CN114048680A - 一种发动机最大气量自学习方法、设备及存储介质 - Google Patents

一种发动机最大气量自学习方法、设备及存储介质 Download PDF

Info

Publication number
CN114048680A
CN114048680A CN202111346615.6A CN202111346615A CN114048680A CN 114048680 A CN114048680 A CN 114048680A CN 202111346615 A CN202111346615 A CN 202111346615A CN 114048680 A CN114048680 A CN 114048680A
Authority
CN
China
Prior art keywords
engine
learning
air quantity
self
maximum air
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
CN202111346615.6A
Other languages
English (en)
Inventor
鲁盼
秦龙
岳永召
王冬
马增辉
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.)
Dongfeng Motor Corp
Original Assignee
Dongfeng Motor Corp
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 Dongfeng Motor Corp filed Critical Dongfeng Motor Corp
Priority to CN202111346615.6A priority Critical patent/CN114048680A/zh
Publication of CN114048680A publication Critical patent/CN114048680A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明公开了一种发动机最大气量自学习方法、设备及存储介质，通过设置一定的激活条件，在特定工况下通过自学习的方式识别发动机最大气量，并采用一定的更新方法更新发动机最大气量存储值，真实反映发动机实时性能，提高动力系统动力输出精度。

Description

一种发动机最大气量自学习方法、设备及存储介质
技术领域
本发明涉及发动机控制领域，尤其涉及一种发动机最大气量自学习方法、设备及存储介质。
背景技术
发动机在其生命周期推移后可能会发生零部件老化磨损等性能恶化导致发动机动力不足的情况，如进气系统的零部件损坏磨损可能导致进气能力不足，如果发动机控制系统无法真实反映系统的能力，那么对于发动机最大可提供输出的能力错误判断，在与其他控制器进行扭矩交互时，会存在错误交互，影响动力系统动力输出精度。
发明内容
本发明主要目的是：提供一种发动机最大气量自学习方法、设备及存储介质，能够提高动力系统动力输出精度。
本发明所采用的技术方案是：一种发动机最大气量自学习方法，本方法包括：
预设：
在发动机台架试验中，在各种大气压力、各种辛烷值、各种发动机转速和各种发动机水温下获取其对应的发动机最大气量，作为初始值，存储到发动机最大气量存储值中；其中，以发动机水温作为采样点，并按照以下原则选取：在两个相邻采样点之间，同样的发动机转速、大气压力、辛烷值下的最大气量与发动机水温呈线性关系；
进入自学习稳定化阶段：
当发动机工况满足第一激活条件时，发动机进入自学习稳定化阶段；
进入最大气量自学习激活阶段：
在自学习稳定化阶段，当满足第二激活条件时，进入最大气量自学习激活阶段，并持续一定时间T，计算一定时间T内的发动机转速总和、发动机水温总和、发动机实际最大气量总和；
进入自学习存储阶段：
当所述的一定时间T满足后，进入自学习存储阶段，计算一定时间T内的发动机转速平均值nAvg、发动机水温平均值CoolantAvg和发动机实际最大气量平均值RhoAvg，且将发动机最大气量平均值限制在一定范围内；将计算结果更新到发动机最大气量存储值中；
所述更新的具体方法为：在发动机最大气量的存储值中，转速A、水温CN-1下的上一次发动机最大气量存储值为rho1，转速A、水温CN下的上一次发动机最大气量存储值为rho2，转速B、水温CN-1下的上一次发动机最大气量存储值为rho3，转速B、水温CN下的上一次发动机最大气量存储值为rho4，其中A＜B，CN-1＜CN；
本次计算得到的发动机转速平均值nAvg在[A,B]之间，发动机水温平均值CoolantAvg在[CN-1,CN]之间，则更新得到转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef为：
Figure BDA0003354373990000021
式中，k0为预设系数；
将转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef插入到水温采样点中；
同时更新转速A、水温CN-1下的上一次发动机最大气量存储值为rho1′：
rho'1＝k0×rho1+(1-k0)×(rho1+RhoAvg-rhoBef)
更新转速A、水温CN下的上一次发动机最大气量存储值为rho2′：
rho'2＝k0×rho2+(1-k0)×(rho2+RhoAvg-rhoBef)
更新转速B、水温CN-1下的上一次发动机最大气量存储值为rho3′：
rho'3＝k0×rho3+(1-k0)×(rho3+RhoAvg-rhoBef)
更新转速B、水温CN下的上一次发动机最大气量存储值为rho4′：
rho'4＝k0×rho4+(1-k0)×(rho4+RhoAvg-rhoBef)
本次自学习结束。
按上述方法，所述的第一激活条件为：
氧传感器已活化一段时间；发动机处于运行状态；发动机最大气量自学习次数未更新超过一定时间；发动机转速在一定转速范围内，且进入最大气量自学习的发动机转速波动在预设转速波动范围内；进气温度在一定温度范围内，且进入最大气量自学习的进气温度波动在预设温度波动范围内；发动机水温在一定水温范围内，发动机燃烧情况在预设状态下；未检测到爆震或者早燃；排气温度在预设排温范围内；未出现进气系统相关零部件故障；任一油缸未出现断油请求，或断油恢复后一段油缸运行时间；节气门前进气压力与节气门后进气压力差在预设差内；增压器能力已达到最大能力；可变气门正时VVT系统目标相位与实际相位差在预设范围内；油门开度达到其最大开度；辛烷值未变化超过第一辛烷值预设时间；大气压力未变化超过第一压力预设时间。
按上述方法，所述的第二激活条件为：在发动机进入自学习稳定化阶段超过第一预设时间、辛烷值未更新超过第二辛烷值预设时间、大气压力未更新超过第二压力预设时间。
按上述方法，在进入最大气量自学习激活阶段后，实时监测发动机工况，当发现有不满足第一激活条件时，立刻终止自学习，重新判断能否进入自学习稳定化阶段。
按上述方法，本方法还包括循环步骤：每次自学习结束后，发动机最大气量自学习次数+1；若此时发动机工况满足第二激活条件，则回到最大气量自学习激活阶段，重新计算所述一定时间T；若不满足则终止学习重新判断能否进入自学习稳定化阶段。
按上述方法，如果所有转速和水温工况下发动机最大气量存储值均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量存储值均呈现增大或减小的趋势，则：下一个发动机最大气量自学习更新的系数k0加上一定补偿量，得到新的k1。
按上述方法，如果所有转速和水温工况下基本点火效率均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量均不是呈现增大或减小的趋势(即有的工况下发动机最大气量增大，有的工况下发动机最大气量减小)，则：下一个发动机最大气量自学习更新的系数k0减去一定补偿量，得到新的k2。
按上述方法，在发动机气量和扭矩能力控制过程中，根据所述更新的具体方法来读取当前发动机转速和水温下的发动机最大气量值。
按照本发明的另一方面，提供一种发动机控制设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的控制程序，所述处理器执行所述控制程序时实现上述发动机最大气量自学习方法。
按照本发明的另一方面，提供一种发动机控制设备可读存储介质，其上存储有控制程序，所述控制程序被处理器执行时实现上述发动机最大气量自学习方法。
本发明产生的有益效果是：通过设置一定的激活条件，在特定工况下通过自学习的方式识别发动机最大气量，并采用一定的更新方法更新发动机最大气量存储值，真实反映发动机实时性能，提高动力系统动力输出精度。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不必用于描述特定的顺序或先后次序。
如图1所示，本发明提供一种发动机最大气量自学习方法，本方法包括：
S1、预设：
在发动机台架试验中，在各种大气压力、各种辛烷值、各种发动机转速和各种发动机水温下获取其对应的发动机最大气量，作为初始值，存储到发动机最大气量存储值中；其中，以发动机水温作为采样点，并按照以下原则选取：在两个相邻采样点之间，同样的发动机转速、大气压力、辛烷值下的最大气量与发动机水温呈线性关系。
基于上述原则，得到采样点[C0,C1,C2,C3…CN-1,CN…]。
S2、进入自学习稳定化阶段：当发动机工况满足第一激活条件时，发动机进入自学习稳定化阶段。
发动机最大气量自学习，需要在发动机工况稳定的时候进行，以保证自学习的准确性。发动机最大气量自学习的激活条件是发动机最大气量进入自学习的最基本前提。在最基本前提满足的情况下，可以开始进行自学习的过程。
本实施例中，所述的第一激活条件为：
氧传感器已活化一段时间；发动机处于运行状态；发动机最大气量自学习次数未更新超过一定时间；发动机转速在一定转速范围内，且进入最大气量自学习的发动机转速波动在预设转速波动范围内；进气温度在一定温度范围内，且进入最大气量自学习的进气温度波动在预设温度波动范围内；发动机水温在一定水温范围内，发动机燃烧情况在预设状态下；未检测到爆震或者早燃；排气温度在预设排温范围内；未出现进气系统相关零部件故障；任一油缸未出现断油请求，或断油恢复后一段油缸运行时间；节气门前进气压力与节气门后进气压力差在预设差内；增压器能力已达到最大能力；可变气门正时VVT系统目标相位与实际相位差在预设范围内；油门开度达到其最大开度；辛烷值未变化超过第一辛烷值预设时间；大气压力未变化超过第一压力预设时间。
S3、进入最大气量自学习激活阶段：在自学习稳定化阶段，当满足第二激活条件时，进入最大气量自学习激活阶段，并持续一定时间T，计算一定时间T内的发动机转速总和、发动机水温总和、发动机实际最大气量总和。
如果在自学习过程中任何一阶段出现激活条件中任一条不满足时，则终止自学习，进入自学习未激活阶段。在以上激活条件满足时，可尝试进入发动机最大气量的自学习过程，首先进入发动机最大气量自学习稳定化阶段。
在进入自学习稳定化阶段时，稳定化阶段的目的是确保自学习激活条件稳定可靠。在自学习稳定化阶段过程中满足第二激活条件时，将进入发动机最大气量自学习激活阶段。所述的第二激活条件为：在发动机进入自学习稳定化阶段超过第一预设时间、辛烷值未更新超过第二辛烷值预设时间、大气压力未更新超过第二压力预设时间。所述的第二辛烷值预设时间可与第一辛烷值预设时间相等，也可大于第一辛烷值预设时间；所述的第二压力预设时间可与第一压力预设时间相等，也可大于第一压力预设时间。若第二激活条件不满足，但满足第一激活条件，则维持在自学习稳定阶段；如果第二激活条件不满足，且第一激活条件也不满足，则返回至初始状态重新判断。只有在第一、第二激活条件均满足时，才能进入下一阶段，即发动机最大气量自学习激活阶段。
在进入发动机最大气量自学习激活阶段时，累计一定时间内T的发动机转速总和、水温总和、发动机实际气量总和。在一定时间T满足后，则进入下一阶段，即发动机最大气量自学习存储阶段。
S4、进入自学习存储阶段：
不同工况(大气压力、辛烷值、发动机转速和发动机水温)下的发动机最大气量均会存储在非易失性存储器EEPROM中。EEPROM中会有一个初始的默认发动机最大气量值(也就是预设过程中台架试验标定得到的发动机最大气量)，在发动机最大气量自学习完成后更新EEPROM中的存储值。
自学习存储阶段主要完成以下工作：
计算一定时间T内的发动机转速平均值nAvg、发动机水温平均值CoolantAvg和发动机实际最大气量平均值RhoAvg，且将发动机最大气量平均值限制在一定范围内。
将计算结果更新到发动机最大气量存储值中，更新的具体方法为：在发动机最大气量的存储值中，转速A、水温CN-1下的上一次发动机最大气量存储值为rho1，转速A、水温CN下的上一次发动机最大气量存储值为rho2，转速B、水温CN-1下的上一次发动机最大气量存储值为rho3，转速B、水温CN下的上一次发动机最大气量存储值为rho4，其中A＜B，CN-1＜CN。
本次计算得到的发动机转速平均值nAvg在[A,B]之间，发动机水温平均值CoolantAvg在[CN-1,CN]之间，则更新得到转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef为：
Figure BDA0003354373990000061
式中，k0为预设系数；
将转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef插入到水温采样点中；
同时更新转速A、水温CN-1下的上一次发动机最大气量存储值为rho1′：
rho'1＝k0×rho1+(1-k0)×(rho1+RhoAvg-rhoBef)
更新转速A、水温CN下的上一次发动机最大气量存储值为rho2′：
rho'2＝k0×rho2+(1-k0)×(rho2+RhoAvg-rhoBef)
更新转速B、水温CN-1下的上一次发动机最大气量存储值为rho3′：
rho'3＝k0×rho3+(1-k0)×(rho3+RhoAvg-rhoBef)
更新转速B、水温CN下的上一次发动机最大气量存储值为rho4′：
rho'4＝k0×rho4+(1-k0)×(rho4+RhoAvg-rhoBef)
且水温采样点[C0,C1,C2,C3…CN-1,CN…]更新为水温采样点[C0,C1,C2,C3…CN-1,CoolantAvg,CN…]。即将CoolantAvg插补进去，形成新的发动机最大气量学习轴-水温轴的坐标点。
本次自学习结束。
如果所有转速和水温工况下发动机最大气量存储值均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量存储值均呈现增大或减小的趋势，则：下一个发动机最大气量自学习更新的系数k0加上一定补偿量，得到新的k1。
如果所有转速和水温工况下基本点火效率均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量均不是呈现增大或减小的趋势(即有的工况下发动机最大气量增大，有的工况下发动机最大气量减小)，则：下一个发动机最大气量自学习更新的系数k0减去一定补偿量，得到新的k2。
优选的，本方法还包括循环步骤：每次自学习结束后，发动机最大气量自学习次数+1；若此时发动机工况满足第二激活条件，则回到最大气量自学习激活阶段，重新计算所述一定时间T；若不满足则终止学习重新判断能否进入自学习稳定化阶段。
在发动机气量和扭矩能力控制过程中，根据所述更新的具体方法来读取当前发动机转速和水温下的发动机最大气量值。
最大气量自学习在气量和扭矩控制过程中起很大的作用，首先，可对由发动机制造差异进行补偿；其次，为了适应不同发动机工况，甚至随着发动机不断磨损、使用时间的增加，发动机最大气量会发生偏移，此时需要进行气量自学习，实时更新最大气量，进而有效调节动力经济性效果。本发明提出的发动机气量自学习方法，通过自学习识别发动机最大气量，真实反映发动机实时的性能，提高系统控制精度。
本发明还提供一种发动机控制设备，包括但不限于存储器、处理器以及存储在存储器上并可在处理器上运行的控制程序，所述处理器执行所述控制程序时实现上述发动机最大气量自学习方法，用于发动机的控制。但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
处理器在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制设备的总体操作。
本发明还提供一种发动机控制设备可读存储介质，其上存储有控制程序，所述控制程序被处理器执行时实现上述发动机最大气量自学习方法。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种发动机最大气量自学习方法，其特征在于，本方法包括：
预设：
在发动机台架试验中，在各种大气压力、各种辛烷值、各种发动机转速和各种发动机水温下获取其对应的发动机最大气量，作为初始值，存储到发动机最大气量存储值中；其中，以发动机水温作为采样点，并按照以下原则选取：在两个相邻采样点之间，同样的发动机转速、大气压力、辛烷值下的最大气量与发动机水温呈线性关系；
进入自学习稳定化阶段：
当发动机工况满足第一激活条件时，发动机进入自学习稳定化阶段；
进入最大气量自学习激活阶段：
在自学习稳定化阶段，当满足第二激活条件时，进入最大气量自学习激活阶段，并持续一定时间T，计算一定时间T内的发动机转速总和、发动机水温总和、发动机实际最大气量总和；
进入自学习存储阶段：
当所述的一定时间T满足后，进入自学习存储阶段，计算一定时间T内的发动机转速平均值nAvg、发动机水温平均值CoolantAvg和发动机实际最大气量平均值RhoAvg，且将发动机最大气量平均值限制在一定范围内；将计算结果更新到发动机最大气量存储值中；
所述更新的具体方法为：在发动机最大气量的存储值中，转速A、水温CN-1下的上一次发动机最大气量存储值为rho1，转速A、水温CN下的上一次发动机最大气量存储值为rho2，转速B、水温CN-1下的上一次发动机最大气量存储值为rho3，转速B、水温CN下的上一次发动机最大气量存储值为rho4，其中A＜B，CN-1＜CN；
本次计算得到的发动机转速平均值nAvg在[A,B]之间，发动机水温平均值CoolantAvg在[CN-1,CN]之间，则更新得到转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef为：
Figure FDA0003354373980000011
式中，k0为预设系数；
将转速nAvg、水温CoolantAvg下的发动机最大气量学习值rhoBef插入到水温采样点中；
同时更新转速A、水温CN-1下的上一次发动机最大气量存储值为rho1′：
rho'1＝k0×rho1+(1-k0)×(rho1+RhoAvg-rhoBef)
更新转速A、水温CN下的上一次发动机最大气量存储值为rho2′：
rho'2＝k0×rho2+(1-k0)×(rho2+RhoAvg-rhoBef)
更新转速B、水温CN-1下的上一次发动机最大气量存储值为rho3′：
rho'3＝k0×rho3+(1-k0)×(rho3+RhoAvg-rhoBef)
更新转速B、水温CN下的上一次发动机最大气量存储值为rho4′：
rho'4＝k0×rho4+(1-k0)×(rho4+RhoAvg-rhoBef)
本次自学习结束。
2.根据权利要求1所述的发动机最大气量自学习方法，其特征在于，所述的第一激活条件为：
氧传感器已活化一段时间；发动机处于运行状态；发动机最大气量自学习次数未更新超过一定时间；发动机转速在一定转速范围内，且进入最大气量自学习的发动机转速波动在预设转速波动范围内；进气温度在一定温度范围内，且进入最大气量自学习的进气温度波动在预设温度波动范围内；发动机水温在一定水温范围内，发动机燃烧情况在预设状态下；未检测到爆震或者早燃；排气温度在预设排温范围内；未出现进气系统相关零部件故障；任一油缸未出现断油请求，或断油恢复后一段油缸运行时间；节气门前进气压力与节气门后进气压力差在预设差内；增压器能力已达到最大能力；可变气门正时VVT系统目标相位与实际相位差在预设范围内；油门开度达到其最大开度；辛烷值未变化超过第一辛烷值预设时间；大气压力未变化超过第一压力预设时间。
3.根据权利要求1所述的发动机最大气量自学习方法，其特征在于，所述的第二激活条件为：在发动机进入自学习稳定化阶段超过第一预设时间、辛烷值未更新超过第二辛烷值预设时间、大气压力未更新超过第二压力预设时间。
4.根据权利要求1所述的发动机最大气量自学习方法，其特征在于，在进入最大气量自学习激活阶段后，实时监测发动机工况，当发现有不满足第一激活条件时，立刻终止自学习，重新判断能否进入自学习稳定化阶段。
5.根据权利要求1所述的发动机最大气量自学习方法，其特征在于，本方法还包括循环步骤：每次自学习结束后，发动机最大气量自学习次数+1；若此时发动机工况满足第二激活条件，则回到最大气量自学习激活阶段，重新计算所述一定时间T；若不满足则终止学习重新判断能否进入自学习稳定化阶段。
6.根据权利要求5所述的发动机最大气量自学习方法，其特征在于，如果所有转速和水温工况下发动机最大气量存储值均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量存储值均呈现增大或减小的趋势，则：下一个发动机最大气量自学习更新的系数k0加上一定补偿量，得到新的k1。
7.根据权利要求5所述的发动机最大气量自学习方法，其特征在于，如果所有转速和水温工况下基本点火效率均完成更新，且学习到的发动机最大气量相比学习前的发动机最大气量均不是呈现增大或减小的趋势(即有的工况下发动机最大气量增大，有的工况下发动机最大气量减小)，则：下一个发动机最大气量自学习更新的系数k0减去一定补偿量，得到新的k2。
8.根据权利要求1所述的发动机最大气量自学习方法，其特征在于，在发动机气量和扭矩能力控制过程中，根据所述更新的具体方法来读取当前发动机转速和水温下的发动机最大气量值。
9.一种发动机控制设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的控制程序，其特征在于：所述处理器执行所述控制程序时实现上述权利要求1至8中任一项所述的发动机最大气量自学习方法。
10.一种发动机控制设备可读存储介质，其上存储有控制程序，其特征在于：所述控制程序被处理器执行时实现上述权利要求1至8中任一项所述的发动机最大气量自学习方法。
CN202111346615.6A 2021-11-15 2021-11-15 一种发动机最大气量自学习方法、设备及存储介质 Pending CN114048680A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111346615.6A CN114048680A (zh) 2021-11-15 2021-11-15 一种发动机最大气量自学习方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111346615.6A CN114048680A (zh) 2021-11-15 2021-11-15 一种发动机最大气量自学习方法、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114048680A true CN114048680A (zh) 2022-02-15

Family

ID=80208974

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111346615.6A Pending CN114048680A (zh) 2021-11-15 2021-11-15 一种发动机最大气量自学习方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114048680A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115199420A (zh) * 2022-06-27 2022-10-18 东风汽车集团股份有限公司 一种发动机最小气量控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115199420A (zh) * 2022-06-27 2022-10-18 东风汽车集团股份有限公司 一种发动机最小气量控制方法
CN115199420B (zh) * 2022-06-27 2023-10-20 东风汽车集团股份有限公司 一种发动机最小气量控制方法

Similar Documents

Publication Publication Date Title
JP4830912B2 (ja) 内燃機関の制御装置
JP3561489B2 (ja) 低温エンジン始動の間の燃料揮発性検出及び補償方法
CN100395443C (zh) 内燃机控制器
CN103038478B (zh) 带增压器的内燃机的控制装置
US4653452A (en) Method and apparatus for controlling fuel supply of internal combustion engine
WO2014038278A1 (ja) 内燃機関の排気温度推定装置
CN114048680A (zh) 一种发动机最大气量自学习方法、设备及存储介质
JP2006029171A (ja) 内燃機関の制御装置
CN114810376B (zh) 用于控制发动机进气量的方法、装置、存储介质及电子设备
JP2002250252A (ja) Ｅｇｒバルブ制御装置
US7661408B2 (en) Method for operating internal combustion engine
CN110735729A (zh) 一种天然气发动机燃气自适应控制方法及系统
JP2001248486A (ja) 内燃機関および該内燃機関の作動方法
JP5075889B2 (ja) アイドル回転数の制御装置
JP7100483B2 (ja) 内燃機関の燃料噴射制御装置及び燃料噴射制御方法
CN113586309A (zh) 改善发动机动力不足控制方法及系统
JP4224697B2 (ja) 内燃機関の最適点火時期設定方法及び最適点火時期設定装置
CN114962036B (zh) 一种混动车型发动机宽域氧传感器失效监测方法
CN115013217B (zh) 一种发动机排温保护控制方法
CN115516197B (zh) 内燃机控制装置
JPS603455A (ja) 内燃エンジンの燃料供給制御方法
JPS606044A (ja) 内燃エンジン用燃料噴射装置の制御方法
JPH1113493A (ja) エンジンの吸気制御装置
JP4419975B2 (ja) 内燃機関の制御装置
CN115263532A (zh) 米勒循环发动机的控制方法、系统及汽车

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