CN110080895B - 基于人工智能的发动机控制方法和装置 - Google Patents
基于人工智能的发动机控制方法和装置 Download PDFInfo
- Publication number
- CN110080895B CN110080895B CN201910221906.9A CN201910221906A CN110080895B CN 110080895 B CN110080895 B CN 110080895B CN 201910221906 A CN201910221906 A CN 201910221906A CN 110080895 B CN110080895 B CN 110080895B
- Authority
- CN
- China
- Prior art keywords
- control
- engine
- information
- self
- sensor information
- 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.)
- Active
Links
Images
Classifications
-
- 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
- F02D41/0002—Controlling intake air
-
- 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
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
- F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
- F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
-
- 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
-
- 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
- F02D41/30—Controlling fuel injection
- F02D41/3005—Details not otherwise provided for
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明实施例提供一种基于人工智能的发动机控制方法和装置。所述方法包括:获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;根据所述发动机信息判断当前工况;获取自学习数据库中存储的当前工况下的传感器信息;根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;将所述控制指令发送到对应的执行器,以控制发动机运转;其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。本发明实施例能够在满足排放要求和动力要求下保持发动机在各工况下的最优工作状态。
Description
技术领域
本发明实施例涉及发动机控制技术领域,尤其涉及一种基于人工智能的发动机控制方法和装置。
背景技术
发动机电子控制系统是通过对发动机点火、喷油、空燃比和尾气排放等进行控制,使发动机在最佳状态下工作,达到整车性能好、节约能源、降低尾气排放的目的。
传统的发动机控制系统的控制方式经历了开环控制到闭环控制,闭环控制是控制系统在开环控制的基础上,根据实际检测到的控制结果的反馈信号来决定增减输出控制量的大小。使系统在控制器与被控对象之间,不仅存在着正向作用,而且存在着反馈作用,即系统的控制结果对控制量有直接影响。
然而在汽车排放标准日益越来越严的法规中,传统中的从开环到闭环方法都很难满足发动机的最高性能和排放法规要求。例如,随着排放、油耗标准的提高,发动机电喷系统的标定需要越来越多的变量参数,不仅需要庞大的标定设备,还有越来越贵开发成本,同时,标定完成后是固定的参数,即使当时车辆能满足国家排放法规和油耗要求,但是难以满足最新的油耗和排放要求。
发明内容
针对现有技术问题,本发明实施例提供一种基于人工智能的发动机控制方法和装置。
本发明实施例提供一种基于人工智能的发动机控制方法,所述方法包括:
获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
根据所述发动机信息判断当前工况;
获取自学习数据库中存储的当前工况下的传感器信息;
根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。
本发明实施例提供一种基于人工智能的发动机控制装置,所述装置包括:
第一获取单元,用于获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
第一判断单元,用于根据所述发动机信息判断当前工况;
第二获取单元,用于获取自学习数据库中存储的当前工况下的传感器信息;
第一计算单元,用于根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
第一控制单元,用于将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。
本发明实施例还提供一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述基于人工智能的发动机控制方法。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述基于人工智能的发动机控制方法。
本发明实施例提供的基于人工智能的发动机控制方法和装置,通过不断优化自学习数据库,从数据库中选取出使发动机状态最优的传感器信息来计算控制指令,能够在满足排放性和动力性的同时保持发动机在各工况下的最优工作状态。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的发动机电子控制系统的结构示意图;
图2为本发明一实施例提供的基于人工智能的发动机控制方法的流程示意图;
图3为本发明一实施例提供的自学习数据库训练过程的示意图;
图4为本发明一实施例提供的基于人工智能的发动机控制装置的结构示意图;
图5为本发明一实施例提供的自学习数据库训练装置的结构示意图;
图6为本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例提供的发动机电子控制系统的结构示意图。
如图1所示,电子控制系统包括:传感器、电子控制单元(Electronic ControlUnit,ECU)、执行器以及闭环连接的氧传感器。其中:
所述传感器用于采集控制系统的信号,并转换成电信号输送给电子控制单元ECU;
所述电子控制单元ECU为各传感器提供参考电压,接收传感器信号,进行存储、计算和分析处理后向执行器发出指令;
所述执行器用于接收ECU发出的指令,执行对应的控制功能;
所述氧传感器用于检测排气中的氧含量,反馈给电子控制单元ECU;
所述电子控制单元ECU还用于根据氧传感器的反馈的信号判断进入气缸的油气混合物的浓度,进而控制进气量或喷油量,使发动机在各种工况下空燃比达到较佳值、在各种运行工况下均能获得最佳浓度的混合气。
发动机控制系统用的传感器包括:空气流量计、进气绝对压力传感器、节气门位置传感器、凸轮轴位置传感器、曲轴位置传感器、进气温度传感器、冷却液温度传感器、车速传感器、氧传感器以及爆燃传感器等。
ECU储存有各车型的特征参数、运算所需的有关数据信号以及用来控制点火时刻、燃油喷射及怠速控制等功能所需的程序。
执行器是由ECU控制、执行某项控制功能的装置。一般是由ECU控制执行器电磁线圈的搭铁回路,也有的是由ECU控制某些电子控制电路进行控制。各执行器包括电控点火系统(Electronic Spark Advance,ESA)、电控燃油喷射系统(Electronic Spark Advance,EFI)、废气再循环控制(Electronic Spark Advance,EGR)、怠速控制系统(ElectronicSpark Advance,ISC)、进气控制系统、自诊断与预警系统、失效保护系统以及应急备用系统等。
下面对各执行器的控制功能进行介绍。
(1)电控燃油喷射系统(EFI)
根据空气流量传感器提供的进气量确定基本喷油量,再根据其他传感器(如冷却液温度传感器、节气门位置传感器等)信号等对喷油量进行修正,使发动机在各种运行工况下均能获得最佳浓度的混合气,从而提高发动机的动力性、经济性和排放性。同时还包括喷油正时控制、断油控制、燃油泵控制。
(2)电控点火系统(ESA)
根据各相关传感器信号,判断发动机的运行工况和运行条件,选择最理想的点火提前角点燃混合气,从而改善发动机的燃烧过程,以实现提高发动机动力性、经济性和降低排放污染的目的。
(3)怠速控制系统(ISC)
是在发动机怠速工况下,根据发动机冷却液温度、空调压缩机是否工作、变速器是否挂入挡位等,通过调节空气通路面积对发动机的进气量进行控制,使发动机随时以最佳怠速转速运转。
(4)排放控制系统
主要是对发动机排放控制装置的工作实行电子控制。排放控制的项目主要包括:废气再循环(EGR)控制,活性炭罐电磁阀控制,氧传感器和空燃比闭环控制,二次空气喷射控制等。
(5)进气控制系统
根据发动机转速和负荷的变化,对发动机的进气进行控制,以提高发动机的充气效率,从而改善发动机动力性。其主要包括惯性增压控制系统、废气涡轮增压控制系统、可变气门正时进气系统等。
(6)自诊断与预警系统
用来提示驾驶员发动机有故障;同时,系统将故障信息以设定的数码(故障码)形式储存在存储器中,以便帮助维修人员确定故障类型和范围。
(7)失效保护系统
电控系统工作中,当自诊断系统判定某传感器或其电路出现故障(失效)时,由自诊断系统起动而进入工作状态,给ECU提供设定的标准信号来替代故障信号,以保持控制系统继续工作,确保发动机仍能继续运转。
(8)应急备用系统
当ECU内的微处理器或少数重要的传感器出现故障、车辆无法行驶时,该系统使ECU把燃油喷射和点火正时控制在设定的水平上,作为一种备用功能使汽车能维持基本行驶,以便把汽车开到最近的维修站或适宜的地方,所以又可称为回家系统。
图2示出了本发明实施例提供的一种基于人工智能的发动机控制方法的流程示意图。
如图2所示,本发明实施例提供的基于人工智能的发动机控制方法具体包括以下步骤:
S11、获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
具体地,各传感器采集的信息包括:
空气流量计测量的发动机的进气量信号、进气绝对压力传感器测量的进气管内气体的绝对压力信号、节气门位置传感器检测的节气门的开度及开度变化信号、凸轮轴位置传感器采集的曲轴转角基准位置信号、曲轴位置传感器通过检测曲轴转角位移得到的发动机转速信号和曲轴转角信号、进气温度传感器检测的进气温度信号、冷却液温度传感器采集的冷却液温度信号、车速传感器检测汽车的行驶速度得到的车速信号、氧传感器检测排气中的氧含量以及爆燃传感器检测汽油机是否爆燃及爆燃强度的信号。
控制开关包括:档位开关以及启动开关。
控制开关的控制信息包括:自动变速器由空档挂入其他档时档位开关的控制信号,以及发动机启动时启动开关的启动信号。
需要说明的是,从传感器来的信号进入闭环回路进行处理,如果是数字信号,则直接经I/O(Input/Output,输入/输出)接口进入电子控制单元的CPU;如果是模拟信号,则经A/D(Analog/Digital,模拟/数字)转换器转换成数字信号后才经I/O接口进入CPU。
S12、根据所述发动机信息判断当前工况;
具体地,根据发动机控制系统的各传感器采集的信号、档位开关的控制信号以及启动开关的控制信号,判断发动机当前所处的运行工况和工作条件。
S13、获取自学习数据库中存储的当前工况下的传感器信息;
具体地,所述自学习数据库是基于各种工况下的发动机信息以及对应的控制指令进行深度学习训练得到的,在不断的自学习过程中,自学习数据库会存储不同工况下使发动机工作状态最优的各传感器的经验值,发动机工作状态最优的目标包括满足动力性、排放法规及经济性(油耗要求)。
通过查询获取当前工况下自学习数据库中的经验值作为电控单元的输入信号。
S14、根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
具体地,电子控制单元根据所述经验值计算当前工况下的对应的控制指令,能够保证发动机在当前工况下状态最优。
S15、将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。
具体地,所述自学习数据库是通过深度学习训练,不断调整、优化参数建立得的最优数据库模型,数据库中的参数包括不同工况下使发动机工作状态最优的各传感器的参考数据。
CPU将控制指令信号经I/O接口,必要的信号还要经D/A(Digital/Analog,数字/模拟)转换器变成模拟信号,最后经输出回路去控制执行器动作。
本发明实施例提供的基于人工智能的发动机控制方法,通过不断优化自学习数据库,从数据库中选取出使发动机状态最优的传感器信息来计算控制指令,能够在满足排放性和动力性的同时保持发动机在各工况下的最优工作状态。
在上述实施例的基础上,所述方法还包括建立和优化自学习数据库的步骤。
图3示出了本发明实施例提供的自学习数据库训练过程的示意图。
如图3所述,所述训练过程包括:
S21、发动机运行过程中,获取各传感器信息以及各控制开关的控制信息;
本发明实施例在发动机运行过程中获取传感器信息和控制信号、判断工况、计算并执行执行指令的过程与上述实施例相同,这里不再赘述。
S22、根据所述传感器信息以及各控制开关的控制信息判断当前工况,并根据各传感器信息计算出对应的执行指令;
S23、将所述执行指令发送到各执行器,以控制各执行器执行对应的功能;
S24、根据检测到的排气中的氧浓度判断进入气缸的油气混合物的空燃比;
具体地,空燃比即可燃混合气中空气质量与燃油质量之比。空燃比是发动机运转时的一个重要参数,汽车要满足排放,解决油耗问题,其核心是精准控制汽油和空气的混合,即油气混合比例。
本发明实施例采用闭环控制方式,在执行器和电子控制单元ECU之间闭环连接一个氧传感器。氧传感器检测排气中的氧浓度来判断进入气缸的油气混合物的浓度。如果太浓时就需减少喷油量,反之太稀时增加喷油量。
S25、当所述空燃比不满足排放要求或动力要求时,调整喷油量或进气量以修正所述空燃比,得到满足排放要求和动力要求的各工况下传感器信息与控制指令的对应关系,生成自学习数据库;
具体地,如果油气混合物的浓度不满足排放要求或动力要求,需要对喷油量或进气量进行修正,控制混合气空燃比,使发动机在各种工况下空燃比达到较佳值、在各种运行工况下均能获得最佳浓度的混合气,将各种工况下空燃比达到较佳值的系统内各传感器信息、控制信号以及对应的控制指令存储到自学习数据库中。
S26、重复执行以上步骤,并将获取的新的传感器信息与所述自学习数据库中对应的传感器信息进行比较,如果新的传感器信息计算出的控制指令使发动机状态更优,将新的传感器信息替换掉所述自学习数据库中原有的传感器信息,以使发动机在各工况下保持最优状态。
具体地,对各传感器的每一个信息依次取样,并与所述自学习数据库中存储的当前工况下对应的传感器信息进行比较,依次选取出使发动机状态最优的传感器信息。需要说明的是,传感器信息暂时存储在RAM内,根据指令再从RAM送到CPU。进行比较时,将存储在ROM中的数据库中的参考数据引入CPU,使之与传感器的信息进行对比。
自学习数据库的优化是不断训练的过程,在发动机运行过程中不断获取输入信息,计算控制指令,执行控制功能,再根据反馈信息不断调整和修正输入信号,如果发现新的数据比原来数据用起来效果更佳,就会自动替代原有数据,从而能够不断智能的选择最优经验方案,建立最优数据库模型,使得车辆永久保持在发动机性能和排放的最优工况。
本发明实施例发动机系统可以不用标定,不需要为每个车来独立开发标定。可直接把发动机的控制系统装在车上,通过人工智能深度学习功能,车就能自学习匹配不同的工况,实现精准控制,满足车辆排放及油耗标准,能够为整车厂节省大笔开发费。
在上述实施例的基础上,所述方法还包括:
在自学习数据库训练过程中,将当前各传感器信息及控制指令与所述自学习数据库中对应的传感器信息和控制指令进行比较,判断当前状态是否为故障状态;
如果为故障状态,将当前故障状态下的传感器信息存储在所述自学习数据库中。
具体地,原有的不具备人工智能深度学习功能的电子控制单元ECU,只有当故障发生时才判断,本发明实施例根据自学习数据库将输入信号(传感器信息)和输出指令信号与标准值进行比较,能够确定并存储故障信息。
具体地,当发动机状态不是最优时,将输入信号与数据库中对应的参考信息进行比较以及将计算出的控制指令与数据库中对应的指令进行比较,判断出故障状态,能够得到故障状态下对应的输入信息,将这些故障状态下的信息进行存储,能够对故障进行预判和自动调节。
在上述实施例的基础上,所述方法还包括:
发动机启动时,初始化所述各传感器和执行器的状态。
具体地,发动机起动时,ECU进入工作状态,从ROM中取出车辆初始状态,进入CPU。
图4示出了本发明实施例提供的一种基于人工智能的发动机控制装置的结构示意图。
如图4所示,本发明实施例提供的基于人工智能的发动机控制装置包括:第一获取单元11、第一判断单元12、第二获取单元13、第一计算单元14以及第一控制单元15,其中:
第一获取单元11,用于获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
具体地,各种传感器包括空气流量计、进气绝对压力传感器、节气门位置传感器、凸轮轴位置传感器、曲轴位置传感器、进气温度传感器、冷却液温度传感器、车速传感器、氧传感器以及爆燃传感器等。各传感器采集的信息与上述实施例相同,这里不再赘述。
控制开关包括:档位开关以及启动开关。控制开关的控制信息包括:自动变速器由空档挂入其他档时档位开关的控制信号,以及发动机启动时启动开关的启动信号。
第一判断单元12,用于根据所述发动机信息判断当前工况;
具体地,根据发动机控制系统的各传感器采集的信号、档位开关的控制信号以及启动开关的控制信号,判断发动机当前所处的运行工况和工作条件。
第二获取单元13,用于获取自学习数据库中存储的当前工况下的传感器信息;
具体地,所述自学习数据库是基于各种工况下的发动机信息以及对应的控制指令进行深度学习训练得到的,在不断的自学习过程中,自学习数据库会存储不同工况下使发动机工作状态最优的各传感器的经验值,发动机工作状态最优的目标包括满足动力性、排放法规及经济性(油耗要求)。
通过查询获取当前工况下自学习数据库中的经验值作为电控单元的输入信号。
第一计算单元14,用于根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
具体地,电子控制单元根据所述经验值计算当前工况下的对应的控制指令,能够保证发动机在当前工况下状态最优。
第一控制单元15,用于将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。
具体地,所述自学习数据库是通过深度学习训练,不断调整、优化参数建立得的最优数据库模型,数据库中的参数包括不同工况下使发动机工作状态最优的各传感器的参考数据。
将各控制指令发送到对应的执行器以执行对应的功能,如点火器控制点火、喷油器控制燃油喷射等。
本发明实施例提供的基于人工智能的发动机控制装置,通过不断优化自学习数据库,从数据库中选取出使发动机状态最优的传感器信息来计算控制指令,能够在满足排放性和动力性的同时保持发动机在各工况下的最优工作状态。
图5示出了本发明实施例提供的自学习数据库训练装置的结构示意图。
如图5所示,所述装置包括:第三获取单元21、第二判断单元22、第二计算单元23、第二控制单元24、检测单元25、调整单元26以及自学习单元27,其中:
所述第三获取单元21,用于发动机运行过程中,获取各传感器信息以及各控制开关的控制信息;
本发明实施例在发动机运行过程中获取传感器信息和控制信号、判断工况、计算并执行执行指令的过程与上述实施例相同,这里不再赘述。
所述第二判断单元22,用于根据所述传感器信息以及各控制开关的控制信息判断当前工况;
所述第二计算单元23,用于根据各传感器信息计算出当前工况的执行指令;
所述第二控制单元24,用于将所述执行指令发送到各执行器,以控制各执行器执行对应的功能;
所述检测单元25,用于根据检测到的排气中的氧浓度判断进入气缸的油气混合物的空燃比;
具体地,空燃比即可燃混合气中空气质量与燃油质量之比。空燃比是发动机运转时的一个重要参数,汽车要满足排放,解决油耗问题,其核心是精准控制汽油和空气的混合,即油气混合比例。
本发明实施例采用闭环控制方式,在执行器和电子控制单元ECU之间闭环连接一个氧传感器。氧传感器检测排气中的氧浓度来判断进入气缸的油气混合物的浓度。如果太浓时就需减少喷油量,反之太稀时增加喷油量。
所述调整单元26,用于当所述空燃比不满足排放要求或动力要求时,调整喷油量或进气量以修正所述空燃比,得到满足排放要求和动力要求的各工况下传感器信息与控制指令的对应关系,生成自学习数据库;
具体地,如果油气混合物的浓度不满足排放要求或动力要求,需要对喷油量或进气量进行修正,控制混合气空燃比,使发动机在各种工况下空燃比达到较佳值、在各种运行工况下均能获得最佳浓度的混合气,将各种工况下空燃比达到较佳值的系统内各传感器信息、控制信号以及对应的控制指令存储到自学习数据库中。
自学习单元27,用于重复执行以上步骤,并将获取的新的传感器信息与所述自学习数据库中对应的传感器信息进行比较,如果新的传感器信息计算出的控制指令使发动机状态更优,将新的传感器信息替换掉所述自学习数据库中原有的传感器信息,以使发动机在各工况下保持最优状态。
具体地,对各传感器的每一个信息依次取样,并与所述自学习数据库中存储的当前工况下对应的传感器信息进行比较,依次选取出使发动机状态最优的传感器信息。需要说明的是,传感器信息暂时存储在RAM内,根据指令再从RAM送到CPU。进行比较时,将存储在ROM中的数据库中的参考数据引入CPU,使之与传感器的信息进行对比。
自学习数据库的优化是不断训练的过程,在发动机运行过程中不断获取输入信息,计算控制指令,执行控制功能,再根据反馈信息不断调整和修正输入信号,如果发现新的数据比原来数据用起来效果更佳,就会自动替代原有数据,从而能够不断智能的选择最优经验方案,建立最优数据库模型,使得车辆永久保持在发动机性能和排放的最优工况。
本发明实施例发动机系统可以不用标定,不需要为每个车来独立开发标定。可直接把发动机的控制系统装在车上,通过人工智能深度学习功能,车就能自学习匹配不同的工况,实现精准控制,满足车辆排放及油耗标准,能够为整车厂节省大笔开发费。
在上述实施例的基础上,所述装置还包括:
第三判断单元,用于在自学习数据库训练过程中,将当前各传感器信息及控制指令与所述自学习数据库中对应的传感器信息和控制指令进行比较,判断当前状态是否为故障状态;
存储单元,用于如果为故障状态,将当前故障状态下的传感器信息存储在所述自学习数据库中。
具体地,原有的不具备人工智能深度学习功能的电子控制单元ECU,只有当故障发生时才判断,本发明实施例根据自学习数据库将输入信号(传感器信息)和输出指令信号与标准值进行比较,能够确定并存储故障信息。
具体地,当发动机状态不是最优时,将输入信号与数据库中对应的参考信息进行比较以及将计算出的控制指令与数据库中对应的指令进行比较,能够得到故障状态下对应的输入信息,将这些故障状态下的信息进行存储,能够对故障进行预判和自动调节。
在上述实施例的基础上,所述装置还包括:
初始化单元,用于在发动机启动时,初始化所述各传感器和执行器的状态。
具体地,发动机起动时,ECU进入工作状态,从ROM中取出车辆初始状态,进入CPU。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
举个例子如下:
图6示例了一种服务器的实体结构示意图,如图6所示,该服务器可以包括:处理器(processor)31、通信接口(Communications Interface)32、存储器(memory)33和通信总线34,其中,处理器31,通信接口32,存储器33通过通信总线34完成相互间的通信。处理器31可以调用存储器33中的逻辑指令,以执行如下方法:
获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
根据所述发动机信息判断当前工况;
获取自学习数据库中存储的当前工况下的传感器信息;
根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的。
此外,上述的存储器33中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (6)
1.一种基于人工智能的发动机控制方法,其特征在于,所述方法包括:
获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
根据所述发动机信息判断当前工况;
获取自学习数据库中存储的当前工况下的传感器信息;
根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的;
所述自学习数据库的训练过程包括:
发动机运行过程中,获取各传感器信息以及各控制开关的控制信息;
根据所述传感器信息以及各控制开关的控制信息判断当前工况,并根据各传感器信息计算出对应的执行指令;
将所述执行指令发送到各执行器,以控制各执行器执行对应的功能;
根据检测到的排气中的氧浓度判断进入气缸的油气混合物的空燃比;
当所述空燃比不满足排放要求或动力要求时,调整喷油量或进气量以修正所述空燃比,得到满足排放要求和动力要求的各工况下传感器信息与控制指令的对应关系,生成自学习数据库;
重复执行以上步骤,并将获取的新的传感器信息与所述自学习数据库中对应的传感器信息进行比较,如果新的传感器信息计算出的控制指令使发动机状态更优,将新的传感器信息替换掉所述自学习数据库中原有的传感器信息,以使发动机在各工况下保持最优状态;
在自学习数据库训练过程中,将当前各传感器信息及控制指令与所述自学习数据库中对应的传感器信息和控制指令进行比较,判断当前状态是否为故障状态;
如果为故障状态,将当前故障状态下的传感器信息存储在所述自学习数据库中。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
发动机启动时,初始化所述各传感器和执行器的状态。
3.一种基于人工智能的发动机控制装置,其特征在于,所述装置包括:
第一获取单元,用于获取发动机信息,所述发动机信息包括各传感器采集的信息以及各控制开关的控制信息;
第一判断单元,用于根据所述发动机信息判断当前工况;
第二获取单元,用于获取自学习数据库中存储的当前工况下的传感器信息;
第一计算单元,用于根据所述自学习数据库中存储的当前工况下的传感器信息计算出当前工况下的控制指令;
第一控制单元,用于将所述控制指令发送到对应的执行器,以控制发动机运转;
其中,所述自学习数据库是基于各种工况下的传感器信息以及对应的控制指令进行深度学习训练得到的,所述控制指令是根据所述传感器信息计算得到的;
所述装置还包括:
第三获取单元,用于发动机运行过程中,获取各传感器信息以及各控制开关的控制信息;
第二判断单元,用于根据所述传感器信息以及各控制开关的控制信息判断当前工况;
第二计算单元,用于根据各传感器信息计算出当前工况的执行指令;
第二控制单元,用于将所述执行指令发送到各执行器,以控制各执行器执行对应的功能;
检测单元,用于根据检测到的排气中的氧浓度判断进入气缸的油气混合物的空燃比;
调整单元,用于当所述空燃比不满足排放要求或动力要求时,调整喷油量或进气量以修正所述空燃比,得到满足排放要求和动力要求的各工况下传感器信息与控制指令的对应关系,生成自学习数据库;
自学习单元,用于重复执行以上步骤,并将获取的新的传感器信息与所述自学习数据库中对应的传感器信息进行比较,如果新的传感器信息计算出的控制指令使发动机状态更优,将新的传感器信息替换掉所述自学习数据库中原有的传感器信息,以使发动机在各工况下保持最优状态;
第三判断单元,用于在自学习数据库训练过程中,将当前各传感器信息及控制指令与所述自学习数据库中对应的传感器信息和控制指令进行比较,判断当前状态是否为故障状态;
存储单元,用于如果为故障状态,将当前故障状态下的传感器信息存储在所述自学习数据库中。
4.根据权利要求3所述的装置,其特征在于,所述装置还包括:
初始化单元,用于在发动机启动时,初始化所述各传感器和执行器的状态。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至2任一项所述基于人工智能的发动机控制方法的步骤。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至2任一项所述基于人工智能的发动机控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221906.9A CN110080895B (zh) | 2019-03-22 | 2019-03-22 | 基于人工智能的发动机控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221906.9A CN110080895B (zh) | 2019-03-22 | 2019-03-22 | 基于人工智能的发动机控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110080895A CN110080895A (zh) | 2019-08-02 |
CN110080895B true CN110080895B (zh) | 2022-09-30 |
Family
ID=67413453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910221906.9A Active CN110080895B (zh) | 2019-03-22 | 2019-03-22 | 基于人工智能的发动机控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110080895B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111520242B (zh) * | 2020-04-24 | 2022-11-11 | 深圳市元征科技股份有限公司 | 一种空燃比调整方法及装置 |
CN113090405B (zh) * | 2021-04-08 | 2022-07-26 | 上海新动力汽车科技股份有限公司 | 汽车用执行器位置自学习方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6758185B2 (en) * | 2002-06-04 | 2004-07-06 | Ford Global Technologies, Llc | Method to improve fuel economy in lean burn engines with variable-displacement-like characteristics |
CN201125791Y (zh) * | 2007-04-09 | 2008-10-01 | 山东申普汽车控制技术有限公司 | 发动机进气控制系统 |
CN101761403A (zh) * | 2010-03-04 | 2010-06-30 | 霸州市华威发动机技术有限公司 | 双燃料发动机燃气供给的控制方法和装置 |
CN102168622A (zh) * | 2011-03-29 | 2011-08-31 | 广州市新智通电子科技有限公司 | 一种摩托车发动机多功能自动控制系统及控制方法 |
JP2016156362A (ja) * | 2015-02-26 | 2016-09-01 | いすゞ自動車株式会社 | エンジン制御装置 |
CN109236467B (zh) * | 2018-09-30 | 2020-06-26 | 潍柴动力股份有限公司 | 一种检测发动机动力不足的方法及装置 |
-
2019
- 2019-03-22 CN CN201910221906.9A patent/CN110080895B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110080895A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1989339B (zh) | 用于内燃机的点火正时控制装置 | |
US7150264B2 (en) | Control device for internal combustion engine | |
US7158875B2 (en) | Misfire detection system for internal combustion engine | |
JP4226580B2 (ja) | 内燃機関の制御装置 | |
US20150275783A1 (en) | System and method for managing the period of a control loop for controlling an engine using model predictive control | |
EP1970553A2 (en) | Engine control device | |
CN110080895B (zh) | 基于人工智能的发动机控制方法和装置 | |
EP2678544B1 (en) | Controller and control method for internal combustion engine | |
CN101438040A (zh) | 用于操作内燃机的控制系统 | |
CN105283648A (zh) | 内燃机的控制装置 | |
RU2670551C2 (ru) | Способ обучения по ошибке обратной связи в нелинейных системах (варианты) | |
CN103485910A (zh) | 一种改进的多工况pid控制的发动机控制方法 | |
JPH07180590A (ja) | 燃料噴射式内燃機関における遅延減少装置および方法 | |
CN110863912B (zh) | 一种利用主动减振的发动机灭缸方法 | |
JP2020094532A (ja) | 内燃機関の制御装置 | |
CN107882648B (zh) | 具有低压egr系统的egr率控制方法、系统及车辆 | |
CN107620650A (zh) | 一种二冲程点燃式发动机缸间功率不平衡控制方法 | |
CN111720231B (zh) | 一种发动机油轨压力传感器故障后处理方法及系统 | |
CN101182810A (zh) | 燃气汽车多点顺序喷射电控单元 | |
JP4667324B2 (ja) | 内燃機関の制御装置 | |
CN102953855B (zh) | 一种汽车辅助电子控制节油装置 | |
JP2007239738A (ja) | 内燃機関の制御装置 | |
JP3598724B2 (ja) | 内燃機関の制御装置 | |
JP4736998B2 (ja) | 内燃機関の制御装置及び機関アクチュエータの製造方法 | |
CN110608103A (zh) | 一种匹配双机单桨的发动机控制系统及控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |