CN106939840B - 用于确定内燃机中的气体质量流量的方法和装置 - Google Patents

Abstract

本发明涉及用于确定内燃机（2）中气体质量流量的平均值的方法，具有以下的步骤：‑测量（S3）利用脉冲加载的气体质量流量；‑平整（S4）通过测量获得的传感器信号；‑利用修正参量加载（S6）平整的传感器信号，以便获得气体质量流量的平均值；‑依据内燃机的运行状态，借助基于数据的、非参数的函数模型确定（S5）修正参量。

Description

用于确定内燃机中的气体质量流量的方法和装置

技术领域

本发明涉及内燃机，并且特别地涉及用于借助气体质量测量器确定气体质量流量的方法。此外，本发明涉及用于修正在测量内燃机中气体质量流量时的脉冲误差的措施。

技术背景

为了测量内燃机中新鲜空气质量流量，一般来说设置了空气质量测量器，所述空气质量测量器例如构造为热膜空气质量测量器。然而由于内燃机的节拍运行，空气供入间歇地进行，从而内燃机中实际的气体流动伴被用脉冲加载。

内燃机的气体引导系统中的这些脉冲能够具有高的幅值，所述幅值导致相应的周期性的传感器信号。然而通过空气质量测量器内部中的通道结构，空气引导中具有传输误差（平均值误差、相位误差和幅值误差）的脉冲能够通过传感器元件测量。因为一般来说对所测量的空气质量流量的传感器值进行平均，由此由空气质量测量器探测的空气质量流量的实际的平均值被歪曲。

由背景技术已知了各种方式，用于计算地修正在确定气体质量流量时通过脉冲导致的误差。

由公开文件EP 0962642 B1、DE 10 2009 056796 A1、EP 1114244 B1和DE19620435 C1已知了用于补偿代表内燃机中空气质量流量的测量信号的测量误差的方法。

发明内容

根据本发明设置了按照本发明的用于确定内燃机中经平均的气体质量流量的方法，以及按照本发明的装置和马达系统。

其它的设计方案在优选实施例和其它实施例中给出。

按照第一方面设置了用于确定内燃机中气体质量流量的平均值的方法，它具有以下的步骤：

- 测量利用脉冲加载的气体质量流量；

- 平整通过测量获得的传感器信号；

- 利用修正参量加载所述经平整的传感器信号；

- 依据内燃机的运行状态，借助基于数据的、非参数的函数模型确定所述修正参量。

上述方法的思路存在于，即脉冲误差和也可能其它的误差的修正借助修正参量执行，所述脉冲误差通过通道系统的传递特性得出，所述修正参量借助基于数据的、无参数的也就是说非参数的函数模型求取。

一般来说，到目前为止的用于修正用于气体质量流量的传感器信号的修正函数基于2维特性场或者由2维特性场和1维插值的组合。这些修正函数具有栅格中一些经定义的取样点。为了限制复杂度，一般来说仅仅最多应用三个输入参量用于确定修正参量。在特性场的取样点之间，紧接着进行插值。在基于输入参量：空气质量流量、脉冲频率、脉冲幅值和在可能的情况下吸入的新鲜空气的温度、压力和湿度的物理方面的修正中，对内燃机的特定的类型来说仅实际地测量来自参数空间的小的截取部分，从而多个取样点位于以下区域内，在所述区域内不需要修正参量的值或者说在内燃机的运行中不调用修正参量的值。

与此相反，按照上述的方法，用于气体质量测量器的测量值的修正参量的确定是基于一个基于数据的函数模型，所述函数模型借助基于高斯过程模型的回归分析求取。由此可能的是，为了计算修正参量，应用合适的、专门用于计算基于数据的函数模型的硬件单元，从而快速地计算修正参量的相应的值是可能的。通过应用作为单独的硬件单元的模型计算单元，控制器能够关于确定所述修正参量被减载。

此外，通过应用这样的基于数据的（无参数的）函数模型，使得考虑更高数量的输入参量和提供函数模型成为可能，所述函数模型基于高数量的事先测量的取样点求取。由此，经测量的气体质量流量的修正的精度能够明显地提高，因为能够排除插值误差。

此外，基于数据的、非参数的函数模型包括高斯过程模型或者对应于这个高斯过程模型。

能够设置的是，经平整的传感器信号累加地或者乘积地利用修正参量加载。

此外，基于数据的、非参数的函数模型能够具有下列的输入参量中的一个或者多个作为输入参量：

- 经平整的传感器信号；

- 脉冲频率，所述脉冲频率由内燃机的转速和缸体的数量得出；

- 脉冲幅值；

- 一个或者多个相对于所述脉冲频率的谐波频率；- 周围空气的空气温度；

- 周围空气的空气压力；和

- 周围空气的空气湿度。

特别地，基于数据的、非参数的函数模型能够设置有至少三个或者更多的输入参量。

气体质量流量能够对应于由内燃机提供的新鲜空气的空气质量流量。

经平整的传感器信号的加载能够在马达控制器的主计算单元中执行，其中修正参量在单独的模型计算单元中计算，所述模型计算单元构造为硬件单元。

此外，通过平均所述传感器信号、通过形成传感器信号的中值、通过平均所述传感器信号的局部最大值或者通过平均所述传感器信号的局部最小值执行传感器信号的平整。

按照其它的方面，设置了特别是马达控制器的装置，用于确定内燃机中气体质量流量的平均值，其中，所述装置构造用于：

- 测量利用脉冲加载的气体质量流量；

- 平整通过测量所获得的传感器信号；

- 利用修正参量加载经平整的传感器信号，以便获得气体质量流量的平均值；并且

- 依据内燃机的运行状态，借助基于数据的、非参数的函数模型确定修正参量。

按照其它的方面设置了马达系统，它包括在节拍运行中能够运行的内燃机、气体质量流量传感器和上述的马达控制器，所述气体质量流量传感器构造用于为气体质量流量提供传感器信号。

附图说明

实施方式随后依据所附的附图更加详细地阐释。图示：

图1是具有内燃机、新鲜空气质量传感器和用于基于传感器信号确定新鲜空气质量流量的马达控制器的马达系统的示意性视图；

图2是内燃机中实际的新鲜空气质量流量的时间走势的示意性视图，以及由热膜空气质量传感器测量的传感器值的走势和新鲜空气质量流量的实际的平均值；

图3是图1的马达系统的马达控制器的示意性视图；以及

图4是用于阐释用于由空气质量测量器的传感器值确定新鲜空气质量流量的方法的流程图。

具体实施方式

图1中示意性地展示了马达系统1，所述马达系统具有内燃机2。内燃机2构造为节拍运行的内燃机，并且能够构造为四冲程马达、如柴油马达和汽油马达，或者构造为两冲程马达。

新鲜空气通过空气供给系统3提供给内燃机2。通过空气供给系统3，新鲜空气流入内燃机2中。空气供给系统3中能够布置有节气门31。燃烧废气通过排气系统4由内燃机引出。内燃机2能够额外地借助（未示出的）压缩机增压。

气体质量流量的大小能够是对于内燃机2的运行相关的，所述气体质量流量在通过空气供给系统3和排气系统4形成的气体引导系统中流动。为此，气体质量流量通常借助气体质量流量传感器5测量。气体质量流量传感器5能够布置在空气供给系统3中或者排气系统4中的任意的位置处。

气体引导系统能够额外地配设有高压废气再循环和/或低压废气再循环，所述高压废气再循环和/或低压废气再循环以对自身已知的方式运行。

在被空气引导的内燃机中、例如汽油马达中，对供入的空气质量流量的认知是必要的。由内燃机吸入的新鲜空气被引导经过作为可能的气体质量流量传感器的空气质量流量传感器处，所述空气质量流量传感器例如能够构造为热膜空气质量流量传感器。

内燃机2的运行通过马达控制器10予以控制。马达控制器10以对自身已知的方式通过操控调节发送器、例如节气门31，依据一个或者多个分配参量、例如驾驶员期望力矩或者驾驶踏板姿态并且依据通过合适的传感器获得的运行状态运行内燃机2。气体质量传感器表现为用于确定运行状态的传感器之一。

通过内燃机2的节拍运行，在全部的气体引导系统中，也就是说在空气供给系统3和在排气系统4中，由于内燃机2的气缸中的活塞运动导致了脉冲。然而由于流体力学的传递特性或者说气体质量流量传感器的惯性，一般来说会求取到气体质量流量的有误差的传感器值。布置在空气供给系统3中的气体质量流量传感器5确定了空气质量流量。

在马达控制器10中能够计算空气质量流量的经平整的、也就是说摆脱通过脉冲引发的波动的值，所述值用作针对一系列功能的输入参量，所述功能在马达控制器10中实施用于运行内燃机2。传感器信号的平整能够例如通过传感器信号的计算上的平均进行。作为替代方案，如果传感器信号被提供为电的参量，则传感器信号的平整也能够借助电的或者说电子的构件，例如电容器和/或阻流线圈执行。由于气体质量流量传感器5中的传递特性，在马达控制器10中的平整后的气体质量流量的传感器值是有误差的。这个脉冲误差能够计为多于20%。

例如在图2中表达了传感器信号的走势，所述传感器信号针对用于示例的马达系统的空气质量流量。由于在内燃机的静态的运行过程中气体引导系统中的脉冲，通过气体质量流量传感器5测量的空气质量流量的走势识别为曲线K1。曲线K2对应于空气质量流量的经平整的值。曲线K3标识了空气质量流量的实际的平均值。可见的是，空气质量流量的经平整的值明显地与空气质量流量的实际的平均值偏离。一般来说，所测量的和随后经平整的空气质量流量的值利用修正参量加载并且如此以合适的方式修正，以便获得空气质量流量的实际的平均值，所述修正参量能够依据运行点地确定。

为了确定修正参量，这时设置了应用基于数据的、无参数的函数模型，所述函数模型能够针对特定的马达系统提前建立。

非参数的、基于数据的函数模型的应用基于贝叶斯回归方法。贝叶斯回归的基础例如在《机器学习中的高斯过程Gaussian Processes for Machine Learning》（C. E.Rasmussen等，MIT Press 2006）中说明。贝叶斯回归是指基于数据的方法，所述方法基于模型。为了建立该模型，训练数据的测量点u以及待建模的输出参量的从属的输出数据是必要的。该模型的建立依据取样点数据的应用来进行，所述取样点数据完全地或者部分地对应于训练数据，或者由这些训练数据生成。此外确定了抽象的超参数，所述超参数参数化了模型函数的空间，并且有效地对训练数据的单个测量点对之后的模型预测的影响进行加权。

抽象的超参数通过优化方法确定。针对这样的优化方法的可行方案存在于边缘相似性p（Y|H，X）的优化中。边缘相似性p（Y|H，X）说明了测量的训练数据的y值的信度（表达为矢量Y），给定的是训练数据的模型参数H和x值（输入参量的值）。在模型训练中将p（Y|H，X）最大化，办法是：寻找合适的超参数，所述超参数导致通过超参数和训练数据确定的模型函数的走势，并且尽可能精准地表明训练数据。为了简化计算，将p（Y|H，X）的对数最大化，因为对数不改变信度函数的连续性。

高斯过程模型的计算对应于后续的计算规定来进行。针对测试点x（输入参量向量）的输入值

首先进行标准化和对中心，并且具体而言按照以下的公式：

在这种情况下，mx对应于平均值函数，它关于取样点数据的输入值的平均值，s_x对应于取样点数据的输入值的方差，并且d对应于针对测试点x的维数D的指数。

作为建立非参数的、基于数据的函数模型的结果得到了：

如此所求取的模型值v借助输出标准化予以标准化，并且具体而言按照公式：

在这种情况下，v对应于在标准化的测试点x（D维的输入参量向量）处的标准化的模型值（输出值），ṽ对应于在（未标准化的）测试点ũ（D维的输入参量向量）处的（未标准化的）模型值（输出值），x_i对应于取样点数据的取样点，N对应于取样点数据的取样点的数量，D对应于输入数据空间/训练数据空间/取样点数据空间的维数，以及I_d和σf对应于来自模型训练的超参数。向量Q_y是由超参数和训练数据计算的参量。此外，m_y对应于平均值函数，该平均值函数关于取样点数据的输出值的平均值，并且s_y对应于取样点数据的输出值的方差。

函数模型的建立能够借助试验台或者或诸如此类的进行。在此，调节马达系统的各种工作点，并且测量实际的、利用脉冲加载的空气质量流量的走势。确定准确的空气质量流量能够利用基准空气质量传感器进行。由测量值计算地求取相应的空气质量流量的平均值m_soll。

此外，利用基准空气质量传感器测量空气质量流量的相应的值m_ist。得出多个测量点，所述测量点各自通过经测量的工作点和在空气质量流量的平均值m_soll和空气质量流量的经平均的值m_ist之间的所配设的关系予以定义，并且所述测量点表达了用于训练高斯过程模型的训练数据。所述关系预先给出了利用修正参量加载在持续的运行中测量的经平整的空气质量流量的值m_ist的类型。基于训练数据进行基于数据的函数模型的训练，以便获得基于数据的函数模型的超参数。

为了确定修正参量，能够在应用基于数据的函数模型时应用几乎任意数量的输入参量。例如所测量的空气质量流量、脉冲频率和脉冲幅值能够预先给出作为用于基于数据的函数模型的输入参量，所述脉冲频率由内燃机的转速和缸体的数量得出，通过所述脉冲幅值确定内燃机的运行状态。脉冲幅值能够例如对应于在所测量的空气质量流量的最大的和最小的值之间的差值的一半、均方根RMS、在确定的观察时间段内测量值的方差，或者在应用FFT分析时直接对应于主频率的量值。其它的输入参量能够是相对于脉冲频率的谐波频率和其相应的幅值，所述幅值能够由相应的FFT分析中求取。在这种情况下，FFT分析在连续的运行中经过固定的时间段来执行。其它的输入参量能够包括周围空气的空气温度、周围空气的空气压力和空气湿度。

图3示意性地展示了马达控制器10的构造，所述马达控制器特别地用于运行内燃机2。马达控制器10包括了微控制器作为主计算单元12，所述主计算单元共同地与模型计算单元13集成实施。模型计算单元13基本上是指硬件单元，所述硬件单元能够基于硬件地执行函数计算，特别是用于上面列举的贝叶斯回归方法这样的函数计算。特别地构造了模型计算单元13，以便在环路计算中执行指数函数运算、加法运算和乘法运算。

在模型计算单元13中的计算由主计算单元12开始，以便基于说明所述函数模型的超参数和取样点数据，求取针对测试点的函数值。所述超参数和取样点数据存储在此外与主计算单元12和模型计算单元13集成的存储单元15中，并且用于代表基于数据的函数模型，所述函数模型用于修正参量的计算。

主计算单元12和模型计算单元13通过内部的通信连接部、特别是系统总线14相互处于通信连接中。此外，存储单元15和DMA单元6（DMA：直接存储器访问）能够与内部的通信连接部相连接，以便保证与主计算单元12和模型计算单元13的信号通信。

模型计算单元13基本上仅仅具有硬件（硬布线），所述硬件预先给出了确定的计算过程，并且优选地不构造用于实施软件代码。出于这个原因，在模型计算单元13中设置处理器也是不必要的。这使得资源优化地实现这样的模型计算单元13成为可能。通过按照经施行的硬件程序的计算，计算时间能够相比软件算法明显地缩短。

在图4的流程图中示意性地展示了确定修正参量的流程。

在步骤S1中，首先测定相关的、为基于数据的函数模型所需的输入参量。

在步骤S2中，这些输入参量传送至硬件单元处，所述硬件单元特别地构造用于计算基于数据的函数模型。

在步骤S3中，这时测量空气质量流量，以便获得传感器信号。

这个传感器信号具有动态的走势，所述走势指向气体引导系统中的脉冲处。传感器信号在步骤S4中在计算方面被平整，特别是经求平均。作为替代方案，传感器信号的平整也能够通过形成传感器信号的中值、通过平均该传感器信号的局部的最大值或者通过平均该传感器信号局部的最小值进行。

在步骤S5中，获得修正参量的由硬件单元配设给输入参量的值，并且在步骤S6中利用此修正值加载空气质量流量的经测量的经平整的值，以便获得空气质量流量的经修正的平均值。

所述方法循环地实施，以便始终为马达控制器10提供空气质量流量的当前的平均值。

Claims (10)

1.用于使用确定的内燃机中的气体质量流量的平均值来控制内燃机的方法，该方法具有以下的步骤：

- 测量（S3）利用脉冲加载的气体质量流量，该脉冲由于内燃机的气缸中的活塞运动导致；

- 平整（S4）通过该测量所获得的传感器信号；

- 借助基于数据的非参数的函数模型确定（S5）修正参量，其中，所述基于数据的非参数的函数模型包括高斯过程模型，其中，所述高斯过程模型具有经平均的传感器信号、脉冲频率以及脉冲幅值作为输入参量；

- 利用所述修正参量加载（S6）经平整的传感器信号，以便确定气体质量流量的平均值；

- 使用所确定的气体质量流量的平均值来操作所述内燃机。

2.按照权利要求1所述的方法，其中，经平整的传感器信号累加地或者乘积地利用所述修正参量加载。

3.按照权利要求1或2所述的方法，其中，所述高斯过程模型还具有下列的输入参量中的一个或者多个作为输入参量：

- 一个或者多个相对于脉冲频率的谐波频率；

- 周围空气的空气温度；

- 周围空气的空气压力；和

- 周围空气的空气湿度。

4.按照权利要求1或2所述的方法，其中，气体质量流量对应于由内燃机（2）提供的新鲜空气的空气质量流量。

5.按照权利要求1或2所述的方法，其中，经平整的传感器信号的加载在马达控制器（10）的主计算单元（12）中执行，其中，修正参量在单独的模型计算单元（13）中计算，所述模型计算单元构造为硬件单元。

6.按照权利要求1或2所述的方法，其中，传感器信号的平整通过传感器信号的平均、通过形成中值、通过平均局部的最大值或者通过平均局部的最小值执行。

7.用于使用确定的内燃机（2）中的气体质量流量的平均值来控制内燃机的装置，其中，所述装置构造用于：

- 测量利用脉冲加载的气体质量流量，该脉冲由于内燃机的气缸中的活塞运动导致；

- 平整通过该测量所获得的传感器信号；

- 借助基于数据的非参数的函数模型确定修正参量，其中，所述基于数据的非参数的函数模型包括高斯过程模型，其中，所述高斯过程模型具有脉冲频率、经平均的传感器信号以及脉冲幅值作为输入参量；

- 利用所述修正参量加载经平整的传感器信号，以便确定气体质量流量的平均值；并且

- 使用所确定的气体质量流量的平均值来操作所述内燃机。

8.根据权利要求7所述的装置，其中，所述装置是马达控制器（10）。

9.马达系统（1），其包括：

- 在节拍运行中能够运行的内燃机（2）；

- 气体质量流量传感器（5），所述气体质量流量传感器被构造用于为气体质量流量提供传感器信号；和

- 按照权利要求8所述的马达控制器（10）。

10.能够由机器读取的存储介质，在所述存储介质上存储了计算机程序，所述计算机程序设定用于实施按照权利要求1到6中任一项所述的方法的所有步骤。

Images