辆处于稳态驾驶条件,以及iii)采样数据信号准确性足够。作为示例,如果ICE是最近开始的并且因而太冷,如果采样数据信号太弱或者包括太多噪声,和/或如果ICE不处于稳态操作状态,那么步骤304可以导致否定性评估。
如果评估是否定,即如果不满足一个或多个预定条件,那么方法300返回到用于采样新数据的步骤302。另一方面,如果评估是肯定的,即如果满足所有条件。那么方法继续到步骤306,在步骤306中确定实际操作状态。因此,来自步骤302的采样数据在这里被用于确定当前输出扭矩、当前发动机转速、以及诸如温度和压力这样的当前环境条件。
在步骤308中方法300调用存储的车载模型并且接收对实际操作状态的多个表示,每个表示包括与特定故障类型相关的多个操作参数值由于对不一定与实际操作状态理想匹配的特定操作状态建模表示,所以可能必需对所接收到的表示进行内插以便针对实际操作状态对多个操作参数值进行校正。可以多种方式来执行这种内插,所述多种方式的一个示例是同样接收对第二最接近表示的表示并且使用该表示中的操作参数值以校正对最接近操作状态的表示。
在随后步骤310中,根据先前所描述的来计算残差。因此,步骤310可能会对每个所接收到的表示产生一个残差矢量,即对每个故障类型产生一个残差矢量。
执行步骤312以确保足够的统计选择。因此,为了提供完全可靠的系统,将执行若干测量,从而得到一组残差。为了提供这组残差,可以多次重复步骤302至310。然而,因为步骤302至310被实时地执行而在处理能力上没有任何重大压力,因此可以在很短的时间内提供巨大采样和相应残差。
一旦步骤312确认方法300被充分激励,即所计算的残差在统计上是可靠的,则方法300评估为与无故障情况相对应的表示所计算的残差。如果存在理想匹配,则在步骤314中方法300可以将ICE确定为无故障并且在此后返回到步骤302以采样新数据,全部重新开始。
然而,如果对无故障表示残差的评估展示出特定偏离,最好是通过根据先前所描述的来评估残差的方差,则方法300继续进行步骤316,其中对所有表示(即对所有故障类型)评估残差。因而可以将方法300配置为选择其残差的方差是最小值的表示(即故障类型)。这种选择引起故障检测和确定。
可选步骤318也是可能的,在步骤318中估计或预测剩余使用年限。该预测可以是基于用于定义需要维持保养或维护的特定情况的预定数据。利用上述示例,小的泄漏可能不需要车辆的停机时间,但是大的泄漏将需要。因此,通过检测小的泄漏并且通过重复执行方法300来持续监测小的泄漏,有可能实际上确定泄漏越来越大的速率。因此可估计在渗漏需要被处理之前的未来运行时间,并且还可预先安排维护。因此方法300可以用于减少车主和/或驾驶员所主要关心的意外操作故障。
因而方法300可以能够确定车辆中的故障并且监测故障的趋势。
优选的是,将方法200,300车载存储,诸如存储在图1所示的电子控制单元(60)的存储器中。
虽然参考ICE的气体流路已对不同方法进行了描述,但是应该注意的是还可以对车辆的其它关键部位执行方法100,200,300。例如,该方法可以被用于对这样的系统中出现的故障进行监控和检测的刹车系统。
在这样的实施例中,操作状态可以被选择为刹车盘的特定温度、车轮的特定角速度、特定液压压力、以及特定刹车踏板位置。相应地,可以从由减速、摩擦、滑行、磨损等等所组成的组中选择模型输出,即操作参数值。例如可以选择故障类型为液压系统中的效率损失、油管泄漏、刹车盘上沉积等等。只要可模拟与特定操作状态和特定故障类型相关的特定部件或系统,则方法100可以用于创建该部件或系统的模型,其中该模型是基于对不同操作状态和故障类型的表示。相应地,根据参考图4和6所描述的车载模型可以用于实际执行实时故障检测并且利用这种模型进行监测。通过对实时采样的实际值与模型输出值之间的残差进行比较,可执行非常有效且可靠的故障检测,这导致实际上提供了对将来维修保养的预测这样的可能性。
在又一实施例中,可以执行方法100以用于创建同样适用于组合错误的模型。例如,可模拟空气泄漏以及压缩机效率降低的ICE性能。因而可以将对这种组合故障的表示存储在模型中,由此方法200,300通过当比较残差时同样添加该表示而很容易检测到这种组合错误。因而所提议的方法是非常灵活的并且可以很容易被调整以适应包括组合错误的其它故障类型。这也适用于诸如先前所描述的刹车系统这样的车辆的其它部件。
应当理解的是,在不脱离由所附权利要求所定义的范围的情况下可对先前所描述的实施例进行组合。
在权利要求中,术语“包括”不排除存在其它单元或步骤。另外,虽然各个特征可以包含在不同权利要求中,但是也可对这些进行有利地组合,并且包含在不同权利要求中并不意味着这些特征的组合不是可行的和/或有利的。此外,单数引用并不排除多个。术语“一”、“一个”等等不排除多个。
Claims (12)
1.一种用于提供车辆的部件的模型的方法,所述方法包括以下步骤:
选择至少一个操作状态;
选择所述车辆部件的至少一个可能的故障类型;
模拟在所述至少一个可能的故障类型发生期间所述至少一个操作状态的车辆部件性能;
对每个模拟创建所述车辆部件性能的表示,其中每个表示与至少一个操作参数值相关联;以及
存储所述至少一个表示。
2.根据权利要求1所述的方法,进一步包括以下步骤:
模拟没有故障类型出现的所述至少一个操作状态的车辆部件性能;并且
对没有故障类型出现的所述模拟创建所述车辆部件性能的表示,其中所述表示与至少一个操作参数值相关联。
3.根据权利要求1或2所述的方法,其中所述操作状态与特定周围条件的特定驾驶特性相对应。
4.根据先前权利要求中的任何一个所述的方法,其中所述故障类型与具有特定幅度的特定故障相对应。
5.根据前述权利要求中的任何一个所述的方法,其中对在所述至少一个可能故障类型的每一个发生期间的所述至少一个操作状态的每一个执行所述模拟车辆部件性能的步骤,并导致一组唯一的模拟。
6.根据前述权利要求中的任何一个所述的方法,其中所述车辆部件是内燃机或其部件,并且其中所述表示的每一个是特定输出扭矩、特定发动机转速、特定环境条件、以及特定故障类型的一系列操作参数值。
7.根据前述权利要求中的任何一个所述的方法,其中所述车辆部件是内燃机,并且所述至少一个操作参数是从由涡轮增压器增压压力、涡轮增压器进口压力、涡轮增压器转速、涡轮增压器出口温度、涡轮增压器进口温度、和/或排气回收温度所组成的组中选择出来的。
8.一种电子控制单元(60),所述电子控制单元具有用于存储根据前述任何一个权利要求的模型的存储器。
9.一种用于在操作期间识别出车辆的部件的故障的方法,所述方法包括以下步骤:
确定所述车辆部件的实际操作状态;
从多个存储的表示的每一个接收至少一个操作参数的值,所述至少一个操作参数的值与对于不同故障类型的所确定的操作状态相对应,所述不同故障类型的所述表示的每一个与至少一个操作参数值相关联;
检测所述至少一个操作参数的至少一个实际值;以及
识别出与特定表示相关联的特定故障类型,所述特定表示的至少一个所接收到的操作参数值与所述检测到的实际操作参数值最相似。
10.根据权利要求9所述的方法,其中所述识别出特定故障类型的步骤进一步包括:
对所述表示的每一个计算所接收到的操作参数值与所检测到的实际操作参数值之间的残差;
选择其所述残差具有最小方差的一个表示;并且
识别出与所选择的表示相关联的特定故障类型。
11.根据权利要求9或10所述的方法,其中重复检测至少一个操作参数值的步骤以检测所述至少一个操作参数的一系列实际值。
12.一种计算机程序产品,所述计算机程序产品包括存储在计算机可读介质上的程序代码装置,所述程序代码装置被用于在所述程序产品运行在计算机上时执行根据权利要求9至11任何一个的方法的所有步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2013/001804 WO2014202100A1 (en) | 2013-06-19 | 2013-06-19 | A method for a vehicle |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105378574A true CN105378574A (zh) | 2016-03-02 |
Family
ID=48700520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380077626.6A Pending CN105378574A (zh) | 2013-06-19 | 2013-06-19 | 用于车辆的方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10296674B2 (zh) |
EP (1) | EP3011401B1 (zh) |
JP (1) | JP2016528416A (zh) |
CN (1) | CN105378574A (zh) |
BR (1) | BR112015031914B1 (zh) |
WO (1) | WO2014202100A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629077A (zh) * | 2017-03-24 | 2018-10-09 | 株式会社东芝 | 故障诊断装置、监视装置、故障诊断方法以及记录介质 |
WO2023273378A1 (zh) * | 2021-06-29 | 2023-01-05 | 东方电气集团东方电机有限公司 | 一种螺栓故障诊断方法及装置 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106114419A (zh) * | 2016-06-30 | 2016-11-16 | 成都金本华电子有限公司 | 一种车辆养护提示系统及方法 |
JP6989398B2 (ja) * | 2017-03-24 | 2022-01-05 | 株式会社東芝 | 故障診断装置、故障診断方法、および故障診断プログラム |
DE102017106919A1 (de) * | 2017-03-30 | 2018-10-04 | Technische Universität Darmstadt | Verfahren zur Bestimmung einer Schädigungsmaßunsicherheit eines Kraftfahrzeugs |
CN111016922B (zh) * | 2019-12-05 | 2021-02-19 | 浙江吉利控股集团有限公司 | 一种单电机混合动力系统优化分扭的能量管理系统和方法 |
US11790126B2 (en) * | 2019-12-19 | 2023-10-17 | Caterpillar Inc. | Method and system for internal combustion engine simulation |
US11408359B2 (en) * | 2020-08-31 | 2022-08-09 | Garrett Transportation I Inc. | System for turbocharger performance monitoring and adaptation |
CN113153543B (zh) * | 2021-03-18 | 2023-01-03 | 联合汽车电子有限公司 | 进气负荷模型修正方法及车辆 |
US11732670B2 (en) | 2021-11-12 | 2023-08-22 | Garrett Transportation I Inc. | System and method for on-line recalibration of control systems |
WO2024075164A1 (ja) * | 2022-10-03 | 2024-04-11 | 株式会社Subaru | 情報処理装置、プログラム |
CN117092933B (zh) * | 2023-07-26 | 2024-04-16 | 天津通信广播集团有限公司 | 转动机械设备控制方法、装置、设备和计算机可读介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05288115A (ja) * | 1992-04-03 | 1993-11-02 | Nissan Motor Co Ltd | 疑似信号発生装置 |
JPH09330120A (ja) * | 1996-06-11 | 1997-12-22 | Mitsubishi Heavy Ind Ltd | 故障診断システム |
US20030216856A1 (en) * | 2002-05-15 | 2003-11-20 | Jacobson Evan Earl | Diagnostic systems for turbocharged engines |
US20100114810A1 (en) * | 2004-04-22 | 2010-05-06 | Scott Mordin Hoyte | Methods and systems for monitoring machinery |
CN101858826A (zh) * | 2009-04-09 | 2010-10-13 | 通用电气公司 | 用于监测涡轮发动机的健康的系统和方法 |
CN102434291A (zh) * | 2010-09-20 | 2012-05-02 | 通用汽车环球科技运作有限责任公司 | 诊断涡轮增压发动机的气流控制系统的故障状况的系统 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6426299A (en) * | 1987-03-23 | 1989-01-27 | Japan Radio Co Ltd | System for supporting trouble diagnosis |
JP3414768B2 (ja) | 1992-04-14 | 2003-06-09 | 松下電器産業株式会社 | 半田印刷装置および半田印刷方法 |
JPH0650203A (ja) * | 1992-07-29 | 1994-02-22 | Daifuku Co Ltd | エンジン異常診断システム |
JP3523904B2 (ja) * | 1994-05-10 | 2004-04-26 | 東海旅客鉄道株式会社 | 内燃機関の性能評価装置 |
JPH0876814A (ja) * | 1994-07-01 | 1996-03-22 | Hitachi Ltd | 電磁駆動装置のシミュレータ及び電磁駆動装置をシミュレータで制御する電磁駆動システム |
JPH09159578A (ja) * | 1995-12-08 | 1997-06-20 | Unisia Jecs Corp | 吸入空気量検出装置の性能診断装置 |
US6917839B2 (en) * | 2000-06-09 | 2005-07-12 | Intellectual Assets Llc | Surveillance system and method having an operating mode partitioned fault classification model |
JP3716318B2 (ja) * | 2000-07-13 | 2005-11-16 | 株式会社日立製作所 | 機器の遠隔診断システム |
DE10257793A1 (de) * | 2002-12-11 | 2004-07-22 | Daimlerchrysler Ag | Modellbasierter Lebensdauerbeobachter |
JP4048490B2 (ja) * | 2003-03-27 | 2008-02-20 | 株式会社日立製作所 | 発電プラント性能診断装置 |
JP5007664B2 (ja) * | 2007-12-12 | 2012-08-22 | 富士通株式会社 | 最適設計計算装置、最適設計計算プログラム及びその方法 |
JP4924693B2 (ja) * | 2009-11-02 | 2012-04-25 | 株式会社デンソー | エンジン制御装置 |
FR2970358B1 (fr) * | 2011-01-06 | 2019-04-12 | Airbus Helicopters | Pronostic de duree avant maintenance par fusion entre modelisation et simulation, pour equipements electroniques embarques dans un aeronef |
FR2971870B1 (fr) * | 2011-02-18 | 2016-02-19 | Snecma | Methode de detection de pannes d'une turbomachine au moyen d'un modele theorique du cycle thermodynamique de ladite turbomachine |
US9476387B2 (en) | 2011-05-13 | 2016-10-25 | Ford Global Technologies, Llc | System for determining EGR cooler degradation |
-
2013
- 2013-06-19 BR BR112015031914-9A patent/BR112015031914B1/pt not_active IP Right Cessation
- 2013-06-19 CN CN201380077626.6A patent/CN105378574A/zh active Pending
- 2013-06-19 EP EP13732092.5A patent/EP3011401B1/en active Active
- 2013-06-19 JP JP2016520286A patent/JP2016528416A/ja active Pending
- 2013-06-19 US US14/897,078 patent/US10296674B2/en not_active Expired - Fee Related
- 2013-06-19 WO PCT/EP2013/001804 patent/WO2014202100A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05288115A (ja) * | 1992-04-03 | 1993-11-02 | Nissan Motor Co Ltd | 疑似信号発生装置 |
JPH09330120A (ja) * | 1996-06-11 | 1997-12-22 | Mitsubishi Heavy Ind Ltd | 故障診断システム |
US20030216856A1 (en) * | 2002-05-15 | 2003-11-20 | Jacobson Evan Earl | Diagnostic systems for turbocharged engines |
US20100114810A1 (en) * | 2004-04-22 | 2010-05-06 | Scott Mordin Hoyte | Methods and systems for monitoring machinery |
CN101858826A (zh) * | 2009-04-09 | 2010-10-13 | 通用电气公司 | 用于监测涡轮发动机的健康的系统和方法 |
CN102434291A (zh) * | 2010-09-20 | 2012-05-02 | 通用汽车环球科技运作有限责任公司 | 诊断涡轮增压发动机的气流控制系统的故障状况的系统 |
Non-Patent Citations (8)
Title |
---|
刘瑞林等: "《涡轮增压柴油机高海拔(低气压)性能试验研究》", 《内燃机学报》 * |
宫唤春: "基于神经网络的内燃机失火故障诊断研究", 《北京汽车》 * |
廖佩金: "《内燃机》", 31 August 1990, 石油工业出版社 * |
梁锋: "高压共轨式电控柴油机故障自诊断系统研究", 《中国优秀硕士学位论文全文数据库(博士) 工程科技辑Ⅱ辑》 * |
秦贵和: "汽车电控系统故障自诊断技术", 《汽车工程》 * |
董素荣等: "《自然吸气柴油机高海拔(低气压)热平衡试验研究》", 《热科学与技术》 * |
虞和济 等: "《设备故障诊断工程》", 31 December 2001 * |
许崇霞: "《汽车电器设备构造与维修》", 31 August 2011 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629077A (zh) * | 2017-03-24 | 2018-10-09 | 株式会社东芝 | 故障诊断装置、监视装置、故障诊断方法以及记录介质 |
CN108629077B (zh) * | 2017-03-24 | 2022-08-12 | 株式会社东芝 | 故障诊断装置、监视装置、故障诊断方法以及记录介质 |
WO2023273378A1 (zh) * | 2021-06-29 | 2023-01-05 | 东方电气集团东方电机有限公司 | 一种螺栓故障诊断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
BR112015031914A2 (pt) | 2017-07-25 |
JP2016528416A (ja) | 2016-09-15 |
EP3011401A1 (en) | 2016-04-27 |
EP3011401B1 (en) | 2020-07-15 |
US20160117427A1 (en) | 2016-04-28 |
BR112015031914B1 (pt) | 2021-02-17 |
WO2014202100A1 (en) | 2014-12-24 |
US10296674B2 (en) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105378574A (zh) | 用于车辆的方法 | |
US8543288B2 (en) | Diagnostic method and apparatus for an exhaust pressure regulator | |
US20160341142A1 (en) | Control system for diagnosing a malfunctioning of a pressure sensor included in an aftertreatment system of an internal combustion engine | |
RU2604689C2 (ru) | Способ и система диагностики силовой установки с двумя многоступенчатыми турбокомпрессорами | |
US9551286B2 (en) | Turbocharger boost control using exhaust pressure estimated from engine cylinder pressure | |
US9719467B2 (en) | Wastegate position sensor for wastegate and engine pressure sensor diagnostics | |
CN107525680A (zh) | 识别汽车系统中的故障部件的方法 | |
CN108223167B (zh) | 检测失效装置的方法 | |
US11072355B2 (en) | System and methods for detecting surge in an engine system | |
CN104675545A (zh) | 用于检测内燃发动机的进气管路中的泄漏的系统 | |
Wang et al. | Exhaust pressure estimation and its application to detection and isolation of turbocharger system faults for internal combustion engines | |
CN104343560A (zh) | 校正内燃发动机的操作设定点的方法 | |
Lee et al. | Scalable mean value modeling for real-time engine simulations with improved consistency and adaptability | |
JP2013015115A (ja) | エンジンの異常判定システム | |
CN107407222B (zh) | 防止机油逸出的方法和系统 | |
CN113530666A (zh) | 涡轮增压器转速调控方法 | |
CN202325869U (zh) | 用于控制柴油发动机的空气系统的设备 | |
CN201953488U (zh) | 用于控制柴油发动机的空气系统的设备以及柴油发动机 | |
Wan et al. | Engine modelling architecture study for hybrid electric vehicle diagnosis application | |
CN102182576A (zh) | 用于控制柴油发动机的空气系统的设备和方法 | |
CN102297032A (zh) | 用于控制柴油发动机的空气系统的设备和方法 | |
Djemili et al. | Adaptive observer for Intake leakage detection in diesel engines described by Takagi-Sugeno model | |
Weinhold et al. | Embedded model-based fault diagnosis for on-board diagnosis of engine control systems | |
Djemili et al. | Nonlinear unknown input observer for intake leakage estimation in diesel engines | |
CN102787900A (zh) | 执行内燃机的智能冷却泵的开/关诊断的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160302 |