CN113795660A - 内燃发动机控制器 - Google Patents

内燃发动机控制器 Download PDF

Info

Publication number
CN113795660A
CN113795660A CN202080033619.6A CN202080033619A CN113795660A CN 113795660 A CN113795660 A CN 113795660A CN 202080033619 A CN202080033619 A CN 202080033619A CN 113795660 A CN113795660 A CN 113795660A
Authority
CN
China
Prior art keywords
internal combustion
combustion engine
engine
hypersurface
parameter
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
CN202080033619.6A
Other languages
English (en)
Other versions
CN113795660B (zh
Inventor
G·威廉姆斯
P·拉德洛
R·库瑞蒙
邓宝洋
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.)
Perkins Engines Co Ltd
Original Assignee
Perkins Engines 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 Perkins Engines Co Ltd filed Critical Perkins Engines Co Ltd
Publication of CN113795660A publication Critical patent/CN113795660A/zh
Application granted granted Critical
Publication of CN113795660B publication Critical patent/CN113795660B/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
    • F02D41/1406—Introducing closed-loop corrections characterised by the control or regulation method with use of a optimisation method, e.g. iteration
    • 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
    • F02D41/021—Introducing corrections for particular conditions exterior to the engine
    • F02D41/0235—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus
    • F02D41/024—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus to increase temperature of the exhaust gas treating apparatus
    • F02D41/0245—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus to increase temperature of the exhaust gas treating apparatus by increasing temperature of the exhaust gas leaving the engine
    • 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
    • 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
    • F02D41/2441—Methods of calibrating or learning characterised by the learning conditions
    • 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
    • F02D41/2477—Methods of calibrating or learning characterised by the method used for learning
    • 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
    • F02D41/2477—Methods of calibrating or learning characterised by the method used for learning
    • F02D41/248—Methods of calibrating or learning characterised by the method used for learning using a plurality of learned values
    • 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
    • F02D2041/1412—Introducing closed-loop corrections characterised by the control or regulation method using a predictive controller
    • 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
    • F02D2041/1413—Controller structures or design
    • F02D2041/1423—Identification of model or controller parameters
    • 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
    • F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2250/00—Engine control related to specific problems or objectives
    • F02D2250/36—Control for minimising NOx emissions
    • 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
    • F02D41/021—Introducing corrections for particular conditions exterior to the engine
    • F02D41/0235—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus
    • F02D41/027—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus to purge or regenerate the exhaust gas treating apparatus
    • F02D41/029—Introducing corrections for particular conditions exterior to the engine in relation with the state of the exhaust gas treating apparatus to purge or regenerate the exhaust gas treating apparatus the exhaust gas treating apparatus being a particulate filter
    • 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
    • F02D41/02—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

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)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

一种用于内燃发动机的内燃发动机控制器，其包括存储器和处理器。存储器被配置成存储多个控制脉谱图，每个控制脉谱图限定致动器设定点的超曲面，用于基于到所述内燃发动机控制器的多个输入变量来控制内燃发动机的致动器。处理器包括脉谱图更新模块、参数更新模块和发动机设定点模块。脉谱图更新模块被配置成基于内燃发动机的性能目标函数、来自内燃发动机的传感器数据和多个输入变量来计算控制脉谱图中的至少一个控制脉谱图的优化超曲面，其中性能目标函数包括参数。参数更新模块被配置成在确定内燃发动机的运行状况的变化时更新性能目标函数的参数。所述参数包括下列中的一者或两者：与发动机模型相关联的发动机参数；以及与成本函数相关联的成本参数。脉谱图更新模块还被配置成基于优化超曲面来更新控制脉谱图的超曲面。发动机设定点模块被配置成基于由多个输入变量限定的相应控制脉谱图的超曲面上的位置向每个致动器输出控制信号。

Description

内燃发动机控制器
技术领域
本公开涉及对内燃发动机的控制。更具体地，本公开涉及用于控制内燃发动机的致动器的系统和方法。
背景技术
内燃发动机通常包括一个或多个用于管理从内燃发动机的排气输出的排放物的系统。例如，内燃发动机通常包括用于处理由内燃发动机产生的排气的后处理系统。
典型的后处理系统可以包括许多传感器和(控制)致动器。在内燃发动机中可以设置另外的传感器和致动器，用于监测内燃发动机的排气、性能和/或效率。因此，内燃发动机可以包括许多独立的可控变量和校准值。因此，用于内燃发动机的发动机控制系统的设计是多维控制问题。
发动机控制系统需要响应于内燃发动机的运行状况的实时变化而向内燃发动机的致动器提供设定点。对满足排放法规的高效率内燃发动机的需求进一步限制可控制系统的设计。对控制系统设计的进一步限制是发动机控制系统可用的计算能力的量可能受到限制。
常规地，对内燃发动机和后处理系统的控制由车载处理器(发动机控制模块)管理。由于内燃发动机和后处理系统的复杂性，所实现的发动机控制通常利用基于一系列“控制脉谱图(map)”的开环控制系统，所述控制脉谱图包括用于内燃发动机和后处理系统的预校准的、时不变的发动机设定点。通常，所控制的发动机设定点包括燃料质量、喷射开始(SOI)、排气再循环(EGR)和进气歧管绝对压力(IMAP)。
一些简单的控制脉谱图包括多个查找表，其中存储了与不同发动机运行状况相关联的多个时不变发动机设定点。发动机控制模块仅可从与所需的发动机运行相关的控制脉谱图读出发动机设定点。一些发动机控制脉谱图还可以提供一个变量的估计值作为有限数量的其他变量的函数。由于随着附加变量的加入，存储器和脉谱图复杂性呈指数级增长，因此发动机设定点脉谱图只能基于有限数量的输入变量。在一些情况下，系统存储器可能受损，但是以插值误差为代价。
一种用于减小对开环控制方案的性能的影响的方法是为不同的工况提供不同的控制脉谱图。例如，可以为怠速运行和节气门全开运行或启动提供不同的控制脉谱图。为每个内燃发动机提供许多不同的控制脉谱图使得对每个内燃发动机的校准昂贵且耗时。此外，这些预校准的脉谱图各自为时不变查找表。因此，这些时不变控制脉谱图不能考虑发动机部件中的部件间变化，或者例如湿度的无法测量的影响。时不变控制脉谱图也不能适应发动机部件性能随时间的变化。
一种替代方法是实现发动机的实时、车载、基于模型的控制，以代替预校准的控制脉谱图。因此，发动机模型直接控制内燃发动机的一个或多个设定点。基于模型的发动机控制可包括动态发动机模型以预测发动机性能、排放和运行状况。预测的发动机性能可被反馈到模型中以进一步优化发动机设定点。因此，基于模型的控制方法有效地将负反馈形式结合到发动机控制系统中，以便改善性能和排放。
基于模型的控制难以实现，因为必须实时计算发动机设定点。因此，包括预测元件的基于模型的发动机控制器理想地也实时完成它们的预测。因此，许多基于模型的控制方案需要大量的计算资源以在用于控制内燃发动机的合适的时间尺度内优化模型输出。
发明内容
根据本公开的第一方面，提供了一种内燃发动机控制器。所述内燃发动机控制器包括存储器和处理器。存储器被配置成存储多个控制脉谱图，每个控制脉谱图限定致动器设定点的超曲面，用于基于到所述内燃发动机控制器的多个输入变量来控制内燃发动机的致动器。处理器包括脉谱图更新模块、参数更新模块和发动机设定点模块。脉谱图更新模块被配置成基于内燃发动机的性能目标函数、来自内燃发动机的传感器数据和多个输入变量来计算控制脉谱图中的至少一个控制脉谱图的优化超曲面，其中性能目标函数包括参数。性能目标函数的参数包括与发动机型号相关联的发动机参数和/或与成本函数相关联的成本参数。参数更新模块被配置成在确定内燃发动机的运行状况的变化时更新性能目标函数的参数。例如，参数更新模块可以更新发动机参数和/或成本参数。另外，脉谱图更新模块被配置成基于优化超曲面来更新控制脉谱图的超曲面。发动机设定点模块被配置成基于由多个输入变量限定的相应控制脉谱图的超曲面上的位置向每个致动器输出控制信号。
因此，内燃发动机控制器包括三个处理模块：发动机设定点模块、脉谱图更新模块和参数更新模块。发动机设定点模块被配置成控制内燃发动机的多个致动器。例如，发动机设定点模块可以控制SOI、EGR、燃料质量和内燃发动机的进气歧管绝对压力请求(IMAPR)中的一者或多者。发动机设定点模块基于输入到内燃发动机的性能来控制这些致动器，所述性能为例如用户对扭矩、发动机速度等的需求，或者来自内燃发动机的特定传感器数据(例如当前进气歧管绝对压力)。基于每个致动器的控制脉谱图来确定对每个致动器的控制。每个控制脉谱图限定一个超曲面，用于基于到内燃发动机控制器的多个输入变量来控制内燃发动机的致动器。因此，发动机设定点模块实际上是开环控制模块，其利用存储在控制脉谱图中的致动器设定点来控制致动器。
脉谱图更新模块独立于发动机设定点模块的开环控制而有效地运行。脉谱图更新模块被配置成通过更新控制脉谱图在由输入变量限定的位置处的超曲面来优化对内燃发动机的控制。由于有多个致动器要控制，因此优化超曲面是多维优化问题。根据第一方面的内燃发动机控制器提供了一种脉谱图更新模块，其旨在以计算高效的方式实时解决多维优化问题。因此，脉谱图更新模块被设计为具有所考虑的内燃发动机的机载发动机控制模块可用的计算资源。
通过提供多个可更新的控制脉谱图，可以提供基于控制脉谱图的控制器，可以使用有限数量的控制脉谱图将所述控制器优化到不同运行点的范围。因此，可以减少需要对内燃发动机进行校准的控制脉谱图的数量，因为本公开的可更新脉谱图可以提供覆盖不同运行点范围的控制，在过去可能已经针对这些运行点校准了单独的控制脉谱图。因此，可以降低内燃发动机的初始校准和设置的复杂性。
此外，多个控制脉谱图覆盖不同运行点的范围的能力可由根据本公开的第一方面的参数更新模块补充。参数更新模块可更新脉谱图更新模块的性能目标函数，以便反映内燃发动机的运行状况的变化。因此，脉谱图更新模块的性能目标函数可以应用于内燃发动机的更宽的运行点范围，从而减少了对内燃发动机校准附加控制脉谱图的需求。
性能目标函数包括可由参数更新模块更新的发动机参数和成本参数。可以更新发动机参数以补偿性能目标函数中的发动机性能的不确定性。例如，发动机性能的不确定性可由内燃发动机之间的制造变化、内燃发动机的劣化和/或内燃发动机的运行环境(例如，大气条件)的不确定性引起。因此，可以由参数更新模块将内燃发动机的观测性能和内燃发动机的建模性能之间的时变差异确定为内燃发动机的运行状况的变化。参数更新模块可更新与性能目标函数相关联的发动机参数，以降低与性能目标函数相关联的不确定性。
在一些实施例中，要控制的内燃发动机可以包括后处理系统。因此，从内燃发动机提供给内燃发动机控制器的传感器数据可以包括来自后处理系统的传感器数据。
可以更新成本参数以反映性能目标函数的性能目标的变化。例如，制定后处理系统的再生的性能目标可以通过成本参数的改变来实现。此外，可以更新内燃发动机控制器的性能目标以反映内燃发动机的排放要求和/或运行环境的变化。
因此，参数更新模块可以被配置成基于以下中的至少一者来确定内燃发动机的运行状况：到内燃发动机控制器的输入变量、来自内燃发动机的传感器数据、来自内燃发动机的后处理系统的传感器数据、内燃发动机的性能目标、以及实时性能模型的输出。
脉谱图更新模块可包括优化器模块，所述优化器模块被配置成搜索优化超曲面，其中优化器模块选择要由性能目标函数评价的多个候选的致动器设定点组。优化器模块可被配置成基于由性能目标函数对候选的致动器设定点组的评价来输出至少一个控制脉谱图的优化超曲面。
性能目标函数可包括发动机建模模块和成本模块。发动机建模模块可被配置成基于输入变量、来自内燃发动机的传感器数据、发动机参数和候选的致动器设定点组来计算与每个候选的致动器设定点组相关联的多个发动机性能变量。成本模块被配置成评价发动机性能变量并基于成本参数输出与每个候选的致动器设定点组相关联的成本。
内燃发动机的运行状况的变化可以基于模型与内燃发动机之间的观察到的差异。可以基于从内燃发动机的传感器输出的传感器数据相对于表示传感器数据的预测值的发动机性能变量的变化来确定运行状况的变化。参数更新模块可以被配置成更新发动机建模模块，以将传感器数据与表示传感器数据的预测值的发动机性能变量之间的差异减小到预定阈值以下。
发动机参数可以包括基于来自连接到内燃发动机的后处理系统的输入的时变发动机参数。例如，可以更新时变发动机参数以校准与提供来自后处理系统的输入的传感器相关联的不确定性。通过减少与性能目标函数相关联的不确定性，脉谱图更新模块可以计算优化超曲面，这导致内燃发动机的性能改善。
成本参数可以包括基于来自连接到内燃发动机的后处理系统的输入的时变成本参数。例如，可以更新时变成本参数以补偿后处理系统的效率的时变变化。通常，后处理系统的选择性催化还原过滤器(SCR)的转换效率会由于多种因素而随着时间变化。为了在SCR转换效率低时保持尾管NOx，可以通过改变相关联的成本函数参数来降低发动机排出NOx约束。
附图说明
现在将参照以下非限制性附图来描述本发明。通过参考结合以下附图考虑的详细描述，本公开的进一步优点是显而易见的，其中：
-图1示出了根据本公开的实施例的包括内燃发动机和内燃发动机控制器的系统的框图；
-图2a是查找表控制脉谱图的实例，并且图2b是由图2a的查找表控制脉谱图中的值限定的超曲面的图形表示；
-图3示出了根据本公开的实施例的内燃发动机控制器的框图；
-图4a、4b和4c分别示出了运行目标函数、排放函数和发动机约束函数的合适函数的图形表示；
-图5示出了根据本公开的实施例的参数更新模块以及脉谱图更新模块的一部分的详细框图；
-图6是NOx校准参数响应于观察到的内燃发动机的运行状况的变化的时变变化的图形表示。
具体实施方式
图1示出了根据本公开的实施例的内燃发动机1和内燃发动机控制器10的总体系统图。
内燃发动机控制器10可以包括处理器和存储器(未示出)。因此，内燃发动机控制器10可以在本领域已知的任何合适的计算装置上实现。内燃发动机模块可以设置在包括一个或多个处理器和集成存储器的专用发动机控制单元(例如发动机控制模块)上。内燃发动机控制器10可以连接到各种输入和输出以便实现本公开的控制方案。因此，内燃发动机控制器10可以被配置成接收各种输入变量信号、传感器数据和可以在控制方案中使用的任何其他信号。例如，内燃发动机控制器10可以被配置成接收发动机传感器数据，例如发动机速度、大气压力、环境温度、IMAP、进气歧管空气温度(IMAT)、EGR质量速率(或用于导出EGR质量估计的传感器)、燃料轨压力、空气系统阀位置和/或燃料质量估计。内燃发动机控制器还可以被配置成接收后处理传感器数据，例如发动机排出NOx(例如净指示比NOx)、排气尾管NOx、柴油微粒过滤器碳烟传感器(差压传感器和/或RF碳烟传感器)、柴油氧化催化剂入口温度和/或SCR入口温度。
如图1所示，内燃发动机的致动器由多个发动机致动器设定点控制。发动机致动器设定点由内燃发动机控制器10控制。在图1的实施例中，要被控制的发动机致动器是EGR、SOI、燃料质量和IMAP。当然，在其他实施例中，可以改变要控制的发动机致动器。
如图1所示，内燃发动机控制器包括发动机设定点模块20。发动机设定点模块20被配置成基于多个控制脉谱图30和到发动机设定点模块20的输入变量向每个致动器输出控制信号。因此，发动机设定点模块20的操作类似于现有技术中已知的开环、基于发动机脉谱图的控制方案。与更复杂的基于模型的控制方案相比，这种开环控制方案具有相对小的计算需求。
到发动机设定点模块20的输入变量可以是从内燃发动机的当前运行导出的不同变量的组合。一些输入变量可以基于内燃发动机的性能要求。一些输入变量可以基于内燃发动机的当前运行状况，例如由各种传感器测量的当前运行状况。由于输入变量用于基于控制脉谱图确定致动器设定点，因此应当理解，每个控制脉谱图的输入变量的总数可能受到内燃发动机控制器10可用的计算资源的限制。
在图1的实施例中，输入变量是请求的扭矩(TqR)、当前发动机速度(N)和当前IMAP。在其他实施例中，可以使用其他输入变量，例如当前EGR(即EGR阀的当前位置)。
通常，应当理解，与内燃发动机相关联的一些控制致动器可能具有与它们相关联的一些时滞。因此，在所请求的致动器设定点(例如，所请求的IMAP)的改变与由传感器记录的改变(即，当前IMAP的传感器读数)之间可能存在某种程度的时间延迟。
多个控制脉谱图30中的每个控制脉谱图限定一个或多个输入变量和致动器设定点之间的关系。在图1的实施例中，提供了四个控制脉谱图30，一个控制脉谱图用于控制EGR、SOI、燃料质量和请求IMAP(IMAPR)中的每一个。控制脉谱图30中的每个控制脉谱图可以基于TqR、N和当前IMAP(IMAPC)中的一个或多个来限定发动机致动器设定点。例如，EGR控制脉谱图可以基于TqR、N和IMAPC来限定致动器设定点的超曲面。因此，TqR，N和IMAPC的组合限定超曲面的位置，从该位置可以计算EGR的致动器设定点。类似地，SOI和燃料质量的控制脉谱图30也可以由超曲面限定，超曲面是TqR、N和IMAPC的函数。图1的实施例中的IMAPR的控制脉谱图可以由超曲面来限定，该超曲面是TqR和N的函数。因此，不同的控制脉谱图可以具有不同数量的维度。
图1的控制脉谱图30中的每个控制脉谱图可以实现为查找表。用于发动机控制器的查找表控制脉谱图30在本领域中是公知的。图2a中示出了示例性查找表控制脉谱图31。图2a中所示的查找表控制脉谱图31具有两个输入维度和单个输出维度。因此，在图2a的实施例中，控制脉谱图31是二维控制脉谱图，其中所引用的维度数量由输入维度数量确定。图2a的控制脉谱图31包括输入变量1(即第一输入变量)和输入变量2(第二输入变量)。查找表为输入变量1和输入变量2的不同组合限定多个值(致动器设定点)。因此，查找表控制脉谱图31可以用于基于输入变量1和2的值来选择致动器设定点。图2b是由查找表控制脉谱图31中的值限定的超曲面的图形表示。如本领域所公知的，可使用查找表中限定的设定点的插值来找到超曲面上的一个或多个输入变量不与查找表中存储的值精确匹配的位置。
在其他实施例中，可以使用替代方式来描述每个控制脉谱图30的超曲面。例如，超曲面可以被限定为输入变量的函数。用于限定超曲面的合适的多维函数可以是通用近似器函数。合适的通用近似器函数可以包括：人工神经网络(例如，径向基函数、多层感知器)、多变量多项式、模糊逻辑、不规则插值、克里金法(Kriging)。
多个控制脉谱图30可以存储在内燃发动机控制器10的存储器中，使得内燃发动机控制器10的各种处理模块可以访问控制脉谱图30。
如图1所示，内燃发动机控制器10还包括脉谱图更新模块40。脉谱图更新模块40被配置成计算控制脉谱图30中的至少一个控制脉谱图的优化超曲面。在图1的实施例中，脉谱图更新模块40可以同时为控制脉谱图30中的每个控制脉谱图计算优化超曲面。脉谱图更新模块40被配置成基于所计算的优化超曲面来更新控制脉谱图30的超曲面。因此，在内燃发动机1的运行期间，可以更新一个或多个控制脉谱图30的超曲面。通过提供可更新的控制脉谱图30的集合，可以提供可以被优化到不同运行点范围的控制脉谱图30的集合。因此，可以减少需要为内燃发动机1校准的控制脉谱图的数量，因为本公开的可更新的控制脉谱图30的集合可以在不同运行点范围内控制内燃发动机1，过去可能已经为这些运行点校准了单独的控制脉谱图集合(即，多个控制脉谱图集合)。
脉谱图更新模块40被配置成基于性能目标函数来计算优化超曲面。性能目标函数可以实时评价，而不是例如历史发动机数据的离线计算。性能目标函数使用来自内燃发动机1的传感器数据和多个输入变量(即，到内燃发动机1的实时输入变量)来计算优化超曲面。性能目标函数包括与发动机模型相关联的发动机参数和/或与成本函数相关联的成本参数，其用于计算优化超曲面。因此，性能目标函数可以是多维函数。实际上，本公开的内燃发动机控制器10以不显著增加基于脉谱图的控制的计算复杂性的方式将附加变量(直接和/或间接传感器数据变量)结合到对内燃发动机1的控制中。
脉谱图更新模块40可以使用性能目标函数来搜索优化超曲面。例如，脉谱图更新模块40可通过基于与发动机模型相关联的发动机参数对内燃发动机1的实时性能建模并计算与所建模的实时性能相关联的成本来搜索优化超曲面。脉谱图更新模块40可对多个候选的致动器设定点组重复该过程，并随后基于最低成本的候选的致动器设定点组确定优化超曲面。
例如，脉谱图更新模块40可以被配置成计算IMAPR控制脉谱图的优化超曲面。IMAPR控制脉谱图30可以基于输入变量：发动机速度(N)和请求的扭矩(TqR)。脉谱图更新模块40可针对多个候选的发动机致动器设定点组来对内燃发动机1的实时性能建模。例如，候选的发动机致动器设定点组可以包括：SOI、燃料质量、请求的EGR和IMAPR。脉谱图更新模块40可以在每个候选的发动机致动器设定点组之间改变发动机致动器设定点中的一个或多个发动机致动器设定点，以便搜索IMAPR控制脉谱图30的优化超曲面。在仅更新IMAPR控制脉谱图30的一个实施例中，用于IMAPR的发动机致动器设定点可以在候选的发动机致动器设定点组中的每个候选组之间变化。基于每个候选组的性能目标函数的输出，脉谱图更新模块40可以确定IMAPR控制脉谱图的优化超曲面。如上所述，优化超曲面可以是由控制脉谱图30限定的总超曲面的一部分(即，可以仅更新由控制脉谱图限定的总超曲面的一部分)。
如图1所示，内燃发动机控制器10还包括参数更新模块50。参数更新模块50被配置成更新性能目标函数的一个或多个参数。特别地，参数更新模块50被配置成更新性能目标函数的发动机参数和/或成本参数。
参数更新模块50被配置成在确定内燃发动机的运行状况的变化时更新性能目标函数的参数。内燃发动机的运行状况可以基于以下中的至少一者：到内燃发动机控制器的输入变量、来自内燃发动机的传感器数据和来自内燃发动机的后处理系统的传感器数据。通过监测这些变量中的一个或多个，参数更新模块可确定运行状况的变化已经发生，并响应于该变化而选择更新性能目标函数的一个或多个参数(成本参数和/或发动机参数)。下面将参照图5更详细地讨论由参数更新模块50确定内燃发动机的运行状况的变化。
通过更新性能目标函数的参数，由脉谱图更新模块40计算的优化超曲面可以考虑内燃发动机的运行状况的变化。因此，脉谱图更新模块可以对内燃发动机性能的时变变化更敏感。例如，参数更新模块可以检测与内燃发动机和/或后处理系统的一个或多个传感器的校准的变化相关联的内燃发动机的运行状况的变化，并且继续更新相关联的性能参数以考虑传感器校准随时间的变化。或者，可以由参数更新模块将内燃发动机的建模性能与内燃发动机的实际实时性能之间的随时间的变化和/或不确定性检测为内燃发动机的运行状况的变化。
图3示出了根据本公开的实施例的内燃发动机控制器10的更详细的框图。该框图以虚线指示脉谱图更新模块40包括性能目标函数和优化器模块42。为了进一步解释性能目标函数，性能目标函数在图3中表示为包括发动机建模模块44和成本模块46。当然，将理解，发动机建模模块44和成本模块46也可以提供为一个组合的“黑盒”函数(即，作为图1的性能目标函数)。因此，内燃发动机控制器10具有与图1所示的结构类似的总体结构。
图3的内燃发动机控制器10还包括发动机设定点模块20。参考图1和相应的描述，将理解，图3的发动机设定点模块20被配置成基于由多个输入变量限定的相应控制脉谱图30的超曲面上的位置来输出多个致动器设定点。
脉谱图更新模块40包括优化器模块42、发动机建模模块44和成本模块46。如上所述，脉谱图更新模块40被配置成计算控制脉谱图30中的一个或多个控制脉谱图的优化超曲面。在该实施例中，脉谱图更新模块40被配置成计算多个控制脉谱图30的优化超曲面。例如，在图3的实施例中，提供了SOI、燃料质量、请求的EGR和IMAPR中的每一个的控制脉谱图。SOI、燃料质量和请求的EGR的控制脉谱图30分别是输入变量发动机转速(N)、请求的扭矩(TqR)和IMAPC的函数。IMAPR的控制脉谱图是发动机速度(N)和请求的扭矩的函数(TqR)。
优化器模块42被配置成搜索控制脉谱图30中的至少一个控制脉谱图的优化超曲面。在该实施例中，优化器模块42被配置成针对同时请求的SOI、燃料质量和EGR来搜索控制脉谱图30中的每个控制脉谱图的优化超曲面。优化器模块42可以被配置成在不同时间搜索IMAPR的优化超曲面。因此，可以理解，脉谱图更新模块40不需要同时更新所有的控制脉谱图。在其他实施例中，将理解，脉谱图更新模块40可以同时更新所有的控制脉谱图。
优化器模块42被配置成搜索优化超曲面，其中优化器模块42向发动机建模模块44提供多个候选的致动器设定点组。每个候选的致动器设定点组实际上是致动器设定点的向量。候选的致动器设定点组可以包括用于要更新的每个控制脉谱图30的致动器设定点。候选的致动器设定点组还可以包括当前未被脉谱图更新模块40更新的控制脉谱图30的致动器设定点。例如，在图3的实施例中，候选的致动器设定点组包括SOI、燃料质量、请求的EGR和IMAPR中的每一个的设定点。通过将IMAPR致动器设定点包括在候选组中，即使该控制脉谱图30没有被更新，实时性能模型精度也可以被提高。实质上，在图3的实施例中，IMAPR设定点被看作是时不变设定点。可以通过其他方式来更新未由优化器模块42更新的控制脉谱图(例如，用于IMAPR的控制脉谱图)。如下面进一步讨论的，可以提供多个不同的优化器函数来更新不同的控制脉谱图。
优化器模块42将每个候选的致动器设定点组输出到形成性能目标函数的一部分的发动机建模模块44。优化器模块42可以以各种方式选择要由性能目标函数评价的候选的致动器设定点组。例如，优化器模块42可以从可允许的致动器设定点的预限定范围中随机地选择候选的致动器设定点组内的每个致动器设定点。因此，候选的致动器设定点组可以是基本上随机化的致动器设定点组。因此，优化器模块42可以随机地选择候选的致动器设定点组(随机化搜索策略)。如下面更详细讨论的，也可以利用替代的搜索策略。
由优化器模块42选择的候选的致动器设定点组的数量可以根据可用于计算优化超曲面的计算资源来预先确定。脉谱图更新模块40被配置成输出优化超曲面以优化控制脉谱图上对应于内燃发动机的当前运行点的位置。因此，脉谱图更新模块40可实时更新控制脉谱图，从而对计算优化超曲面可用的处理时间量设置限制。例如，在图3的实施例中，脉谱图更新模块被配置成在60ms内输出优化超曲面。使用性能目标函数评价单个候选的发动机致动器设定点组所消耗的处理时间将对可以在单个60ms时段内评价的可能候选组的数量设置上限。评价单个候选发动机致动器设定点组所消耗的处理时间将取决于性能目标函数的计算复杂性。
在图3的实施例中，处理时间可以取决于发动机建模模块42和成本模块44的计算复杂性，这将在下面更详细地解释。通常，使用性能目标函数评价单个候选的发动机致动器设定点组可能消耗大约0.1ms。因此，在图3的实施例中，约200个候选的发动机致动器设定点组可由脉谱图更新模块40评价，消耗大约20ms。因此，对于被配置成在60ms内输出优化超曲面的脉谱图更新模块40，可以为剩余处理分配大约30ms的处理时间预算，并分配大约10ms的松弛时间。
作为随机化搜索策略的替代方案，优化器模块42可以采用其他搜索策略。例如，可以根据迭代搜索策略来选择候选的致动器设定点组。作为迭代搜索策略的一部分，可以如上所述识别并分析候选的致动器设定点组的第一集合以确定相关成本。优化器模块42然后可以基于致动器设定点的第一集合和相关联的成本(即，基于候选组的第一集合的最低成本候选组)来选择候选的致动器设定点组的第二集合。合适的搜索迭代搜索策略的示例包括遗传算法、单纯形算法(Simplex)、随机优化和/或群算法。
发动机建模模块44被配置成计算与每个候选的致动器设定点组相关联的多个发动机性能变量。发动机建模模块44的输入是控制脉谱图的多个输入变量，以及来自内燃发动机的传感器输入和候选的致动器设定点组。因此，发动机建模模块44被提供有与内燃发动机的实时运行点相关联的多个输入变量。因此，由发动机建模模块44计算的多个发动机性能变量可以表示内燃发动机的实际实时性能。
在图3的实施例中，发动机建模模块44被提供有SOI、燃料质量、请求的EGR和IMAPR的候选的致动器设定点组。发动机建模模块还被提供有来自内燃发动机的多个传感器的实时数据。来自内燃发动机1的传感器数据可包括来自与内燃发动机1相关联的各传感器的信息。传感器数据还可以包括从来自内燃发动机的一个或多个传感器的数据导出的变量。例如，传感器数据可包括进气歧管绝对压力、进气歧管温度、燃料轨压力、背压阀位置、质量EGR流量、总空气质量流量、燃料质量流量、燃料轨压力(FRP)。
发动机建模模块44可包括一个或多个发动机模型，所述模型被配置成计算与每个候选的致动器设定点组相关联的多个发动机性能变量。应当理解，由于到发动机建模模块44的输入包括到内燃发动机的输入变量以及传感器数据，所以发动机性能变量将表示在那些致动器设定点下的内燃发动机的实时性能。所计算的发动机性能变量可以包括：发动机扭矩、质量空气流量、制动平均有效压力(BMEP)、净平均指示有效压力(IMEP)、泵送平均有效压力(PMEP)、摩擦平均有效压力(FMEP)、排气歧管温度、峰值气缸压力、NOx量(例如，净指示比NOx(NISNOx)、制动指示比NOx)、碳烟量(例如，净指示比碳烟、制动指示比碳烟)、NOx/碳烟比、最小新鲜充量和EGR潜能。
在适用的情况下，内燃发动机控制器计算净指示比发动机性能变量(例如，IMEP、NISNOx)而不是制动指示比性能变量。IMEP反映了内燃发动机在整个发动机循环上的平均有效压力。相比之下，BMEP是根据制动扭矩计算的平均有效压力。在一些实施例中可以使用净指示比值(例如IMEP、NISNOX)，因为即使当发动机空转时这些值也是非零的。
在本公开中，净指示比NOx(NISNOx)和制动指示比NOx进一步旨在表示在后处理系统中的任何处理之前由内燃发动机输出的NOx量。当然，本领域技术人员将理解，还可以在后处理系统的下游估算NOx量(例如，排气尾管NOx)。
为了根据到发动机建模模块44的输入来计算上述发动机性能变量中的一个或多个，可以使用一个或多个发动机参数。发动机参数可以用于限定一个或多个上述性能变量与到发动机建模模块的输入之间的关系。例如。上述性能变量和提供给发动机建模模块的输入之间的各种物理关系是本领域技术人员公知的。因此，发动机建模模块可提供一个或多个基于物理学的模型来计算一个或多个上述性能变量。作为基于物理学的模型的替代方案，发动机建模模块44也可使用经验/黑盒模型或基于经验和物理学的模型的组合(即半物理/灰盒模型)来计算上述性能变量中的一个或多个。
例如，发动机建模模块44可包括均值发动机模型。均值发动机模型对于本领域技术人员来说是公知的，用于模拟发动机性能参数，例如BMEP、发动机扭矩、空气流量等。适用于本公开的均值发动机模型的进一步解释可见于Urs Christen等人，SAE TechnicalPaper Series中的“Event-Based Mean-Value Modeling of DI Diesel Engines forController Design”。因此，均值发动机模型可以用于基于发动机建模模块44的输入来计算发动机性能变量。
作为使用均值模型的补充或替代，发动机建模模块44可包括用于计算一个或多个发动机性能变量的一个或多个基于神经网络的模型。例如，可以使用适当训练的神经网络根据传感器数据来计算净指示比NOx(NISNOx)发动机性能变量。使用神经网络计算发动机性能变量例如NOx量(如NISNOx)的合适技术的进一步解释可见于Michele Steyskal等人，SAE Technical Paper Series中的“Development of PEMS Models for Predicting NOxEmissions from Large Bore Natural Gas Engines”。
可以提供一个或多个内燃发动机部件的基于物理的模型。例如，可提供压缩机模型、涡轮机模型或排气再循环冷却器模型，以便帮助计算合适的发动机性能变量。
发动机建模模块44将发动机性能变量输出到成本模块46。成本模块46被配置成评价发动机性能变量并基于性能变量输出与每个候选的致动器设定点组相关联的成本。在图3的实施例中，成本模块46被配置成将与每个候选的致动器设定点组相关联的成本输出到优化器模块42。在其他实施例中，与每个候选的致动器设定点组相关联的成本的评价可以由与优化器模块42分开的另外的模块来执行。
成本模块46可以包括多个成本函数，所述多个成本函数被配置成将成本分配给各种性能目标，以便评价在候选的致动器设定点组下的内燃发动机的建模性能。每个成本函数可以基于一个或多个发动机性能变量和一个或多个成本参数来确定成本。例如，多个成本函数可以包括一个或多个运行目标函数、一个或多个排放函数以及一个或多个发动机约束函数。多个成本函数中的每一个可以被配置成基于一个或多个发动机性能变量和一个或多个成本参数的函数来输出成本。成本参数可确定与每个发动机性能变量相关联的成本的大小。成本参数还可以确定每个成本函数相对于其他成本函数的相对成本。在图3的实施例中，成本函数被配置成使得较低的成本与更优的性能相关联。
运行目标函数可以是成本函数，其被配置成优化内燃发动机以满足用于运行内燃发动机的某些目标。例如，一个目标可以是运行内燃发动机，同时使制动比燃料消耗(BSFC)或净指示比燃料消耗(NISFC)最小化。另一运行目标可以是最小化扭矩误差(即，实际输出扭矩和请求的扭矩之间的差)。这种运行目标函数的形式可以由具有加权平方律关系的函数(即，形式：成本＝重量*(性能变量)^2)表示。因此，对于运行目标函数，运行目标函数的权重是成本参数。图4a中示出了合适的运行目标函数的图形表示。例如，与NISFC的运行目标相关联的成本(成本NISFC)可以是：
成本NISFC＝权重NISFC*NISFC^2
排放函数可以是被配置成优化内燃发动机以便满足与内燃发动机产生的排放相关的某些目标的函数。例如，可以基于与内燃发动机产生的排放物相关的发动机性能变量来提供一个或多个排放函数。因此，一个或多个排放函数可基于NOx量(NISNOx、碳烟(NISCF)、NOx碳烟比、最小新鲜充量和/或EGR潜能。排放函数可以使用任何合适的函数来限定成本和发动机性能变量之间的关系。例如，在图3的实施例中，排放函数可以单侧平方律函数的形式提供。图4b示出了合适的排放函数的图形表示。
例如，排放函数可以包括目标上限(TU)。目标上限可以限定发动机性能变量的值，高于该值会产生显著的的成本，而对于低于目标上限的值，不会产生成本或成本极小。例如，对于一些内燃发动机，NISNOx的目标上限可以是4g/kWh。因此，对于排放函数，目标上限和/或权重可以是成本参数。在其他实施例中，可以提供目标限值来作为目标下限。
因此，基于发动机性能变量NISNOx的排放函数(成本NOx)可以是：
当：NISNOx<TU,成本NOx＝0
NISNOx≥TU,成本NOx＝权重NOx*(NISNOx–TU)^2
一些排放函数也可以由最小值或目标下限(TL)来限定。例如，基于发动机性能变量排气最低温度(EMT)的排放函数(成本EMT)可以被限定为：
当：EMT>TL,成本EMT＝0
EMT≤TL,成本EMT＝权重EMT*(EMT–TL)^2
发动机约束函数可以是被配置成反映与内燃发动机的运行相关联的约束的函数。因此，可以提供一个或多个发动机约束函数以阻止或防止控制器在某些发动机致动器设定点操作内燃发动机。例如，一个或多个发动机约束函数可以基于具有固定限值的发动机性能变量，所述固定限值由于内燃发动机的物理要求而不能被超越。因此，一个或多个发动机约束函数可以基于峰值气缸压力(PCP)、排气歧管温度、压缩机出口温度。具有期望的固定限值例如最大容许扭矩误差的另外的发动机性能变量也可具有相应的发动机约束函数。每个发动机约束函数可以使用任何合适的函数来限定成本和一个或多个发动机性能变量之间的关系。发动机约束函数还可以包括成本参数。例如，在图3的实施例中，可以以成本＝1/发动机性能变量的形式提供发动机约束函数。图4c中示出了合适的发动机约束函数的图形表示。
例如，可以基于PCP上限L提供用于发动机性能变量PCP的发动机约束函数，由发动机约束函数计算的成本可以随着接近PCP上限L而渐近地上升。因此，限值L也可以是成本参数。因此，基于发动机性能变量PCP的发动机约束函数(成本PCP)可以是：
成本PCP＝1/(L–PCP)
由于发动机约束函数通常涉及具有基于内燃发动机的物理要求的固定限制的发动机性能变量，在一些实施例中，参数更新模块可以不更新与发动机约束函数相关联的成本参数。例如，PCP上限L可以是时不变成本参数。
如上所述，已经关于运行目标函数、排放函数和发动机约束函数描述了各种成本参数。成本参数可以由成本模块46存储，例如作为成本参数向量。
因此，成本模块46可以基于由上面计算的成本函数中的每一个计算的成本来计算与每个候选的致动器设定点组相关联的总成本。与每个候选的致动器设定点组相关联的总成本可以被提供给优化器模块42以供进一步处理。
如图3所示，成本参数中的一个或多个可以由参数更新模块50更新。下面更详细地讨论成本参数的更新。
优化器模块42被配置成基于候选的致动器设定点组和相关联的成本来输出至少一个控制脉谱图30的优化超曲面。因此，基于每个候选的致动器设定点组的总成本，优化器模块42可以识别具有最优性能的致动器设定点组。例如，具有最低总成本的候选的致动器设定点组可提供最优性能。因此，优化器模块42可以确定具有最低总成本的候选的致动器设定点组是优化的致动器设定点组。脉谱图更新模块可基于优化的致动器设定点组，更新控制脉谱图在由输入变量限定的位置处的一个或多个超曲面。
因此，可以提供根据图3所示的图的内燃发动机控制器10。
图5示出了参数更新模块50以及脉谱图更新模块40的一部分的更详细的框图。参数更新模块50旨在更新性能目标函数的一个或多个发动机参数和/或成本参数。要更新的参数通常用于两个目的之一。与发动机模型(即，形成发动机建模模块44的一部分)相关联的发动机参数可以被更新，以便减小发动机建模模块44的发动机模型中的不确定性。与上述成本函数相关联的成本参数可以被更新，以便实现内燃发动机控制器的优先级的改变(即，改变内燃发动机1的运行模式)。
如上所述，性能目标函数的发动机建模模块44利用内燃发动机的模型来确定发动机性能变量。应当理解，将存在与所计算的发动机性能变量相关联的某些不确定性。在内燃发动机的寿命期间，应当理解，例如，内燃发动机的老化和/或内燃发动机制造中的变化可能导致内燃发动机的实际性能与由发动机建模模块44建模的性能略有不同。特别地，时龄相关的不确定性可以是时变的。参数更新模块50被提供用于随着时间更新发动机参数以试图抵消时变不确定性对发动机建模模块44的影响。
如上所述，性能目标函数(发动机建模模块44)利用传感器数据和多个输入变量来计算一个或多个发动机性能变量。这些发动机性能变量中的一些可以与内燃发动机的物理特性相关，该物理特性可以由另外的发动机传感器观察到。参数更新模块50被配置成基于从内燃发动机获得的传感器数据进行给定发动机性能变量的模型观测和发动机性能变量的物理观测。通过比较模型观察和物理观察，参数更新模块50被配置成确定发动机参数以减小模型观察和物理观察之间的任何差异。应当理解，参数更新模块使用的发动机模型是时不变的。因此，在发动机性能变量的模型观测和发动机性能变量的物理观测之间随时间发生的任何差异被有效地认为是由于内燃发动机1的运行状况的变化。
如图5所示，参数更新模块50将发动机参数输出到脉谱图更新模块40的性能目标函数。性能目标函数利用发动机参数来更新由发动机建模模块44计算的相应的发动机性能变量，以便减小不确定性。然后，将更新的发动机性能变量输入到性能目标函数的成本模块46部分。
例如，在一个实施例中，表示NOx量的发动机性能变量可以由发动机建模模块44基于传感器数据来计算。然而，可能存在与该计算的NOx量相关联的一些不确定性。不确定性可由内燃发动机的制造偏差、内燃发动机的劣化和/或环境不确定性引起。例如，由给定内燃发动机产生的实际NOx量可能取决于诸如发动机磨损或湿度的未测量的干扰。为了试图抵消这种不确定性，参数更新模块50可更新一个或多个发动机参数以减少发动机性能变量的计算中的不确定性。
参数更新模块50可以被提供有来自连接到内燃发动机1的后处理系统的附加传感器数据，根据该附加传感器数据可以确定实际的NOx量。例如，可以向参数更新模块提供来自连接到后处理系统的NOx传感器的传感器数据。参数更新模块50也可以设定有与脉谱图更新模块40相同的传感器数据和输入参数，参数更新模块可以使用与发动机建模模块44相同的发动机模型根据输入参数计算NOx量。
参数更新模块50被配置成确定NOx校准参数以减少由发动机建模模块计算的NOx量和由连接到内燃发动机1的传感器观察到的实际NOx量之间的任何差异。
图6示出了响应于内燃发动机1的运行状况的观察到的变化的NOx校准参数的时变变化的示例。在图6的示例中，内燃发动机1在根据本公开的内燃发动机控制器10的控制下在稳态条件下运行。在时间t＝120s时，引入EGR传感器中的人为质量误差。EGR传感器数据被发动机建模模块44用来计算发动机性能变量的NOx量的传感器数据输入之一使用。如图6的曲线图1)所示，EGR传感器中的干扰导致由发动机建模模块44计算的NOx量发动机性能变量中的干扰。图6还示出了在同一时间段内由连接到后处理系统的NOx传感器测量的NOx量的曲线图。如图6所示，由内燃发动机输出的实际NOx量在时间t＝120s处不变。
图6的图2)示出了在曲线图1)的相应时间段上的NOx校准参数的曲线图。在时间t＝120s之前，内燃发动机以稳态运行，因此NOx校准参数被设定在大约1.23。一旦在时间t＝120s引入EGR传感器中的扰动，参数更新模块50观察NOx量发动机性能变量的模型观察和NOx传感器对NOx量的物理观察之间的差异。参数更新模块随着时间调整NOx校准参数以减小模型观测和物理观测之间的差异，如图6所示。因此，参数更新模块50用于校准在EGR质量传感器处引入的干扰，并减小NOx量的模型观测与由传感器检测到的实际NOx量之间的差异。
应当理解，图6的示例提供了对EGR传感器施加人为干扰以帮助理解本公开，并且不应当理解本公开仅限于抵消短期瞬时干扰。此外，尽管在图6的示例中，传感器中的干扰被用于演示参数更新模块50的效果，但是将理解，本公开不限于抵消传感器误差。例如，参数更新模块50还可被配置成考虑到导致内燃发动机的性能和/或排放相对于由发动机建模模块44计算的值之间的差异的内燃发动机的输入灵敏度。
如图5进一步所示，参数更新模块50可以在确定内燃发动机的运行状况的变化时更新与性能目标函数的一个或多个成本函数相关联的一个或多个成本参数。如上所述，性能目标函数的成本函数可以包括运行目标函数、排放函数和/或发动机约束函数。这些类型的成本函数中的每一个可以具有与它们相关联的一个或多个成本参数。参数更新模块50可以更新这些成本参数的相对值，以便将每个成本函数的相对重要性调整为针对每个候选的致动器设定点组计算的总成本。因此，当搜索优化超曲面时，参数更新模块50可以有效地提供对脉谱图更新模块40的策略的时变调整。这反过来又允许内燃发动机控制器10使用减少数量的控制脉谱图在不同环境的范围内和在不同运行点运行。
例如，参数更新模块50可以利用来自后处理系统的数据，以便确定将执行后处理系统的再生(例如，来自后处理系统的需要再生的指示)。这种指示可以基于确定DPF碳烟负荷已经上升到阈值以上。因此，可以更新一个或多个成本参数，使得脉谱图更新模块40改变策略，例如从优先考虑低燃料消耗到优先考虑高排气温度。因此，参数更新模块50可以更新性能目标函数的一些成本参数，以便实现后处理系统的再生。
例如，可以提供排放功能以将成本分配给包括相关的排气最低温度成本参数(TL)的排气最低温度发动机性能变量。为了使后处理系统(例如，为了再生柴油机微粒过滤器(DPF))再生，参数更新模块50可将成本参数TL从可忽略的值(例如，-273.15℃)增加到更高的值(例如，400℃)。内燃发动机可能不能达到这样的排气温度，但是将鼓励其找到使与该值的偏差最小化的解决方案，从而增加排气温度，使得后处理系统可以再生。因此，成本参数TL可以用于触发后处理热管理模式，在该后处理热管理模式中，从内燃发动机输出的排气温度增加。当不再需要后处理热管理时(例如，一旦再生过程完成)，参数更新模块50可将参数TL调整到可忽略的值(例如，-180℃)。因此，当不需要后处理热管理时，EMT的排放函数的重要性相对于其他成本函数降低。
为了确定DPF是否应该再生，可以向参数更新模块50提供表示DPF碳烟负荷的发动机性能变量。或者，DPF碳烟负荷可以由参数更新模块50从由内燃发动机提供的传感器数据导出。例如，DPF碳烟负荷可以是由内燃发动机控制器从代表DPF碳烟负荷的传感器数据导出的发动机性能变量，所述传感器数据例如给定质量流量下的预期DPF差压与测量的DPF差压的比较，以推断DPF碳烟负荷。
在一些运行环境中，实际DPF碳烟负荷可能变化，例如由于DPF上的碳烟积聚。参数更新模块50可以响应于确定DPF碳烟负荷已经超过DPF碳烟负荷上限阈值而更新成本参数TL。因此，DPF碳烟负荷的变化表示内燃发动机的运行状况的变化。因此，在一些实施例中，参数更新模块50可以确定当DPF碳烟负荷上升到DPF碳烟负荷上限阈值以上时DPF应该被再生。因此，参数更新模块50可以将成本参数TL从可忽略的值(例如，-273.15℃)更新为较高值(例如，400℃)。一旦DPF再生(即，碳烟从DPF燃尽以降低DPF碳烟负载)，参数更新模块50可以将参数TL调整至可忽略的值(例如，-180℃)。参数更新模块50可以基于确定DPF碳烟负荷已经下降到低于下碳烟负荷阈值而确定DPF已再生。作为较低DPF碳烟负荷指标的补充或替代，参数更新模块50可以确定DPF在预定的时间段已经到期之后再生。根据内燃发动机和DPF的具体要求，在其他实施例中预定阈值可以改变。例如，DPF碳烟负荷阈值可以至少是：85％、90％或95％。
在其他实施例中，参数更新模块50可更新成本函数的权重的相对值，以便引起后处理系统的再生。因此，成本函数的权重函数可以从优先考虑低燃料消耗更新到例如优先考虑高排气温度，这通过改变与(多个)成本函数相关联的一个或多个权重函数来实现。
在一些实施例中，参数更新模块50可以包括用于更新性能目标函数的参数的多于一个函数。例如，在一些实施例中，参数更新模块50可包括SCR温度函数，用于基于表示SCR催化剂温度(例如SCR入口温度)的传感器数据更新排气最低温度TL。这种功能可以作为替代或补充提供给确定DPF是否应该如上所述进行热管理的参数更新模块50。参数更新模块的SCR温度函数被配置成响应于确定表示SCR催化剂温度(TSCR)的传感器数据低于阈值SCR较低温度(kSCR1)而增加排气最小温度成本参数TL。为了提高SCR催化剂温度，参数更新模块50可将成本参数TL从可忽略的值(例如，-273.15℃)提高到较高值(例如，400℃)。因此，SCR温度函数还可以更新成本参数TL以提供后处理热管理模式。TL的较高值可被保持直到TSCR超过阈值上限温度，在该点TL可被更新为可忽略的值。有效地，SCR温度函数可以在kSCR1和kSCR2之间结合滞后的形式，以使由于SCR温度函数而对TL的更新频率平滑。
参数更新模块50可以存储从后处理系统接收的与内燃发动机的排放相关的排放数据。参数更新模块50可利用排放数据来监测内燃发动机的排放性能。在一些实施例中，参数更新模块50可以基于所监测的排放性能来调整排放函数中的一个或多个。因此，内燃发动机控制器10可以被配置成以符合各种排放法规的方式控制内燃发动机1。应当理解，排放法规可根据内燃发动机的运行位置而变化。与可以被单独地校准以预先符合特定排放目标的时不变控制脉谱图不同，内燃发动机的参数更新模块50可以被更新以适当地符合当地排放法规。因此，可以进一步降低内燃发动机控制器10的校准需求。
例如，参数更新模块50可以响应于SCR转换效率的变化更新与排放函数(成本NOx)相关联的成本参数。参数更新模块50可响应于SCR转换效率的变化来更新成本参数目标上限TU。因此，参数更新模块50可改变成本参数TU以试图抵消SCR效率的变化，使得尾管NOx量的任何变化被减少或消除。
在一个实施例中，参数更新模块50可包括目标更新函数，以更新成本参数TU，该成本参数考虑了SCR转换效率的变化。根据该实施例，参数更新模块可确定或被提供有NOX量的期望上限DU。例如，参数更新模块可以根据要控制的内燃发动机以期望的NOx量上限进行校准。例如，在图5的实施例中，DU可以是4g/kWh。参数更新模块50可基于DU计算TU，并基于SCR转换效率计算缩放因数(kCE)：
TU＝DU*kCE
缩放因数kCE可实时反映预期SCR转换效率(例如，由发动机建模模块假定的预期SCR转换效率)与由参数更新模块50确定的实际SCR转换效率之间的差异。缩放因数kCE可具有对应于实际SCR转换效率等于或大于预期SCR转换效率时的上限1。当实际SCR转换效率小于或等于SCR转换效率阈值时，缩放因数kCE可具有下限X，X可小于1且大于约0.4，例如，下限X可为0.4、0.5、0.6或0.7。因此，在一个实施例中，目标更新函数可将NOx量的目标上限从SCR催化剂以95％效率运行时的4g/kWh缩放至SCR催化剂以90％效率运行时的2g/kWh。在这些值之间的范围上的缩放可以是线性的或任何其他形式的适当关系。
在一些实施例中，参数更新模块50可以基于所监测的排放性能通过更新用于计算成本参数的缩放因数来调整排放函数中的一个或多个。例如，参数更新模块可以通过基于监控的排放性能更新缩放因数kCE来更新成本参数TU。
工业适用性
本公开的内燃发动机控制器10可以被配置成以多种配置来控制内燃发动机。
一种应用可以是用于控制如图1所示的内燃发动机的致动器设定点。所述内燃发动机可以安装在例如车辆或机器上，或者可以形成发电机的一部分。

Claims (20)

1.一种用于内燃发动机的内燃发动机控制器，包括：
存储器，所述存储器被配置成存储多个控制脉谱图，每个控制脉谱图限定致动器设定点的超曲面，用于基于到所述内燃发动机控制器的多个输入变量来控制所述内燃发动机的致动器；以及
处理器，所述处理器包括：
脉谱图更新模块，所述脉谱图更新模块被配置成基于所述内燃发动机的性能目标函数、来自所述内燃发动机的传感器数据以及所述多个输入变量来计算所述控制脉谱图中的至少一个控制脉谱图的优化超曲面，其中所述性能目标函数包括参数；以及
参数更新模块，所述参数更新模块被配置成在确定所述内燃发动机的运行状况的变化时更新所述性能目标函数的参数；
其中所述参数包括下列中的一者或两者：与发动机模型相关联的发动机参数；以及与成本函数相关联的成本参数；
其中所述脉谱图更新模块被配置成基于所述优化超曲面来更新所述控制脉谱图的所述超曲面，以及
发动机设定点模块，所述发动机设定点模块被配置成基于由所述多个输入变量限定的相应控制脉谱图的超曲面上的位置向每个致动器输出控制信号。
2.根据权利要求1所述的内燃发动机控制器，其中所述脉谱图更新模块被配置成在1秒的时间段内计算优化超曲面。
3.根据任一项前述权利要求所述的内燃发动机控制器，其中所述脉谱图更新模块被配置成同时计算所述控制脉谱图中的每个控制脉谱图的优化超曲面；并且
所述脉谱图更新模块被配置成基于相应的优化超曲面来更新所述控制脉谱图中的每个控制脉谱图的所述超曲面。
4.根据任一项前述权利要求所述的的内燃发动机控制器，其中所述脉谱图更新模块包括：
优化器模块，所述优化器模块被配置成搜索优化超曲面，其中所述优化器模块选择要由所述性能目标函数评价的多个候选的致动器设定点组，并且
所述优化器模块被配置成基于由所述性能目标函数对所述候选的致动器设定点组的评价来输出所述至少一个控制脉谱图的优化超曲面。
5.根据任一项前述权利要求所述的内燃发动机控制器，其中所述性能目标函数包括：
发动机建模模块，所述发动机建模模块被配置成基于所述输入变量、来自所述内燃发动机的所述传感器数据、所述发动机参数和所述候选的致动器设定点组来计算与每个候选的致动器设定点组相关联的多个发动机性能变量；
成本模块，所述成本模块被配置成评价所述发动机性能变量并基于所述成本参数输出与每个候选的致动器设定点组相关联的成本。
6.根据权利要求5所述的内燃发动机控制器，其中所述发动机参数包括基于来自连接到所述内燃发动机的后处理系统的输入的时变发动机参数。
7.根据权利要求5所述的内燃发动机控制器，其中所述成本参数包括基于来自连接到所述内燃发动机的后处理系统的输入的时变成本参数。
8.根据任一项前述权利要求所述的内燃发动机控制器，其中所述内燃发动机的所述运行状况的变化基于所述模型与所述内燃发动机之间的观察到的差异。
9.根据权利要求8所述的内燃发动机控制器，其中基于从所述内燃发动机的传感器输出的传感器数据相对于表示所述传感器数据的预测值的发动机性能变量的变化来确定所述运行状况的变化；并且
所述参数更新模块被配置成更新所述性能目标函数的发动机参数，以将所述传感器数据和表示所述传感器数据的预测值的发动机性能变量之间的差异减小到预定阈值以下。
10.根据任一项前述权利要求所述的内燃发动机控制器，其中所述参数更新模块被配置成基于以下中的至少一者来确定所述内燃发动机的所述运行状况的变化：到所述内燃发动机控制器的所述输入变量、来自所述内燃发动机的传感器数据和来自所述内燃发动机的后处理系统的传感器数据。
11.一种控制内燃发动机的方法，包括：
提供多个控制脉谱图，每个控制脉谱图限定致动器设定点的超曲面，用于基于到所述内燃发动机控制器的多个输入变量来控制所述内燃发动机的致动器；以及
基于所述内燃发动机的性能目标函数、来自所述内燃发动机的传感器数据以及所述多个输入变量来计算所述控制脉谱图中的至少一个控制脉谱图的优化超曲面，其中所述性能目标函数包括参数；以及
在确定所述内燃发动机的运行状况的变化时更新所述性能目标函数的参数，
其中所述参数包括下列中的一者或两者：与发动机模型相关联的发动机参数；以及与成本函数相关联的成本参数；
其中基于所述优化超曲面来更新所述控制脉谱图的所述超曲面，以及
基于由所述多个输入变量限定的相应控制脉谱图的所述超曲面上的位置向每个致动器输出控制信号。
12.根据权利要求11所述的方法，其中在1秒的时间段内计算所述优化超曲面。
13.根据权利要求11或权利要求12中任一项所述的方法，其中同时计算所述控制脉谱图中的每个控制脉谱图的优化超曲面；以及
基于相应的优化超曲面来更新所述控制脉谱图中的每个控制脉谱图的所述超曲面。
14.根据权利要求11至13中任一项所述的方法，其中计算优化超曲面包括：
通过选择要由所述性能目标函数评价的多个候选的致动器设定点组来搜索优化超曲面，以及
基于通过所述性能目标函数对所述候选的致动器设定点组中的每一者的评价来输出所述至少一个控制脉谱图的优化超曲面。
15.根据权利要求11至14中任一项所述的方法，其中所述性能目标函数包括：
发动机模型，所述发动机模型被配置成基于所述输入变量、来自所述内燃发动机的所述传感器数据、所述发动机参数和所述候选的致动器设定点组来计算与每个候选的致动器设定点组相关联的多个发动机性能变量；
成本模型，所述成本模型被配置成评价所述发动机性能变量，并基于所述成本参数输出与每个候选的致动器设定点组相关联的成本。
16.根据权利要求15所述的方法，其中所述发动机参数包括基于来自连接到所述内燃发动机的后处理系统的输入的时变发动机参数。
17.根据权利要求15所述的方法，其中所述成本参数包括基于来自连接到所述内燃发动机的后处理系统的输入的时变成本参数。
18.根据权利要求11至17中任一项所述的方法，其中所述内燃发动机的所述运行状况的变化基于所述模型与所述内燃发动机之间的观察到的差异。
19.根据权利要求18所述的方法，其中基于从所述内燃发动机的传感器输出的传感器数据相对于表示所述传感器数据的预测值的发动机性能变量的变化来确定所述运行状况的变化；
其中更新发动机参数将所述传感器数据与表示所述传感器数据的预测值的所述发动机性能变量之间的差异减小到预定阈值以下。
20.根据任一项前述权利要求所述的方法，其中确定所述内燃发动机的所述运行状况的变化是基于以下中的至少一者：到所述内燃发动机控制器的所述输入变量、来自所述内燃发动机的传感器数据和来自所述内燃发动机的后处理系统的传感器数据。
CN202080033619.6A 2019-04-26 2020-04-20 内燃发动机控制器 Active CN113795660B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1905882.5 2019-04-26
GB1905882.5A GB2583383B (en) 2019-04-26 2019-04-26 Internal combustion engine controller
PCT/EP2020/025181 WO2020216471A1 (en) 2019-04-26 2020-04-20 Internal combustion engine controller

Publications (2)

Publication Number Publication Date
CN113795660A true CN113795660A (zh) 2021-12-14
CN113795660B CN113795660B (zh) 2024-02-27

Family

ID=66809101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080033619.6A Active CN113795660B (zh) 2019-04-26 2020-04-20 内燃发动机控制器

Country Status (6)

Country Link
US (1) US11898513B2 (zh)
EP (1) EP3959430A1 (zh)
JP (1) JP2022529667A (zh)
CN (1) CN113795660B (zh)
GB (1) GB2583383B (zh)
WO (1) WO2020216471A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2585178B (en) * 2019-04-26 2022-04-06 Perkins Engines Co Ltd Engine control system
JP7359011B2 (ja) * 2020-02-05 2023-10-11 トヨタ自動車株式会社 内燃機関の制御装置
DE102020129903B4 (de) * 2020-11-12 2022-06-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein Verbrennungsmotorsteuerung mit aus einem lernfähigen modell abgeleiteten betriebsparameter-kennfeld
US11378032B1 (en) * 2021-03-26 2022-07-05 Caterpillar Inc. Method and system for moving horizon estimation for machine control

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101285427A (zh) * 2007-04-09 2008-10-15 山东申普汽车控制技术有限公司 组合脉谱对发动机进气系统控制的方法
US20100168989A1 (en) * 2007-04-09 2010-07-01 Hau Zhao Control Method and Device For Engine
DE102009021781A1 (de) * 2009-05-18 2010-11-25 Fev Motorentechnik Gmbh Verfahren zur Berechnung eines Kennfelds
US20130111905A1 (en) * 2011-11-04 2013-05-09 Honeywell Spol. S.R.O. Integrated optimization and control of an engine and aftertreatment system
US20140148928A1 (en) * 2012-11-27 2014-05-29 Honeywell International Inc. Multivariable control system for setpoint design
US20150094939A1 (en) * 2013-09-27 2015-04-02 Ford Global Technologies, Llc Powertrain control system
CN107074245A (zh) * 2014-11-04 2017-08-18 大陆汽车有限公司 用于运行混合动力车辆或者电动车辆的方法
US20180355812A1 (en) * 2015-11-04 2018-12-13 Ge Jenbacher Gmbh & Co. Og Internal combustion engine

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103425B2 (en) 2005-12-23 2012-01-24 Perkins Engines Company Limited Simulation-based control for HCCI power systems
US7431011B2 (en) * 2006-02-06 2008-10-07 Ut-Battelle, Llc Method and device for diagnosing and controlling combustion instabilities in internal combustion engines operating in or transitioning to homogeneous charge combustion ignition mode
DE602007012825D1 (de) 2007-03-23 2011-04-14 Ford Global Tech Llc Verfahren zur Anpassung einer Steuerkarte für einen Verbrennungsmotor
DE102012201830A1 (de) 2012-02-08 2013-08-08 Robert Bosch Gmbh Verfahren und Vorrichtung zur Adaption von Signalen eines Sauerstoffsensors im Luftzufuhrkanal einer Brennkraftmaschine
DE102015207252A1 (de) 2015-04-21 2016-10-27 Avl List Gmbh Verfahren und Vorrichtung zur modellbasierten Optimierung einer technischen Einrichtung
EP3091212A1 (en) 2015-05-06 2016-11-09 Honeywell International Inc. An identification approach for internal combustion engine mean value models
EP3165750A1 (de) * 2015-11-04 2017-05-10 GE Jenbacher GmbH & Co. OG Brennkraftmaschine mit kraftstoffinjektordiagnose
US9789876B1 (en) 2016-06-16 2017-10-17 GM Global Technology Operations LLC Axle torque control system for a motor vehicle
US20180058350A1 (en) 2016-08-31 2018-03-01 GM Global Technology Operations LLC Method and apparatus for controlling operation of an internal combustion engine
US10125712B2 (en) 2017-02-17 2018-11-13 GM Global Technology Operations LLC Torque security of MPC-based powertrain control
US10626817B1 (en) * 2018-09-27 2020-04-21 General Electric Company Control and tuning of gas turbine combustion
GB2585178B (en) * 2019-04-26 2022-04-06 Perkins Engines Co Ltd Engine control system
US11408359B2 (en) * 2020-08-31 2022-08-09 Garrett Transportation I Inc. System for turbocharger performance monitoring and adaptation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101285427A (zh) * 2007-04-09 2008-10-15 山东申普汽车控制技术有限公司 组合脉谱对发动机进气系统控制的方法
US20100168989A1 (en) * 2007-04-09 2010-07-01 Hau Zhao Control Method and Device For Engine
DE102009021781A1 (de) * 2009-05-18 2010-11-25 Fev Motorentechnik Gmbh Verfahren zur Berechnung eines Kennfelds
US20130111905A1 (en) * 2011-11-04 2013-05-09 Honeywell Spol. S.R.O. Integrated optimization and control of an engine and aftertreatment system
US20140148928A1 (en) * 2012-11-27 2014-05-29 Honeywell International Inc. Multivariable control system for setpoint design
US20150094939A1 (en) * 2013-09-27 2015-04-02 Ford Global Technologies, Llc Powertrain control system
CN107074245A (zh) * 2014-11-04 2017-08-18 大陆汽车有限公司 用于运行混合动力车辆或者电动车辆的方法
US20180355812A1 (en) * 2015-11-04 2018-12-13 Ge Jenbacher Gmbh & Co. Og Internal combustion engine

Also Published As

Publication number Publication date
GB2583383B (en) 2021-06-09
JP2022529667A (ja) 2022-06-23
CN113795660B (zh) 2024-02-27
US11898513B2 (en) 2024-02-13
WO2020216471A1 (en) 2020-10-29
US20220205405A1 (en) 2022-06-30
GB2583383A (en) 2020-10-28
EP3959430A1 (en) 2022-03-02
GB201905882D0 (en) 2019-06-12

Similar Documents

Publication Publication Date Title
CN113795660B (zh) 内燃发动机控制器
US11939931B2 (en) Engine control system
JP6416781B2 (ja) 内燃機関空気経路制御のためのレートベースモデル予測制御方法
CN112282947B (zh) 用于后处理控制的方法和系统
US20160160787A1 (en) Controller for controlling an internal combustion engine of a vehicle, in particular a commercial vehicle
SE523354C2 (sv) Anordning och förfarande för cirkulation av avgaser
CN112282946A (zh) 用于后处理的热控制的方法和系统
US20220235721A1 (en) Internal combustion engine controller
US11761392B2 (en) Method and system for engine air system control
JP7572376B2 (ja) エンジン制御システム
US11614041B2 (en) Engine intake air and exhaust control system
Jimbo et al. Predictive control for high-EGR SI engines without misfire via flow-based design
Brewbaker et al. Dynamic optimization of diesel air-path control for reduced pumping work
Aran et al. Diesel engine airpath controller via data driven disturbance observer
Copp et al. Fuzzy modelling techniques applied to an air/fuel ratio control system
CN118188188A (zh) 一种涡前排气温度确定方法、发动机闭环控制方法及系统

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