CN112431681A - 使用神经网络的燃料喷射控制 - Google Patents

使用神经网络的燃料喷射控制 Download PDF

Info

Publication number
CN112431681A
CN112431681A CN202010825226.0A CN202010825226A CN112431681A CN 112431681 A CN112431681 A CN 112431681A CN 202010825226 A CN202010825226 A CN 202010825226A CN 112431681 A CN112431681 A CN 112431681A
Authority
CN
China
Prior art keywords
fuel
engine
output
neural network
fuel injector
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
CN202010825226.0A
Other languages
English (en)
Inventor
S·沙博内尔
G·阿姆斯特朗
A·克里希纳穆尔蒂高普兰
J·乌尔斯塔德
K·内卢特拉
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.)
Caterpillar Inc
Original Assignee
Caterpillar Inc
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 Caterpillar Inc filed Critical Caterpillar Inc
Publication of CN112431681A publication Critical patent/CN112431681A/zh
Pending legal-status Critical Current

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
    • F02D41/02—Circuit arrangements for generating control signals
    • 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
    • F02D41/1405—Neural network control
    • 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]
    • F02D41/005—Controlling exhaust gas recirculation [EGR] according to engine operating conditions
    • F02D41/0052—Feedback control of engine parameters, e.g. for control of air/fuel ratio or intake air amount
    • 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
    • F02D41/008—Controlling each cylinder individually
    • F02D41/0085—Balancing of cylinder outputs, e.g. speed, torque or 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
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2451—Methods of calibrating or learning characterised by what is learned or calibrated
    • F02D41/2464—Characteristics of actuators
    • F02D41/2467—Characteristics of actuators for injectors
    • 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
    • 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
    • F02D41/38—Controlling fuel injection of the high pressure type
    • 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
    • F02D41/38—Controlling fuel injection of the high pressure type
    • F02D41/40—Controlling fuel injection of the high pressure type with means for controlling injection timing or duration
    • F02D41/401—Controlling injection timing
    • 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
    • F02D2041/224—Diagnosis of the fuel system
    • 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
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0602—Fuel 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
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0614—Actual fuel mass or fuel injection amount
    • F02D2200/0616—Actual fuel mass or fuel injection amount determined by estimation
    • 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
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/101—Engine speed
    • 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)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)

Abstract

公开了一种燃料喷射器控制器。所述燃料喷射器控制器可以确定发动机的成组参数的相应值；使用神经网络处理所述相应值来确定燃料喷射器的目标燃料输出，其中所述神经网络被配置成基于作为神经网络的输入层的成组参数来确定目标燃料输出；基于神经网络的输出确定目标燃料输出；以及将所确定的目标燃料输出提供给所述燃料喷射器，以允许所述燃料喷射器根据所述目标燃料输出喷射燃料。

Description

使用神经网络的燃料喷射控制
技术领域
本发明总体上涉及燃料喷射器，并且例如涉及燃料喷射器的控制。
背景技术
燃料喷射器配置成将燃料喷射到发动机的气缸中。可以使用发动机的发动机控制模块来控制喷射到发动机中的燃料量(或量)。发动机控制模块可基于发动机的运行条件、操作员输入等确定期望的燃料量(期望的燃料输出)。然而，随着时间和/或在不同时间，燃料喷射器和/或发动机的特性可能改变(例如，取决于使用、磨损、机械故障、校准设置和/或类似情况)，从而影响来自燃料喷射器的实际燃料输出，同时可以相对地保持用于确定期望的燃料输出的参数。因此，用于控制燃料输出的先前技术可能不能准确地使燃料喷射器喷射对应于期望的燃料输出的燃料量。
在2019年2月5日授予Merlino等人的美国专利第10,196,997号(’997专利)中公开了一种发动机控制的尝试。具体地，’997专利公开了一种发动机控制单元，该发动机控制单元包括神经网络控制器，该神经网络控制器安装有神经网络以基于扭矩请求产生燃料设定点信号并且限定发动机的燃烧模型。该神经网络产生指示开始时间的喷射开始信号，在该开始时间使得燃料喷射器喷射燃料以产生由扭矩请求指示的驱动扭矩。
虽然’997专利的发动机控制单元可以使用神经网络产生用于燃料喷射器的喷射开始信号，但是’997专利没有解决期望的燃料输出和实际燃料输出之间的潜在不准确性。
本发明的燃料喷射器控制器解决了上述问题中的一个或多个和/或本领域中的其他问题。
发明内容
根据一些实现方式，一种方法可以包括基于成组参数提供神经网络以提供用于运行中的发动机的燃料喷射器的目标燃料输出，其中该目标燃料输出将在该燃料喷射器的期望的燃料输出的阈值范围内；确定该燃料喷射器的期望的燃料输出；接收该成组参数的相应值，其中该成组参数与该发动机的成组部件和该期望的燃料输出相关联；基于该相应值和该神经网络确定该目标燃料输出；以及配置该燃料喷射器以根据该目标燃料输出喷射燃料。
根据一些实现方式，发动机控制模块可以包括一个或多个存储器，以及通信地耦合到该一个或多个存储器的一个或多个处理器，配置成：基于成组参数来配置神经网络以提供用于发动机的燃料喷射器的目标燃料输出；在发动机运行时确定发动机的该成组参数的相应值，其中该成组参数包括：期望的燃料输出、与发动机相关联的瞬时发动机速度、燃料喷射器的燃料喷射开始时的压力、以及与燃料喷射器的燃料喷射相关联的正时；使用该神经网络处理该相应值来确定该目标燃料输出；以及使该燃料喷射器根据所确定的目标燃料输出喷射燃料。
根据一些实现方式，系统可以包括发动机；将燃料喷射到发动机的一个或多个气缸中的燃料喷射器；以及发动机控制模块，该发动机控制模块配置成在该发动机运行时：确定该发动机的成组参数的相应值，使用神经网络处理该相应值来确定该燃料喷射器的目标燃料输出，其中该神经网络被配置成基于作为该神经网络的输入层的该成组参数来确定该目标燃料输出；基于该神经网络的输出确定目标燃料输出；以及将所确定的目标燃料输出提供给该燃料喷射器，以允许该燃料喷射器根据该目标燃料输出来喷射燃料。
附图说明
图1是本文描述的示例性动力系统的图。
图2是其中可以实现本文描述的系统和/或方法的示例性燃料控制系统的图。
图3是可以在图2的燃料控制系统中使用的神经网络的示例性实现的图。
图4是与使用神经网络的燃料喷射控制相关联的示例性过程的流程图。
具体实施方式
本发明涉及由使用神经网络的燃料喷射器控制器进行的燃料喷射控制(本文称为“燃料喷射神经网络”)。该燃料喷射神经网络对于使用这种燃料喷射器控制器和/或发动机控制模块来控制发动机的燃料喷射器的任何机器具有普遍适用性。术语“机器”可以指执行与诸如采矿、建筑、农业、运输或任何其他行业等行业相关联的操作的任何机器。作为一些示例，机器可以是车辆、反铲装载机、冷刨机、轮式装载机、压实机、伐木集束机、林业机械、传送机械、收割机、挖掘机、工业装载机、钳式装载机、材料处置器、自动平地机、铺管机、路料复拌机、滑移装载机、集材机、伸缩臂叉车、拖拉机、推土机、铲运机或其他地上设备、地下设备或海洋设备。
图1是本文描述的示例性动力系统100的图。如图所示，动力系统100包括发动机110，发动机110在本文中可描述为压燃式内燃机。然而，发动机110可包括任何其它类型的内燃机，例如火花、激光、等离子点火发动机等。发动机110可以以诸如馏出物柴油燃料、生物柴油、二甲醚的燃料，诸如氢气、天然气、丙烷、酒精、乙醇的气体燃料和/或它们的任何组合为燃料。
图1的发动机110包括具有多个气缸114的发动机缸体112(图1的发动机缸体112示出为具有六个气缸114)。活塞组件可以包括在每个气缸114内，在每个气缸114内形成燃烧室。发动机110可以包括任何数量的燃烧室，并且燃烧室可以设置成直列构型、“V”构型或任何其他合适的构型。此外，发动机110可在运行期间消耗一种或多种可消耗的资源(例如，燃料(例如，汽油、柴油燃料和/或类似物)、柴油排放流体、一种或多种冷却剂、一种或多种润滑剂(例如，油、油脂和/或类似物)和/或类似物)和/或类似物)(例如，由于发动机缸体中的燃烧而导致)。
发动机110可以包括多个系统。例如，如图1的示例所示，发动机110可以包括进气或进气系统116、排气系统118和排气再循环系统120。进气系统116可以被配置成将空气、或空气和燃料的混合物(例如，空气和诸如排气的另一种气体的混合物)引导到发动机110中以用于随后的燃烧。排气系统118可将燃烧的副产品排出或释放到发动机110外部的大气中。排气再循环系统120的再循环回路可以被配置成用于将来自排气系统118的排气的一部分引导回进气系统116中，用于随后的燃烧。
进气系统116可包括协作以调节压缩空气并将压缩空气引入气缸114的多个部件。例如，进气系统116可以包括位于一个或多个压缩机124下游的混合器122或进气歧管。进气系统116将空气供给到与各个气缸114相关联的燃料喷射器126。在一些实现方式中，进气系统116可以包括节流阀(将燃料供应到燃料喷射器126)、空气冷却器、过滤部件、压缩机旁路部件和/或类似物。燃料喷射器126可基于一个或多个控制信号将燃料喷射到气缸114中。一个或多个控制信号可配置成使燃料喷射器126喷射期望量(或体积)的燃料、在特定时间喷射燃料和/或类似情况。如本文所述，可基于发动机110的一个或多个参数控制燃料喷射器126以将燃料喷射到气缸114中。例如，燃料喷射器126可被控制成使用神经网络来喷射燃料，该神经网络接收一个或多个参数的值并向燃料喷射器126提供目标燃料输出。如本文描述的，该一个或多个参数可以是与进气系统116相关联的可控参数。例如，该一个或多个参数可以对应于当空气进入燃烧室时的空气的压力水平(例如，压缩机124的设定)、当空气进入燃烧室时的空气的正时(例如，气缸114的燃料喷射器的阀致动器的打开正时和/或关闭正时)、优化的进气节气阀位置(例如，进气系统116的进气节气阀的位置)，和/或类似物。
排气系统118可以包括协作以调节排气并将排气从气缸114引导至大气的多个部件。例如，排气系统118可包括排气通道128、由流过排气通道128的排气驱动的一个或多个涡轮130、诸如位于涡轮130下游的柴油颗粒过滤器的颗粒收集装置132、以及流体连接在颗粒收集装置132下游的排气后处理装置134(例如，后处理选择性催化还原)。在一些实现方式中，排气系统118可以包括一个或多个旁路部件、排气压缩或限制制动器、衰减装置、附加的排气处理装置和/或类似物。
涡轮机130可以被定位成接收离开发动机110的排气并且可以经由共用轴136连接到进气系统116的一个或多个压缩机124以形成涡轮增压器。当离开发动机110的排气流过涡轮机130并且抵靠其叶片膨胀时，涡轮机130可以旋转并且驱动一个或多个压缩机124以对进入的空气加压。
在一些实现方式中，颗粒收集装置132可以是柴油颗粒过滤器，其位于涡轮机130的下游以从发动机110的排气流中去除颗粒物质。在一些实施方式中，颗粒收集装置132可包括导电或非导电粗网金属或多孔陶瓷蜂窝介质。当排气流过介质时，颗粒可被介质阻挡并捕集在介质中。随着时间的推移，颗粒可能在介质内堆积，并且如果不考虑，可能通过增加排气背压而影响发动机性能。为了使对发动机性能的背压影响最小化，可以通过再生过程被动地和/或主动地去除所收集的颗粒。
排气后处理装置134可以接收来自涡轮机130的排气并且捕集或转化气流中的特定成分。在一个示例中，排气后处理装置134可体现为具有位于还原剂喷射器下游的催化剂基底的选择性催化还原装置。气态或液态还原剂，最常见的是尿素、或水和尿素的混合物，可以通过还原剂喷射器喷射或以其它方式推进到催化剂基底上游的排气中。当还原剂被吸附到催化剂基底表面时，还原剂可与排气中的NOx(NO和NO2)反应形成水(H2O)和元素氮(N2)。在一些实施例中，水解催化剂可以与催化剂基底缔合以促进尿素均匀分布和转化成氨(NH3)。
在一些实现方式中，如本文所述，可以控制燃料喷射器126以根据与排气系统118相关联的一个或多个参数喷射燃料。例如，该一个或多个参数可以对应于排气系统118的排气背压阀的位置、通过颗粒收集装置132的质量流(例如，其可以基于经由颗粒收集装置132的主动再生和/或被动再生)、排气的压力(例如，其可以基于来自涡轮机130下游的排气中的温度和/或压力)，和/或类似物。
排气再循环系统120可以将来自排气系统118的气体重新引导回到进气系统116中用于随后的燃烧。排气再循环是一种过程，由此来自发动机的排气再循环回到进气系统116中，用于随后的燃烧。这些再循环的排气可以降低这些燃烧室内的氧浓度，并且同时降低其中的最大燃烧温度。降低的氧水平可以为与存在的氮发生化学反应提供较少的机会，并且较低的温度可以减慢导致NOx形成的化学过程。如上所述，可以包括冷却器以在气体燃烧之前冷却排气。
当在涡轮增压柴油发动机中使用排气再循环时，如图1所示，待再循环的排气可以在与涡轮增压器相关联的排气驱动的涡轮机130的上游被去除。例如，在许多排气再循环应用中，排气可以从排气通道128分流并且经由排气再循环导管138分流到进气系统116。同样地，再循环的排气可以再引入到压缩机124下游的进气系统116。在一些实现方式中，排气再循环系统120可以是外部排气再循环系统和/或可以包括用于实现本文描述的方法的各种特征，例如用于允许发动机控制模块140在选定的发动机运行条件期间控制通过排气再循环系统的各种流的主控制阀和旁通阀的系统。
如本文所描述的，可以使用与排气再循环系统120相关联的一个或多个参数来控制燃料喷射器126喷射燃料。例如，该一个或多个参数可以包括通过排气再循环系统120的排气的质量流量(例如，基于排气再循环旁通阀的位置，该排气再循环旁通阀连接到排气再循环导管138)。
在一些实例中，可以根据优化过程来控制发动机110，该优化过程可以被校准(例如，配置成)根据校准信息进行优化。校准信息可以识别与运行发动机110相关联的一个或多个运行特性。优化过程可以迭代地执行以确定与发动机的一个或多个参数相关联的优化值，从而允许优化发动机110的运行特性。这样的运行特性可以包括与发动机110相关联的预期寿命和/或使用率、与发动机110相关联的性能特性、或者与运行发动机110相关联的成本(例如，与用于运行动力系统的可消耗资源相关联的财务成本、与运行机器和/或维护机器相关联的时间成本，和/或类似物)。
图1的发动机110与发动机控制模块140相关联。如本文所述，发动机控制模块140控制发动机110，以便基于由传感器系统142指示的发动机运行条件和/或由校准系统144指示的校准信息来操作发动机110。发动机控制模块140可执行各种控制功能和过程以控制发动机110并根据发动机110的参数确定燃料喷射器126的目标燃料输出。发动机控制模块140可包括配置成执行发动机控制功能以使得发动机110可适当地操作的任何适当类型的发动机控制系统。此外，发动机控制模块140还可控制与发动机110相关联的车辆或机器的另一系统，例如传动系统、液压系统，和/或类似系统。
传感器系统142可以提供与由发动机控制模块140用来控制发动机110和/或确定燃料喷射器126的目标燃料输出的各种参数相关联的测量值。传感器系统142可以包括物理传感器和/或基于计算模型和/或一个或多个测量值产生参数值的任何适当类型的控制系统。示例性传感器可以包括温度传感器、速度传感器、化学成分传感器(例如，NOx排放传感器)、压力传感器和/或类似传感器。参数还可以包括可以由传感器间接测量和/或基于传感器的读数计算的任何输出参数。如本文使用的，这些参数的测量可以指与这些参数相关并且指示发动机110的状态或状况的任何值。例如，测量值可以包括与发动机110相关联的值、与发动机110相关联的机器、发动机110的环境和/或类似物。这样的值可以对应于速度(例如，发动机110的发动机速度)、压力(例如，燃料喷射器126中的一个的喷射压力)、温度、使用、使用率、环境条件、燃料率和/或类似物。
传感器系统142可以被配置成与发动机控制模块140一致，可以被配置成单独的控制系统，和/或可以被配置成其他控制系统的一部分。此外，发动机控制模块140可以通过使用计算机软件、硬件或者软件和硬件的组合来实现传感器系统142。例如，发动机控制模块140可执行指令以使传感器系统142的传感器基于确定来自燃料喷射器126的目标燃料输出的需要、优化模型和/或类似情况而感测和/或生成参数值。
校准系统144可以提供与优化发动机110的一个或多个运行特性相关联的校准信息。因此，发动机控制模块140可使用校准信息来控制发动机110和/或确定发动机110的优化设置。校准系统144可以包括确定和/或提供校准信息的一个或多个校准装置。如这里所使用的，校准信息可以包括用户偏好(例如，经由用户输入接收)、与一个或多个运行特性相关联的一个或多个变量和/或类似物。示例性校准装置可以包括用户装置、用户装置的用户接口、用户接口工具(例如，外部工具、机载诊断工具和/或类似物)、校准信息平台(例如，提供校准信息的基于网络的平台)和/或类似物。待优化的运行特性可以包括与发动机110相关联的使用率、与发动机110相关联的性能特性、与运行发动机110相关联的成本和/或类似物中的一个或多个。
校准系统144可以被配置成与发动机控制模块140一致，可以被配置成单独的控制系统，和/或可以被配置成其他控制系统的一部分。此外，发动机控制模块140可通过使用计算机软件、硬件或软件和硬件的组合来至少部分地实现校准系统144。例如，发动机控制模块140可执行指令以使校准系统144的校准装置基于优化模型和/或其它参数获得校准信息。
发动机控制模块140可以识别、获得和/或确定与对应于发动机110的运行条件(例如，由传感器系统142感测的)或设置相关联的参数，例如发动机速度和/或期望的燃料输出(例如，对应于将由燃料喷射器126喷射到发动机110的气缸114中的实际燃料率或实际燃料量)。此外，如本文所述，发动机控制模块140可识别、获得和/或确定与燃料喷射器126相关联的参数，例如，喷射正时(例如，对应于气缸114的活塞组件的位置的喷射开始)、燃料喷射压力(例如，对应于与燃料喷射器126的燃料喷射开始相关联的压力的喷射开始压力)。发动机控制模块140可使用一个或多个其他参数来控制本文描述的与发动机110和/或燃料喷射器相关的一个或多个操作，例如由发动机输送的扭矩、排气压力、气缸114的点火数量、氧/燃料摩尔比、环境温度、环境压力(例如，大气压)、通过颗粒收集装置132的质量流量、排气背压阀位置、喷射配置(例如，对应于每次旋转的喷射数量的喷射模式、每次喷射的燃料量、喷射之间的持续时间和/或类似物)、冷却剂温度、在多喷射模式中的总进气质量流量、在多喷射模式中的停顿(例如，喷射之间的时间长度)，和/或类似物。这些参数可以由传感器系统142的传感器测量和/或由发动机控制模块140确定。
如上所述，图1是作为示例提供的。其它示例可以不同于结合图1所描述的。
图2是其中可以实现本文描述的系统和/或方法的示例性燃料控制系统200的图。如图2所示，燃料控制系统200可包括一个或多个燃料喷射器210(分别称为“燃料喷射器210”和统称为“燃料喷射器210”，并且其可对应于图1的燃料喷射器126)、一个或多个传感器220(分别称为“传感器220”和统称为“传感器220”)、操作员控制装置230、燃料喷射器控制器240(其可对应于图1中的发动机控制模块140)。如图2所示，燃料喷射器控制器240可包括处理器242、存储器244、燃料控制神经网络246和燃料喷射控制模块248。
如本文所述，燃料喷射器控制器240可配置成根据一个或多个参数并使用燃料控制神经网络246来控制燃料喷射器210喷射燃料以操作发动机(例如图1的发动机110)。如本文所述，燃料喷射器控制器240可确定用于特定燃料喷射器210的目标燃料输出，所述目标燃料输出考虑燃料喷射器210的任何缺陷和/或不准确度，使得由燃料喷射器210喷射的燃料量更准确地对应于发动机的期望的燃料输出。燃料量可对应于每一次喷射的燃料量(或体积)、发动机的活塞组件的每旋转的燃料量、发动机的每发动机循环的燃料量，和/或类似物。如本文使用的，可以使用神经网络来确定燃料喷射器的目标燃料输出，而可以使用任何合适的技术来期望发动机的期望的燃料输出。燃料控制系统200的装置和/或部件可以经由有线连接、无线连接或有线和无线连接的组合而互连。
燃料喷射器210可包括由燃料喷射器控制器240使用以将燃料喷射到发动机的气缸(例如，气缸114)中的一个或多个装置(例如，机械装置、电气装置、机电装置、液压装置和/或类似物)。例如，燃料喷射器210可包括一个或多个致动器、阀、开关、室、喷嘴和/或类似物，以根据从燃料喷射器控制器240接收的目标燃料输出在特定时间将一定体积的燃料喷射到气缸中。因此，燃料喷射器210可根据从燃料喷射器控制器240接收的控制信号来操作。燃料喷射器210可与燃料喷射器控制器240用来控制如本文所述的燃料喷射的一个或多个参数相关联。例如，一个或多个参数的值可以对应于燃料喷射器210的设置、与燃料喷射器210相关联的测量、燃料喷射器210的使用，和/或类似物。这样的设置、测量、使用，和/或类似物可以对应于与燃料喷射器210喷射器喷射燃料相关联的正时(例如，期望的正时和/或测量的/实际的正时)、燃料喷射器210喷射时的燃料压力(例如，对于期望的燃料输出的期望压力和/或用于期望的燃料输出的测量的/实际的压力)、燃料喷射器210的总体操作时间、燃料喷射器210的总体年龄、由燃料喷射器210喷射的燃料的总量，和/或类似物。
类似地，燃料控制系统200可包括一个或多个控制装置，燃料喷射器控制器240可使用所述一个或多个控制装置来控制发动机的一个或多个其他操作。例如，该一个或多个控制装置可以包括一个或多个致动器、开关，和/或类似物，这些致动器、开关，和/或类似物能够打开和/或关闭该发动机的阀，(例如，使用风扇、冷却系统和/或类似物)调节该发动机的温度，(例如，通过控制供应到发动机的部件的空气或气体的量)调节发动机的压力，和/或类似物。此外，这种控制装置可与燃料喷射器控制器240用来控制燃料喷射的一个或多个参数相关联，如本文所述。
传感器220可以包括被配置成测量发动机的运行条件的任何类型的传感器。传感器220可以是图1的传感器系统142的传感器，如本文所述。例如，传感器220可以包括温度传感器(例如，用于测量空气、排气、部件、冷却剂和/或类似物的温度)、位置传感器(例如，用于测量阀、致动器、发动机和/或类似物的位置，例如当燃料对应于燃料喷射器210的喷射开始而喷射时活塞组件的曲轴的位置)、速度传感器(例如，用于测量发动机速度、机器速度和/或类似物)、压力传感器(例如，用于测量燃料喷射压力，例如，燃料喷射器210的喷射开始压力)、排放传感器(例如，用于测量发动机的排放水平)和/或类似物。
如本文所述，传感器220可与燃料喷射器控制器240可用于控制燃料喷射的一个或多个参数(例如，运行参数)相关联。例如，传感器220可以指示发动机的运行参数的值，例如由速度传感器测量的发动机速度、由压力传感器测量的喷射开始压力、由位置传感器测量的喷射开始、由位置传感器测量的致动器位置、由温度传感器测量的温度、由排放传感器测量的排放，和/或类似物。
操作员控制装置230可包括配置成允许操作员经由燃料喷射器控制器240控制发动机的操作和/或性能的任何类型的装置、系统和/或平台。例如，操作员控制装置230可包括操作员站(例如，与发动机相关联的机器的操作员站)的控制台、用户装置、用户装置的用户接口、配置成与燃料喷射器控制器240通信的用户接口工具，和/或类似物。在一些实现方式中，操作员控制装置230可以被配置成使得能够向燃料喷射器控制器240提供用于发动机的校准信息。例如，操作员控制装置230可以是和/或可以包括如本文所述的图1的校准系统144的一个或多个校准装置。因此，操作员可以经由操作员控制装置230控制和/或校准发动机。
燃料喷射器控制器240可对应于图1的发动机控制模块140和/或为图1的发动机控制模块140的模块。处理器242以硬件、固件和/或硬件和软件的组合来实现。处理器242是中央处理单元、图形处理单元、加速处理单元、微处理器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路或其他类型的处理部件。处理器242包括能够被编程以执行功能的一个或多个处理器。存储器244包括随机存取存储器、只读存储器和/或其他类型的动态或静态存储装置(例如闪存、磁存储器和/或光存储器)，其存储用于由处理器242使用的指令和/或对应数据(例如与燃料控制神经网络246、燃料喷射控制模块248，和/或类似物相关联的计算机软件指令)。
如本文所述，燃料喷射器控制器240可使用燃料控制神经网络246来根据成组参数确定要提供给一个或多个燃料喷射器210的目标燃料输出。燃料控制神经网络246可以被配置成提供目标燃料输出，该目标燃料输出在发动机的期望的燃料输出的阈值范围内(例如，2％、5％内，10％内，和/或类似物)。发动机的期望的燃料输出对应于将由一个或多个燃料喷射器210供应和/或输送至发动机的期望燃料量。该期望的燃料输出可以基于任何合适的技术来确定，以确定允许该发动机按设计运行的有待供应至该发动机的燃料量。例如，期望的燃料输出可以基于发动机的瞬时发动机速度(例如，当燃料控制神经网络246确定用于燃料喷射器210的目标燃料输出时，测量的发动机运行的速度)和所确定的发动机的期望发动机速度来确定。更具体地，期望的发动机输出可以对应于将由燃料喷射器210输送的燃料量，而不考虑燃料喷射器210的任何状态。发动机控制模块140可配置成基于使用发动机的瞬时发动机速度和所确定的发动机的期望发动机速度的映射、计算，和/或类似物来确定期望的燃料输出(将由燃料喷射器210输送的燃料量)。可以基于来自操作员控制装置230(例如，指示发动机的期望功率输出、发动机的负载和/或发动机的机器、变速器设置，和/或类似物的用户输入)和/或传感器220(例如，能够检测发动机的负载，和/或类似物的负载传感器)的信息来确定(例如，通过发动机控制模块140)发动机的期望发动机速度。
由于燃料喷射器210不能根据期望的输出随时间提供燃料(例如，由于燃料喷射器210的磨损和破裂、发动机的磨损和破裂、发动机的校准设置的变化，和/或类似物)，由燃料喷射器210输送的燃料的实际量可能不对应于期望的燃料输出。换言之，由燃料喷射器210喷射到发动机的气缸中的燃料的实际量可以与发动机根据需要运行所需要的量不同。因此，如本文所述，燃料喷射器控制器240可使用燃料控制神经网络246来确定特定于燃料喷射器210的目标燃料输出，该目标燃料输出使得能够更准确地喷射对应于发动机的期望的燃料输出的燃料量。为了向燃料喷射器210提供在期望的燃料输出的阈值范围内的目标燃料输出，燃料控制神经网络246可以通过使用用于发动机的一个或多个参数的一个或多个训练值和/或待用于确定目标燃料输出的燃料喷射器210的特定参数进行训练来配置。该组参数的训练值可以对应于要由燃料控制神经网络246处理以确定燃料喷射器210的目标燃料输出的成组参数的各种值，以便准确地向发动机提供期望的燃料输出。该组参数的训练值可以是基于用于优化运行中的发动机的多个不同校准的值。
可以使用监督训练过程来训练燃料控制神经网络246，该监督训练过程包括向燃料控制神经网络246提供训练值。在这种情况下，训练值可以由主题专家生成和/或提供，和/或可以与操作一个或多个基准发动机(例如，对应于发动机110的发动机)、操作用于基准发动机的一个或多个基准燃料喷射器(例如，对应于燃料喷射器210的燃料喷射器)，和/或基准发动机的对应性能，和/或类似物相关联。在一些实现方式中，燃料控制神经网络246可以使用无监督训练过程来训练，该无监督训练过程涉及使用基准燃料喷射器自动监测多个基准发动机，在基准发动机和/或基准燃料喷射器的操作过程中确定该组参数的训练值，以及根据所述训练值(例如，相对于来自其他发动机的燃料喷射器的实际燃料输出)测量所述基准发动机和/或基准燃料喷射器的性能。另外，或可选地，燃料控制神经网络246可以使用人工神经网络处理技术(例如，使用双层前馈神经网络架构、三层前馈神经网络架构，和/或类似物)来训练，执行关于成组参数的值是否提供在基准燃料喷射器的期望的燃料输出的阈值范围内的基准燃料喷射器的目标燃料输出的模式的模式识别。
如本文所述，燃料控制神经网络246可确定使燃料喷射器210提供精确地对应于发动机的期望的燃料输出的燃料量的目标燃料输出。例如，燃料量可以对应于燃料喷射器210的每次喷射(例如，燃料的每次喷射)的燃料体积、发动机的曲轴的每次旋转的燃料体积，和/或类似物。此外，燃料控制神经网络246可以根据本文描述的一个或多个参数来确定目标燃料输出。作为具体示例，燃料控制神经网络246可以被配置成基于期望的燃料输出(例如，由发动机控制模块140确定)、发动机的瞬时发动机速度、燃料喷射器210的燃料喷射开始时的压力，和/或与燃料喷射器210的燃料喷射相关联的正时(相对于当燃料喷射器210喷射燃料时发动机的活塞组件的位置)来确定目标燃料输出。在一些情况下，燃料控制神经网络246可以被配置成用于燃料喷射器210的特定喷射配置。该喷射配置可以对应于每次喷射所喷射的燃料的设计体积、曲轴的每次旋转的喷射次数、喷射之间的时间，和/或类似物。另外地或可选地，燃料控制神经网络246可以使用燃料喷射器210的喷射配置作为用于确定目标燃料输出的成组参数组中的一组。
燃料喷射控制模块248配置成根据由燃料控制神经网络246提供的目标燃料输出与燃料喷射器210连通。例如，燃料喷射控制模块248可用作燃料控制神经网络246和燃料喷射器210之间的接口，将从燃料控制神经网络246输出的目标燃料转换成用于燃料喷射器210喷射与发动机的期望的燃料输出相对应的燃料量的指令。此外，燃料喷射控制模块248可配置成从多个神经网络(例如，基于燃料喷射器210的不同喷射构型而配置的多个神经网络)和/或供应燃料控制神经网络246中选择燃料控制神经网络246，其中供应燃料控制神经网络246用于确定燃料喷射器210的目标燃料输出。在一些实现方式中，燃料喷射控制模块248可以提供燃料控制神经网络246以基于一个或多个参数和/或接收的来自操作员控制装置230的一个或多个用户输入来确定用于发动机的目标燃料输出。这样，燃料喷射器控制器240可使用燃料控制神经网络246和/或燃料喷射控制模块248来向燃料喷射器210提供目标燃料输出和/或控制燃料喷射器210来喷射燃料以使燃料喷射器喷射与期望的燃料输出相对应的燃料量，如本文所述。
图2所示的装置和网络的数量和布置是作为示例提供的。实际上，与图2所示相比，可以存在额外的装置、更少的装置、不同的装置或不同布置的装置。此外，可以在单个装置内实现图2所示的两个或更多个装置，或者可以将图2所示的单个装置实现为多个分布式装置。另外地或可选地，燃料控制系统200的成组装置(例如，一个或多个装置)可以执行描述为由燃料控制系统200的另一组装置执行的一个或多个功能。
图3是可以在图2的燃料控制系统中使用的神经网络300的示例实现的图。图3的神经网络300可以对应于图2的燃料控制神经网络246。如图所示，神经网络300具有输入层310、一个或多个中间层320(本文中个别地称为“中间层320”且统称为“中间层320”)和输出层330。如本文所述，示例神经网络300可以接收成组参数的值作为到输入层310的输入，使用中间层320来处理该成组参数的值并选择目标燃料输出，并且经由神经网络300的输出层330提供所选择的燃料输出。例如，神经网络可以被配置成从中间层的节点的多个候选燃料输出中选择目标燃料输出。
在图3的示例中，输入层310接收期望的燃料、发动机速度、喷射开始压力和喷射开始作为神经网络300的输入。这些输入可以对应于当发动机处于运行中和/或燃料喷射器正在喷射燃料时的发动机(例如，发动机110)和/或燃料喷射器(例如，燃料喷射器210)的成组测量参数。神经网络300可以使用中间层(例如，隐藏层)来基于该成组参数确定目标燃料输出。例如，中间层可以包括一个或多个前馈层和/或一个或多个递归层以确定发动机的燃料喷射器(例如，图1的燃料喷射器126和/或图2的燃料喷射器210)的目标燃料输出。该一个或多个前馈层和/或递归层可以包括根据如本文描述的被训练而链接的多个耦合节点。以此方式，中间层320的节点之间的链路可对应于与将导致确定目标燃料输出的参数相关联的预测、分类和/或类似物，所述目标燃料输出在燃料喷射器和/或发动机的期望的燃料输出的阈值范围内(或在准确性的阈值水平内)。
如上所述，图3是作为示例提供的。其它示例可以不同于结合图3所描述的。
图4是与使用神经网络的燃料喷射控制相关联的示例过程400的流程图。在一些实现方式中，图4的一个或多个处理框可以由燃料喷射器控制器(例如，燃料喷射器控制器240)执行。在一些实现方式中，图4的一个或多个处理框可以由与燃料喷射器控制器分离或包括燃料喷射器控制器的另一装置或另一成组装置来执行，例如发动机控制模块(例如，发动机控制模块140)、燃料喷射器(例如，燃料喷射器210)、传感器(例如，传感器220)、操作员控制装置(例如，操作员控制装置230)，和/或类似物。
如图4所示，过程400可以包括确定发动机的成组参数的相应值(框410)。例如，如上所述，燃料喷射器控制器(例如，使用处理器242、存储器244、燃料控制神经网络246、燃料喷射控制模块248，和/或类似物)可以确定发动机的成组参数的相应值。
该组参数可以包括期望的燃料输出、与发动机相关联的测量的瞬时发动机速度、在燃料喷射器的燃料喷射开始时的测量的压力、与燃料喷射器的燃料喷射相关联的配置的正时、燃料喷射器的喷射配置，和/或类似物。该期望的燃料输出对应于有待由该燃料喷射器喷射的燃料量。
如图4进一步所示，过程400可以包括使用神经网络处理各个值来确定燃料喷射器的目标燃料输出，其中，神经网络被配置成基于作为神经网络的输入层的该组参数来确定目标燃料输出(框420)。例如，如上所述，燃料喷射器控制器(例如，使用处理器242、存储器244、燃料控制神经网络246、燃料喷射控制模块248，和/或类似物)可以使用神经网络处理各个值来确定燃料喷射器的目标燃料输出。在一些实现方式中，神经网络被配置成基于作为神经网络的输入层的该组参数来确定目标燃料输出。
可以通过将各个值输入到神经网络的输入层来处理各个值；使用神经网络的一个或多个前馈层或一个或多个递归层来选择目标燃料输出，并且经由神经网络的输出层提供目标燃料输出。该神经网络可以基于在接收该组参数的相应值之前使用该组参数的训练值来训练该神经网络来配置。
如图4进一步所示，过程400可以包括基于神经网络的输出来确定目标燃料输出(框430)。例如，如上所述，燃料喷射器控制器(例如，使用处理器242、存储器244、燃料控制神经网络246、燃料喷射控制模块248，和/或类似物)可以基于神经网络的输出来确定目标燃料输出。
如图4进一步所示，过程400可以包括将所确定的目标燃料输出提供给燃料喷射器以允许燃料喷射器根据目标燃料输出来喷射燃料(框440)。例如，如上所述，燃料喷射器控制器(例如，使用处理器242、存储器244、燃料控制神经网络246、燃料喷射控制模块248，和/或类似物)可以将所确定的目标燃料输出提供给燃料喷射器，以允许燃料喷射器根据目标燃料输出来喷射燃料。
该神经网络可以被配置成用于将该目标燃料输出提供为在该燃料喷射器的所希望的燃料输出的阈值范围内。
尽管图4示出了过程400的示例框，但是在一些实现方式中，过程400可以包括比图4所示的那些框更多的框、更少的框、不同的框或不同布置的框。另外，或可选地，可以并行执行过程400的两个或多个框。
工业实用性
来自发动机的一个或多个燃料喷射器的实际燃料输出(释放到发动机的一个或多个相应气缸中的燃料量)可以是用于发动机的特定特性(例如，发动机的性能、发动机的排放，和/或类似物)的限定参数。然而，来自一个或多个燃料喷射器的实际燃料输出可能不准确地对应于来自燃料喷射器的期望的燃料输出。例如，随着时间的推移，由于使用、磨损、机械故障，和/或类似物，燃料喷射器和/或发动机的特性可能改变，从而影响实际的燃料输出，同时可以相对地维持用于确定期望的燃料输出的过程和/或参数。因此，用于控制目标燃料输出的先前技术可能不能准确地使燃料喷射器喷射对应于期望的燃料输出的燃料量。
本文描述的一些实现方式提供了一种燃料喷射器控制器(例如，燃料喷射器控制器240)，该燃料喷射器控制器能够接收发动机(例如，发动机110)的成组参数的值，经由燃料控制神经网络(例如，燃料控制神经网络246)的成组层来处理该组参数的值，确定与该组参数相关联的发动机的目标燃料输出(例如，期望的燃料输出)，和/或使燃料喷射器(例如，燃料喷射器210)根据目标燃料输出喷射燃料。
以此方式，燃料喷射器控制器可以使用神经网络来提供目标燃料输出，该目标燃料输出在发动机的期望的燃料输出的准确度的阈值水平内(例如，不管对发动机的一个或多个参数的改变和/或更改、发动机的一个或多个部件的磨损和破损、发动机的年龄和/或使用、发动机的校准设置，和/或类似物)。换句话说，相对于先前技术，通过使用神经网络提供目标燃料输出，来自燃料喷射器的实际燃料输出可以更接近地对应于期望的燃料输出，如本文所述。这允许燃料喷射器控制器使燃料喷射器更快和更准确地喷射根据发动机的需要操作发动机和/或根据期望或设计操作发动机所需的燃料量，从而节省与操作发动机相关联的资源。这样的资源可以包括可消耗的资源(例如，燃料、润滑剂和/或类似物)、发动机的部件的硬件/材料资源、自然资源(例如，通过减少排放)，和/或类似物。
此外，使用神经网络，如本文描述的，通过启用动态确定目标燃料输出可以允许用于确定燃料输出的成组参数的量的更多变化和/或该组参数的值的更多变化，该动态确定的目标燃料输出相对于使用发动机速度、期望的发动机速度和/或其他各种参数的静态映射的先前技术，将与期望的燃料输出(例如，使用机器学习和/或人工智能)最接近地匹配或相关。因此，燃料喷射器控制器可提供相对于向燃料喷射器提供期望的燃料输出的先前技术更准确的动态目标燃料输出。这样，如本文所述，使用目标燃料输出的燃料喷射器可以喷射与先前使用的期望燃料输入相比与目标燃料输出更紧密相关的实际燃料量，从而改善发动机的性能。
如本文所用，冠词“一”和“一种”旨在包括一个或多个项，并且可与“一个或多个”互换使用。此外，如本文所使用的，术语“具有”、“有”、“其具有”，和/或类似物旨在是开放式术语。此外，短语“基于”旨在表示“至少部分地基于”。
前述公开内容提供了说明和描述，但并非旨在是穷尽性的或将实现方式限于所公开的精确形式。可以根据上述公开做出修改和变化，或者可以从实现方式的实践中获得修改和变化。本说明书旨在仅被认为是示例，本发明的真实范围由所附权利要求及其等同物指示。即使特征的特定组合在权利要求书中陈述和/或在说明书中公开，但这些组合并非旨在限制各种实施方案的公开内容。虽然下面列出的每个从属权利要求可以直接依赖于仅一个权利要求，但是各种实现方式的公开包括每个从属权利要求与权利要求组中的每个其他权利要求组合。

Claims (10)

1.一种系统的发动机控制模块，包括：
用于确定发动机的成组参数的相应值的工具；
用于使用神经网络处理所述相应值来确定燃料喷射器的目标燃料输出的工具，
其中，所述神经网络被配置成基于作为所述神经网络的输入层的所述成组参数来确定所述目标燃料输出；
用于基于所述神经网络的输出确定所述目标燃料输出的工具；和
用于将所确定的燃料输出提供给所述燃料喷射器以允许所述燃料喷射器根据所述目标燃料输出来喷射燃料的工具。
2.根据权利要求1所述的发动机控制模块，其中所述成组参数包括：
期望的燃料输出，
与所述发动机相关联的瞬时发动机速度，
在所述燃料喷射器的燃料喷射开始时的压力，以及
与所述燃料喷射器的所述燃料喷射相关联的正时。
3.根据权利要求1-2中的一项或多项所述的发动机控制模块，其中基于以下各项使用所述神经网络来处理所述相应值：
将所述相应值输入到所述神经网络的输入层中；
使用所述神经网络的一个或多个前馈层或一个或多个递归层来选择所述目标燃料输出；以及
经由所述神经网络的输出层提供所述目标燃料输出。
4.根据权利要求1-3中的一项或多项所述的发动机控制模块，其中基于在接收所述成组参数的所述相应值之前使用所述成组参数的训练值来训练所述神经网络来配置所述神经网络，并且
其中，所述神经网络被配置成提供所述燃料喷射器的所述期望的燃料输出的阈值范围内的所述目标燃料输出。
5.根据权利要求1-4中的一项或多项所述的发动机控制模块，其中基于所述发动机的瞬时发动机速度和所述发动机的期望发动机速度来确定所述期望的燃料输出。
6.根据权利要求1-5中的一项或多项所述的发动机控制模块，其中与所述燃料喷射器的燃料喷射开始相关联的所述压力基于来自监测所述燃料喷射器的压力传感器的测量值。
7.根据权利要求1-6中的一项或多项所述的发动机控制模块，其中与所述燃料喷射器的燃料喷射相关联的所述正时与由所述燃料喷射器喷射燃料的气缸的曲轴的位置相对应。
8.根据权利要求1-7中的一项或多项所述的发动机控制模块，其中所述神经网络与所述燃料喷射器的喷射构型相关联。
9.根据权利要求1-8中的一项或多项所述的系统，
其中所述系统包括：
所述发动机；
所述燃料喷射器；和
所述发动机控制模块。
10.一种方法，包括：
通过发动机控制模块并且基于成组参数来供应神经网络，以提供用于运行中的发动机的燃料喷射器的目标燃料输出，
其中，所述目标燃料输出将在所述燃料喷射器的期望的燃料输出的阈值范围内；
通过所述发动机控制模块确定所述燃料喷射器的所述期望的燃料输出；
通过所述发动机控制模块接收所述成组参数的相应值，
其中所述成组参数与所述发动机的成组部件和所述期望的燃料输出相关联；
由所述发动机控制模块并基于所述相应值和所述神经网络确定所述目标燃料输出；以及
由所述发动机控制模块配置所述燃料喷射器，以根据所述目标燃料输出喷射燃料。
CN202010825226.0A 2019-08-26 2020-08-17 使用神经网络的燃料喷射控制 Pending CN112431681A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/551317 2019-08-26
US16/551,317 US10947919B1 (en) 2019-08-26 2019-08-26 Fuel injection control using a neural network

Publications (1)

Publication Number Publication Date
CN112431681A true CN112431681A (zh) 2021-03-02

Family

ID=72339375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010825226.0A Pending CN112431681A (zh) 2019-08-26 2020-08-17 使用神经网络的燃料喷射控制

Country Status (4)

Country Link
US (1) US10947919B1 (zh)
CN (1) CN112431681A (zh)
DE (1) DE102020121687A1 (zh)
GB (1) GB2587904B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492187A (zh) * 2022-01-25 2022-05-13 中国空气动力研究与发展中心空天技术研究所 基于仿人自抗扰的超声速燃烧室脉冲喷注控制方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7231144B2 (ja) * 2019-07-17 2023-03-01 株式会社トランストロン エンジン制御装置及びそれが有するニューラルネットワークプログラム
JP6896037B2 (ja) * 2019-10-02 2021-06-30 三菱電機株式会社 内燃機関の制御装置及び制御プログラム
KR20210085726A (ko) * 2019-12-31 2021-07-08 현대자동차주식회사 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법
JP2021116783A (ja) * 2020-01-29 2021-08-10 トヨタ自動車株式会社 車両用制御装置および車両用制御システム
US11459962B2 (en) * 2020-03-02 2022-10-04 Sparkcognitton, Inc. Electronic valve control
US11454183B1 (en) * 2021-12-08 2022-09-27 Southwest Research Institute Method of generating rate-of-injection (ROI) profiles for a fuel injector and system implementing same
US11686251B1 (en) 2022-04-26 2023-06-27 Fca Us Llc Pre-chamber spark control with two ignition sources

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10176578A (ja) * 1996-05-28 1998-06-30 Matsushita Electric Ind Co Ltd 空燃比制御装置
DE10148973A1 (de) * 2001-10-01 2003-04-10 Iav Gmbh Verfahren und Vorrichtung zum Ermitteln der Einspritzmenge vorzugsweise für direkteinspritzende Dieselmotoren
FR2898936A1 (fr) * 2006-03-24 2007-09-28 Renault Sas Procede d'estimation de la richesse d'un melange air/carburant
US20110137541A1 (en) * 2009-12-04 2011-06-09 Gm Global Technology Operations, Inc. Method for real-time, self-learning identification of fuel injectors during engine operation
CN105443259A (zh) * 2015-12-08 2016-03-30 上海海事大学 一种基于近似动态规划的柴油机缸平衡智能化调节算法
US20180179975A1 (en) * 2016-12-22 2018-06-28 GM Global Technology Operations LLC Engine control system including feed-forward neural network controller

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6098012A (en) 1995-02-13 2000-08-01 Daimlerchrysler Corporation Neural network based transient fuel control method
US5806013A (en) 1997-08-29 1998-09-08 Echlin, Inc. Control of engine fuel delivery using an artificial neural network in parallel with a feed-forward controller
US6223121B1 (en) 1998-02-06 2001-04-24 Matsushita Electric Industrial Co. Air-to-fuel ratio control device
JP2002251597A (ja) 2001-02-23 2002-09-06 Yamaha Motor Co Ltd 最適解探索装置、最適化アルゴリズムによる制御対象の制御装置及び最適解探索プログラム
JP3804480B2 (ja) * 2001-07-13 2006-08-02 マツダ株式会社 ディーゼルエンジンの制御装置及び制御方法
US6705294B2 (en) * 2001-09-04 2004-03-16 Caterpiller Inc Adaptive control of fuel quantity limiting maps in an electronically controlled engine
US6687597B2 (en) * 2002-03-28 2004-02-03 Saskatchewan Research Council Neural control system and method for alternatively fueled engines
US20070233326A1 (en) 2006-03-31 2007-10-04 Caterpillar Inc. Engine self-tuning methods and systems
JP4424393B2 (ja) * 2007-08-31 2010-03-03 株式会社デンソー 内燃機関の燃料噴射制御装置
JP5287839B2 (ja) * 2010-12-15 2013-09-11 株式会社デンソー 燃料噴射特性学習装置
DE102018213620A1 (de) 2018-08-13 2020-02-13 Hyundai Motor Company Verfahren und Vorrichtung zur Korrektur von druckwellenbeeinflusster Kraftstoffeinspritzung

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10176578A (ja) * 1996-05-28 1998-06-30 Matsushita Electric Ind Co Ltd 空燃比制御装置
DE10148973A1 (de) * 2001-10-01 2003-04-10 Iav Gmbh Verfahren und Vorrichtung zum Ermitteln der Einspritzmenge vorzugsweise für direkteinspritzende Dieselmotoren
FR2898936A1 (fr) * 2006-03-24 2007-09-28 Renault Sas Procede d'estimation de la richesse d'un melange air/carburant
US20110137541A1 (en) * 2009-12-04 2011-06-09 Gm Global Technology Operations, Inc. Method for real-time, self-learning identification of fuel injectors during engine operation
CN105443259A (zh) * 2015-12-08 2016-03-30 上海海事大学 一种基于近似动态规划的柴油机缸平衡智能化调节算法
US20180179975A1 (en) * 2016-12-22 2018-06-28 GM Global Technology Operations LLC Engine control system including feed-forward neural network controller

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492187A (zh) * 2022-01-25 2022-05-13 中国空气动力研究与发展中心空天技术研究所 基于仿人自抗扰的超声速燃烧室脉冲喷注控制方法及系统
CN114492187B (zh) * 2022-01-25 2022-12-02 中国空气动力研究与发展中心空天技术研究所 基于仿人自抗扰的超声速燃烧室脉冲喷注控制方法及系统

Also Published As

Publication number Publication date
US20210062744A1 (en) 2021-03-04
GB2587904A (en) 2021-04-14
US10947919B1 (en) 2021-03-16
GB2587904B (en) 2023-02-01
DE102020121687A1 (de) 2021-03-04
GB202011807D0 (en) 2020-09-09

Similar Documents

Publication Publication Date Title
US10947919B1 (en) Fuel injection control using a neural network
CN111016920B (zh) 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型和机器学习系统
CN111336023B (zh) 基于来自传感器的测量值和测量值的模型估计的燃料含量检测
JP6702389B2 (ja) 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置
US11708798B2 (en) Using a variable geometry turbocharger to control an exhaust gas temperature and a pressure of an intake manifold
US9212613B2 (en) Method of controlling an exhaust gas temperature of an internal combustion engine
CN116018452A (zh) 增加制动力和排气温度
US10787984B2 (en) Power system optimization calibration
JP7294939B2 (ja) 動力システム最適化
CN114439626A (zh) 根据发动机配置方案对发动机汽缸的控制
US10605179B2 (en) Engine misfire mitigation
US11193434B2 (en) Turbocharger control using an intake throttle valve
US11226358B2 (en) Power system damage analysis and control system
GB2500206A (en) Common rail fuel injection system
US11939908B1 (en) Controlling a variable geometry turbocharger and an intake throttle valve to optimize exhaust gas temperature and compressor outlet pressure of an engine

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