CN107131068B - 连续计算每汽缸截留和扫气空气的方法 - Google Patents

Abstract

与每汽缸截留和扫气空气(APC)相关的计算模型和计算法改进内燃机的扫气和非扫气操作模式以及其间的过渡。将来自传感器(其包括发动机速度传感器、歧管空气压力传感器、大气压力传感器、曲轴位置传感器和阀状态传感器)的数据提供给一对人工神经网络。第一神经网络利用该数据计算气体的标称容积，该气体即截留在汽缸中的空气。第二神经网络利用该数据计算截留比。根据理想气体定律利用第一网络的输出来计算每汽缸截留空气的实际质量。每汽缸截留空气的实际质量还除以由第二网络计算出的截留比来确定每汽缸总空气，并且还进一步用于通过每汽缸总空气减去每汽缸截留空气来计算出每汽缸扫气空气。

Description

连续计算每汽缸截留和扫气空气的方法

技术领域

本公开涉及改进与内燃机中每汽缸截留空气(APC)有关的计算法，并且更具体地涉及改进与在内燃机中扫气和非扫气操作模式期间的每汽缸截留和扫气空气有关的计算模型和计算法。

背景技术

此章节的陈述仅旨在提供与本公开相关的背景信息，而且可以构成或者可以不构成现有技术。

在现代内燃机中，尤其是在那些采用涡轮增压器和可变阀门正时的内燃机中，通过进气歧管进入发动机的一定百分比的空气在进气冲程期间将完全穿过汽缸，即从进气阀到排气阀，并且由此将不会参与燃烧循环。这种情况能够在高凸轮(及阀门开度)重叠期间发生在升压应用上，特别是在较高的压力比下。这种完全穿过汽缸的截留空气被称为扫气空气。

尽管人们在进行初次分析时可能认为这种扫气空气是不利的，但是它的确使得涡轮增压器更快地旋转，由此改进升压响应。扫气空气真正的难点在于，在扫气模式下操作的发动机毫不意外地也在更常规的非扫气模式下操作，在该非扫气模式下，所有穿过进气阀的空气截留在汽缸中用于压缩冲程和做功冲程，而在此之后排出空气。尽管这种发动机通常为扫气模式和非扫气模式下的操作采用了单独的控制模式，但是，非扫气模式(通常在较低的ROM下)与扫气模式(在较高的RPM下)之间的过渡可能较突然，并且能够在燃料、空气流和点火系统的监测和操作这两方面造成不连续性。

因此，在扫气模式和非扫气模式这两种模式下操作的内燃机和控制装置中存在有公认的问题。本发明解决了该问题。

发明内容

通过改进与在扫气和非扫气操作模式期间的每汽缸截留和扫气空气有关的计算模型和计算法以及这些操作模式之间的无缝过渡，本发明旨在改进内燃机的操作。将来自传感器(其包括发动机速度(RPM)传感器、歧管空气压力传感器、大气压力传感器、曲轴位置传感器、进气阀最大开度位置传感器、排气阀最大开度位置传感器和阀状态传感器)的数据提供给一对人工神经网络(ANN)。第一神经网络(截留容积效率ANN)利用该数据计算气体(即截留在汽缸中的空气)的标称容积。第二截留比ANN利用该数据计算截留比。结合理想气体定律，利用第一ANN的输出来计算每汽缸截留空气(APC)的实际质量。每汽缸截留空气的实际质量还除以由第二ANN计算出的截留比来确定每汽缸总空气，并且还进一步用于通过每汽缸总空气减去每汽缸截留空气来计算出每汽缸扫气空气。将会认识到的是，前述计算是实时完成的，并且因此这三个数据输出(每汽缸总空气、每汽缸截留空气和每汽缸扫气空气)是连续地提供且可以并将会由各个发动机和车辆控制模块和系统利用来提升整体发动机和车辆性能。

因此，本发明的一个方面在于提供一种改进在扫气和非扫气模式下操作的内燃机的操作的方法。

本发明的另一个方面在于提供一种扫气和非扫气内燃机的操作的方法，其提供了这种扫气操作模式与非扫气操作模式之间的无缝过渡。

本发明的又一个方面在于提供一种利用人工神经网络改进在扫气和非扫气模式下操作的内燃机的操作的方法。

本发明的又一个方面在于提供一种利用人工神经网络和传感器改进在扫气和非扫气模式下操作的内燃机的操作的方法，其中这些传感器包括歧管空气压力传感器、大气压力传感器、发动机速度传感器和曲轴角度和阀状态传感器。

本发明的又一个方面在于提供一种用于利用人工神经网络和传感器改进在扫气和非扫气模式下操作的内燃机的操作的装置，其中这些传感器包括歧管空气压力传感器、大气压力传感器、发动机速度传感器和曲轴角度传感器和阀状态传感器。

本发明的又一个方面在于提供一种通过计算每汽缸截留空气、每汽缸扫气空气和每汽缸总空气的实时值并将这些实时值提供给相关发动机和车辆控制系统来改进在扫气和非扫气模式下操作的内燃机的操作的方法。

本发明的又一个方面在于提供一种通过利用人工神经网络和传感器来将每汽缸截留空气、每汽缸扫气空气和每汽缸总空气的实时值提供给相关发动机和车辆控制系统而改进具有扫气和非扫气模式的内燃机的操作的方法，其中这些传感器包括歧管空气压力传感器、大气压力传感器、发动机速度传感器和曲轴角度传感器以及阀状态传感器。

本发明的又一个方面在于提供一种用于通过利用人工神经网络和传感器来将每汽缸截留空气、每汽缸扫气空气和每汽缸总空气的实时值提供给相关发动机和车辆控制系统而改进具有扫气和非扫气模式的内燃机的操作的装置，其中这些传感器包括歧管空气压力传感器、大气压力传感器、发动机速度传感器和曲轴角度传感器以及阀状态传感器。

通过在此提供的描述，其他方面、优点和适用范围将变得显而易见。应该理解的是，本描述以及具体示例仅仅是用于说明的目的，而不是旨在限制本公开的范围。

附图说明

在此所描述的附图仅仅出于说明的目的，并不旨在以任何方式来限制本公开的范围。

图1是根据本发明的具有传感器的内燃机以及扫气和非扫气操作的示图；

图2是根据本发明的扫气和非扫气内燃机控制系统的各部件和操作步骤的示意图；以及

图3是示出了根据本发明的扫气和非扫气内燃机控制系统的若干操作参数的图表。

具体实施方式

以下的描述在本质上仅是示例性的，并不旨在限制本公开、应用或使用。

参照图1，示出了根据本发明的系统的内燃机、传感器和相关部件的示图，并且总地用附图标记10对该系统进行标示。系统10包括具有多部分主体的内燃机12，该多部分主体包括发动机缸体14和一个或多个汽缸盖16(该一个或多个汽缸盖接纳、定位和支撑设置在相同多个汽缸20中的多个往复活塞18，多个汽缸中的每一个在图1中示出)、旋转曲轴22和飞轮24、进气歧管26(包括与第一或进气凸轮轴30相关联的多个进气阀28，第一或进气凸轮轴由曲轴22驱动)、排气歧管32(包括与第二或排气凸轮轴36相关联的多个排气阀34，第二或排气凸轮轴也由曲轴22驱动)。本领域技术人员将会理解的是，所示出的示例性内燃机12包括其他的细节和部件，例如燃料供给系统和点火系统(均未示出)。

系统10还包括多个传感器。第一歧管绝对压力(MAP)传感器42存在于进气歧管24中并且感测其中的绝对瞬时空气压力。第二大气压力传感器44可以位于机动车辆(未示出)上的任意方便位置处并且感测当前的周围大气压力。第三速度和旋转(角度)位置传感器46与曲轴22上的飞轮24上的齿48相关联并且提供关于曲轴22的旋转速度和角度位置这两者的数据。关于进气凸轮轴30和排气凸轮轴36的旋转位置的数据由第四进气凸轮轴位置传感器52和第五排气凸轮轴位置传感器54提供。来自前述所有传感器42、44、46、52和54的输出提供至控制模块60，该控制模块可以是独立的设备，或者可以是发动机控制模块(ECM)或其他具有输入和输出特征、用于软件的固定存储器和用于这类输入数据的瞬时存储器、处理器或微处理器以及相关电路的类似电子控制器的一部分。可以提供至控制模块60、在其中产生的或者在相关联的ECM中的第六数据流56涉及进气阀28和排气阀34的操作状态，该操作状态由三个操作模式或状态来定义和确定：高升程、低升程、或禁用(即，既不是高升程状态，也不是低升程状态)。

现在参照图2，示出了扫气和非扫气内燃机控制系统的部件和方法步骤的示意性框图，并且总地用附图标记100对其进行标示。方法100包括在步骤104中收集来自歧管绝对压力(MAP)传感器42、大气压力传感器44、曲轴(发动机)速度和旋转传感器46、进气最大开度位置(IMOP)传感器52、排气最大开度位置(EMOP)传感器54和阀状态数据流56的数据。IMOP传感器52和EMOP传感器54提供它们相应的曲轴的旋转度(从0°到360°)的数据，并且该数据与来自第三速度和旋转位置传感器46的数据相结合地利用来确定曲轴22的从0°到720°的旋转(角度)位置。

六次传感器输出或数据流均提供至第一容积效率(VE)人工神经网络(ANN)106和第二截留比人工神经网络(ANN)108。第一人工神经网络106和第二人工神经网络108均是单层网络且均含有一组自适应权重(即，在校准过程期间由学习算法调节的数值参数)，并且还能够近似或估计六次输入的非线性函数。神经网络106和108的其中一个特点在于，在考虑某一组输入值的情况下，网络106和108将总是会返回相同的输出值。

根据向其提供的数据，第一容积效率(VE)人工神经网络(ANN)106以0.0到1.0的分值提供每汽缸截留空气(APC)的当前容积效率的值。

在VE校准过程期间，所采用的等式为：

其中，R为8.314L kPa/(K mol)的理想气体常数，摩尔质量为28970L kPa/(mg·K)，V_汽缸为每个汽缸20以升计的容积，并且ChrgTemp为进入汽缸20的空气以凯氏度数计的温度。

随后将该值提供给计算步骤110，该步骤将理想气体定律应用至容积效率值，以便实时地确定每个汽缸20中截留的空气(APC)的实际质量。采用来确定每汽缸20的空气的质量的等式为：

所得出的m_汽缸为每个汽缸20中的空气以毫克计的截留质量。

之后，在线条112上将该数据或信息提供至车辆中的各个数据系统和控制器(例如发动机控制模块(ECM))，以便调节燃料流和点火正时以及估计排气温度和压力等操作参数。

根据提供至第二截留比人工神经网络(ANN)108的数据，生成每汽缸20截留的空气的容积与每汽缸20提供的空气的总容积的比值。该数据或信息由网络或步骤114提供至除数运算。在从计算步骤110知晓每汽缸20截留的空气的实际质量并且还知晓每汽缸20截留的空气的质量与每汽缸20提供的空气的总质量的比值的情况下，计算出每汽缸20的空气的总质量，并且在数据或信息线条116上将其提供至车辆中的各个数据系统和控制器，例如发动机控制模块(ECM)。最后，在减法步骤或网络118中，从线条116中的每汽缸总空气的瞬时值中减去线条112中的每汽缸20截留空气的瞬时值。线条120中所得到的值为每汽缸20扫气空气，也就是由于进气阀28和排气阀34的开度重叠而在不参与燃烧过程的情况下直接从进气歧管26穿过汽缸20到达排气歧管32的空气。

现在参照图3，多曲线图表150示出了扫气和非扫气内燃机控制系统10的性能。首先，应理解的是，被椭圆形虚线152包围的区域一般表示非扫气操作(在图表150的左侧)向扫气操作(在图表150的右侧)过渡的区域。最上面的线条或迹线154表示每汽缸20总空气(APC)。第二条基本上水平的线条或迹线156表示每汽缸20截留空气。需要注意，在非扫气操作(在图表150的左侧)期间，迹线154和156彼此叠置。第三条线条或迹线158表示节气门面积，其当然会随着速度和负荷的增加而增加。第四条线条或迹线162表示每汽缸20扫气空气。需要注意该值在操作从非扫气移动至虚线152所包围的区域中的扫气时的急剧增加。最后，第五条线条或迹线164表示截留比。需要注意，该值从扫气操作到非扫气操作变化得相对平缓，这正是扫气和非扫气内燃机控制系统10的重要目标。

本发明的描述在本质上仅仅是示例性的，并且不脱离本发明要旨的变型都认为落在本发明的范围内。这些变化不应视为脱离本发明的精神和范围。

Claims (6)

1.一种确定内燃机中每汽缸截留空气和每汽缸扫气空气的方法，其包括以下步骤：

确定歧管空气压力，

确定所述内燃机的曲轴的旋转速度和旋转位置，

确定进气阀最大开度旋转位置，

确定排气阀最大开度旋转位置，

在人工神经网络中计算每汽缸截留空气的容积效率，并且将理想气体定律应用至每汽缸截留空气的所述容积效率，以计算出每汽缸截留空气的质量，

将所述每汽缸截留空气的质量的值提供给发动机控制模块，其中，所述发动机控制模块至少部分地基于所述每汽缸截留空气的质量调节燃料流和点火正时；

在人工神经网络中计算每汽缸截留空气的质量与每汽缸提供的空气的总容积的比值，

计算每汽缸空气的总质量，以及

通过从所述每汽缸空气的总质量减去所述每汽缸截留空气的质量来计算每汽缸扫气空气的质量。

2.根据权利要求1所述的方法，其进一步包括确定周围大气压力的步骤。

3.根据权利要求1所述的方法，其进一步包括将阀状态确定为高升程、低升程或无升程中的一种的步骤。

4.根据权利要求1所述的方法，其进一步包括在进气阀凸轮轴上提供第一位置传感器以确定所述进气阀最大开度位置的步骤。

5.根据权利要求1所述的方法，其进一步包括在排气阀凸轮轴上提供第二位置传感器以确定所述排气阀最大开度位置的步骤。

6.根据权利要求1所述的方法，其进一步包括提供与曲轴上的飞轮相关联的旋转传感器的步骤。

Images