CN110487478B - 基于决策树的发动机爆震检测方法、装置、设备及其存储介质 - Google Patents
基于决策树的发动机爆震检测方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN110487478B CN110487478B CN201810455187.2A CN201810455187A CN110487478B CN 110487478 B CN110487478 B CN 110487478B CN 201810455187 A CN201810455187 A CN 201810455187A CN 110487478 B CN110487478 B CN 110487478B
- Authority
- CN
- China
- Prior art keywords
- knock
- engine
- data samples
- data
- cylinder
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 101
- 238000003066 decision tree Methods 0.000 title claims abstract description 86
- 238000013145 classification model Methods 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010304 firing Methods 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 description 14
- 238000005474 detonation Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 239000007789 gas Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000446 fuel Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L23/00—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid
- G01L23/22—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines
- G01L23/221—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明涉及汽车领域，公开了一种基于决策树的发动机爆震检测方法、装置、设备及其存储介质。本发明中的基于决策树的发动机爆震检测方法包括：获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的。本发明可实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
Description
技术领域
本发明涉及汽车领域，特别涉及一种基于决策树的发动机爆震检测方法、装置、设备及其存储介质。
背景技术
随着人们环保意识的提高和能源紧缺价格上涨引起的需求，以及大规模集成电路等计算机技术发展的支持，发动机电子控制系统已经成为汽车的必备设备。汽油机的电子控制系统按控制方式可以分为开环控制和闭环控制系统。在开环电子控制系统中，电子控制单元(ECU)根据各工况参数按预先编好的程序进行控制。在闭环电子控制系统中，增加了反馈传感器，这使得ECU可以根据汽油机的运行情况进行反馈控制，及时对控制量进行修正。闭环电子控制系统相对于开环电子控制系统可以有效减小环境变化、制造公差以及由于时间的推移、磨损等因素对控制精度的影响。
一般非增压汽油机的闭环电子控制系统主要由两部分组成：闭环电子控制点火系统和闭环电子控制喷油系统。闭环电控燃油喷射系统根据空燃比信号对喷油进行反馈控制；闭环电控点火系统是根据爆震信号对点火时刻进行反馈控制，此时闭环爆震检测系统实际上就是闭环电控点火系统的一个重要组成部分。
现在一般认为：爆震是由于火焰前锋被称为末端气体的自然引起的。末端气体是由燃料、空气和残余废气组成的。爆震时末端气体以极高的速率放出热量，产生很大的压力升高率，并以压力波的形式在燃烧室内来回传播，并通过机体向外部环境传递噪声。由于末端气体在发生爆震时的燃烧速度很大，能量急剧放出，火焰也是以高速传播的，由此产生了爆震所特有的气体震动、噪音和冲击波等特征。
爆震会使发动机输出功率、热效率降低，油耗上升，并使气缸过热，零件的应力增加，从而加速机件磨损，导致燃烧室积碳多、排气管冒黑烟。
检测内燃机是否发生爆震所采用的传统技术是已知的。例如，专利200580012574.X提供了一种通过从内燃机震动波形判定该发动机是否爆震的装置和系统。该发明用于内燃机的爆震判定装置包括：检测内燃机的曲柄角的曲柄角检测器；检测预定的曲柄角范围内的内燃机震动波形的波形检测器；事先存储有预定曲柄角范围内的内燃机震动波形的存储器；基于当内燃机在预定的驱动状态下时所检测到的内燃机震动波形矫正内燃机的振动波形的矫正器；和基于所检测到的波形和所矫正的波形的比较结果判定的内燃机是否爆震的判定器。然而，内燃机的震动信号是很复杂多变的信号，往往受到外界环境的影响，单一通过矫正波形，并不能精确的判定爆震情况。且存储器和矫正器需要很大的内存空间来存储已经检测到的各种复杂波形。实验条件下尚可以进行，但对于实际投入生产模式则会造成很高的成本。
对于传统的爆震检测方法，实验环境往往是针对于单一的发动机进行多次反复的调参实验，不利于实际生产环境。当新的发动机型出现，需要重新对该发动机进行爆震实验，成本人力都较高。而且传统的爆震检测方法需要在缸内安装压力传感器，这类型传感器往往成本高，寿命短。实验环境中尚可，实际投入生产环境的话成本较高。
发明内容
本发明的目的在于提供一种基于决策树的发动机爆震检测方法、装置、设备及其存储介质，可实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
为解决上述技术问题，本发明的实施方式公开了一种基于决策树的发动机爆震检测方法，该方法包括：
获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，通过以下方式生成爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在上述示范例中，确定发动机在每个预定周期内是否发生爆震包括：
根据气缸在预定周期内的点火时刻和缸内压力信号，预测气缸在预定周期内的爆震检测窗口；
对于在爆震检测窗口内的缸内压力信号，判断缸内压力信号的最大值的绝对值是否大于预定阈值；
如果判断结果为大于预定阈值，则判断在最大值的两侧是否存在极大值；
如果判断结果为存在极大值，则确定气缸在预定周期内发生爆震；
其中，在整个预定周期内，气缸在爆震检测窗口内发生爆震的概率最大。
在上述示范例中，预测气缸在预定周期内的爆震检测窗口包括：
寻找各气缸在发动机活塞的上止点附近的点火信号；
如果气缸的缸内压力信号在点火信号表示的时间之后是递增的，则定义点火角时间为爆震检测窗口的起始时间，并定义爆震检测窗口的时长。
在一优选例中，爆震检测窗口的时长为1.5～2.6ms。
在另一示范例中，将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
在上述示范例中，生成与多个爆震数据样本相似的包含发生爆震标签的虚拟爆震数据样本包括：
从多个爆震数据样本中选取一个爆震数据样本，并选取在向量空间中与该爆震数据样本邻近的多个爆震数据样本；
计算选取的爆震数据样本两两之间的中点；
如果计算出的中点对应的数据样本不与多个数据样本中任一个包含非爆震标签的数据样本相同，则将中点对应的数据样本与多个数据样本同时输入决策树分类器中计算基尼值；
判断计算出的基尼值是否小于仅将多个数据样本输入决策树分类器中计算出的基尼值；
如果判断的结果为小于，则将中点对应的数据样本作为虚拟爆震数据样本。
在另一示范例中，上述基于决策树的机动车爆震检测方法满足下列条件中的任一项：
在预定周期内发动机只进行一次点火；
爆震传感器信号为频域信号；
运转条件包括发动机转速、发动机负载和发动机气缸半径。
本发明的实施方式还公开了一种基于决策树的发动机爆震检测装置，该装置包括：
获取单元，用于获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
确定单元，用于将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，上述爆震检测装置还包括：
生成单元，用于生成爆震分类模型：
并且，该生成单元包括：
采集子单元，用于采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
判断子单元，用于根据缸内压力信号，判断发动机在每个预定周期内是否发生爆震；
标签子单元，用于为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
输入子单元，用于将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在上述示范例中，输入子单元通过以下方式生成爆震分类模型：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
在另一示范例中，上述爆震检测装置满足下列条件中的任一项：
在预定周期内发动机只进行一次点火；
爆震传感器信号为频域信号；
运转条件包括发动机转速、发动机负载和发动机气缸半径。
本发明的实施方式还公开了一种设备，该设备包括存储有计算机可执行指令的存储器和处理器，处理器被配置为执行指令以实施基于决策树的发动机爆震检测方法，基于决策树的发动机爆震检测方法包括：
获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，基于决策树的发动机爆震检测方法通过以下方式生成爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在另一示范例中，将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
本发明的实施方式还公开了一种使用计算机程序编码的非易失性计算机存储介质，其中，计算机程序包括指令，当指令被一个以上的计算机执行时，指令使得一个以上的计算机执行操作，操作包括：
获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，操作通过以下方式生成爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在另一示范例中，将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
本发明实施方式与现有技术相比，主要区别及其效果在于：
通过将市面上常见的多种型号的发动机的相关数据输入决策树分类器中生成分类模型，能够实现对多种型号的发动机的爆震检测，节约检测成本，提高检测效率。
进一步地，在采集样本数据时，可以在不同型号发动机的气缸内部安装压力传感器，以准确检测气缸内气体的压强。而在爆震分类模型建立后，无需被检测的发动机安装有压力传感器，基于常规检测到的数据，即可判断出其是否发生爆震。
进一步地，通过预先确定爆震检测窗口，能减小后续缸内压力信号的数据处理量。
进一步地，通过对真实采集的数据进行处理得到的数据样本中，包含爆震标签的数据样本数目较少，因此，加入虚拟的包含爆震标签的数据样本，能够有效平衡两类数据样本的数量，提高爆震分类模型的分类准确性。
进一步地，将爆震传感器信号转换为频域信号，能简化数据处理的复杂度，有效减少噪声。
附图说明
图1是本实施本发明的方法的计算机终端的硬件结构框图；
图2是根据本发明第一实施方式的基于决策树的发动机爆震检测方法的流程示意图；
图3是根据本发明第二实施方式的基于决策树的发动机爆震检测装置的结构示意图。
具体实施方式
在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请各权利要求所要求保护的技术方案。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的实施方式作进一步地详细描述。
根据本发明实施方式，提供了一种基于决策树的发动机爆震检测方法的实施方式，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请方式所提供的方法实施方式可以在移动终端、计算机终端或者类似的运算装置(如ECU(Electronic Control Unit，电子控制单元))中执行。以运行在计算机终端上为例，图1是根据本发明实施方式的基于决策树的发动机爆震检测方法的计算机终端的硬件结构框图。如图1所示，计算机终端100可以包括一个或多个(图中仅示出一个)处理器101(处理器101可以包括但不限于中央处理器CPU、图像处理器GPU、数字信号处理器DSP、微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于与用户交互的输入输出接口102、用于存储数据的存储器103、以及用于通信功能的传输装置104。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器103可用于存储应用软件的软件程序以及模块，如本发明实施方式中的基于决策树的发动机爆震检测方法对应的程序指令/模块，处理器101通过运行存储在存储器103内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的基于决策树的发动机爆震检测方法。存储器103可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器103可进一步包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端100。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置104用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端100的通信供应商提供的无线网络。在一个实例中，传输装置104包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置104可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在上述运行环境下，本发明提供了如图2所示的基于决策树的发动机爆震检测方法。该方法可以应用于终端设备中，由终端设备中的处理器执行，终端设备可以是智能手机、平板电脑、ECU等。终端设备中安装有至少一个应用程序，本发明实施方式并不限定应用程序的种类，可以为系统类应用程序，也可以为软件类应用程序。
本发明第一实施方式涉及一种基于决策树的发动机爆震检测方法。图2是该基于决策树的发动机爆震检测方法的流程示意图。
具体地，如图2所示，该基于决策树的发动机爆震检测方法包括以下步骤：
步骤201，获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号。
此后，进入步骤202。
在步骤202中，将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
此后，结束本流程。
在一示范例中，通过以下方式生成上述爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
优选地，可通过预先确定爆震检测窗口，减小后续缸内压力信号的数据处理量。例如，上述确定发动机在每个预定周期内是否发生爆震包括：
根据气缸在预定周期内的点火时刻和缸内压力信号，预测气缸在预定周期内的爆震检测窗口；对于在爆震检测窗口内的缸内压力信号，判断缸内压力信号的最大值的绝对值是否大于预定阈值；如果判断结果为大于预定阈值，则判断在最大值的两侧是否存在极大值；如果判断结果为存在极大值，则确定气缸在预定周期内发生爆震；其中，在整个预定周期内，气缸在爆震检测窗口内发生爆震的概率最大。
可以基于各种现有技术预测气缸的爆震检测窗口，例如，在一优选例中，预测气缸在预定周期内的爆震检测窗口包括：
寻找各气缸在发动机活塞的上止点附近的点火信号；
如果气缸的缸内压力信号在点火信号表示的时间之后是递增的，则定义点火角时间为爆震检测窗口的起始时间，并定义爆震检测窗口的时长。其中，爆震检测窗口的时长可以根据实际情况定义，例如，优选地，爆震检测窗口的时长为1.5～2.6ms，更优地，爆震检测窗口为2.1ms。
该示范例通过将市面上常见的多种型号的发动机的相关数据输入决策树分类器中生成分类模型，能够实现对多种型号的发动机的爆震检测，节约检测成本，提高检测效率。
通过对真实采集的数据进行处理得到的数据样本中，包含爆震标签的数据样本数目较少，因此，加入虚拟的包含爆震标签的数据样本，能够有效平衡两类数据样本的数量，提高爆震分类模型的分类准确性。例如，在一示范例中，上述将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
优选地，可以通过以下方式生成与爆震数据样本相似的虚拟爆震数据样本：
从多个爆震数据样本中选取一个爆震数据样本，并选取在向量空间中与该爆震数据样本邻近的多个爆震数据样本；
计算选取的爆震数据样本两两之间的中点；
如果计算出的中点对应的数据样本不与多个数据样本中任一个包含非爆震标签的数据样本相同，则将中点对应的数据样本与多个数据样本同时输入决策树分类器中计算基尼值(GINI值)；
判断计算出的基尼值是否小于仅将多个数据样本输入决策树分类器中计算出的基尼值；
如果判断的结果为小于，则将中点对应的数据样本作为虚拟爆震数据样本。
可以理解，在本发明中，预定周期与数据样本具有一一对应的关系。即对于同一型号的发动机，即使其运转条件相同，如果在不同的预定周期采集爆震传感器信号和/或缸内压力信号，其具有的数据样本也不同。值得注意的是，本发明中预定周期的时间长度是固定的值，不同的预定周期是指发生的时刻不同，或者发生的时刻相同，但是运转条件或者发动机型号不同。可以根据曲柄角信号确定预定周期，可以通过曲柄角检测器检测曲柄角度。优选地，曲柄角度从0°到180°为一个预定周期，在该预定周期中，发动机只点火一次。
可以理解，在本发明中，为了简化数据处理的复杂度，并有效减少噪声，将爆震传感器信号从时域信号转换为频域信号。可以通过爆震传感器检测发动机的机械震动，生成爆震传感器信号。上述运转条件包括发动机转速、发动机负载和发动机气缸半径等。
如上所述，在本发明中，在采集样本数据时，可以在不同型号发动机的气缸内部安装压力传感器，以准确检测气缸内气体的压强。而在爆震分类模型建立后，无需被检测的发动机安装有压力传感器，基于常规检测到的数据，即可判断出其是否发生爆震。因此，本发明能够实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
本发明的各方法实施方式均可以以软件、硬件、固件等方式实现。不管本发明是以软件、硬件、还是固件方式实现，指令代码都可以存储在任何类型的计算机可访问的存储器中(例如永久的或者可修改的，易失性的或者非易失性的，固态的或者非固态的，固定的或者可更换的介质等等)。同样，存储器可以例如是可编程阵列逻辑(Programmable ArrayLogic，简称“PAL”)、随机存取存储器(Random Access Memory，简称“RAM”)、可编程只读存储器(Programmable Read Only Memory，简称“PROM”)、只读存储器(Read-Only Memory，简称“ROM”)、电可擦除可编程只读存储器(Electrically Erasable Programmable ROM，简称“EEPROM”)、磁盘、光盘、数字通用光盘(Digital Versatile Disc，简称“DVD”)等等。
本发明的第二实施方式涉及一种基于决策树的发动机爆震检测装置。图3是该基于决策树的发动机爆震检测装置的结构示意图。
具体地，如图3所示，该装置包括：
获取单元，用于获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号。
确定单元，用于将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的。其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
生成单元，用于生成爆震分类模型。
在一示范例中，上述生成单元包括：
采集子单元，用于采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
判断子单元，用于根据缸内压力信号，判断发动机在每个预定周期内是否发生爆震；
标签子单元，用于为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
输入子单元，用于将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
优选地，上述输入子单元通过以下方式生成爆震分类模型：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
优选地，上述爆震检测装置满足下列条件中的任一项：
在预定周期内发动机只进行一次点火；
爆震传感器信号为频域信号；
运转条件包括发动机转速、发动机负载和发动机气缸半径。
能够实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第三实施方式涉及一种设备，该设备包括存储有计算机可执行指令的存储器和处理器，处理器被配置为执行指令以实施基于决策树的发动机爆震检测方法，基于决策树的发动机爆震检测方法包括：
获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，上述基于决策树的发动机爆震检测方法通过以下方式生成爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在另一示范例中，上述将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
能够实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明第四实施方式涉及一种使用计算机程序编码的非易失性计算机存储介质，其中，计算机程序包括指令，当指令被一个以上的计算机执行时，指令使得一个以上的计算机执行操作，操作包括：
获取发动机的运转数据，运转数据包括发动机的型号、运转条件、在预定周期内以运转条件运转时各气缸的爆震传感器信号；
将发动机的运转数据输入爆震分类模型中，以确定发动机的各气缸是否在预定周期内发生爆震，其中，爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，数据样本包括发动机型号、运转条件、在预定周期内以运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签。
在一示范例中，操作通过以下方式生成爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据缸内压力信号，确定发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
在一示范例中，上述将对应多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于多个爆震数据样本，生成与爆震数据样本相似的虚拟爆震数据样本；
同时将虚拟爆震数据样本与多个数据样本输入决策树分类器中，生成爆震分类模型。
能够实现对各种型号发动机的爆震检测，且无需在发动机气缸内部安装压力传感器，极大地降低检测成本。
第一实施方式是与本实施方式相对应的方法实施方式，本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效，为了减少重复，这里不再赘述。相应地，本实施方式中提到的相关技术细节也可应用在第一实施方式中。
本发明的第五实施方式涉及一种基于决策树的发动机爆震检测方法。
采集不同型号的发动机的多次爆震检测实验的检测数据得到数据样本，采集的数据包括：
发动机E1在实验条件如下：转速S1、负载L1、发动机缸体半径R1、点火前置角D1时从压力传感器以及爆震传感器采集到的缸内压力信号数据P1和爆震振动数据K1；
发动机E1在实验条件如下：转速S2、负载L2、发动机缸体半径R2、点火前置角D2时从压力传感器以及爆震传感器采集到的缸内压力信号数据P2和爆震振动数据K2；
发动机E1在实验条件如下：转速S3、负载L3、发动机缸体半径R3、点火前置角D3时从压力传感器以及爆震传感器采集到的缸内压力信号数据P3和爆震振动数据K3；
发动机E1在实验条件如下：转速S4、负载L4、发动机缸体半径R4、点火前置角D4时从压力传感器以及爆震传感器采集到的缸内压力信号数据P4和爆震振动数据K4；
发动机E2在实验条件如下，转速S1＇，负载L1＇，发动机缸体半径R1＇，点火前置角D1＇时从压力传感器以及爆震传感器采集到的缸内压力信号数据P1＇和爆震振动数据K1＇。
将发动机E1的所有数据作为数据样本，发动机E2的数据作为测试数据。
具体地，该实施方式基于决策树的发动机爆震检测方法的步骤如下：
(1)采集上述发动机的实验数据。
(2)通过曲柄角信号来计算发动机转动周期，并选择0到180度为一个预定周期，将一个预定周期内的上述各数据当作一个数据样本。
(3)将缸内压力信号通过高通滤波器，优选地，此高通滤波器的截止频率可以是2.5kHz。
(4)定义爆震检测窗口，定义发动机活塞行程的上止点(如曲柄信号50度)，找到上止点附近各气缸的点火信号，确认气缸的缸内压力信号在点火信号之后是递增的。根据公式crank angle＝360+6Ne(t-tr)，其中Ne是发动机的转速，tr是上止角时间，来得到点火角的时间，定义点火角时间为爆震检测窗口起始时间，定义爆震检测窗口长度为常量(如2.1毫秒)。
(5)将爆震传感器的时域信号经过快速傅里叶变换得到爆震传感器的频域信号。
(6)经过步骤(2)得到的各周期的起始点和终止点，对应步骤(5)中的爆震传感器频域信号，得到每个周期里的爆震传感器频域信号。
(7)对经过步骤(6)得到的每个周期里的爆震传感器频域信号，对每个周期截取爆震传感器信号的频率检测段(如从5kHz到25kHz)，并确定步长，如200Hz的点。
(8)经过步骤(2)得到的各周期的起始点和终止点，对应步骤(3)中通过高通滤波器之后得到的缸内压力信号，得到每个周期里的通过高通滤波器后的缸内压力信号。
(9)经过步骤(8)得到每个周期内的通过高通滤波器后的缸内压力信号，找到步骤(4)得到的爆震检测窗口在每个周期内的对应位置，得到爆震检测窗口内的通过高通滤波器后的缸内压力信号。如果该爆震检测窗口内的通过高通滤波器后的缸内压力信号的最大绝对值大于等于预定阈值，且存在正负双侧极大值，则定义这个周期内发生过爆震，这段周期内的经过步骤(7)得到的爆震传感器频域信号被贴上标签1。如果该爆震检测窗口内的通过高通滤波器后的缸内压力信号的最大绝对值小于预定阈值，则定义这个周期内没有发生过爆震，这段周期内的经过步骤(7)得到的爆震传感器频域信号被贴上标签0。
(10)将步骤(9)得到的贴过标签的爆震传感器频域信号，该信号生成时的实验条件数据，如发动机转速，发动机负载，发动机半径，组成一条数据样本，即{xi(5),xi(5.2),xi(5.4),…,xi(25),speed,load,radius,label},其中xi(5),xi(5.2),xi(5.4),…,xi(25)表示经过步骤(7)得到的第i个周期的5kHz到25kHz的爆震传感器信号，speed表示该爆震信号时的发动机转速，load表示该爆震信号时发动机的负载，radius表示该发动机气缸半径，label表示经过步骤(9)得到的标签0或1。
(11)为平衡正负样本数量而插入虚拟数据样本。原始的数据情况下，爆震数据样本为少数类样本，非爆震数据样本为多数类样本。少数类样本和多数类样本的比例为超过1：20，为了不影响分类器的分类效果，对于少数类样本进行插值。对于任意少数类样本集内的单个样本Si，找到向量空间(将每个数据样本视为一个向量)中K个与该样本邻近的样本Sj，j＝0,1,2,…,K，计算两两之间的距离||Si-Sj||，在距离的中点处找到一个虚拟数据样本，如果该位置上原本存在一个属于多数类样本集的样本(即非爆震数据样本)，则不插入该虚拟数据样本。如果该位置上原本不存在属于多数类样本集的样本，则插入该样本。
(12)将经过步骤(11)得到的虚拟数据样本和原始的数据样本输入已决策树为分类方法的分类器中，在分类过程中计算GINI值，如果没有插入虚拟数据样本前原始的数据样本的GINI值大于插入样本后的GINI值，则保留该虚拟数据样本，否则，删除该虚拟数据样本。
(13)重复步骤(11)和步骤(12)，直到少数类样本的每个点都遍历完毕且插值完毕。
(14)经步骤(13)得到的包括虚拟数据样本和原始的数据样本输入到决策树分类器中，得到爆震/非爆震的分类结果。
如上所述，本发明提供了一种基于决策树的发动机爆震检测技术。通过收集之前实验环境下不同转速，不同工况下不同发动机的爆震实验数据(即样本数据)，例如点火角，曲柄角，压力传感器信号，爆震传感器信号，同时加入宏观上影响发动机爆震的其他因子，如发动机的缸半径，点火前置角，温度湿度等外部环境数据，运用机器学习中决策树的方法，对上述数据进行训练后得到爆震分类模型，可得到是否发生爆震的输出，例如，得到0不是爆震，1检测为爆震的输出。该爆震分类模型适用于不同发动机，不同转速，不同工况下的检测。该发明的优点在于，通过历史数据训练出模型，可运用到更多不同信号的发动机上，减少生产过程中的工序，减少实验的次数，降低成本。且测试数据仅用到爆震传感器的数据，不需要压力传感器的数据，实际生产环境下不需要在缸内安装昂贵的压力传感器。
需要说明的是，本发明各设备实施方式中提到的各单元都是逻辑单元，在物理上，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现，这些逻辑单元本身的物理实现方式并不是最重要的，这些逻辑单元所实现的功能的组合才是解决本发明所提出的技术问题的关键。此外，为了突出本发明的创新部分，本发明上述各设备实施方式并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，这并不表明上述设备实施方式并不存在其它的单元。
需要说明的是，在本专利的权利要求和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (12)
1.一种基于决策树的发动机爆震检测方法，其特征在于，包括：
获取所述发动机的运转数据，所述运转数据包括所述发动机的型号、运转条件、在预定周期内以所述运转条件运转时各气缸的爆震传感器信号；
将所述发动机的运转数据输入爆震分类模型中，以确定所述发动机的各气缸是否在所述预定周期内发生爆震，其中，所述爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，所述数据样本包括发动机型号、运转条件、在预定周期内以所述运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签，
通过以下方式生成所述爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据所述缸内压力信号，确定所述发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应所述多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
2.根据权利要求1所述的爆震检测方法，其特征在于，确定所述发动机在每个预定周期内是否发生爆震包括：
根据所述气缸在所述预定周期内的点火时刻和缸内压力信号，预测所述气缸在预定周期内的爆震检测窗口；
对于在所述爆震检测窗口内的缸内压力信号，判断所述缸内压力信号的最大值的绝对值是否大于预定阈值；
如果所述判断结果为大于所述预定阈值，则判断在所述最大值的两侧是否存在极大值；
如果所述判断结果为存在极大值，则确定所述气缸在所述预定周期内发生爆震；
其中，在整个所述预定周期内，所述气缸在爆震检测窗口内发生爆震的概率最大。
3.根据权利要求2所述的爆震检测方法，其特征在于，预测所述气缸在预定周期内的爆震检测窗口包括：
寻找各气缸在发动机活塞的上止点附近的点火信号；
如果所述气缸的缸内压力信号在所述点火信号表示的时间之后是递增的，则定义点火角时间为所述爆震检测窗口的起始时间，并定义所述爆震检测窗口的时长。
4.根据权利要求3所述的爆震检测方法，其特征在于，所述爆震检测窗口的时长为1.5～2.6ms。
5.根据权利要求1所述的爆震检测方法，其特征在于，将对应所述多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型包括：
从所述多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于所述多个爆震数据样本，生成与所述爆震数据样本相似的虚拟爆震数据样本；
同时将所述虚拟爆震数据样本与所述多个数据样本输入决策树分类器中，生成爆震分类模型。
6.根据权利要求5所述的爆震检测方法，其特征在于，生成与所述多个爆震数据样本相似的包含发生爆震标签的虚拟爆震数据样本包括：
从所述多个爆震数据样本中选取一个爆震数据样本，并选取在向量空间中与该爆震数据样本邻近的多个爆震数据样本；
计算选取的所述爆震数据样本两两之间的中点；
如果计算出的所述中点对应的数据样本不与所述多个数据样本中任一个包含非爆震标签的数据样本相同，则将所述中点对应的数据样本与所述多个数据样本同时输入所述决策树分类器中计算基尼值；
判断计算出的所述基尼值是否小于仅将所述多个数据样本输入所述决策树分类器中计算出的基尼值；
如果所述判断的结果为小于，则将所述中点对应的数据样本作为虚拟爆震数据样本。
7.根据权利要求1至6中任一项所述的爆震检测方法，其特征在于，满足下列条件中的任一项：
在所述预定周期内所述发动机只进行一次点火；
所述爆震传感器信号为频域信号；
所述运转条件包括发动机转速、发动机负载和发动机气缸半径。
8.一种基于决策树的发动机爆震检测装置，其特征在于，包括：
获取单元，用于获取所述发动机的运转数据，所述运转数据包括所述发动机的型号、运转条件、在预定周期内以所述运转条件运转时各气缸的爆震传感器信号；
确定单元，用于将所述发动机的运转数据输入爆震分类模型中，以确定所述发动机的各气缸是否在所述预定周期内发生爆震，其中，所述爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，所述数据样本包括发动机型号、运转条件、在预定周期内以所述运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签，
所述爆震检测装置还包括：
生成单元，用于生成所述爆震分类模型：
并且，该生成单元包括：
采集子单元，用于采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
判断子单元，用于根据所述缸内压力信号，判断所述发动机在每个预定周期内是否发生爆震；
标签子单元，用于为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
输入子单元，用于将对应所述多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
9.根据权利要求8所述的爆震检测装置，其特征在于，所述输入子单元通过以下方式生成爆震分类模型：
从所述多个数据样本中选取包含爆震标签的多个爆震数据样本；
基于所述多个爆震数据样本，生成与所述爆震数据样本相似的虚拟爆震数据样本；
同时将所述虚拟爆震数据样本与所述多个数据样本输入决策树分类器中，生成爆震分类模型。
10.根据权利要求8至9中任一项所述的爆震检测装置，其特征在于，满足下列条件中的任一项：
在所述预定周期内所述发动机只进行一次点火；
所述爆震传感器信号为频域信号；
所述运转条件包括发动机转速、发动机负载和发动机气缸半径。
11.一种基于决策树的发动机爆震检测设备，其特征在于，包括存储有计算机可执行指令的存储器和处理器，所述处理器被配置为执行所述指令以实施基于决策树的发动机爆震检测方法，所述基于决策树的发动机爆震检测方法包括：
获取所述发动机的运转数据，所述运转数据包括所述发动机的型号、运转条件、在预定周期内以所述运转条件运转时各气缸的爆震传感器信号；
将所述发动机的运转数据输入爆震分类模型中，以确定所述发动机的各气缸是否在所述预定周期内发生爆震，其中，所述爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，所述数据样本包括发动机型号、运转条件、在预定周期内以所述运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签，
通过以下方式生成所述爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据所述缸内压力信号，确定所述发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应所述多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
12.一种使用计算机程序编码的非易失性计算机存储介质，其特征在于，所述计算机程序包括指令，当所述指令被一个以上的计算机执行时，所述指令使得所述一个以上的计算机执行操作，所述操作包括：
获取发动机的运转数据，所述运转数据包括所述发动机的型号、运转条件、在预定周期内以所述运转条件运转时各气缸的爆震传感器信号；
将所述发动机的运转数据输入爆震分类模型中，以确定所述发动机的各气缸是否在所述预定周期内发生爆震，其中，所述爆震分类模型是将多种型号的发动机的多个数据样本输入决策树分类器中得到的；
其中，所述数据样本包括发动机型号、运转条件、在预定周期内以所述运转条件运转时气缸的爆震传感器信号和表示是否在该预定周期内发生爆震的标签，
所述操作通过以下方式生成所述爆震分类模型：
采集多种型号的发动机在多个运转条件下的多个预定周期内的缸内压力信号和爆震传感器信号；
根据所述缸内压力信号，确定所述发动机在每个预定周期内是否发生爆震；
为发生爆震的预定周期生成爆震标签，并为未发生爆震的预定周期生成非爆震标签；
将对应所述多个预定周期的多个数据样本输入决策树分类器中，生成爆震分类模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810455187.2A CN110487478B (zh) | 2018-05-14 | 2018-05-14 | 基于决策树的发动机爆震检测方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810455187.2A CN110487478B (zh) | 2018-05-14 | 2018-05-14 | 基于决策树的发动机爆震检测方法、装置、设备及其存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110487478A CN110487478A (zh) | 2019-11-22 |
| CN110487478B true CN110487478B (zh) | 2022-06-17 |
Family
ID=68543832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810455187.2A Expired - Fee Related CN110487478B (zh) | 2018-05-14 | 2018-05-14 | 基于决策树的发动机爆震检测方法、装置、设备及其存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110487478B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112504689B (zh) * | 2020-12-21 | 2023-03-21 | 潍柴动力股份有限公司 | 发动机爆震检测方法、装置、设备及存储介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4549920B2 (ja) * | 2005-04-27 | 2010-09-22 | トヨタ自動車株式会社 | 内燃機関のノッキング判定装置 |
| JP5198340B2 (ja) * | 2009-03-31 | 2013-05-15 | 本田技研工業株式会社 | エンジンのノック制御装置 |
| DE102013221993A1 (de) * | 2013-10-29 | 2015-04-30 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Erkennung eines Klopfens einer Brennkraftmaschine, vorzugsweise eines Benzinmotors |
| CN106321318B (zh) * | 2016-08-18 | 2019-02-19 | 河南职业技术学院 | 一种汽车发动机启动控制系统及控制方法 |
| CN106768613A (zh) * | 2016-12-08 | 2017-05-31 | 广西玉柴机器股份有限公司 | 发动机爆震的测量装置 |
-
2018
- 2018-05-14 CN CN201810455187.2A patent/CN110487478B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN110487478A (zh) | 2019-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10605188B2 (en) | Control device, control method, and control program | |
| CN101910596B (zh) | 内燃机的爆震检测装置 | |
| CN102165172B (zh) | 频率成分分析装置 | |
| CN105264204A (zh) | 用于内燃机的失火检测系统 | |
| CN101111752A (zh) | 用于发动机的爆震确定装置和方法 | |
| EP1918688A1 (en) | Misfire detecting apparatus for internal combustion engine | |
| JP6312618B2 (ja) | 内燃機関の制御装置及び異常燃焼検出方法 | |
| CN101627295B (zh) | 基于气缸压力的自调整放热计算 | |
| CN107110056B (zh) | 爆燃检测装置 | |
| CN102301120B (zh) | 频率成分分析装置 | |
| CN102003298A (zh) | 一种用于发动机控制的燃烧信息实时反馈装置及方法 | |
| CN103256166B (zh) | 内燃机的爆震控制装置 | |
| CN110487478B (zh) | 基于决策树的发动机爆震检测方法、装置、设备及其存储介质 | |
| US11226264B2 (en) | Method for the diagnosis of engine misfires in an internal combustion engine | |
| CN112443415B (zh) | 内燃机的状态判定装置、内燃机的状态判定系统、数据解析装置和内燃机的控制装置 | |
| CN104295380A (zh) | 用于cng/汽油两用燃料发动机的控制系统 | |
| CN101776032B (zh) | 发动机爆震控制装置及发动机爆震控制方法 | |
| CN105606367A (zh) | 一种发动机稳态工况失火检测及自适应判定方法和装置 | |
| CN112668419A (zh) | 一种基于振动信号的发动机排放物预测方法 | |
| CN111566338B (zh) | 用于协调发动机气缸中的爆震的系统和方法 | |
| US9322382B2 (en) | Method for detecting detonation phenomena in an internal combustion engine | |
| CN114962031B (zh) | 内燃机进气系统管路结焦的检测方法及其系统、车辆 | |
| CN112504689B (zh) | 发动机爆震检测方法、装置、设备及存储介质 | |
| CN112334751A (zh) | 用于判定与内燃机中的气缸的失火判定有关的可靠性的方法和控制装置 | |
| CN112065595B (zh) | 一种基于离子电流的天然气发动机燃烧循环控制装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220617 |