CN109424456A - 内燃机空气流量管理系统和方法 - Google Patents

内燃机空气流量管理系统和方法 Download PDF

Info

Publication number
CN109424456A
CN109424456A CN201810921700.2A CN201810921700A CN109424456A CN 109424456 A CN109424456 A CN 109424456A CN 201810921700 A CN201810921700 A CN 201810921700A CN 109424456 A CN109424456 A CN 109424456A
Authority
CN
China
Prior art keywords
sensor
air
mass flow
throttle valve
residual error
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
Application number
CN201810921700.2A
Other languages
English (en)
Inventor
C·桑卡瓦拉姆
段时鸣
L·威金斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN109424456A publication Critical patent/CN109424456A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/18—Circuit arrangements for generating control signals by measuring intake air flow
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F02D41/222—Safety or indicating devices for abnormal conditions relating to the failure of sensors or parameter detection devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/266—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor the computer being backed-up or assisted by another circuit, e.g. analogue
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0402—Engine intake system parameters the parameter being determined by using a model of the engine intake or its components
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0406—Intake manifold pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0406—Intake manifold pressure
    • F02D2200/0408—Estimation of intake manifold pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/0065—Specific aspects of external EGR control
    • F02D41/0072—Estimating, calculating or determining the EGR rate, amount or flow
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

一种发动机空气流量管理系统包括用于接收环境空气的入口部分和用于感测通过该入口部分的空气的质量流量的质量空气流量(MAF)传感器。该空气流量管理系统包括用于选择性地限制空气流量的节流阀体和用于感测该节流阀体的开度值的节流阀位置传感器(TPS)。该空气流量管理系统包括与该节流阀体流体连接的进气歧管，该进气歧管被配置为将空气流量引导到多个燃烧汽缸。歧管空气压力(MAP)传感器感测进气歧管处的空气压力。控制器被编程为监测来自MAF传感器、TPS以及MAP传感器中的每一个的信号，并且基于基于模型的值与对应的受监测信号之间的差值来产生残差值。响应动作是基于至少两个残差值的趋势。

Description

内燃机空气流量管理系统和方法
技术领域
本公开涉及空气流量管理系统的预测和诊断。
背景技术
某些控制器监测与对应的车辆系统相关联的传感器数据，并且可以诊断这些传感器中存在的故障。这种技术本质上是反应性的，并且可以限于当前状态条件而不估计故障严重程度或预测传感器中的任何劣化。因此，这种控制器可能无法预测传感器的未来健康状态和/或剩余使用寿命。
发明内容
一种用于内燃机的空气流量管理系统包括用于接收环境空气的入口部分和适于感测通过该入口部分的空气的质量流量的质量空气流量(MAF)传感器。该空气流量管理系统还包括用于选择性地限制来自入口部分的空气流量的节流阀体和适于感测该节流阀体的开度值的节流阀位置传感器(TPS)。空气流量管理系统进一步包括：进气歧管，其与节流阀体流体连接并且被配置为将空气流量引导到多个燃烧汽缸中的每一个；以及歧管空气压力(MAP)传感器，其适于感测进气歧管处的空气压力。控制器被编程为监测来自MAF传感器、TPS以及MAP传感器中的每一个的信号，并且基于基于模型的值与对应的受监测信号之间的差值来产生残差值。控制器还被编程为基于至少两个残差值的趋势来执行至少一个响应动作。
一种对内燃机的空气流量管理系统进行预测的方法包括产生第一信号，其指示通过空气流量管理系统的入口部分的空气的质量流量。该方法还包括在入口部分的下游设置节流阀体以限制通过空气流量管理系统的空气流量并且产生指示节流阀体开度面积的第二信号。该方法进一步包括提供进气歧管以将来自节流阀体的空气流量分配到多个燃烧室中的每一个并且产生指示歧管空气压力的第三信号。该方法进一步包括监测第一信号、第二信号以及第三信号中的每一个，并且基于基于模型的估计值与对应的受监测信号之间的差值来产生残差值。该方法进一步包括基于至少两个残差值的趋势来执行至少一个响应动作。
发动机空气流量管理系统包括适于感测通过入口部分的空气的质量流量的质量空气流量(MAF)传感器、适于感测入口部分下游的节流阀体的开度量的节流阀位置传感器(TPS)，以及适于检测节流阀体下游的进气歧管处的空气压力的歧管空气压力(MAP)传感器。一种用于发动机空气流量管理系统的预测系统包括控制器，该控制器被编程为从包括至少MAF传感器、TPS以及MAP传感器的一组传感器中的每一个传感器接收信号，并且在存储器中存储至少一个数学模型以基于从该组传感器中的其它传感器接收的信号来估计该组传感器中的一个传感器的性能值。控制器还被编程为基于估计的性能值与从该组传感器中的一个传感器接收的信号之间的差值来产生残差值，并且基于残差值的趋势来执行至少一个响应动作。
附图说明
图1是用于内燃机的空气流量管理系统的示意图。
图2A到图2C说明了用于多个传感器读数中的每一个传感器读数的数学模型。
图3是用于计算多个残差值的算法的示意图。
图4是与空气流量管理系统的多个传感器故障相关联的故障表。
图5A到图5D是用于MAF传感器故障的传感器残差值的曲线图。
图6A到图6D是用于MAP传感器故障的传感器残差值的曲线图。
图7A到图7D是用于TPS故障的传感器残差值的曲线图。
图8A到图8B是用于空气管理系统的预测算法的流程图。
图9是用于计算节流阀体焦化严重程度度量的算法的示意图。
图10是在车辆的多个驾驶循环中的节流阀体焦化严重程度度量的曲线图。
图11是用于节流阀体焦化的预测算法的流程图。
具体实施方式
本文描述了本公开的实施例。然而，应当理解的是，所公开实施例仅仅是示例且其它实施例可以呈现各种和替代性形式。附图不一定按比例绘制；一些特征可以被放大或最小化以示出特定部件的细节。因此，本文公开的具体结构和功能细节并不解释为限制，而仅仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。如本领域一般技术人员将理解的是，参考任何一个图式说明并描述的各个特征可以结合一个或多个其它图式中说明的特征以产生未明确说明或描述的实施例。所说明的特征组合提供用于典型应用的代表性实施例。然而，特定应用或实施方案可以期望与本公开的教导一致的特征的各个组合和修改。
参考图1，用于发动机的空气管理系统100提供空气流量以在发动机操作期间支持燃烧。发动机包括具有多个燃烧汽缸102的缸体，往复式汽缸在该缸体内根据燃烧循环正时循环。发动机可以是汽油发动机、柴油发动机或需要计量空气流量来调节燃烧条件的任何其它类型的发动机。空气经由进气歧管104供给到每个汽缸102，该进气歧管104包括多个流道以将空气引导到每个汽缸。空气管道106被布置为根据需要从周围环境向发动机提供新鲜空气。空气沿着方向110在入口108处被吸入。可以提供空气过滤器112以减少被提供给发动机的空气流量中的颗粒和其它污染物。
进气系统100包括多个传感器以收集关于空气流量的各种状况的数据以便优化燃烧。质量空气流量传感器(MAF)114被设置在空气入口部分附近，并且输出指示通过空气管106的空气的质量流量的信号。空气质量流量信息用于根据发动机输出需求向发动机输送与被提供用于燃烧的燃料质量对应的正确空气质量。进气的密度可以因该进气随着温度和压力的膨胀和收缩而变化。因此，MAF 114还可以包括进气温度(IAT)传感器以提供热数据作为输入以进行调整来补偿这种温度变化。来自MAF传感器的输出信号允许精确控制发动机的空燃比。
进气系统100还包括节流阀体116以调节从入口108传递到进气歧管104的空气量。节流阀体包括可变位置空气控制阀以改变空气流量限制的尺寸，并且因此计量被传递到进气歧管的空气量。在一些示例中，节流阀体116的阀是具有旋转盘118的蝶形阀，该旋转盘118将角位置在沿着管道(例如，方向110)大致上与空气流量对齐的第一位置与沿着管道与空气流量大致上垂直的第二位置之间改变。节流阀位置传感器(TPS)120输出指示盘118的角位置的信号。虽然通过示例提供了蝶形阀，但是根据本公开，能够调节与发动机需求对应的可变空气流量的其它装置也可能是合适的。节流阀体116可以进一步包括节流阀入口空气压力(T1AP)传感器以输出指示进入节流阀的空气压力的信号。
基于传递到进气歧管的空气的量和状况，被引导到汽缸102以支持燃烧的空气的压力可以变化。另外，强制空气的装置(诸如涡轮增压器压缩机)可以进一步影响通过空气管理系统100的空气的压力。歧管绝对压力传感器(MAP)122监测歧管的进气部分处的空气压力。根据一些示例，MAF传感器为控制器124提供开环信号以预测空气流量信息，并且MAP122提供闭环反馈以便通过调整节流阀体的位置对预测的空气质量进行细微校正。进气系统传感器中的故障可能会导致发动机怠速不稳、发动机迟滞以及燃料经济性差，从而导致故障指示符标志和/或发动机模式动力降低。例如，一些常见的故障模式包括由于老化和传感器信号漂移引起的污染或腐蚀相关劣化。根据本公开的各方面，提供了用于检测和预测空气管理系统传感器性能劣化的系统诊断和预测方法。
提供控制器124以监测和控制空气管理系统100的操作。控制器124包括一个或多个数字计算机，每个数字计算机具有微处理器或中央处理单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、高速时钟、模数器(A/D)和数模(D/A)电路、输入/输出电路和装置(I/O)，以及适当的信号调节和缓冲电路。控制器124还存储发出命令以执行根据本公开的动作所需要的多个算法或计算机可执行指令。
控制器与多个传感器进行通信以接收指示各种车辆部件的性能的数据。控制器124从MAF 114、TPS 120、MAP传感器122中的每一个接收信号。在沿着空气管理系统100的各个位置处的其它传感器(诸如空气温度传感器和另外的压力传感器)也向控制器124输出信号。虽然以单数形式引用每个传感器，但是可以将任何数量的传感器设置在各个位置处以提供表示上文讨论的数据以及其它数据的信号。
控制器124的各种元件也可以位于车辆外或车辆外部，诸如位于中央处理位置处。更具体地，控制器124的某些部件和/或功能可以在车辆上定位/执行，而控制器124的其它部件和/或功能可以远离车辆定位，其中数据在必要时在其间传输。在这种情况下，控制器124还能够使用车载收发器进行无线通信。收发器被配置为与多个车外部件或系统交换信号。控制器124进一步被编程为经由无线通信网络126来交换信息。因此，控制器124可以与执行本公开中描述的处理的至少一部分的车外服务器128进行无线通信。在其它示例中，控制器124将测量数据定期地上传到服务器128，并且服务器存储聚合数据，执行数据分析并产生预测消息。利用车外服务器可能有助于降低车载数据处理和数据存储需求。服务器可以存储下面更详细讨论的一个或多个基于模型的计算算法以促进对空气管理系统的预测。
控制器124还可以在存储器中存储表示空气管理系统100的操作的各种物理方面的数学模型的一个或多个算法。这种空气管理系统100的操作的数学模型可以用于预测系统性能。可以使用基线数学模型来执行基于模型的系统健康评估。即，可以识别由控制器接收的输入信号以例证与诸如部件劣化或即将发生的故障等已知故障相关联的某些特征系统行为。如上所述，与空气管理系统相关联的已知故障包括但不限于例如污染、腐蚀以及传感器信号漂移。
在一些示例中，奇偶校验公式用于完善对空气管理系统的监测和控制。当车辆使用预定固定参数进行操作时，产生对某些操作值的基于模型的估计。在理想条件下，测量输出与基于模型的估计输出之间的差值应当接近于零。在故障的情况下，一个或多个过程行为将不同于基于模型的行为，因为模型被配置为模拟无故障情况。例如，可以使用传递函数或使用状态空间公式化来确定偏差。可以选择特定的一组残差偏差使得偏差值仅受到期望被检测的特定故障类型的影响。至少基于输出原始数据和建模误差的波动，偏差可能会不断变化。为了克服波动和误差，导出偏差的特征以消除噪声影响以及降低总体数据负担。取决于检测特定故障的难度，可以独特的采样速率计算相关偏差和/或该相关偏差相对于与不同故障类型相关联的其它偏差类型具有独特的敏感度。在一些示例中，与偏差进行比较的阈值可以是自适应阈值。即，可以基于输入数据的特征(例如，输入数据的变化速率、输入数据的趋势方向、输入数据的变化函数的形状)来自动地调整阈值。通常，选择偏差的布置以使偏差对故障敏感并且同时对抗干扰效应具有鲁棒性。
控制器可以在存储器中存储算法，该算法包括用于许多不同系统属性的数学模型。参考图2，节流阀模型200描述了通过节流阀体的流量，并且用于估计通过节流阀体的质量空气流量，该质量空气流量作为环境空气压力、估计的MAP、节流阀位置以及进气温度的函数。节流阀模型是准稳态，并且使用一阶滞后过滤器来建模通过节流阀体的动态空气流量效应。节流阀模型使用节流阀体的有效流量面积作为由TPS、IAT传感器以及TIAP传感器输出的信号的函数。
下面的公式(1)表示用于估计通过节流阀的质量空气流量的示例函数。
Maflag表示一阶滞后过滤器并且可以在0到1的范围内变化以控制影响质量空气流量估计值的当前参数与先前质量空气流量估计值之间的加权。TIAPt表示节流阀入口绝对压力，R表示空气的理想气体常数(例如，约287m2/(s2*K)。Aeff表示基于来自TPS的信号的节流阀体的有效开度面积。ψ是用于流过空气管理系统的空气的可压缩流量函数。ψ可以至少部分地取决于穿过节流阀的压力比Pr，其中Pr是基于节流阀入口压力相对于歧管入口压力处的压力。根据一些示例，对于Pr＜0.5283，ψ＝0.685。对于0.5283≤Pr≤1.0，ψ是由以下公式(2)定义。
继续参考图2，第一进气歧管模型220描述进气歧管并且用于估计MAP作为(从节流阀体和排气再循环(EGR))进入歧管的质量流量以及来自歧管的由发动机泵送引起的质量流量的函数。进气歧管模型也是准稳态，并且通过对随时间的细微流量变化的效果进行积分来解释流形动力学。从节流阀进入歧管的流量使用从节流阀模型计算的估计值。发动机流量模型利用模型来确定容积效率并且依赖于进气歧管模型以适当地考虑高度、凸轮定相以及汽缸停用对容积效率的影响。
下面的公式(3)表示用于确定MAP的第一示例函数
Δt表示循环执行时间(例如，t≤0.1秒)。Vol进气表示以cm3为单位的进气歧管容积(例如，在车辆校准期间确定的)。T充气表示充气温度并且包括在内以考虑进气歧管中的空气密度以及EGR流量对进气歧管中的气体温度的影响。表示EGR流量，而表示发动机流量。
进一步参考图2，第二进气歧管模型240类似于上面描述的第一进气歧管模型220，然而MAF传感器数据直接用在模型中而不是用于节流阀空气输入的节流阀模型。下面的公式(4)表示用于确定MAP的第二示例函数
如上所述，与在公式(3)的第一示例MAP函数中应用的计算值相比，MAF传感器的先前值MAFt-1在公式(4)中用作输入。
基于传感器独立估计值与实际测量值之间的差值来计算进气系统的建模值的残差值。将从上述模型中获得的对以及的模型估计与从一个或多个传感器输出的实际测量值进行比较。该比较产生三个残差值，与来自节流阀模型的MAF传感器信号对应的第一残差值MAFrt根据下面的公式(5)计算。
分别与来自第一和第二进气歧管模型的MAP传感器信号对应的第二残差值MAF1rt和第三残差值MAF2rt根据下面的公式(6)和(7)计算。
根据下面的公式(8)，通过将MAF信号的第一残差乘以MAP信号的第二残差来产生与TPS信号对应的第四残差值TPSrt。
TPSrt＝MAFrt*MAP1rt (8)
基于残差值的行为，可以开发空气管理系统的健康状态评估，以及识别特定类型的传感器故障。随时间跟踪这些值，并且这些值可以基于与由一个或多个传感器输出的信号有关的误差量。参考图3，提供系统300以在每次检测到稳定的操作状况时(例如，在每个驾驶循环期间)产生并存储与空气管理系统相关联的残差值。跟踪源自传感器信号误差的残差值并将其存储在存储器中供以后使用。控制器可以被编程为监测可以表示存在稳定操作状况的至少一个操作参数。在一些示例中，稳定性的特征可以在于在预定持续时间内小于阈值范围的方差。
继续参考图3，操作区域302可以对应于由参数1到参数m表示的特定的一组稳定状况。例如，操作区域302可以表示以稳态速度巡航。更具体地，参数1可以对应于节流阀位置，而参数2可以对应于发动机转速。在一些其它示例中，怠速和/或滑行状况可以表现出足够的稳定性以评估传感器误差。控制器可以被编程为监测其它参数直到参数m，其中该组参数共同表示在操作区域302内存在稳态巡航。根据图3的示例，该组单独监测的参数中的每一个必须是稳定的以使操作状况被认为是稳定的。在一些替代示例中，少于所有受监测参数的子集可能适合于将整个操作区域视为稳定的。该算法可以被配置为一次监测特定数量的稳定参数。在进一步的替代方案中，该算法可以被布置为监测特定参数的预定列表。
响应于检测到稳定的操作状况，控制器被编程计算并存储多个残差，如上文所讨论。在图3的示例中，计算MAF残差、MAP1残差、MAP2残差以及TPS残差中的每一个并将其存储在测量记录304中。用于其它操作参数的原始数据值也可以与残差值一起存储在存储器中。
控制器可以进一步被编程为监测与其它操作状况对应的不同稳定操作区域。参考图3，控制器被编程为监测该组参数的参数1到参数k，用于特征化操作区域306的稳定状况。参数1到k可以与操作区域302的参数1到m相同或不同。在一个示例中，操作区域306对应于相同驾驶循环期间的第二稳态巡航状态。在其它示例中，其它稳定的操作状况可以对应于不同的车辆操纵或功能(例如，在停车时怠速、在驾驶时怠速、车辆滑行等)。用于特定操作区域的给定一组监测参数可以包括相对于其它不同操作区域的不同组的参数。在给定的驾驶循环期间，控制器可以基于对稳定参数组的存在的检测来检测任何数量的操作区域。
如上文所讨论，残差值和其它相关参数的存储由控制器处的存储器提供。这些数据还可以被传输到车外服务器，该车外服务器被配置为存储和处理用于健康状态产生、车辆保有量数据的聚合以及其它监测功能的数据。
根据本公开的各方面，空气管理算法被布置为跟踪作为操作区域的函数的增加或减少的残差的进展。在一段时间和多个驾驶循环期间，误差源和误差方向都可能指示一个或多个特定传感器的健康状态劣化。当残差量值接近各种故障严重程度的相应预定义阈值时，渐进趋势提供对潜在故障状况以及故障强度的早期指示。控制器可以存储与每个跟踪的残差值对应的曲线图310的数据。水平轴312表示驾驶循环，而垂直轴314表示误差程度。曲线316表示随时间绘制的示例残差值。在曲线图310的示例中，随着传感器老化并且误差增加，残差在正方向上增加。下面更详细地讨论，给定传感器还可以取决于传感器类型和特定故障模式在负方向上表现出残差位移。
空气管理算法可以包括存储任何数量的阈值，这些阈值指示相对于绘制的残差曲线316的健康程度。小于第一阈值318的值可以指示标称操作状况，其中传感器可以被认为是完全健康的并且控制器可以不采取响应动作。响应于残差增加到第一阈值318与第二阈值320之间的范围，可以认为传感器表现出低严重程度误差。在这种情况下，控制器可以发出第一预测消息以提供劣化的传感器健康状况的指示。第一预测消息可以包括严重程度指示符并且继续被提供，同时传感器在阈值318与阈值320之间的健康状态范围内操作。在至少一个示例中，预测消息被传输到车辆外部的车外诊断服务器。
残差继续增加某些燃烧故障的发生，诸如上面讨论的那些可能在频率和/或严重程度上开始增加。如果残差316增加到大于第二阈值320，则控制器可以发出指示传感器即将发生故障的警告消息。当传感器在第二阈值320与第三阈值322之间的健康状态范围内操作时，即将发生的故障消息可能持续存在。即将发生的故障消息可以充当不同的严重程度指示符，并且包括相对于第一预测消息的增加的紧急性。另外，与第一预测消息相比，即将发生的故障消息可以具有不同的接收者组。
如果残差增加到大于第三阈值322，则控制器可以基于残差的增加程度来确定传感器已经发生故障。在这种情况下，传感器性能可能劣化，使得可以提供需要紧急车辆服务的消息以避免与空气管理系统中的故障相关的动力系关闭。如本文所述的多层预测消息系统可以在使用寿命的不同部分提供关于传感器健康状况的不同信息。各种预测消息中的每一个可以基于操作状况充当严重程度指示符。另外，预测系统可以提供信息以允许车主在实际车辆发生事故之前主动获得车辆维修。
参考图4，表400是“推理器”算法的视觉表示，其分析症状特征的组合以隔离特定的空气管理传感器故障。故障表400将故障特征分量的多个组合中的每一个与预定故障类型相关联。列402表示要监测的一组传感器(例如，MAF传感器、MAP传感器、TPS传感器等)。列404识别与残差位移有关的一组传感器故障模式类型。每种故障模式类型可以包括或可以不包括彻底的传感器故障，但是每个故障特征都是基于特定传感器性能劣化的症状。列406、408、410以及412分别表示MAF残差、MAP1残差、MAP2残差以及TPS残差中的每一个的残差值趋势。行414、416、418、420、422以及424对应于指示特定传感器故障模式的唯一故障特征。每个故障特征包括残差趋势的唯一组合，其能够指示在驾驶员感知到性能降低之前的部件劣化。虽然通过示例提供了六种不同的故障模式类型，但是可以预先确定任何数量的故障并且使其与特定的故障特征相关联。
如上文所讨论，可以在车辆驾驶循环期间持续地收集每个残差趋势的数据。取决于每个残差值的值的行为，某些趋势组合涉及指示特定传感器位移的故障特征。因此，独特的特征允许控制器在驾驶员感知到故障之前主动地隔离特定的传感器故障。由“(+)”指定的残差趋势涉及残差的正方向趋势。同样，由“(-)”指定的残差值与残差的负方向趋势有关。
在行414中描绘的第一示例中，MAF残差的正方向趋势与MAP2残差的负方向趋势同时指示由MAF传感器提供的输出的正位移。
在行416中描绘的第二示例中，MAF残差的负方向趋势与MAP2残差的正方向趋势同时指示由MAF传感器提供的输出的负位移。
在行418中描绘的第三示例中，MAP1残差的正方向趋势与MAP2残差的正方向趋势同时指示由MAP传感器提供的输出的正位移。
在行420中描绘的第四示例中，MAP1残差的负方向趋势与MAP2残差的负方向趋势同时指示由MAP传感器提供的输出的负位移。
在行422中描绘的第五示例中，MAF残差的负方向趋势与MAP1残差的负方向趋势同时指示由TPS传感器提供的输出的正位移。并且，如上面的示例中所述，TPS残差值是基于MAF残差和MAP1残差的乘积。因此，TPS残差还表现出与TPS传感器读数的正向位移相关联的正方向趋势。
在行424中描绘的第六示例中，MAF残差的正方向趋势与MAP1残差的正方向趋势同时指示由TPS传感器提供的输出的负位移。因为TPS残差值是基于MAF残差和MAP1残差的乘积，所以TPS残差也表现出与TPS传感器读数中的负位移相关联的正方向趋势。
参考图5A到图5D，提供一系列曲线图来以图形描绘与多种故障模式相关的残差趋势。曲线图500提供沿着垂直轴502的MAF残差。MAF传感器漂移沿着水平轴504示出，其中没有故障的标称读数靠近中心，正位移在曲线图的右部，而负位移在曲线图的左部。曲线506表示存在MAF传感器位移时的MAF残差行为。曲线图520提供沿着垂直轴508的MAP1残差以及沿着水平轴504的MAF传感器漂移。曲线510表示存在MAF传感器位移时的MAP1残差行为。曲线图540提供沿着垂直轴512的MAP2残差以及沿着水平轴504的MAF传感器漂移。曲线514表示存在MAF传感器位移时的MAP2残差行为。曲线图560提供沿着垂直轴516的TPS残差以及沿着水平轴504的MAF传感器漂移。曲线518表示存在MAF传感器位移时的MAF残差行为。
通过曲线图500、520、540和560的相对比较可以看出，某些残差值的趋势行为在存在某些MAF传感器位移时彼此对应。例如，在存在正方向MAF传感器位移的情况下，MAF残差506趋向增加的方向，而MAP2残差514趋向减小的方向。同时，MAP1残差510和TPS残差518都保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行414的故障模式。
相反，在存在负方向MAF传感器位移的情况下，MAF残差506趋向减小的方向，而MAP2残差514趋向增加的方向。同时，MAP1残差510和TPS残差518都保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行416的故障模式。
根据一些示例，当残差值超过预定严重程度阈值时，空气管理算法识别特定残差值的趋势。相反，当特定的受监测值的残差值保持在正常操作阈值的预定范围内时，受监测值被认为具有正常的健康状态并且不产生预测消息。继续参考图5A到5D，为每个曲线图提供多个渐进严重程度阈值。第一组阈值522指示残差值何时离开标称操作范围进入低严重程度故障模式状态。作为响应，该算法可以包括发出对应的低严重程度预测消息，该消息指示健康状况劣化的传感器状态并且提醒用户和/或服务专业人员即将到来的维护计划。第二组阈值524用于确定故障模式状态何时从低严重程度状态恶化到中等严重程度状态。作为响应，该算法可以包括发出指示健康状况劣化状态并且照亮故障指示灯的对应的中等紧急度预测消息或其它持久警告消息。当残差值超过第三组阈值526时，该算法包括确定故障模式处于包括即将发生或存在的传感器故障的高的紧急度状态。作为响应，该算法可以包括接合跛行回家(limp home)或其它减少的发动机可操作性模式以保护部件免受由任何空气管理系统故障状况引起的损坏。对于不同的受监测残差值中的每一个，可以将第一组阈值522、第二组阈值524以及第三组阈值526设定为不同的误差幅度。另外，虽然示例范围被呈现为由对称地间隔开零标称值的一对阈值界定，但是应当明白的是，各个阈值中的每一个都可以关于非零值非对称地间隔开。
参考图6A到图6D，提供一系列曲线图来以图形描绘与多种故障模式相关的残差趋势。曲线图600提供沿着垂直轴602的MAF残差。MAP传感器漂移沿着水平轴604示出，其中没有故障的标称读数靠近中心，正位移在曲线图的右部，以及负位移在曲线图的左部。曲线606表示存在MAP传感器位移时的MAF残差行为。曲线图620提供沿着垂直轴608的MAP1残差以及沿着水平轴604的MAP传感器漂移。曲线610表示存在MAP传感器位移时的MAP1残差行为。曲线图640提供沿着垂直轴612的MAP2残差以及沿着水平轴604的MAP传感器漂移。曲线614表示存在MAP传感器位移时的MAP2残差行为。曲线图660提供沿着垂直轴616的TPS残差以及沿着水平轴604的MAP传感器漂移。曲线618表示存在MAP传感器位移时的TPS残差行为。
通过曲线图600、620、640和660的相对比较可以看出，某些残差值的趋势行为在存在MAP传感器位移时彼此对应。例如，在存在正方向MAP传感器位移的情况下，MAP1残差610趋向增加的方向，而MAP2残差614也趋向增加的方向。同时，MAF残差616和TPS残差618都保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行418的故障模式。
相反，在存在负方向MAP传感器位移的情况下，MAP1残差610趋向减小的方向，而MAP2残差614类似地趋向减小的方向。同时，MAF残差606和TPS残差618都保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行420的故障模式。
参考图7A到图7D，提供一系列曲线图来以图形描绘与多种故障模式相关的残差趋势。曲线图700提供沿着垂直轴702的MAF残差。TPS传感器漂移沿着水平轴704示出，其中没有故障的标称读数靠近中心，正位移在曲线图的右部，以及负位移在曲线图的左部。曲线706表示存在TPS传感器位移时的MAF残差行为。曲线图720提供沿着垂直轴708的MAP1残差以及沿着水平轴704的TPS传感器漂移。曲线710表示存在TPS传感器位移时的MAP1残差行为。曲线图740提供沿着垂直轴712的MAP2残差以及沿着水平轴704的TPS传感器漂移。曲线714表示存在TPS传感器位移时的MAP2残差行为。曲线图760提供沿着垂直轴716的TPS残差以及沿着水平轴704的TPS传感器漂移。曲线718表示存在TPS传感器位移时的TPS残差行为。
与先前示例很像，通过曲线图700、720、740和760的相对比较可以看出，某些残差值的趋势行为在存在TPS传感器位移时彼此对应。例如，在存在正方向TPS传感器位移的情况下，MAF残差706趋向减小的方向，而MAP1残差710也趋向减小的方向。因为TPS残差值718是基于MAF残差706和MAP1残差710的乘积，所以TPS残差718由于TPS传感器读数中的正方向位移而表现出正方向趋势。同时，MAP2残差714保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行422的故障模式。
相反，在TPS传感器读数存在负方向位移的情况下，MAF残差706趋向增加的方向，并且MAP1残差710类似地趋向增加的方向。并且，因为TPS残差值718是基于MAF残差706和MAP1残差710的乘积，所以TPS残差718也由于TPS传感器读数中的负方向位移而表现出正方向趋势。同时，MAP2残差714保持在标称操作范围内。这些状况通常对应于上面讨论的故障表400的行424的故障模式。
参考图8，方法800描绘了一种用于检测空气管理系统传感器数据的位移并且基于残差值的趋势进行传感器健康状况预测的算法。在步骤802处，该算法包括响应于稳定操作状况的检测而收集空气管理系统的多个传感器的残差数据。如上文所讨论，这可以在单个驾驶循环中和/或在几个不同的驾驶循环中执行多次。受监测传感器可以包括至少MAF传感器、MAP传感器以及TPS。还可以监测来自输出指示空气状况的数据的附加传感器的信息，并且将该信息与传感器位移和/或改变健康状态相关。
在步骤804处，该算法包括检测至少两个传感器残差值是否表现出偏离标称操作范围的趋势。如果在步骤804处，少于两个传感器残差表现出这种偏差，则该算法包括返回到步骤802并且继续监测传感器残差。
如果在步骤804处，至少两个残差值表现出偏离标称范围的趋势，则该算法包括至少基于残差类型、方向性以及严重程度来评估哪些残差示出趋势并产生预测确定。在步骤806处，如果MAP1和MAP2残差值都表现出在预定标称操作范围之外的偏差，则该算法包括在步骤808处确定MAP传感器可能具有读数位移。
在步骤810处，该算法包括评估残差趋势的量值。具体地，该算法包括确定MAP1残差或MAP2残差中的任一个是否接近阈值。如上文所讨论，可以基于残差值的严重程度和一个或多个传感器的即将发生的故障的接近度来布置多个不同的阈值。取决于通知方案，步骤812可以包括产生和发送指示MAP传感器劣化的严重程度通知。在一些示例中，针对标称操作范围之外的所有残差发送这种严重程度。在其它示例中，记录并存储较低的偏差以监测健康状态性能，并且仅响应于残差超过较高阈值(例如，中等严重程度或高严重程度阈值)而发送传感器劣化的通知。
如果在步骤806处，MAP1和MAP2残差都没有偏离标称操作范围，则该算法在步骤814处包括评估MAF残差和MAP残差是否都偏离标称操作状况。如果两个值都表现出足够的偏差，则该算法包括在步骤816处确定MAF传感器可能具有读数位移。
在步骤818处，该算法包括评估残差趋势的量值。具体地，该算法包括确定MAF残差或MAP2残差中的任一个是否接近阈值。如上文所讨论，可以基于残差值的严重程度和一个或多个传感器的即将发生的故障的接近度来布置多个不同的阈值。取决于通知方案，步骤820可以包括产生和发送指示MAF传感器劣化的严重程度通知。
如果在步骤814处，MAF和MAP2残差都没有偏离标称操作范围，则该算法在步骤822处包括评估MAP1残差和TPS残差是否都偏离标称操作状况。如果两个值都表现出足够的偏差，则该算法包括在步骤824处确定TPS传感器可能具有读数位移。如上所述，TPS残差、MAF残差以及MAP1残差之间的关系使得不同的组合可能适合于进行对TPS传感器的预测。具体地，MAF-TPS残差组合或MAP1-TPS残差组合可能足以评估TPS传感器的健康状态。
在步骤826处，该算法包括评估残差趋势的大小。具体地，该算法包括确定MAP1残差或TPS残差中的任一个是否接近阈值。如上文所讨论，可以基于残差值的严重程度和一个或多个传感器的即将发生的故障的接近度来布置多个不同的阈值。取决于通知方案，步骤828可以包括产生和发送指示TPS传感器劣化的严重程度通知。
根据另外的示例，残差趋势的组合可以用于进行对空气管理系统的其它部件的预测。例如，可以基于MAP残差、MAF残差和/或TPS残差的行为来检测节流阀体蝶阀的劣化和故障预测。对残差值的分析可以允许在节流阀体沉积物问题有损于发动机性能之前将其捕获。“焦化”可能是由于沉积在表面上并且可能会导致通道流动受限的燃烧的油而引起。烟灰和油的混合物作为燃烧过程的一部分。如果这些沉积物足够显著，则它们可以有效地阻塞空气流量，引起发动机迟滞和停转。发动机控制模块最初基于新的节流阀而被编程有标称空气流量与节流阀位置表。当在节流阀体中形成沉积物时，如果发动机控制模块没有正确地“学习”相对于节流阀位置值的新空气流量性质，则空气流量减少可能会引起问题。可能期望控制器重新学习通过受限节流阀的空气流量的量并且通过精确地增加旁路空气流量的量来适应随时间的焦化。
如上文所讨论，可以使用各种传感器测量和估计通过节流阀体的空气流量。基于累积的残差，该算法补偿MAF传感器、TPS传感器、MAP传感器以及节流体沉积物的变化(诸如焦化)。与节流阀体焦化相关联的症状尤其可以包括发动机怠速降低和/或发动机停转。在这种情况下，可能没有直接诊断代码，该诊断代码对应于节流阀体的污染以便调用发动机校准变化来调整和“重新学习”怠速状况。
空气管理系统控制器可以被编程为产生节流阀体的空气流量变化补偿(AVC)以改变节流阀位置与开度流量面积之间的关系。可以提供这种补偿以解决累积的残差。根据一些示例，响应于节流阀体的实际开度面积和目标开度面积之间的差值而产生AVC值。可以通过调整节流阀体阀位置控制信号来实现补偿，并且AVC值可以被表达为百分比校正。实际上，AVC调整通过改变有效空气流量面积来补偿节流阀体中的空气流量限制以获得期望开度。基于累积的MAF残差计算作为百分比的AVC值，其也可以是感测误差与估计误差之间的比率。为了最小化MAF残差，可以调整节流阀位置与有效流量面积之间的关系，使得实际节流阀面积大于或小于期望的节流阀面积以实现期望的空气流量。然后，基于将执行的补偿量除以允许的总补偿量来计算AVC值。
所需的调整程度和对应的AVC值可以提供节流阀体沉积物的指示(诸如焦化)。根据一些示例，空气管理算法包括跟踪空气流量变化补偿和传感器残差随时间变化的进展(作为操作区域的函数)。当残差量值接近预定义阈值时(在各种故障严重程度下)，渐进趋势为潜在的节流阀体焦化状况提供早期警告。
参考图9，示意图900描绘了用于计算节流阀体焦化的严重程度度量的算法。TPS残差、MAF残差以及MAP残差中的每一个都被转换为标准化值。
根据至少一个示例，根据下面的公式(9)、(10)以及(11)，将每个残差标准化为相对于表示对每个相应传感器的最大误差的数据输出的百分比误差表示。
进一步参考图9，TPS残差在902处进行标准化，MAF残差在904处进一步标准化，并且MAP残差在906处进行标准化。每个标准化误差值可以与AVC值一起使用以在908处计算节流阀体焦化严重程度度量。下面的公式(12)是用于计算焦化严重程度度量的示例公式。
焦化严重程度
＝β*log(w1*AVC％)*log(w2
*min{TPS％，100})*
log(max[w3*min{MAF％，100}，w4*min{MAP％，100}]) (12)
在上面的公式(11)中，β表示比例因子，其可以用于将整体焦化严重程度值标准化为在期望范围内。在一些示例中，g是基于车辆里程和/或AVC值。几个加权因子w1w2w3以及w4可以分别应用于标准化的残差值，这取决于用于精确焦化检测的参数的期望敏感度。在一些示例中，整体焦化严重程度度量范围在0到100之间。由于节流阀体随时间的焦化，残差值趋向于随着车辆老化而增加。
参考图10，曲线1000表示焦化严重程度度量随时间的示例性进展。垂直轴1002表示节流阀体焦化严重程度度量的值。水平轴1004表示车辆的驾驶循环，其中零循环计数在曲线的左部上，并且驾驶循环计数从曲线图的左部向右部增加。曲线1006表示焦化严重程度度量的值，其作为驾驶循环计数的函数根据示例曲线图而增加。某个程度的节流阀体焦化是可接受的，而不会对空气管理系统的操作产生不利影响。然而，经由节流阀体焦化度量来跟踪残差值的进展可以帮助预测节流阀体焦化的存在。
第一操作范围1008可以包括焦化严重程度度量1006的值的范围，其中空气管理系统的操作保持在可接受范围内并且不响应于节流阀体焦化而采取动作。第二操作范围1010表示低严重程度焦化状况，其可以反映节流阀体处污染物积聚的开始。对焦化严重程度度量值在第二操作范围1010内的示例响应可以包括将存储的残差值和焦化严重程度度量值上传到车外服务器以进行进一步的预测分析和/或与和其它车辆(诸如，例如在公共车队内)对应的数据的比较。
第三操作范围1012表示中等严重程度焦化状况，其可以触发递增的更紧急的响应动作。例如，算法可以被配置为发出第一警告标志，该第一警告标志指示如果车辆由于维修时间表的一部分或其它车辆部件的修理而被维修则需要清洁节流阀体。更具体地，焦化严重程度度量可以与油寿命监测器和/或其它维修时间表和例行维护检查集成。可以发出被动维修标志以根据焦化严重程度度量的值来检查和维修节流阀体。以此方式，维修技师可以接收进行节流阀体清洁的指令作为预防措施。
第四操作范围1014表示高的严重程度焦化状况，其可以触发递增的进一步更紧急的响应动作。例如，可以激活车辆中的警告指示器或者将消息发送到用户装置以指示维修节流阀体的主动需求。可以类似地向用户发出健康状态值以提供与焦化状况有关的节流阀体的剩余使用寿命的指示。
第五操作范围1016表示临界紧急焦化状况，其可以触发最高程度的响应动作。例如，可以向用户或车辆服务提供商提供即将发生的故障维修消息。另外，控制算法可以包括进入减小的发动机功能模式(例如，低输出“跛行回家”模式)以便避免或减轻对发动机或空气管理系统的损坏。
参考图11，方法1100描绘了用于进行对节流阀体焦化状况的预测的算法。在步骤1102处，该算法包括在各种车辆操作状况下收集如上文所讨论的AVC值和残差值。如果在步骤1104处AVC小于阈值Th1，则该算法保持正常操作并继续监测与空气管理系统有关的AVC值和残差值。
如果在步骤1104处AVC值大于阈值Th1，则该算法包括在步骤1106处评估残差值是否偏离标称范围。如上文所讨论，一些示例包括存储多个残差值的相应阈值，并且将这些阈值特征化为标称操作范围的边界。如果在步骤1106处残差值在标称范围内，则可以指示AVC值增加是由于除了节流阀体焦化之外的起因。因此，该算法包括返回到步骤1102并继续监测与空气管理系统有关的AVC值和剩余误差值。
如果在步骤1106处，许多残差值在标称范围之外，则该算法包括进入节流阀体预测子程序以评估相对于焦化状况的健康状态。步骤1108包括如上文所讨论般标准化误差值。在步骤1110处，该算法包括计算节流阀体焦化度量值作为AVC值和残差误差值的函数。
取决于相对于一个或多个阈值的焦化严重程度度量的值，该算法包括准备响应动作。如上文所讨论，可以存储与多个不同响应动作对应的多个严重程度阈值。如果在步骤1112处没有接近阈值，则该算法包括返回到步骤1108并监测标准化的残差值，然后重新计算焦化严重程度度量。
如果在步骤1112处焦化严重程度度量值接近预定义阈值，则该算法包括将当前操作状况与适当的阈值和/或操作范围相关联，然后确定对应的响应动作。在一些示例中，响应动作对应于最接近的特定阈值。在其它示例中，响应动作是基于焦化严重程度度量，其具有在两个阈值之间的操作范围内的值。一旦在步骤1114处确定了适当的响应动作，该算法就包括在步骤1116处发出执行一个或多个响应动作的命令。
本文所公开的过程、方法或算法可交付给处理装置、控制器或计算机(可包括任何现有的可编程电子控制装置或专用电子控制装置)/由其实施。类似地，该过程、方法或算法可存储为可由控制器或计算机执行的呈许多形式的数据和指令，该形式包括(但不限于)永久地存储在诸如ROM装置的不可写存储媒介上的信息以及可变地存储在诸如软盘、磁带、CD、RAM装置以及其它磁性和光学媒介的可写存储媒介上的信息。该过程、方法或算法还可在软件可执行对象中实施。替代地，该过程、方法或算法可全部或部分使用合适的硬件部件(诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其它硬件部件或装置)或硬件、软件和固件部件的组合来实施。
虽然上文描述了示例性实施例，但是并不希望这些实施例描述由权利要求书涵盖的所有可能形式。以上对变型的描述仅仅说明被视为在本发明的范围内的部件、元件、动作、产品以及方法。用在说明书中的词汇是描述性词汇，而不是限制性的词汇，且应当理解，可以进行各种变化而并不脱离本发明的精神和范围。如先前所述，各种实施例的特征可组合并重新布置成形成可以不明确描述或说明的本发明的进一步实施例。虽然各种实施例就一个或多个所需特性而言可能已经描述为提供优点或优于其它实施例或现有技术实施方案，但是本领域一般技术人员认识到，可牺牲一个或多个特征或特性以实现取决于具体应用和实施方案的期望整体系统属性。这些属性可以包括(但不限于)成本、强度、耐用性、生命周期成本、市场适销性、外观、包装、大小、服务能力、重量、可制造性、便于组装等。因而，就一个或多个特性而言，描述为期望性不及其它实施例或现有技术实施方案的实施例不在本发明的范围之外并且对于特定应用可为所期望的。

Claims (10)

1.一种用于内燃机的空气流量管理系统，包括：
入口部分，其用于接收环境空气；
质量空气流量(MAF)传感器，其适于感测通过所述入口部分的空气的质量流量；
节流阀体，其用于选择性地限制来自所述入口部分的空气流量；
节流阀位置传感器(TPS)，其适于感测所述节流阀体的开度值；
进气歧管，其与所述节流阀体流体连接并且被配置为将空气流量引导到多个燃烧汽缸中的每一个；
歧管空气压力(MAP)传感器，其适于感测所述进气歧管处的空气压力；以及
控制器，其被编程为
监测来自所述MAF传感器、TPS以及所述MAP传感器的信号，
基于基于模型的值与对应的受监测信号之间的差值来产生至少一个残差值，并且
基于至少两个残差值的趋势来执行至少一个响应动作。
2.根据权利要求1所述的空气流量管理系统，其中所述至少一个响应动作包括基于至少一个残差值超过预定严重程度阈值来产生严重程度指示符。
3.根据权利要求1所述的空气流量管理系统，其中所述响应动作包括提供与所述MAF传感器、TPS以及所述MAP传感器中的一个相关联的故障信号。
4.根据权利要求1所述的空气流量管理系统，其中所述响应动作包括响应于至少一个残差值超过预定严重程度阈值而引起所述内燃机的降低操作状态。
5.根据权利要求1所述的空气流量管理系统，其中所述控制器在稳定的发动机操作状况的预定持续时间之后产生残差值。
6.一种对内燃机的空气流量管理系统进行预测的方法，包括：
产生第一信号，其指示通过所述空气流量管理系统的入口部分的空气的质量流量；
在所述入口部分的下游设置节流阀体以限制通过所述空气流量管理系统的空气流量；
产生第二信号，其指示所述节流阀体的开度面积；
设置进气歧管以将空气流量从所述节流阀体分配到多个燃烧室中的每一个；
产生第三信号，其指示歧管空气压力；
监测所述第一信号、所述第二信号以及所述第三信号中的每一个；
基于基于模型的估计值与对应的受监测信号之间的差值来产生残差值；以及
基于至少两个残差值的趋势来执行至少一个响应动作。
7.根据权利要求6所述的方法，其中所述至少一个响应动作包括基于至少一个残差值超过预定严重程度阈值来产生严重程度指示符。
8.根据权利要求6所述的方法，其中所述至少一个响应动作包括提供与质量流量残差、节流阀位置残差以及歧管空气压力残差中的至少一个相关联的故障信号。
9.根据权利要求6所述的方法，其中在稳定的发动机操作状况的预定持续时间之后产生所述残差值。
10.一种用于发动机空气流量管理系统的预测系统，所述空气流量管理系统具有适于感测通过入口部分的空气的质量流量的质量空气流量(MAF)传感器、适于感测所述入口部分下游的节流阀体的限制量的节流阀位置传感器(TPS)，以及适于检测所述节流阀体下游的进气歧管处的空气压力的歧管空气压力(MAP)传感器，所述预测系统包括：
控制器，其被编程为
从包括至少所述MAF传感器、TPS以及所述MAP传感器的一组传感器中的每一个接收信号，
在存储器中存储至少一个数学模型以基于从所述组传感器中的其它传感器接收的信号来估计所述组传感器中的一个传感器的性能值，
基于所述估计性能值与从所述组传感器中的所述一个传感器接收的信号之间的差值来产生残差值，并且
基于所述残差值的趋势来执行至少一个响应动作。
CN201810921700.2A 2017-08-24 2018-08-14 内燃机空气流量管理系统和方法 Pending CN109424456A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/685304 2017-08-24
US15/685,304 US10026241B1 (en) 2017-08-24 2017-08-24 Combustion engine airflow management systems and methods

Publications (1)

Publication Number Publication Date
CN109424456A true CN109424456A (zh) 2019-03-05

Family

ID=62837213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810921700.2A Pending CN109424456A (zh) 2017-08-24 2018-08-14 内燃机空气流量管理系统和方法

Country Status (3)

Country Link
US (1) US10026241B1 (zh)
CN (1) CN109424456A (zh)
DE (1) DE102018120525B4 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111255581A (zh) * 2020-02-22 2020-06-09 东风汽车集团有限公司 废气涡轮增压发动机电子节气门的控制系统及方法
CN114517746A (zh) * 2020-11-18 2022-05-20 盖瑞特动力科技(上海)有限公司 车辆动力总成中的在线监测和诊断

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM522269U (zh) * 2016-01-14 2016-05-21 Autoland Scientech Co Ltd 車輛節氣門診斷裝置
JP6328201B2 (ja) * 2016-10-05 2018-05-23 三菱電機株式会社 内燃機関の制御装置
CN107544459B (zh) * 2017-09-05 2020-02-14 北京控制工程研究所 一种控制系统的多重故障诊断优化方法
CN109101753B (zh) * 2018-08-31 2023-06-27 周建全 一种改善机械设备检修系统复杂性的方法
US11158140B2 (en) * 2019-03-19 2021-10-26 General Electric Company Signal response monitoring for turbine engines
US11002214B1 (en) 2019-10-18 2021-05-11 GM Global Technology Operations LLC Early detection of fuel injectors with manufacturing issues
US11133771B2 (en) 2019-12-04 2021-09-28 GM Global Technology Operations LLC Integrated fault isolation and prognosis system for electric drive system
US11451175B2 (en) 2019-12-06 2022-09-20 GM Global Technology Operations LLC Early fault detection and mitigation for electric motors
US11489471B2 (en) 2019-12-16 2022-11-01 GM Global Technology Operations LLC Systems and methods for detecting stator winding faults and degradation
US11408359B2 (en) * 2020-08-31 2022-08-09 Garrett Transportation I Inc. System for turbocharger performance monitoring and adaptation
US11860239B2 (en) 2022-03-29 2024-01-02 GM Global Technology Operations LLC Systems and methods for detecting and isolating faults within a power inverter
US11959433B2 (en) * 2022-07-19 2024-04-16 Cummins Emission Solutions Inc. Systems and methods for determining exhibited useful life of sensors in monitored systems

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065483A1 (en) * 2001-09-20 2003-04-03 Ting Thomas L. Fault identification diagnostic for intake system sensors
CN101629526A (zh) * 2008-07-14 2010-01-20 华夏龙晖（北京）汽车电子科技有限公司 一种节气门位置传感器故障诊断处理方法
CN102844554A (zh) * 2010-04-20 2012-12-26 日产自动车株式会社 空气流量计的故障诊断装置
US8683855B2 (en) * 2010-05-17 2014-04-01 Isuzu Motors Limited Competence diagnosis system for urea water temperature sensor
CN103807042A (zh) * 2012-11-09 2014-05-21 通用汽车环球科技运作有限责任公司 使用燃料蒸气清除率的废气氧传感器故障检测系统和方法
US20140352658A1 (en) * 2013-06-04 2014-12-04 GM Global Technology Operations LLC System and method to diagnose fuel system pressure sensor
CN105658937A (zh) * 2013-10-04 2016-06-08 沃尔沃卡车集团 用于监测传感器的运行的方法
CN106285979A (zh) * 2016-10-26 2017-01-04 无锡威孚高科技集团股份有限公司 发动机转速信号故障处理装置及处理方法
KR101806364B1 (ko) * 2016-12-09 2018-01-10 현대오트론 주식회사 인덕티브 크랭크 센서 고장진단 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7024305B2 (en) 2004-02-20 2006-04-04 General Motors Corporation Airflow variation learning using electronic throttle control
US6957140B1 (en) 2004-07-14 2005-10-18 General Motors Corporation Learned airflow variation
US7464695B2 (en) 2007-03-16 2008-12-16 Gm Global Technology Operations, Inc. Throttle body restriction indicator
US7801665B2 (en) * 2007-07-13 2010-09-21 Ford Global Technologies, Llc Controlling cylinder mixture and turbocharger operation
US9874163B1 (en) * 2016-08-02 2018-01-23 Ford Global Technologies, Llc Methods and system for adjusting engine operation based on evaporated and condensed portions of water injected at an engine

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030065483A1 (en) * 2001-09-20 2003-04-03 Ting Thomas L. Fault identification diagnostic for intake system sensors
CN101629526A (zh) * 2008-07-14 2010-01-20 华夏龙晖（北京）汽车电子科技有限公司 一种节气门位置传感器故障诊断处理方法
CN102844554A (zh) * 2010-04-20 2012-12-26 日产自动车株式会社 空气流量计的故障诊断装置
US8683855B2 (en) * 2010-05-17 2014-04-01 Isuzu Motors Limited Competence diagnosis system for urea water temperature sensor
CN103807042A (zh) * 2012-11-09 2014-05-21 通用汽车环球科技运作有限责任公司 使用燃料蒸气清除率的废气氧传感器故障检测系统和方法
US20140352658A1 (en) * 2013-06-04 2014-12-04 GM Global Technology Operations LLC System and method to diagnose fuel system pressure sensor
CN105658937A (zh) * 2013-10-04 2016-06-08 沃尔沃卡车集团 用于监测传感器的运行的方法
CN106285979A (zh) * 2016-10-26 2017-01-04 无锡威孚高科技集团股份有限公司 发动机转速信号故障处理装置及处理方法
KR101806364B1 (ko) * 2016-12-09 2018-01-10 현대오트론 주식회사 인덕티브 크랭크 센서 고장진단 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111255581A (zh) * 2020-02-22 2020-06-09 东风汽车集团有限公司 废气涡轮增压发动机电子节气门的控制系统及方法
CN111255581B (zh) * 2020-02-22 2021-03-23 东风汽车集团有限公司 废气涡轮增压发动机电子节气门的控制系统及方法
CN114517746A (zh) * 2020-11-18 2022-05-20 盖瑞特动力科技(上海)有限公司 车辆动力总成中的在线监测和诊断

Also Published As

Publication number Publication date
DE102018120525B4 (de) 2023-08-03
DE102018120525A1 (de) 2019-02-28
US10026241B1 (en) 2018-07-17

Similar Documents

Publication Publication Date Title
CN109424456A (zh) 内燃机空气流量管理系统和方法
CN109424452A (zh) 内燃机空气流量管理系统和方法
US11105289B2 (en) Method and control device for monitoring the function of a particulate filter
US6343466B1 (en) System for diagnosing deterioration of catalyst
US7438061B2 (en) Method and apparatus for estimating exhaust pressure of an internal combustion engine
US7631550B2 (en) Air-fuel ratio controller for internal combustion engine and diagnosis apparatus for intake sensors
US8028569B2 (en) Method and device for adapting the efficiency of a cooler in the return circuit of exhaust gas in an internal combustion engine
JP4490913B2 (ja) 内燃機関の範囲内の測定変数を検出する、少なくとも３つのセンサの検査方法
EP1744031B1 (en) Method for correcting sensor signal
US9567923B2 (en) Control device for internal combustion engine equipped with supercharger
CN105484869A (zh) 曲轴箱完整性裂口检测
US20150275753A1 (en) Method for Monitoring at Least One Exhaust Gas Turbocharger
CN101622437A (zh) 用于估计内燃机的排气温度的方法和设备
JP2000120466A (ja) レシプロケ―ティング・エンジンにおけるマス・エアフロ―・センサのオンライン自己較正
CN111337109A (zh) 用于发动机空气流量maf传感器自动校准的装置及方法
CN111075586A (zh) 一种进气流量传感器检验方法
JP6699301B2 (ja) 異常検出装置、異常検出方法及び異常検出システム
JP2023155219A (ja) システム内の欠陥を識別するための方法
CN102102565B (zh) 在内燃发动机运转过程中进行“车上”故障诊断的方法和装置
CN115013131B (zh) 一种dpf状态监测方法、装置及车辆
US20220356853A1 (en) Online monitoring and diagnostics in vehicle powertrains
WO2018025804A1 (ja) 異常検出装置及び異常検出方法
JP5603825B2 (ja) 空燃比センサの診断装置
US11624332B2 (en) Control system with diagnostics monitoring for engine control
JP2020045821A (ja) 内燃機関の制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190305

RJ01 Rejection of invention patent application after publication