CN114109632A - 健康意识控制器 - Google Patents

健康意识控制器 Download PDF

Info

Publication number
CN114109632A
CN114109632A CN202111017719.2A CN202111017719A CN114109632A CN 114109632 A CN114109632 A CN 114109632A CN 202111017719 A CN202111017719 A CN 202111017719A CN 114109632 A CN114109632 A CN 114109632A
Authority
CN
China
Prior art keywords
physical device
controller
health
control
performance
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
CN202111017719.2A
Other languages
English (en)
Other versions
CN114109632B (zh
Inventor
M·普科尔卡
D·赫里亚德尔
M·普罗查兹卡
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.)
Garrett Power Technology Shanghai Co ltd
Original Assignee
Garrett Power 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 Garrett Power Co ltd filed Critical Garrett Power Co ltd
Publication of CN114109632A publication Critical patent/CN114109632A/zh
Application granted granted Critical
Publication of CN114109632B publication Critical patent/CN114109632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • 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
    • F02D41/0002—Controlling intake air
    • F02D41/0007—Controlling intake air for control of turbo-charged or super-charged engines
    • 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
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B37/00—Engines characterised by provision of pumps driven at least for part of the time by exhaust
    • F02B37/04—Engines with exhaust drive and other drive of pumps, e.g. with exhaust-driven pump and mechanically-driven second pump
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B37/00—Engines characterised by provision of pumps driven at least for part of the time by exhaust
    • F02B37/12—Control of the pumps
    • F02B37/14—Control of the alternation between or the operation of exhaust drive and other drive of a pump, e.g. dependent on speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D23/00—Controlling engines characterised by their being supercharged
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G05B13/0245—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance not using a perturbation signal
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24077—Module detects wear, changes of controlled device, statistical evaluation
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Supercharger (AREA)
  • Feedback Control In General (AREA)

Abstract

物理设备性能控制的新的和/或替代的方法可以计及物理设备的健康。在一个示例中，通过包括与优化性能相关的项和与物理设备健康相关的项来增强控制算法。在另一示例中，使用例如两阶段分析，确定性能优化的控制解决方案，定义最大允许偏差，并且考虑健康因子来确定物理设备控制的最终解决方案，以在与优化性能的最大允许偏差内最小化健康影响。另一示例使用具有低级控制器和监督控制器的两阶段系统，其中监督控制器观察由低级控制器管理的正在进行的操作的健康影响并且修改由低级控制器使用的一个或多个参数。

Description

健康意识控制器
技术领域
控制器和这样的控制器的配置。
背景技术
现代汽车控制一般利用控制多个参数的车辆处理单元来提高引擎性能。可以使用各种不同的控制方法，诸如模型预测控制（MPC）。MPC使得用户能够将控制性能要求（设置点跟踪质量、能耗等）和技术/操作限制（阀位置和致动器值等的物理约束）制定成目标函数和优化变量的伴随约束的形式。在汽车中，这些优化变量通常对应于操纵变量，诸如扭矩、标准化制动力、阀开度等。使用受控系统的内部模型，优化器（优化例程）在指定的预测范围内找到优化变量的最优值，使得成本函数最小化并且满足约束。
预测维护准则可以用于生成系统警告以防止故障。图1示出了现有技术的方法。对于系统的给定组件，诸如涡轮增压器，可以监测10一个或多个参数（以及这样的参数之间的联系）以确定是否可能故障以及何时可能故障。当测量的变量满足无缺陷的情况条件12时，过程返回到监测10，直到下一次迭代为止。迭代可以以期望的/设置的频率（诸如每秒或者更长或更短的时间段）施行。如果测量的变量超过缺陷边界，则预测维护方法将确定底层组件的退化何时已经达到即将故障的点，并且从框12前进到框14，在框14处标识出存在问题的组件，并且在16处为该组件设置标志。该标志可以导致例如向用户发出警报，并且可以被设置和记录以供维护操作中使用。例如，可以关于压缩机的速度来监测进入和离开涡轮增压器压缩机的压力；可以对给定速度下的压力增加量建模，以确定压缩机的操作是否退化到在可预见的时间线中可能出现故障的点。虽然预测维护对避免系统性能退化以及灾难性故障是有用的，但是它不延长维护过程之间系统的组件的寿命。然后，需要的是一种将延长组件寿命的方法，这种考虑在本文中被称为“健康优化”。
性能聚焦的控制方法在某些条件下可以加速系统组件的健康的恶化。例如，被操作以维持增压压力设置点的涡轮增压器可以被优化用于精确参考跟踪。当对系统的输入条件改变时，设置点维护可能需要压缩机叶轮速度的显著且快速的改变。然而，已知压缩机叶轮速度的大改变导致压缩机叶轮结构的低循环疲劳。因此，性能优化可以与健康优化竞争。期望适于平衡这些潜在竞争健康和性能目标的新的和替代的方法和系统。
发明内容
系统（无论是汽车还是其它）的某些性能度量被考虑为可能增加组件退化的速率。例如，涡轮增压器压缩机可以在压缩机速度和/或压力输入/输出参数的集合内可操作，但是在该操作区间内，参数的一些组合可以加速退化。例如，以高速度在延长的时段内操作压缩机可以增加局部发热并加速退化。本发明人已经认识到，要解决的问题是需要调整性能参数以避免这样的健康退化状况，这可能服务于延长组件有效寿命的有用目的。
第一说明性非限制性示例采取用于控制物理设备的可配置控制器的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：状态观察器，被配置为通过与多个传感器通信来捕获物理设备的当前状态；以及优化器，被配置为至少使用致动器来优化物理设备的行为；其中优化器使用与基于物理设备的当前状态的物理设备的优化性能相关联的至少一个第一项、以及与物理设备的一个或多个组件的健康退化相关联的至少一个第二项可操作，并且优化器操作来引导致动器中参数的使用以最小化第一和第二项的和。
附加地或替代地，第一和第二项每个包括加权值。
附加地或替代地，响应于物理设备中致动器的使用历史并随物理设备中致动器的使用历史而改变，计算至少一个第二项。
附加地或替代地，使用历史由状态观察器跟踪。
附加地或替代地，使用历史由健康监测器跟踪，所述健康监测器继而可操作地耦合到优化器。
附加地或替代地，优化器生成多个输出以控制多个致动器来操作物理设备。
附加地或替代地，优化器被配置为使用基于优化的控制方法，诸如模型预测控制（MPC）。
第二说明性非限制性示例采取用于控制物理设备的可配置控制器的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：状态观察器，被配置为捕获物理设备的当前状态；以及优化器，被配置为至少使用致动器来优化物理设备的行为；其中优化器被配置为施行两阶段程序，用于确定用于控制致动器的输出，包括：在第一阶段中，施行优化例程，所述优化例程导致针对鉴于物理设备的当前状态的最优性能的致动器设置的第一配置；以及在第二阶段中，定义与在第一阶段中标识的最优性能的最大偏差，并且标识致动器设置的第二配置，所述第二配置最小化健康退化而不使性能偏离最优性能多于最大偏差；并且其中优化器然后被配置为实现致动器设置的第二配置。
附加地或替代地，通过参考性能优化的多个子目标中的每一个来确定最大偏差。
附加地或替代地，最大偏差通过参考总的总体性能来确定。
附加地或替代地，优化器被配置为通过计算与基于物理设备的当前状态的物理设备的优化性能相关联的一个第一项、以及与物理设备的一个或多个组件的健康退化相关联的至少一个第二项，并在最大偏差内最小化第一和第二项的和，来施行第二阶段。
附加地或替代地，响应于物理设备的使用历史并随物理设备的使用历史而改变，计算至少一个第二项。
附加地或替代地，使用历史由状态观察器跟踪。
附加地或替代地，使用历史由健康监测器跟踪，所述健康监测器继而可操作地耦合到优化器。
附加地或替代地，优化器生成多个输出以控制多个致动器来操作物理设备，其中多个输出中的第一输出控制用于涡轮增压器废气门（WG）的致动器，并且多个输出中的第二输出控制用于涡轮增压器再循环阀（RCV）的致动器，并且所述至少一个第二项包括WG项和RCV项，并且可配置控制器响应于WG和RCV的致动历史来改变WG项和RCV项中的至少一个。
第三说明性非限制性示例采取用于控制物理设备的可配置控制器的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：状态观察器，被配置为捕获物理设备的当前状态；以及低级控制器，被配置为至少使用致动器来控制物理设备的行为；监督控制器，可操作地耦合到状态观察器和低级控制器；其中低级控制器被配置为使用多个控制值用于控制物理设备的行为；其中监督控制器被配置为当低级控制器控制其行为时监测使用物理设备的健康效果，并且标识由物理设备的行为引起的健康影响，并且响应于此被配置为修改由低级控制器使用的多个控制值中的一个或多个，以便减少健康影响；以及其中低级控制器进一步适于使用多个控制值中的修改的一个或多个来控制物理设备。
附加地或替代地，低级控制器被配置为使用基于优化的控制方法，并且一个或多个控制系数或加权值由低级控制器在MPC中实现以控制物理设备。
附加地或替代地，低级控制器被配置为使用基于设置点的控制方法，并且系数或加权值中的至少一个是由低级控制器实现以控制物理设备的设置点。
附加地或替代地，监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且监督控制器被配置为操作如下：在第一时间段内，指导低级控制器实现第一控制值集合，并观察与第一控制值集合相关联的第一健康影响；在第二时间段内，指导低级控制器实现第二控制值集合，并观察与第二控制值集合相关联的第二健康影响；确定第一和第二健康影响中哪一个较小；以及在第一和第二时间段之后出现的第三时间段内，指导低级控制器使用第一和第二控制值集合中具有较小健康影响的无论哪一个。
附加地或替代地，监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且监督控制器被配置为操作如下：指导低级控制器实现第一控制值集合；观察与第一控制值集合相关联的第一健康影响；确定第一健康影响是否超过阈值；以及在第一健康影响超过阈值时，指导低级控制器实现第二控制值集合。
又另一说明性非限制性示例采取在用于控制物理设备的可配置控制器中的操作方法的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述方法包括：状态观察器通过与多个传感器通信来捕获物理设备的当前状态；以及优化器使用与基于物理设备的当前状态的物理设备的优化性能相关联的至少一个第一项、和与物理设备的一个或多个组件的健康退化相关联的至少一个第二项来确定物理设备的性能解决方案，优化器确定最小化第一和第二项的和的性能解决方案；优化器至少向致动器发出控制信号，以使用性能解决方案优化物理设备的行为。
附加地或替代地，第一和第二项每个包括加权值。
附加地或替代地，响应于物理设备中的致动器的使用历史并随物理设备中的致动器的使用历史而改变，计算至少一个第二项。
附加地或替代地，该方法包括状态观察器跟踪历史。
附加地或替代地，该方法包括可操作地耦合到优化器的健康监测器跟踪使用历史。
附加地或替代地，优化器使用基于优化的控制方法，诸如模型预测控制（MPC）。
仍另一说明性非限制性示例采取在用于控制物理设备的可配置控制器中的操作方法的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述方法包括：状态观察器捕获物理设备的当前状态；以及优化器通过以下确定物理设备的操作的性能解决方案：在第一阶段中，施行优化例程，所述优化例程导致针对鉴于物理设备的当前状态的最优性能的致动器设置的第一配置；以及在第二阶段中，定义与在第一阶段中标识的最优性能的最大偏差，并且标识致动器设置的第二配置，所述第二配置最小化健康退化而不使性能偏离最优性能多于最大偏差；并且优化器至少向致动器发出控制信号以实现第二配置。
附加地或替代地，通过参考性能优化的多个子目标中的每一个来确定最大偏差。
附加地或替代地，最大偏差通过参考总的总体性能来确定。
附加地或替代地，优化器通过计算与基于物理设备的当前状态的物理设备的优化性能相关联的一个第一项、以及与物理设备的一个或多个组件的健康退化相关联的至少一个第二项，并在最大偏差内最小化第一和第二项的和，来施行第二阶段。
附加地或替代地，响应于物理设备的使用历史并随物理设备的使用历史而改变，计算至少一个第二项。
附加地或替代地，该方法进一步包括状态观察器跟踪使用历史。
附加地或替代地，该方法进一步包括健康监测器跟踪使用历史，其中优化器可操作地耦合到健康监测器以从健康监测器获得或接收使用历史的数据。
附加地或替代地，该方法进一步包括优化器生成多个输出以控制多个致动器来操作物理设备，其中多个输出中的第一输出控制用于涡轮增压器废气门（WG）的致动器，并且多个输出中的第二输出控制用于涡轮增压器再循环阀（RCV）的致动器，并且所述至少一个第二项包括WG项和RCV项，并且可配置控制器响应于WG和RCV的致动历史来改变WG项和RCV项中的至少一个。
另一说明性非限制性示例采取在用于控制物理设备的可配置控制器中的操作方法的形式，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述方法包括：状态观察器捕获物理设备的当前状态；以及低级控制器通过使用用于控制物理设备的行为的多个控制值，至少使用致动器来控制物理设备的行为；监督控制器可操作地耦合到状态观察器和低级控制器，当低级控制器控制其行为时监测使用物理设备的健康效果；监督控制器标识由物理设备的行为引起的健康影响，并且响应于此，监督控制器修改由低级控制器使用的多个控制值中的一个或多个，以便减少健康影响；以及低级控制器使用多个控制值中修改的一个或多个来控制物理设备。
附加地或替代地，低级控制器使用基于优化的控制方法，并且一个或多个控制系数或加权值由低级控制器在基于优化的控制方法中实现以控制物理设备。
附加地或替代地，低级控制器使用基于设置点的控制方法，并且系数或加权值中的至少一个是由低级控制器实现以控制物理设备的设置点。
附加地或替代地，监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且该方法进一步包括监督控制器通过以下操作：在第一时间段内，指导低级控制器实现第一控制值集合，并观察与第一控制值集合相关联的第一健康影响；在第二时间段内，指导低级控制器实现第二控制值集合，并观察与第二控制值集合相关联的第二健康影响；确定第一和第二健康影响中哪一个较小；以及在第一和第二时间段之后出现的第三时间段内，指导低级控制器使用第一和第二控制值集合中具有较小健康影响的无论哪一个。
附加地或替代地，监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且该方法进一步包括监督控制器通过以下操作：指导低级控制器实现第一控制值集合；观察与第一控制值集合相关联的第一健康影响；确定第一健康影响是否超过阈值；以及在第一健康影响超过阈值时，指导低级控制器实现第二控制值集合。
本概述意图提供对本专利申请的主题的介绍。它不意图提供对概念的排他性或详尽的解释。包括详细描述以提供关于本专利申请的进一步信息。
附图说明
在不一定按比例绘制的附图中，类似的数字可以在不同的视图中描述相似的组件。具有不同字母后缀的类似数字可以表示相似组件的不同实例。附图通过示例的方式而非通过限制的方式一般图示了本文件中讨论的各种实施例。
图1是现有技术预测维护的框方法流程图；
图2示出了操作控制系统的模型；
图3是说明性示例的框方法流程图；
图4示出了操作控制系统的另一模型；
图5以图形形式图示了健康优化操纵；
图6-图7图示了用于健康优化的控制边界和目标的操纵；以及
图8-图10图示了在各种输入下两阶段实施方式的分析。
具体实施方式
图2图示了一般的控制架构。控制装置在100处示出，并且包括状态观察器102，该状态观察器102将当前状态变量x(k)集合馈送给优化器104。优化器计算可以应用于致动器112集合的过程参数的解，所述致动器112集合继而控制物理设备114的操作。该致动器集合可以应用于控制，例如且不限于：燃料或其它喷射器、可变喷嘴涡轮位置、节气门阀、引擎制动、后处理（包括排气）、排出气体再循环（EGR）、涡轮增压器、电动机（例如在电动涡轮增压器中，其可以经由脉宽调制（PWM）来控制）、废气门（WG）致动器位置（冲程）、再循环阀致动器的位置、可变压缩机几何形状致动器的位置；以及其组合。
物理设备114可以是，例如且不限于：内燃引擎，无论是柴油还是汽油；或者其子系统，诸如涡轮增压器、作为整体的系统空气路径、催化剂等。本创新还可以更广泛地用于引擎或车辆背景之外的其它系统，包括例如且不限于管理洁净室和/或更一般的通风系统、锅炉、发电厂、熔炉、和/或工厂/制造装备以及这样的装备的生产线，包括例如制造生产线中的挤出机或夹具。
提供了多个传感器116。传感器116可以包括例如且不限于检测歧管绝对压力（MAP）、空气质量流（MAF）、EGR流、涡轮速度、NOx、引擎速度、燃料数量、增压压力等的传感器。附加的监测参数可以包括例如电动涡轮增压器的电动机的扭矩输出、废气门（WG）标准化开度、再循环阀（RCV）标准化开度、和/或可变几何形状压缩机配置。这样的传感器可以被配置为对被感测的底层参数采样，并将这样的采样结果提供给状态观察器102。状态观察器102可以随着时间的推移记录底层感测参数以及致动器位置，以提供系统操作的历史。
状态观察器102和优化器104可以例如在微控制器中实现，该微控制器被配置为对存储的指令集进行操作，以施行状态观察和优化例程。在另一示例中，专用集成电路（ASIC）可以提供状态观察器功能，该状态观察器功能可以包括捕获或累积来自致动器112和/或传感器116的数据，所述数据继而可以由配置有存储的指令集的微控制器周期性地读取，用于使用例如模型预测控制（MPC）成本函数、线性二次调节器（LQR）控制、比例积分微分（PID）控制、或其它控制算法来施行控制和/或优化计算。优化器104可以集成到车载诊断系统（未示出）中，或者与车载诊断系统分开提供，所述车载诊断系统可以用于记录诊断变量，并且按需将它们呈现给用户或者存储用于以后分析，如果期望，这两者可以附加地集成到总体车辆处理单元中。
分析的输出用于控制致动器112来以一种方式操作设备，以最小化操作参数与可控输出或物理设备操作特性的一个或多个目标输出值的距离。例如，目标可以是目标涡轮增压器速度、目标增压压力、压缩机上的目标压力差、目标空气质量流、或其组合中的任何一个。例如，用MPC函数，一个或多个输出值（或所得到的操作特性）到目标值或参考值的距离被最小化，因此优化了性能。作为示例，传统的MPC成本函数形式可以如等式1中所示出的：
Figure DEST_PATH_IMAGE001
其中ud,k对应于操纵变量的期望轮廓，uk代表操纵变量，k标示离散时间实例，以及P代表预测控制器的预测范围。在这个示例中，yr,k表示输出参考值，以及yk表示根据在相关时间范围期间要控制的物理设备的数学建模提供的预测值，而以及W1和W2指定加权项。为了简单起见，k项可以在本文中的后续等式中省略。传统的MPC成本函数在操作中被最小化，以便向物理设备提供最优控制。这样的过程可以由优化器104施行。
在另一示例中，PID控制器可以用于计及与目标操作点的比例差、积分差和微分差中的每一个。比例差可以指示当前状态，积分差可以标识过程随着时间的推移的转变，并且微分差可以指示操作中改变的方向。用PID控制，在监测时比例差被最小化，以确保积分差和微分差不指示改变性能，在进一步迭代之后，所述改变性能可能使比例差增加。对于PID控制器，输出到致动器112的控制参数被调整，以在迭代的基础上减少或最小化实际性能与一个或多个目标的距离。例如，优化器104可以使用PID控制代替MPC。如果期望，可以代替使用LQR控制，从而应用相似的概念。
图3图示了健康优化可以如何与传统的预测维护相协调。如在200处所指示的，健康相关的参数集合可以受监测，并用于检查无缺陷的情况条件的满意度202，其中过程按需前进到组件标识204和标志设置206。并行地，在210处，受监测的参数（以及其它参数，如期望的）被重新使用，以优化底层组件的健康。该上下文中的“优化健康”可能意味着控制（一个或多个）底层组件的操作以最小化健康影响。例如，受监测的压力可能在安全界限内，但是可以分析性地理解为具有“安全”和“健康”操作参数二者，其中“健康”操作参数比“安全”操作参数更受限。对于另一示例，每次某些致动器被用于移动某物（例如，阀），这可能计入受致动物的额定寿命；即，给定的阀可以额定用于操作10,000个循环，因此每个操作循环均可能计入该阀的健康的恶化。框210可以用于以一种或多种方式调整优化器的操作。
来自框210的受监测参数（和/或其它信息，诸如使用历史、用户输入、环境信息等）也可以在图1的图示中使用。特别地，在一些示例中，优化器104中的操作被调整以进一步计及系统健康。在一些示例中，优化器计算被修改以添加与系统健康相关的因子。在其它示例中，优化器计算内使用的目标值响应于受监测的系统健康状况而转变。一些示例通过首先确定最优性能解决方案、定义与最优性能解决方案的最大允许偏差、并然后将与系统健康相关的因子引入最优性能/健康的第二计算中来施行两阶段分析，其中结果在最大允许偏差内最小化对系统健康的影响。“系统健康”在这里可以指系统的组件的当前状态，以及某些设置可以通过加速组件的老化或以其它方式对组件造成损坏（无论是近期还是长期）来影响组件健康的可能性。
在涡轮增压器的背景中，例如，系统和组件健康退化可能由例如且不限于组件的结垢、老化、废气门（WG）的机械磨损、以及压缩机叶轮的循环疲劳损坏（高或低）引起。这些之中，WG机械磨损和低循环疲劳（LCF）可能特别是可预防的健康退化工作的焦点。在一些示例中，系统健康管理聚焦于WG和LCF问题。然而，也可以计及其它系统健康因子和组件。
现在转到图4，再次示出了图2中所示出的控制系统，具有如之前的状态观察器252、优化器254、致动器262、物理设备264和传感器266。现在在256处还包括单独的健康监测框，其被配置为从传感器266、物理设备264和/或致动器262接收信息。来自物理设备264和/或致动器262的信息可以包括例如且不限于当前状态的指示（例如，阀是否打开以及打开到什么程度），尽管来自致动器的这样的信息可以代替地或附加地通过监测从优化器254到物理设备264的控制信号来获得。
框256出于说明性的目的示出，但是可以理解为被集成到优化器254中。框252、254和256的操作可以在微控制器中实现，该微控制器被配置为对存储的指令集进行操作，用于施行状态观察、健康管理和优化例程。在另一示例中，专用集成电路（ASIC）可以提供状态观察器252和/或健康监测框256功能，其可以包括捕获或累积来自致动器262和/或传感器266的数据，所述数据继而可以由配置有存储的指令集的微控制器周期性地（或响应于预定义事件）读取，用于使用例如MPC成本函数、LQR控制、PID控制或其它控制方法来施行优化计算。
在操作中，实现系统健康优化的一种方法可以针对用另一致动器替换一个致动器的使用，以减少一个或多个致动器上的磨损。例如，不是依赖于废气门（WG）功能来控制由排出气体施加到涡轮机的力，而是计及压缩机中的条件，eTurbo功能可以被修改（如本文中所使用的，eTurbo指的是具有电驱动致动器的系统，当由于低引擎速度（RPM）导致排气压力相对低时，所述电驱动致动器可操作以向涡轮增压器压缩机提供电力），或者再循环阀（RCV）可以用于避免出于操作的目的而对WG操作做出改变。为了实现这个，使用WG作为非限制性示例，与WG功能的使用——具体是与WG的致动器位置的改变——相关的加权因子可以作为健康因子被包括在优化计算中，或者被包括在性能优化计算的后处理健康优化中。
在示例中，当预料到激进驾驶（并因此节气门阀位置的激进改变）时，健康监测框256可以用于改变优化计算，以有利于使用RCV来操纵增压压力，而不是打开WG。例如，在RCV的典型使用中，RCV解决了增压压力的边界限制，以防止损坏和/或避免喘振。相比之下，当与健康监测器框256一起操作时，RCV可以被主动用于减少WG致动器操作，甚至当增压压力条件将不以其它方式触发RCV旁路时。因此，当来自用户的输入需求指示节气门位置的改变将限制到压缩机的输入气流时，首先触发RCV，而不是WG，以避免喘振。在示例中，这样的使用将由系统（诸如由健康监测器框256、状态观察器252、或在优化器254中，或者由体现这些框中的一个或多个的微控制器、微处理器、或ASIC）跟踪，并且取决于哪个致动器接收更多的使用来确定使用RCV或WG中的哪一个可以随着时间的推移而改变。例如，如果RCV额定用于多个循环N，并且WG额定用于多个循环M，则控制系统可以鉴于自第一次使用以来每个已经经受了多少个循环、以及考虑系统的典型使用模式，来调整与使用一个循环或另一个循环的健康影响相关的因子。例如，成本最小化函数（诸如MPC）的一个或多个因子可以包括与每个致动器相关的致动器健康因子，其中致动器健康因子包括通过随着这样的致动器（或其它特征，诸如可充电电池）的使用的循环数量的增加而改变的系数，无论是以线性、逐步还是多项式的方式。
在一些示例中，图4中的配置可以被理解为包括低级控制器（优化器254）和监督控制器（健康监测框256），其中监督控制器被配置为监测正在进行的操作和对系统和/或系统组件健康的影响。监督控制器可以使用非常长的时间范围，诸如通过参考维护计划时间框架（例如几个月或几年，取决于实施方式），用于做出关于接下来步骤的确定，而低级控制器适于使用较短的时间范围（诸如循环或行程，通常在几分钟到几小时的量级，尽管可能更长）来进行决策。使用上面用RCV使用替换WG使用的示例，低级控制器（优化器254）可以使用一个或多个成本函数输入（例如系数和加权因子）来施行MPC函数。监督控制器可以诸如通过改变系数或加权因子来修改一个或多个成本函数输入，以赞成或反对某些操作，诸如WG和/或RCV的致动或位置改变。例如，在一些示例中，监督控制器可以诸如通过将成本函数从线性函数改变为二次或指数函数来修改成本函数本身。在另一示例中，低级控制器可以是非优化控制器（代替地诸如PID控制器），并且监督控制器可以通过再次修改输入值（诸如设置点）对低级控制器活动进行操作。
在另一示例中，该系统包括eTurbo装置。eTurbo的设计和使用的一些示例在US PG专利公开号2009/0000298和US专利6,637,205中示出。在上下文中，eTurbo的一种使用可以是当引擎正在以广泛变化的方式使用时避免关闭和打开阀（RCV和/或WG），例如，当用户将车辆从停止激进加速到高速公路速度时可能发生。WG可以打开并且RCV保持关闭，而eTurbo跟踪用户需求以控制压缩机操作，例如，当节气门打开时向引擎提供空气压力，并且当节气门关闭时终止驱动压缩机；当达到所选择的档位或所选择的车辆速度时，WG可以关闭，并且使得涡轮增压器能够正常操作。具有多个致动器供人处置（不仅是WG，而且有电动机），它们的健康退化可以更均匀地分布，例如，防止WG被重复致动，缩短WG致动器的寿命。
对于另一示例，再次使用eTurbo，电动机可以由电池供电，该电池可以被充电以存储回收的能量，否则该能量将在减慢eTurbo时损失。从电力效率的视角，每当降低eTurbo速度以最大化能量回收时，给电池充电可以看起来最高效。然而，可充电电池一般被额定用于某个数量的循环，并且短的充电和放电循环可能加速电池退化。为了保持电池健康，给定特定的驾驶/使用条件，避免当电力汲取和/或节气门位置高度可变时充电可能是明智的，因此放弃能量回收以便保持电池长寿。
在另一示例中，电池的健康退化可能取决于其内部温度。一个宗旨可能是当电池温度不在“健康”区间中时，限制电池的充电或放电。虽然当在健康区间之外时简单地禁止电池的这样的使用可以是可能的，但是在一些示例中，在健康温度之外的电池的使用被合并到优化例程中作为成本函数，该成本函数当电池内部温度在健康区间中时具有零值，否则具有非零值。
在另一示例中，自主或自驾驶车辆可以具有单独致动的前轮和后轮制动器。在健康意识控制器不仅考虑到制动效果、安全性和机动性，而且考虑到制动器退化的情况下，制动力可能更均匀地分布在前制动器和后制动器之间。例如，在一些情形中（例如当接近停车标牌时），控制器可能略微更早地开始制动，更多地使用后制动器，稍微释放前制动器。在该情况下，较早的制动允许适应较低的后制动效率。在该情况下，安全性被维持，但是前制动器的退化较低。再次，为了实现该特征，当优化性能和健康解决方案时，前制动和/或后制动的使用可以每个被添加到成本计算。
出于实现的目的，对于选择的车辆条件，诸如当车辆停止或以低速度移动时，健康指标的权重可以被修改，或者健康指标本身可以被修改。因此，一个或多个系数或加权因子可以作为周围环境或系统条件——诸如湿度、温度、气压、O2、空速等——的函数来操作。
以下示例示出了可以如何在若干实施例中实现这些改变。在第一方法中，在考虑到健康指标后，使用MPC方法来优化性能，其影响如这里的等式2中所示出的那样被合并：
Figure 983807DEST_PATH_IMAGE002
其中JMPC,T表示来自等式1的物理设备的传统MPC准则（排除健康指标），HIk表示随着健康恶化而降低的健康指标，以及w1和w2是确定相对性能和健康指标权重的加权因子。作为示例，HIk可能表示WG的健康。当在优化的解决方案的时间范围内不需要对WG致动器的改变时，HIk可能是静态的。如果优化的解决方案JMPC,T中需要的WG致动器位置存在改变，则由WG致动器位置的改变引起的HIk的改变可以通过减少HIk来反映，从而允许等式3中的方法将这个特定动作的健康成本考虑进来。使用WG示例，HIk可以表示WG被额定用于的致动循环数的剩余部分。因此，随着HIk的下降，如所示出的等式增加了论点，从而添加了计及健康影响的成本。
HIk可以是多个组件健康因子的健康指标的合成，或者可以是单个组件的独立指标。在一些示例中，对于若干健康影响中的每一个，可以包括多于一个HIk因子，诸如通过具有例如用于WG的第一项、用于EGR阀的第二项和用于压缩机速度的改变的第三项，每一项均具有单独的加权因子。在其它示例中，可以通过在HIk项内部嵌套求和来计及所有考虑的健康影响，从而修改等式2以计及多个健康因子。HIk项内的个体健康影响可能进一步加权，如通过针对相对于EGR影响的压缩机影响具有单独加权，因为替换EGR潜在地比替换压缩机更便宜且更简单。
替代的公式在等式3中示出：
Figure DEST_PATH_IMAGE003
其中
Figure 966194DEST_PATH_IMAGE004
是由计算的时间范围中出现的步骤引起的健康指标退化的指示。使用WG作为示例，从时间实例k-1到时间实例k的增量可以反映WG被额定用于的致动循环的剩余部分的改变。其它项如等式2中那样。因此，等式2表示健康状态最大化MPC方法，而等式3表示健康退化最小化MPC方法。
受控健康退化方法可以代替地使用松弛变量来管理健康指标退化。等式4是说明性的：
Figure DEST_PATH_IMAGE005
这里，可以在松弛变量旁边计算MPC准则（排除健康因子），并且最小化加权和。松弛变量可以用等式5确定：
Figure 808248DEST_PATH_IMAGE006
其中
Figure 203457DEST_PATH_IMAGE007
是最大允许健康退化因子，该最大允许健康退化因子可以使用历史数据确定或者可以定义为相对于标称的百分比降低。松弛变量在低端可能以零为界限。
在另一示例中，两阶段方法用于限制性能退化，同时也计及健康退化。在该示例中，在第一阶段中确定性能优化的解决方案，并且在第二阶段中做出调整以在有限的性能退化的情况下减少健康退化。标称性能解决方案可以是例如且不意图限制于MPC使用等式1。这里，公式2-4中的任何一个都可以在实现标称性能解决方案之后操作，同时应用等式6来限制性能退化：
Figure 17829DEST_PATH_IMAGE008
其中ΔJ定义了允许健康退化优化赋予的最大性能退化。因此，JHMPC的更新解决方案受限于对优化的解决方案的最大退化。
图5图示了两阶段方法。在图4中，x轴是时间，并且y轴是在给定时间/迭代中建模或预测的性能。在控制过程的若干次迭代中的每一次迭代中，用户输入和物理设备状态信息被用于使用例如MPC、PID、LQR、或其它控制过程来确定优化的解决方案。优化的解决方案在点300、310、320处示出，指示每次迭代的优化性能P(t)。点300、310、320表示该方法的第一阶段的输出。相对于每个解决方案300、310、320，该方法的第二阶段确定性能的最大退化，在302、312、322处指示。然后，操作的第二阶段确定性能和健康优化的解决方案，在304、314、324处示出，其界限在性能优化的解决方案300、310、320和每个优化的解决方案302、312、322的最大退化之间。
由图5所图示的两阶段方法可以作为与物理设备的一般性能相关的总体成本计算来施行，或者一般性能的个体元素可以在单独的成本函数分析中单独分析。例如，成本函数可以使用在一个成本函数中一起求和的若干性能度量（例如，目标可以是消耗的燃料/能量源、目标涡轮增压器速度、目标增压压力、压缩机之上的目标压力差、或目标空气质量流中的任何一个）中的每一个来计算，或者两个或更多个这样的目标可以被单独分析。在一个示例中，第一阶段提供了跨所有性能目标的优化的解决方案，并且第二阶段针对每个性能目标被单独地施行。在仍另一示例中，第一和第二阶段中的每一个针对每个性能目标被单独施行。
在另一示例中，使用低级控制器来实现双级控制，所述低级控制器在正在进行的基础上实现性能目标控制方法，以确定物理设备的优化的（仅性能、或者健康和性能）解决方案。同样在双级控制中操作的是监督控制器，该监督控制器监测健康影响并允许修改低级控制器分析的元素。
例如，监督控制器可以使用较长的时间范围来操纵低级控制器的参数。假设低级控制器使用MPC，则监督控制器可以在由MPC控制器应用的成本函数内操纵调谐参数或权重，以实现长期性能/健康目标。假设低级控制器使用PID控制，则监督控制器可以被配置为修改设置点、或者由PID控制使用的其它控制参数或权重，以减少健康影响或以其它方式优化系统健康。
例如，监督控制器可以命令低级控制器在第一时间段内使用第一控制参数或控制值集合，并诸如通过与阈值健康影响（或健康成本）进行比较来确定使用第一控制值集合的健康影响是否可接受。如果第一控制值集合产生超出区间的健康影响，如由监督控制器所分析的，则监督控制器指导低级控制器应用第二控制值集合来优选地减少健康影响。在指导使用第二控制值集合之后，监督控制器可以继续监测操作，以确定对第二控制值集合的改变是否实现了较低的健康影响。监督控制器还可以确定从第一控制值集合到第二控制值集合的切换经历了多少性能恶化，以确保性能的偏差被限制。
在本质上更具探索性的另一示例中，监督控制器可以随着时间的推移应用多个控制值集合，并观察不同参数集合的性能和健康影响，以鉴于性能和健康影响选择“最佳”参数集合。如果期望，可以根据健康和性能的首要模型规定参数集合。例如，监督控制器可以指导低级控制器在第一时间段内使用第一控制值集合，其中监督控制器监测健康影响以将第一健康影响与第一控制值集合相关联。接下来，监督控制器可以指导低级控制器在第二时间段内使用第二控制值集合，其中监督控制器监测健康影响以将第二健康影响与第二控制值集合相关联。然后，监督控制器可以选择第一或第二控制值集合（或者第三或第四控制值集合，因为该方法或系统可以应用多于两个控制值集合）中的无论哪一个，所述控制值集合引起较少的健康影响并且指导低级控制器使用所选择的控制值集合。
在示例中，不是通过用附加项改变成本函数来操纵优化计算，而是可以改变优化计算内的项。因此并且例如，使用等式1，存在多个受监测的变量，每个变量具有最大值和/或最小值，如图6中所示出的那样存储为映射函数。如在400处所示出的，可以存储这些最大值和最小值的原始集合。在系统的利用期间，如果例如使用的累积效果被视为接近限制，或者如果在使用的上下文中，某些条件创建了减少性能优化以避免健康影响的需要，则可以确定改变多个变量之一来减少健康影响是可取的。因此，例如，在图5中，在汽车背景中，如果涡轮速度最大值在创建潜在健康退化的模式中使用，则系统可以自动改变涡轮速度最大值，从而创建如在402处所示出的新映射，其中ΔTSH（注意该值可以是负的）被添加到最大涡轮速度以调整这个边界并减少健康影响。这样的修改可以在系统已经使用之后发生。
图7示出了通过监督控制器重新映射控制变量的另一示例。这里，在450处，优化操作的目标值可以存储在映射中。随着时间的推移学习关于用户的倾向的信息，并且分析那些倾向的影响，可以对目标变量做出一个或多个调整，如在452处所指示的那样重新生成映射。
在一些示例中，如果期望，系统健康考虑的时间范围可能比过程控制的时间范围更长。例如，用于性能目的的控制设置的优化可以针对相对短的时间框架，诸如行程的持续时间（在汽车背景中），这可以使用车辆的历史使用模式来确定，而健康设置时间范围更可能着眼于更长期的时段，诸如在要求某些维护活动之前的几个月或几年。在一些示例中，系统健康考虑可以调整以计及先前使用的累积效果。这样的考虑可以在图6-图7的示例中使用，以在将或不将项附加添加到优化计算（等式2-4）或使用两阶段方法（图5）的情况下调整优化计算内的边界和目标。
双级控制和两阶段控制可以一起使用。上面在图4中介绍了低级控制器和监督控制器的架构，其中优化器254用作低级控制器的示例，并且健康监测框256用作监督控制器。在一些示例中，低级控制器使用例如相对于等式6概述的方法来施行两阶段控制，并且监督控制器被配置为按需修改在低级控制器中使用的因子中的任何一个，包括与性能优化相关的因子以及与健康优化和/或最大性能退化相关的因子。
在示例中，监督控制器可以观察用户输入是否响应于性能退化而改变，并且作为响应而操作。例如，在汽车背景中，如果驾驶员在健康优化正在减少性能优化的条件下在使用加速器和/或制动时变得更激进，则可以减少最大性能退化因子，以确定驾驶员是否变得不太激进。本上下文中的“激进”可以通过观察由用户对加速器和/或制动器致动的改变的数量和严重性来确定。如果观察到驾驶员在性能退化处于其最大时更激进，则可以确定驾驶员对这样的条件下的性能不满意，并且可以减少等式7中使用的性能的最大退化。反之也可能是基础；如果当健康因子引起性能退化时没有观察到驾驶员使用加速器和/或制动输入改变，则监督控制器可以允许更多的性能退化，直到观察到驾驶员做出反应为止。
在一些示例中，离线分析可以用于驱动图6-图7中所示出的改变。例如，一些系统可以合并基于极值的控制（ESC）。用极值搜索控制框架，宗旨是通过假设系统的性能跨输入区间是稳定的来扰乱稳定状态操作系统。该分析可以离线施行，并且可以用于帮助确定例如要在上面的描述中使用的加权因子。通过使输入变化，ESC可以标识极端操作点。在一些示例中，相似于上面的等式2和等式3，可以修改ESC控制方案以合并健康指标来最大化健康状态（如上面的等式2中），或者最小化健康退化（如上面的等式3中）。在进一步的示例中，可以修改ESC以合并松弛变量（如上面的等式4中所示出的）。
可以数学地示出，这些解决方案中的每一个均可以用于改进操作，而在一些上下文中，两阶段方法可能更善于实现优化的性能和降低的健康影响。以一个简单的系统为例，该系统具有一个输出Y、一个致动器A和不受控制的扰动D，该扰动D根据{ Y = A–D }与系统相互作用。假设对致动器没有约束，则标称MPC方法将使用等式7的成本准则：
Figure 840292DEST_PATH_IMAGE009
其中R代表输出参考（目标）值。可以进一步假设致动器的健康退化因子可以表达为：
Figure 169642DEST_PATH_IMAGE010
使用将健康成本集成到优化函数中的上面的示例，等式9代表所得到的MPC函数：
Figure 368542DEST_PATH_IMAGE011
其中JHC表示健康意识MPC成本函数。
使用相同的输入，可以代替地定义两阶段方法，其中在第一阶段中优化的标称成本函数产生（健康无关的）致动器值A*，从而给出等式10作为标称优化的准则：
Figure 927436DEST_PATH_IMAGE012
然后，相对于由等式10给出的性能退化约束，第二阶段可以被定义为等式8中表达的致动器的健康退化因子的最小化。第二阶段分析然后可以使用等式11来定义：
Figure DEST_PATH_IMAGE013
其中ΔJ是用户定义的正可允许性能退化。然后，为了分析如何比较这两种方法，首先应该理解，当任一个的微分为零时，可以标识这些成本函数的最小值。等式8中公式的最小点可以在推导1中确定如下：
Figure 920799DEST_PATH_IMAGE014
其中，A*1将标示最小化健康意识MPC成本函数JHC的致动器值。
以非健康意识优化（两阶段程序的阶段1）开始，推导2有助于基础理解：
Figure DEST_PATH_IMAGE015
这里，A*2,I标示最小化JMPC的致动器值。然后使用等式12计算两阶段方法的第一阶段的最优成本函数值：
Figure 737446DEST_PATH_IMAGE016
将推导2的结果替代到等式12中，如果不假设致动器约束，并且仅参考跟踪误差被最小化，则扰动的效果可以消除，从而产生零成本函数值，如等式13中所示出的：
Figure DEST_PATH_IMAGE017
然后通过包括ΔJ项来添加约束，推导3提供了简化的结果：
Figure 536774DEST_PATH_IMAGE018
这里，然后，对于两阶段方法的第二阶段，A被形成在这两个值的界限之间。值A*2,II是两阶段方法的第二阶段的成本函数的最小值，并且整个两阶段程序的结果可以在公式集合1中的这三个公式内总结：
Figure 60160DEST_PATH_IMAGE019
为了使用上面两种方法的分析，可以在不损失一般性的情况下假设R = 5。然后，可以分析扰动D的若干示例，以使用健康优化的MPC函数相对于两阶段控制器方法来比较结果。出于分析的目的，ΔJ在这里设置为12.25。
在第一示例中，扰动D = 2。图8示出了这种扰动如何影响两种控制方法中的每一种下的操作。应用上面的公式和等式，500处的健康意识控制器分析提供了与502处的两阶段控制器分析相同的结果，两者都产生12.25的健康退化因子。
在第二示例中，扰动D = -7。图9示出了这种扰动如何影响两种控制方法中的每一种下的操作。应用上面的公式和等式，510处的健康意识控制器分析提供了与512处所示出的两阶段控制器不同的结果。这里，健康意识控制器将成本函数最小化为1并且产生1的健康退化，而两阶段方法将性能成本函数最小化到4并且将健康退化最小化到0。这意味着在两阶段方法中性能将被更多地影响，尽管在用户定义的对性能退化的限制内，而健康退化将被驱动到零。
在第三示例中，扰动D = -20。图10示出了这种扰动如何影响两种控制方法中的每一种下的操作。应用上面的公式和等式，520处的健康意识控制器分析提供了与522处所示出的两阶段控制器不同的结果。这里，健康意识控制器将成本函数最小化到56.25并且产生56.25的健康退化，而两阶段方法将性能成本准则最小化到12.25并提供132.25的健康退化。这意味着，由于用户定义的对性能退化的限制，性能退化被两阶段方法更多地限制，尽管健康退化成本比使用单阶段控制器时更高。
如图8-图10中的示例所示出的，可能期望两阶段方法来平衡健康和性能影响。在用户想要控制和限制由健康状态优化引起的性能退化的应用中，这样的行为可能是期望的。例如，具有成本函数中未以其它方式考虑的安全约束的应用，或具有显著潜在经济效果的应用。
上面的详细描述包括对附图的参考，所述附图形成了详细描述的一部分。附图通过图示的方式示出了特定实施例。这些实施例在本文也被称为“示例”。在本文件中，如专利文件中常见的，术语“一”或“一个”用于包括一个或多于一个，独立于“至少一个”或“一个或多个”的任何其它实例或使用。此外，在以下权利要求中，术语“第一”、“第二”、和“第三”等仅用作标签，并且不意图对其对象强加数字要求。
上面的描述意图是说明性的并且不是限制性的。例如，上面描述的示例（或其一个或多个方面）可以与彼此组合使用。诸如本领域普通技术人员可以在审查上面的描述时使用其它实施例。一些示例可以包括除了所示出或描述的元素之外的元素。本发明人还思忖了使用示出或描述的那些元素（或其一个或多个方面）的任何组合或排列的示例，关于特定示例（或其一个或多个方面），或者关于在本文示出或描述的其它示例（或其一个或多个方面）。
本文中描述的方法示例可以至少部分机器实现或计算机实现。一些示例可以包括用指令编码的计算机可读介质或机器可读介质，所述指令可操作来配置电子设备以施行如上面的示例中描述的方法。这样的方法的实现可以包括代码，诸如微代码、汇编语言代码、高级语言代码等。这样的代码可以包括用于施行各种方法的计算机可读指令。代码可以形成计算机编程产品的部分。另外，在示例中，代码诸如在执行期间或在其它时间可以有形地存储在一个或多个易失性、非暂时性、或非易失性有形计算机可读介质上。这些有形计算机可读介质的示例可以包括但不限于硬盘、可移除磁盘或光盘、盒式磁带、存储器卡或棒、随机存取存储器（RAM）、只读存储器（ROM）等。
摘要被提供以遵守
Figure 490004DEST_PATH_IMAGE020
，以允许读者快速弄清技术公开的性质。以这样的理解提交摘要：即其将不用于解释或限制权利要求的范围或含义。同样，在上面的详细描述中，各种特征可以被分组在一起以精简本公开。这不应该被解释为意图未要求保护的公开特征对于任何权利要求是必不可少的。而是，创新主题可能在于少于特定公开实施例的所有特征。因此，以下权利要求由此作为示例或实施例被合并到详细描述中，其中每个权利要求独立地作为单独的实施例，并且思忖这样的实施例可以以各种组合或排列与彼此组合。保护的范围应该参考所附权利要求连同这样的权利要求享有的等同物的全部范围来确定。

Claims (20)

1.一种用于控制物理设备的可配置控制器，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：
状态观察器，被配置为通过与多个传感器通信来捕获物理设备的当前状态；以及
优化器，被配置为至少使用致动器来优化物理设备的行为；
其中优化器使用与基于物理设备的当前状态的物理设备的优化性能相关联的至少一个第一项、以及与物理设备的一个或多个组件的健康退化相关联的至少一个第二项可操作，并且优化器操作来引导致动器中参数的使用以最小化第一和第二项的和。
2.根据权利要求1所述的可配置控制器，其中所述第一和第二项每个包括加权值。
3.根据权利要求1所述的可配置控制器，其中响应于物理设备中致动器的使用历史并随物理设备中致动器的使用历史而改变，计算至少一个第二项。
4.根据权利要求3所述的可配置控制器，其中所述使用历史由状态观察器跟踪。
5.根据权利要求3所述的可配置控制器，其中所述使用历史由健康监测器跟踪，所述健康监测器继而可操作地耦合到优化器。
6.根据权利要求1所述的可配置控制器，其中所述优化器生成多个输出以控制多个致动器来操作物理设备。
7.根据权利要求1所述的可配置控制器，其中所述优化器被配置为使用基于优化的控制方法。
8. 一种用于控制物理设备的可配置控制器，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：
状态观察器，被配置为捕获物理设备的当前状态；以及
优化器，被配置为至少使用致动器来优化物理设备的行为；
其中所述优化器被配置为施行两阶段程序，用于确定用于控制致动器的输出，包括：
在第一阶段中，施行优化例程，所述优化例程导致针对鉴于物理设备的当前状态的最优性能的致动器设置的第一配置；以及
在第二阶段中，定义与在第一阶段中标识的最优性能的最大偏差，并且标识致动器设置的第二配置，所述第二配置最小化健康退化而不使性能偏离最优性能多于最大偏差；并且
其中优化器然后被配置为实现致动器设置的第二配置。
9.根据权利要求8所述的可配置控制器，其中通过参考性能优化的多个子目标中的每一个来确定最大偏差。
10.根据权利要求8所述的可配置控制器，其中所述最大偏差通过参考总的总体性能来确定。
11.根据权利要求8所述的可配置控制器，其中所述优化器被配置为通过计算与基于物理设备的当前状态的物理设备的优化性能相关联的一个第一项、以及与物理设备的一个或多个组件的健康退化相关联的至少一个第二项，并在最大偏差内最小化第一和第二项的和，来施行第二阶段。
12.根据权利要求11所述的可配置控制器，其中响应于物理设备的使用历史并随物理设备的使用历史而改变，计算至少一个第二项。
13.根据权利要求12所述的可配置控制器，其中所述使用历史由状态观察器跟踪。
14.根据权利要求12所述的可配置控制器，其中所述使用历史由健康监测器跟踪，所述健康监测器继而可操作地耦合到优化器。
15.根据权利要求14所述的可配置控制器，其中所述优化器生成多个输出以控制多个致动器来操作物理设备，其中多个输出中的第一输出控制用于涡轮增压器废气门（WG）的致动器，并且多个输出中的第二输出控制用于涡轮增压器再循环阀（RCV）的致动器，并且所述至少一个第二项包括WG项和RCV项，并且可配置控制器响应于WG和RCV的致动历史来改变WG项和RCV项中的至少一个。
16. 一种用于控制物理设备的可配置控制器，所述物理设备具有与之相关联的用于控制物理设备的操作的多个致动器和用于观察物理设备操作的多个特性的多个传感器，所述可配置控制器包括：
状态观察器，被配置为捕获物理设备的当前状态；以及
低级控制器，被配置为至少使用致动器来控制物理设备的行为；
监督控制器，可操作地耦合到状态观察器和低级控制器；
其中所述低级控制器被配置为使用多个控制值用于控制物理设备的行为；
其中所述监督控制器被配置为当低级控制器控制其行为时监测使用物理设备的健康效果，并且标识由物理设备的行为引起的健康影响，并且响应于此被配置为修改由低级控制器使用的多个控制值中的一个或多个，以便减少健康影响；以及
其中所述低级控制器进一步适于使用多个控制值中的修改的一个或多个来控制物理设备。
17.根据权利要求16所述的可配置控制器，其中所述低级控制器被配置为使用基于优化的控制方法，并且一个或多个控制系数或加权值由低级控制器在MPC中实现以控制物理设备。
18.根据权利要求16所述的可配置控制器，其中所述低级控制器被配置为使用基于设置点的控制方法，并且系数或加权值中的至少一个是由低级控制器实现以控制物理设备的设置点。
19.根据权利要求16所述的可配置控制器，其中所述监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且所述监督控制器被配置为操作如下：
在第一时间段内，指导低级控制器实现第一控制值集合，并观察与第一控制值集合相关联的第一健康影响；
在第二时间段内，指导低级控制器实现第二控制值集合，并观察与第二控制值集合相关联的第二健康影响；
确定第一和第二健康影响中哪一个较小；以及
在第一和第二时间段之后出现的第三时间段内，指导低级控制器使用第一和第二控制值集合中具有较小健康影响的无论哪一个。
20.根据权利要求16所述的可配置控制器，其中所述监督控制器被配置有至少第一和第二控制值集合以供低级控制器使用，并且所述监督控制器被配置为操作如下：
指导低级控制器实现第一控制值集合；
观察与第一控制值集合相关联的第一健康影响；
确定第一健康影响是否超过阈值；以及
在第一健康影响超过阈值时，指导低级控制器实现第二控制值集合。
CN202111017719.2A 2020-08-31 2021-08-31 健康意识控制器 Active CN114109632B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/008,076 US11530656B2 (en) 2020-08-31 2020-08-31 Health conscious controller
US17/008076 2020-08-31

Publications (2)

Publication Number Publication Date
CN114109632A true CN114109632A (zh) 2022-03-01
CN114109632B CN114109632B (zh) 2024-04-02

Family

ID=76920624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111017719.2A Active CN114109632B (zh) 2020-08-31 2021-08-31 健康意识控制器

Country Status (3)

Country Link
US (2) US11530656B2 (zh)
EP (1) EP3961315A3 (zh)
CN (1) CN114109632B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11421616B2 (en) 2020-11-18 2022-08-23 Garrett Transportation I Inc. Online monitoring and diagnostics in vehicle powertrains

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060137340A1 (en) * 2004-12-29 2006-06-29 Stewart Gregory E Method and system for using a measure of fueling rate in the air side control of an engine
US20130046507A1 (en) * 2011-08-19 2013-02-21 General Electric Company Method and system for analysis of turbomachinery
US20130092128A1 (en) * 2011-10-17 2013-04-18 Tula Technology, Inc. Firing fraction management in skip fire engine control
US20130255220A1 (en) * 2012-03-30 2013-10-03 General Electric Company Distributed gas turbine engine control system
CN204152656U (zh) * 2011-07-06 2015-02-11 通用电气公司 用于共轨式燃料系统维护健康诊断的系统
US20160076438A1 (en) * 2014-09-11 2016-03-17 Toyota Jidosha Kabushiki Kaisha Control apparatus for internal combustion engine
US20160215685A1 (en) * 2015-01-23 2016-07-28 General Electric Company Systems and methods for control of turbocharger wastegate
US20170044971A1 (en) * 2015-08-11 2017-02-16 GM Global Technology Operations LLC Method of operating a turbocharged automotive system
US20170370308A1 (en) * 2016-06-23 2017-12-28 Tula Technology, Inc. Dynamic skip fire operation of a gasoline compression ignition engine
US20180202379A1 (en) * 2015-01-12 2018-07-19 Tula Technology, Inc. Adaptive torque mitigation by micro-hybrid system
DE102013220185B4 (de) * 2012-10-15 2019-02-07 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) System und Verfahren zum Steuern eines Zündungsmusters eines Motors zur Verringerung einer Schwingung bei einer Deaktivierung von Zylindern des Motors

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6637205B1 (en) 2002-07-30 2003-10-28 Honeywell International Inc. Electric assist and variable geometry turbocharger
US7392713B2 (en) 2002-09-30 2008-07-01 United Technologies Corporation Monitoring system for turbomachinery
EP1745200B1 (en) 2004-05-07 2007-11-28 Honeywell International, Inc. Method of operating an electrically assisted turbocharger and a boosting device
DE102004051837B4 (de) * 2004-10-25 2006-11-09 Siemens Ag Verfahren und Vorrichtungen zum Steuern und zum Diagnostizieren eines Abgasturboladers
US7469177B2 (en) * 2005-06-17 2008-12-23 Honeywell International Inc. Distributed control architecture for powertrains
US7756591B2 (en) 2006-04-25 2010-07-13 Pegasus Technologies, Inc. System for optimizing oxygen in a boiler
EP2839132A4 (en) 2012-04-16 2015-12-02 Int Engine Intellectual Prop TURBOCHARGER TURBINE AMPLIFIER
US9784198B2 (en) 2015-02-12 2017-10-10 GM Global Technology Operations LLC Model predictive control systems and methods for increasing computational efficiency
US9378594B2 (en) 2014-03-26 2016-06-28 GM Global Technology Operations LLC Fault diagnostic systems and methods for model predictive control
US9014945B2 (en) 2013-03-08 2015-04-21 General Electric Company Online enhancement for improved gas turbine performance
JP6377340B2 (ja) 2013-12-04 2018-08-22 三菱重工業株式会社 過給システムの制御装置
WO2015105923A1 (en) 2014-01-07 2015-07-16 Utah State University Battery control
US9677476B2 (en) 2014-02-26 2017-06-13 General Electric Company Model-based feed forward approach to coordinated air-fuel control on a gas turbine
EP3051367B1 (en) 2015-01-28 2020-11-25 Honeywell spol s.r.o. An approach and system for handling constraints for measured disturbances with uncertain preview
US9932907B2 (en) 2015-03-03 2018-04-03 General Electric Company Methods and systems for enhancing control of power plant generating units
KR20170041321A (ko) 2015-10-06 2017-04-17 현대자동차주식회사 수퍼차저의 제어방법
US10186889B2 (en) 2015-10-08 2019-01-22 Taurus Des, Llc Electrical energy storage system with variable state-of-charge frequency response optimization
US9982610B2 (en) 2015-11-30 2018-05-29 Hyundai Motor Company Control method of boosting apparatus
US10267249B2 (en) 2016-04-27 2019-04-23 Ge Global Sourcing Llc Systems for an engine
US10054069B2 (en) 2016-08-22 2018-08-21 GM Global Technology Operations LLC Method and apparatus for model based control of electrical boosting system
US10605161B2 (en) * 2017-05-18 2020-03-31 Ford Global Technologies, Llc Method and system for indicating degradation of boosted engine system
US10823016B2 (en) 2017-06-02 2020-11-03 General Electric Company System and method for risk categorization

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060137340A1 (en) * 2004-12-29 2006-06-29 Stewart Gregory E Method and system for using a measure of fueling rate in the air side control of an engine
CN204152656U (zh) * 2011-07-06 2015-02-11 通用电气公司 用于共轨式燃料系统维护健康诊断的系统
US20130046507A1 (en) * 2011-08-19 2013-02-21 General Electric Company Method and system for analysis of turbomachinery
US20130092128A1 (en) * 2011-10-17 2013-04-18 Tula Technology, Inc. Firing fraction management in skip fire engine control
US20130255220A1 (en) * 2012-03-30 2013-10-03 General Electric Company Distributed gas turbine engine control system
DE102013220185B4 (de) * 2012-10-15 2019-02-07 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) System und Verfahren zum Steuern eines Zündungsmusters eines Motors zur Verringerung einer Schwingung bei einer Deaktivierung von Zylindern des Motors
US20160076438A1 (en) * 2014-09-11 2016-03-17 Toyota Jidosha Kabushiki Kaisha Control apparatus for internal combustion engine
US20180202379A1 (en) * 2015-01-12 2018-07-19 Tula Technology, Inc. Adaptive torque mitigation by micro-hybrid system
US20160215685A1 (en) * 2015-01-23 2016-07-28 General Electric Company Systems and methods for control of turbocharger wastegate
US20170044971A1 (en) * 2015-08-11 2017-02-16 GM Global Technology Operations LLC Method of operating a turbocharged automotive system
US20170370308A1 (en) * 2016-06-23 2017-12-28 Tula Technology, Inc. Dynamic skip fire operation of a gasoline compression ignition engine

Also Published As

Publication number Publication date
EP3961315A2 (en) 2022-03-02
CN114109632B (zh) 2024-04-02
US12000348B2 (en) 2024-06-04
US11530656B2 (en) 2022-12-20
EP3961315A3 (en) 2022-04-13
US20230091698A1 (en) 2023-03-23
US20220065179A1 (en) 2022-03-03

Similar Documents

Publication Publication Date Title
CN111260107B (zh) 锅炉燃烧优化系统及方法
EP1577721A2 (en) Model predictive controller with life extending control
US20080229754A1 (en) Method and system for fault accommodation of machines
CN102889134A (zh) 用于自动调整燃气涡轮燃烧系统的系统和方法
US20160062353A1 (en) Method and system of adaptive model-based control for multiple-input multiple-output plants
EP4019760A1 (en) Wear monitoring for electrical actuators
CN111259512A (zh) 锅炉燃烧优化演算系统及方法
CN114109632B (zh) 健康意识控制器
US20220341367A1 (en) System for turbocharger performance monitoring and adaptation
EP3640750A2 (en) Model predictive control sub-system power management
US20220205405A1 (en) Internal combustion engine controller
EP2413206B1 (en) Model predictive control of gas turbine engines
Wang et al. An adaptive condition monitoring method of wind turbines based on multivariate state estimation technique and continual learning
Kordestani et al. A new compressor failure prognostic method using nonlinear observers and a Bayesian algorithm for heavy-duty gas turbines
Rinehart et al. An integrated architecture for aircraft engine performance monitoring and fault diagnostics: engine test results
EP4089270A1 (en) Electric boost device control for turbocharger
EP3640749A2 (en) Model predictive control sub-system hyrdaulic flow management
US11624334B2 (en) Online monitoring and diagnostics in vehicle powertrains
CN111256166A (zh) 锅炉运行控制系统及方法
CN115688609A (zh) 一种用于航空发动机的智能推力预测及实时预警方法
CN115793604A (zh) 控制器运维方法、装置及系统
US11624332B2 (en) Control system with diagnostics monitoring for engine control
EP4187076A1 (en) System and method for on-line recalibration of control systems
CN117704416A (zh) 基于ai的锅炉自动化燃烧调节方法
Ferrarini et al. MODELING, CONTROL, SIMULATION, AND DIAGNOSI SOF COMPLE X INDUSTRIA L AN D ENERG Y SYSTEM S

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220331

Address after: No. 8, Newton Road, Pudong New Area (Shanghai) pilot Free Trade Zone, Shanghai

Applicant after: Garrett Power Technology (Shanghai) Co.,Ltd.

Address before: Swiss basil

Applicant before: Garrett Power Co.,Ltd.

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant