CN113090405A - 汽车用执行器位置自学习方法 - Google Patents

汽车用执行器位置自学习方法 Download PDF

Info

Publication number
CN113090405A
CN113090405A CN202110375480.XA CN202110375480A CN113090405A CN 113090405 A CN113090405 A CN 113090405A CN 202110375480 A CN202110375480 A CN 202110375480A CN 113090405 A CN113090405 A CN 113090405A
Authority
CN
China
Prior art keywords
actuator
sensor
signal value
value
signal
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.)
Granted
Application number
CN202110375480.XA
Other languages
English (en)
Other versions
CN113090405B (zh
Inventor
朱林峰
李振华
戴文豪
严兵
郑功勋
夏进进
纪丽伟
凌建群
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.)
Shanghai Diesel Engine Co Ltd
Original Assignee
Shanghai Diesel Engine Co Ltd
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 Shanghai Diesel Engine Co Ltd filed Critical Shanghai Diesel Engine Co Ltd
Priority to CN202110375480.XA priority Critical patent/CN113090405B/zh
Publication of CN113090405A publication Critical patent/CN113090405A/zh
Application granted granted Critical
Publication of CN113090405B publication Critical patent/CN113090405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • F02D45/00—Electrical control not provided for in groups F02D41/00 - F02D43/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Feedback Control In General (AREA)
  • Output Control And Ontrol Of Special Type Engine (AREA)

Abstract

本发明公开了一种汽车用执行器位置自学习方法，包括：对执行器的传感器采集M组传感器极限信号值组合样本；计算M组传感器极限信号值组合的采样最大位置信号均值
Figure DDA0003010993380000011
和采样最小位置信号均值
Figure DDA0003010993380000012
针对每组传感器极限信号值组合计算筛选参考值MSEi；从M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本；计算N组传感器极限信号值组合的保留最大位置信号均值
Figure DDA0003010993380000013
和保留最小位置信号均值
Figure DDA0003010993380000014
依据保留最大位置信号均值
Figure DDA0003010993380000015
和保留最小位置信号均值
Figure DDA0003010993380000016
计算行程信号比参数Scale和行程信号偏移值参数Offset，电控单元保存Scale值和Offset值。本发明的自学习方法能使电控单元更精准地控制执行器实施动作。

Description

汽车用执行器位置自学习方法
技术领域
本发明涉及一种汽车用执行器技术，尤其涉及一种汽车用执行器位置自学习方法。
背景技术
随着现代汽车电控程度的不断提升，汽车中设置的各种各样的执行器也越来越多，比如，节气门阀执行器、EGR阀执行器、可变截面增压器执行器、排气制动阀执行器等等，汽车的电控单元可通过控制线路控制各个执行器实施动作，从而实现车辆整体协调运转。
然而，执行器传感器的位置信号相对于标准信号值来说，往往会有些偏差，这种偏差是难以避免的。为此，汽车的电控单元在对执行器进行控制之前，先要对执行器的传感器信号进行适应性的学习，这一过程称作执行器位置自学习。
所述执行器位置自学习的过程通常是先对执行器传感器的最大信号值和最小信号值进行多次样本采集，然后以其中的一次所采集的最大信号值和最小信号值为依据来计算得出行程信号比参数Scale和行程信号偏移值参数Offset，行程信号比参数Scale和行程信号偏移值参数Offset则是最终的自学习结果。电控单元将行程信号比参数Scale和行程信号偏移值参数Offset保存起来。当电控单元要控制执行器时，则是根据行程信号比参数Scale和行程信号偏移值参数Offset来控制执行器动作。
就目前来说，计算行程信号比参数Scale和行程信号偏移值参数Offset时所依据的传感器的最大信号值和最小信号值是多次采集样本中的一次样本值，该样本值未经任何优化处理而直接作为行程信号比参数Scale和行程信号偏移值参数Offset计算的依据，这种未经优化处理的传感器信号值难免会因为受到外部因素的扰动而发生信号不准确的情况，由此则导致计算得出的行程信号比参数Scale和行程信号偏移值参数Offset不准确，从而影响电控单元对执行器的精准控制。
发明内容
本发明的目的在于提供一种汽车用执行器位置自学习方法，该自学习方法能够在执行器位置自学习过程中有效避免外部因素的扰动影响，计算得出的行程信号比参数Scale和行程信号偏移值参数Offset更为准确，电控单元则能更精准地控制执行器实施动作。
为了实现上述技术目的，本发明采用如下技术方案：
一种汽车用执行器位置自学习方法，包括如下步骤：
步骤1，电控单元根据预设的执行器位置自学习采样组数M，对执行器的传感器采集M组传感器极限信号值组合样本，所述传感器极限信号值组合包括传感器最小位置信号值Bi和传感器最大位置信号值Ai，所述传感器最小位置信号值Bi对应执行器最小位置BPOS，所述传感器最大位置信号值Ai对应执行器最大位置APOS；
步骤2，计算所述M组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为采样最大位置信号均值
Figure BDA0003010993360000021
计算所述M组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为采样最小位置信号均值
Figure BDA0003010993360000022
步骤3，针对每组传感器极限信号值组合计算一个筛选参考值MSEi，所述筛选参考值MSEi的计算公式为
Figure BDA0003010993360000023
其中，Ai为所述传感器最大位置信号值，Bi为所述传感器最小位置信号值，
Figure BDA0003010993360000024
为所述采样最大位置信号均值，
Figure BDA0003010993360000025
为所述采样最小位置信号均值；
步骤4，比较每组传感器极限信号值组合的筛选参考值MSEi，根据预设的保留样本组数N，从所述M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本；
步骤5，计算所保留的N组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为保留最大位置信号均值
Figure BDA0003010993360000026
计算所保留的N组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为保留最小位置信号均值
Figure BDA0003010993360000027
步骤6，计算行程信号比参数Scale，所述行程信号比参数Scale的计算公式为
Figure BDA0003010993360000028
其中，APOS为所述执行器最大位置，BPOS为所述执行器最小位置，
Figure BDA0003010993360000029
为所述保留最大位置信号均值，
Figure BDA00030109933600000210
为所述保留最小位置信号均值，电控单元对行程信号比参数Scale进行保存；
步骤7，计算行程信号偏移值参数Offset，所述行程信号偏移值参数Offset的计算公式为
Figure BDA00030109933600000211
其中，APOS为所述执行器最大位置，Scale为所述行程信号比参数，
Figure BDA00030109933600000212
为所述保留最大位置信号均值，电控单元对行程信号偏移值参数Offset进行保存。
进一步地，所述步骤1包括：
步骤1.1，电控单元控制执行器调节到执行器最小位置BPOS，电控单元采集执行器最小位置BPOS所对应的传感器信号值作为传感器最小位置信号值Bi；
步骤1.2，电控单元控制执行器调节到执行器最大位置APOS，电控单元采集执行器最大位置APOS所对应的传感器信号值作为传感器最大位置信号值Ai；
步骤1.3，电控单元将采集到的传感器最小位置信号值Bi和传感器最大位置信号值Ai构建成一组传感器极限信号值组合样本；
步骤1.4，电控单元判断所采集的传感器极限信号值组合样本的数量是否达到预设的执行器位置自学习采样组数M，若是则完成采样，否则返回步骤1.1。
进一步地，所述采样组数M设置为5，所述保留样本组数N设置为3。
进一步地，所述执行器为EGR阀执行器。
本发明的自学习方法，先对采集的传感器信号样本进行优化处理，然后再用经过优化处理的样本数据来作为计算行程信号比参数Scale和行程信号偏移值参数Offset的依据。具体来说，在本发明的自学习方法中，对执行器传感器采集M组传感器极限信号值组合样本，并针对每组传感器极限信号值组合计算筛选参考值MSEi，然后从M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本，以剔除可能受外部因素扰动影响的样本，然后用保留的N组传感器极限信号值组合中的传感器最大位置信号值Ai和传感器最小位置信号值Bi的均值，即保留最大位置信号均值
Figure BDA0003010993360000031
和保留最小位置信号均值
Figure BDA0003010993360000032
作为计算行程信号比参数Scale和行程信号偏移值参数Offset的依据。
本发明的自学习方法相对现有技术，其有益效果在于：采用经过优化处理的传感器信号样本数据来计算行程信号比参数Scale和行程信号偏移值参数Offset，能够在执行器位置自学习过程中有效避免外部因素对执行器传感器采样样本的扰动影响，使得依据采样样本计算得出的行程信号比参数Scale和行程信号偏移值参数Offset更为准确，电控单元则能更精准地控制执行器实施动作。
附图说明
图1为本发明汽车用执行器位置自学习方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明：
本实施方式提供了一种汽车用执行器位置自学习方法，采用本实施方式的自学习方法，电控单元则能更精准地控制执行器实施动作。在本实施方式中，所述执行器为EGR阀执行器。
本实施方式的自学习方法的实施时机可选择在汽车上电时，也可选择在下电时。更具体地，可在电控单元中设置一个布尔类型的参数，然后通过判断该参数的预设值来确定实施时机。
参见图1，本实施方式的自学习方法包括步骤1至7，具体如下：
步骤1，电控单元根据预设的执行器位置自学习采样组数M，对执行器的传感器采集M组传感器极限信号值组合样本，所述传感器极限信号值组合包括传感器最小位置信号值Bi和传感器最大位置信号值Ai，所述传感器最小位置信号值Bi对应执行器最小位置BPOS，所述传感器最大位置信号值Ai对应执行器最大位置APOS。Ai和Bi中的下标i为传感器极限信号值组合的组号，该组号通常为采样顺序号。
所述步骤1包括步骤1.1至1.4，具体如下：
步骤1.1，电控单元控制执行器调节到执行器最小位置BPOS，电控单元采集执行器最小位置BPOS所对应的传感器信号值作为传感器最小位置信号值Bi。
步骤1.2，电控单元控制执行器调节到执行器最大位置APOS，电控单元采集执行器最大位置APOS所对应的传感器信号值作为传感器最大位置信号值Ai。
步骤1.3，电控单元将采集到的传感器最小位置信号值Bi和传感器最大位置信号值Ai构建成一组传感器极限信号值组合样本。
步骤1.4，电控单元判断所采集的传感器极限信号值组合样本的数量是否达到预设的执行器位置自学习采样组数M，若是则完成采样，否则返回步骤1.1，以重复传感器极限信号值组合样本的采集过程，直至完成预设的采样组数。
需要说明的一点，所述传感器最小位置信号值Bi可以大于传感器最大位置信号值Ai，也就是说，执行器可以与传感器信号反关联。
在本实施方式中，所述采样组数M设置为5，即采集5组传感器极限信号值组合样本。在采样过程中若出现异常，则判断为自学习失败，电控单元则报出故障。
步骤2，计算所述M组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为采样最大位置信号均值
Figure BDA0003010993360000041
用数学式表达即为
Figure BDA0003010993360000042
计算所述M组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为采样最小位置信号均值
Figure BDA0003010993360000043
用数学式表达即为
Figure BDA0003010993360000044
步骤3，针对每组传感器极限信号值组合计算一个筛选参考值MSEi，所述筛选参考值MSEi的计算公式为
Figure BDA0003010993360000051
其中，Ai为所述传感器最大位置信号值，Bi为所述传感器最小位置信号值，
Figure BDA0003010993360000052
为所述采样最大位置信号均值，
Figure BDA0003010993360000053
为所述采样最小位置信号均值。
步骤4，比较每组传感器极限信号值组合的筛选参考值MSEi，根据预设的保留样本组数N，从所述M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本。
在本实施方式中，所述采样组数M设置为5，而所述保留样本组数N设置为3，也就是说，在本实施方式中，是从5个样本中保留3个样本。
步骤5，计算所保留的N组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为保留最大位置信号均值
Figure BDA0003010993360000054
计算所保留的N组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为保留最小位置信号均值
Figure BDA0003010993360000055
步骤6，计算行程信号比参数Scale，所述行程信号比参数Scale的计算公式为
Figure BDA0003010993360000056
其中，APOS为所述执行器最大位置，BPOS为所述执行器最小位置，
Figure BDA0003010993360000057
为所述保留最大位置信号均值，
Figure BDA0003010993360000058
为所述保留最小位置信号均值，电控单元对行程信号比参数Scale进行保存；
步骤7，计算行程信号偏移值参数Offset，所述行程信号偏移值参数Offset的计算公式为
Figure BDA0003010993360000059
其中，APOS为所述执行器最大位置，Scale为所述行程信号比参数，
Figure BDA00030109933600000510
为所述保留最大位置信号均值，电控单元对行程信号偏移值参数Offset进行保存。
所述行程信号比参数Scale和行程信号偏移值参数Offset通常是保存在电控单元的程序存储器中，所述程序存储器通常是指电控单元的EEPROM(英文ElectricallyErasable Programmable read only memory的缩写，中译文为带电可擦可编程只读存储器)。
在汽车运行过程中，电控单元则根据所保存的行程信号比参数Scale和行程信号偏移值参数Offset来调控执行器的动作。具体来说，在电控单元中，会根据公式Pos＝Scale×C+Offset来计算执行器的位置POS，式中的C为执行器传感器输出的信号值，电控单元据此来对执行器进行控制。
在本实施方式中，所述采样组数M设置为5，所述保留样本组数N设置为3，然而，在根据本发明的其它实施方式中，采样组数M和保留样本组数N的具体取值可根据执行器的具体情况而定。
本发明的自学习方法可以用于节气门阀执行器、EGR阀执行器、可变截面增压器执行器、排气制动阀执行器等各种汽车用执行器，尤其针对EGR阀执行器，采用本发明的自学习方法后，还可以省去自清洁等的准备动作。
在本实施方式的自学习方法中，先对采集的传感器信号样本进行优化处理，然后再用经过优化处理的样本数据来作为计算行程信号比参数Scale和行程信号偏移值参数Offset的依据。具体来说，在本实施方式的自学习方法中，对执行器传感器采集M组传感器极限信号值组合样本，并针对每组传感器极限信号值组合计算筛选参考值MSEi，然后从M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本，以剔除可能受外部因素扰动影响的样本，然后用保留的N组传感器极限信号值组合中的传感器最大位置信号值Ai和传感器最小位置信号值Bi的均值，即保留最大位置信号均值
Figure BDA0003010993360000061
和保留最小位置信号均值
Figure BDA0003010993360000062
作为计算行程信号比参数Scale和行程信号偏移值参数Offset的依据。
采用经过优化处理的传感器信号样本数据来计算行程信号比参数Scale和行程信号偏移值参数Offset，能够有效避免外部因素对执行器传感器采样样本的扰动影响，使得依据采样样本计算得出的行程信号比参数Scale和行程信号偏移值参数Offset更为准确，电控单元则能更精准地控制执行器实施动作。
以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，因此，凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种汽车用执行器位置自学习方法，其特征在于：包括如下步骤：
步骤1，电控单元根据预设的执行器位置自学习采样组数M，对执行器的传感器采集M组传感器极限信号值组合样本，所述传感器极限信号值组合包括传感器最小位置信号值Bi和传感器最大位置信号值Ai，所述传感器最小位置信号值Bi对应执行器最小位置BPOS，所述传感器最大位置信号值Ai对应执行器最大位置APOS；
步骤2，计算所述M组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为采样最大位置信号均值
Figure FDA0003010993350000011
计算所述M组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为采样最小位置信号均值
Figure FDA0003010993350000012
步骤3，针对每组传感器极限信号值组合计算一个筛选参考值MSEi，所述筛选参考值MSEi的计算公式为
Figure FDA0003010993350000013
其中，Ai为所述传感器最大位置信号值，Bi为所述传感器最小位置信号值，
Figure FDA0003010993350000014
为所述采样最大位置信号均值，
Figure FDA0003010993350000015
为所述采样最小位置信号均值；
步骤4，比较每组传感器极限信号值组合的筛选参考值MSEi，根据预设的保留样本组数N，从所述M组传感器极限信号值组合样本中保留筛选参考值MSEi最小的N组样本；
步骤5，计算所保留的N组传感器极限信号值组合中传感器最大位置信号值Ai的均值，该均值为保留最大位置信号均值
Figure FDA0003010993350000016
计算所保留的N组传感器极限信号值组合中传感器最小位置信号值Bi的均值，该均值为保留最小位置信号均值
Figure FDA0003010993350000017
步骤6，计算行程信号比参数Scale，所述行程信号比参数Scale的计算公式为
Figure FDA0003010993350000018
其中，APOS为所述执行器最大位置，BPOS为所述执行器最小位置，
Figure FDA0003010993350000019
为所述保留最大位置信号均值，
Figure FDA00030109933500000110
为所述保留最小位置信号均值，电控单元对行程信号比参数Scale进行保存；
步骤7，计算行程信号偏移值参数Offset，所述行程信号偏移值参数Offset的计算公式为
Figure FDA00030109933500000111
其中，APOS为所述执行器最大位置，Scale为所述行程信号比参数，
Figure FDA00030109933500000112
为所述保留最大位置信号均值，电控单元对行程信号偏移值参数Offset进行保存。
2.根据权利要求1所述汽车用执行器位置自学习方法，其特征在于：所述步骤1包括：
步骤1.1，电控单元控制执行器调节到执行器最小位置BPOS，电控单元采集执行器最小位置BPOS所对应的传感器信号值作为传感器最小位置信号值Bi；
步骤1.2，电控单元控制执行器调节到执行器最大位置APOS，电控单元采集执行器最大位置APOS所对应的传感器信号值作为传感器最大位置信号值Ai；
步骤1.3，电控单元将采集到的传感器最小位置信号值Bi和传感器最大位置信号值Ai构建成一组传感器极限信号值组合样本；
步骤1.4，电控单元判断所采集的传感器极限信号值组合样本的数量是否达到预设的执行器位置自学习采样组数M，若是则完成采样，否则返回步骤1.1。
3.根据权利要求1所述汽车用执行器位置自学习方法，其特征在于：所述采样组数M设置为5，所述保留样本组数N设置为3。
4.根据权利要求1所述汽车用执行器位置自学习方法，其特征在于：所述执行器为EGR阀执行器。
CN202110375480.XA 2021-04-08 2021-04-08 汽车用执行器位置自学习方法 Active CN113090405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110375480.XA CN113090405B (zh) 2021-04-08 2021-04-08 汽车用执行器位置自学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110375480.XA CN113090405B (zh) 2021-04-08 2021-04-08 汽车用执行器位置自学习方法

Publications (2)

Publication Number Publication Date
CN113090405A true CN113090405A (zh) 2021-07-09
CN113090405B CN113090405B (zh) 2022-07-26

Family

ID=76674877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110375480.XA Active CN113090405B (zh) 2021-04-08 2021-04-08 汽车用执行器位置自学习方法

Country Status (1)

Country Link
CN (1) CN113090405B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59136543A (ja) * 1983-01-26 1984-08-06 Nissan Motor Co Ltd 内燃機関の制御装置
JPS6114444A (ja) * 1984-06-30 1986-01-22 Nec Home Electronics Ltd 空燃比制御方法
JPH01106938A (ja) * 1987-10-20 1989-04-24 Japan Electron Control Syst Co Ltd 内燃機関の学習制御装置
JPH02191839A (ja) * 1989-01-20 1990-07-27 Fuji Heavy Ind Ltd エンジンの空燃比制御装置
JPH06249007A (ja) * 1993-02-26 1994-09-06 Toyota Motor Corp 車両の駆動力制御装置
JPH1193746A (ja) * 1997-09-24 1999-04-06 Denso Corp 内燃機関のスロットル制御装置
JP2002038978A (ja) * 2000-07-24 2002-02-06 Hitachi Ltd スロットル弁制御装置
CN101927271A (zh) * 2010-08-23 2010-12-29 中冶南方工程技术有限公司 基于在线递推参数估计的轧辊偏心补偿方法及其设备
US20150027411A1 (en) * 2013-07-29 2015-01-29 GM Global Technology Operations LLC Control apparatus for operating a fuel metering valve
DE102017105761A1 (de) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Verfahren und systeme zur kraftmaschinenkraftstoff- und - drehmomentsteuerung
US20170268451A1 (en) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Methods and systems for engine fuel and torque control
CN110080895A (zh) * 2019-03-22 2019-08-02 华夏龙晖（北京）汽车电子科技股份有限公司 基于人工智能的发动机控制方法和装置
WO2020106493A1 (en) * 2018-11-19 2020-05-28 Cummins Inc. Self-learning torque over boost combustion control

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS59136543A (ja) * 1983-01-26 1984-08-06 Nissan Motor Co Ltd 内燃機関の制御装置
JPS6114444A (ja) * 1984-06-30 1986-01-22 Nec Home Electronics Ltd 空燃比制御方法
JPH01106938A (ja) * 1987-10-20 1989-04-24 Japan Electron Control Syst Co Ltd 内燃機関の学習制御装置
JPH02191839A (ja) * 1989-01-20 1990-07-27 Fuji Heavy Ind Ltd エンジンの空燃比制御装置
JPH06249007A (ja) * 1993-02-26 1994-09-06 Toyota Motor Corp 車両の駆動力制御装置
JPH1193746A (ja) * 1997-09-24 1999-04-06 Denso Corp 内燃機関のスロットル制御装置
JP2002038978A (ja) * 2000-07-24 2002-02-06 Hitachi Ltd スロットル弁制御装置
CN101927271A (zh) * 2010-08-23 2010-12-29 中冶南方工程技术有限公司 基于在线递推参数估计的轧辊偏心补偿方法及其设备
US20150027411A1 (en) * 2013-07-29 2015-01-29 GM Global Technology Operations LLC Control apparatus for operating a fuel metering valve
DE102017105761A1 (de) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Verfahren und systeme zur kraftmaschinenkraftstoff- und - drehmomentsteuerung
US20170268451A1 (en) * 2016-03-21 2017-09-21 Ford Global Technologies, Llc Methods and systems for engine fuel and torque control
WO2020106493A1 (en) * 2018-11-19 2020-05-28 Cummins Inc. Self-learning torque over boost combustion control
CN110080895A (zh) * 2019-03-22 2019-08-02 华夏龙晖（北京）汽车电子科技股份有限公司 基于人工智能的发动机控制方法和装置

Also Published As

Publication number Publication date
CN113090405B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
EP3590011B1 (de) Verfahren und steuereinrichtung zum steuern eines technischen systems
CN107133433B (zh) 一种基于模型自适应汽轮机调门流量特性优化方法
DE102016219369A1 (de) Steuersystem für Verbrennungsmotor
EP2420804B1 (de) Messeinrichtung und Verfahren zur Erfassung und Verarbeitung einer Position eines Messglieds
CN109450405B (zh) 一种应用于ad采集中的复合式软件滤波方法及系统
CN109782585B (zh) 基于大数据的车内压力波动阀门风机协同主动控制系统
CN117435873B (zh) 一种基于智能喷雾降尘的数据管理方法
CN105074158A (zh) 阀控制装置以及阀控制方法
EP2041415A1 (de) Verfahren zur erhöhung der auflösung von ausgangssignalen mindestens eines messsensors für einen verbrennungsmotor sowie zugehöriges steuergerät
CN113090405B (zh) 汽车用执行器位置自学习方法
CN117148784A (zh) 一种多轴多通道数控系统运行故障分析方法
DE102016002361A1 (de) Steuern einer Brennkraftmaschine mit verstellbarer Nockenwelle
EP2890958A1 (de) Verfahren und vorrichtung zur bestimmung der position eines motorgetriebenen stellteils
DE19723639B4 (de) Automobilaktuatorschnittstelle
CN116400639B (zh) 一种plc采集数据智能清洗方法及系统
DE102007000048A1 (de) Maschinensteuergerät
CN110703650A (zh) 一种电磁阀电控手柄线性校正装置及其校正方法
CN114310907A (zh) 一种多工况自适应的工业机器人末端振动抑制方法
DE102017213133B4 (de) Steuereinheit und Steuerverfahren für Verbrennungsmotor
DE19753969B4 (de) Verfahren und Vorrichtung zum Betreiben einer Brennkraftmaschine
US20200356845A1 (en) Machine learning system, as well as a method, a computer program, and a device for creating the machine learning system
WO2019034456A1 (de) Fremdkörpererkennung
CN113225047A (zh) 一种基于tvlp-mf的动态检重秤快速滤波方法及系统
WO2016096607A1 (de) Verfahren zum betrieb eines verbrennungsmotors
CN114233486B (zh) 一种egr阀的控制方法、装置及ecu

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 2636 Jungong Road, Yangpu District, Shanghai 200438

Applicant after: Shanghai New Power Automotive Technology Co.,Ltd.

Address before: 2636 Jungong Road, Yangpu District, Shanghai 200438

Applicant before: SHANGHAI DIESEL ENGINE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant