CN114729608A - 用于校准机器控制器的方法和系统 - Google Patents
用于校准机器控制器的方法和系统 Download PDFInfo
- Publication number
- CN114729608A CN114729608A CN202080077683.4A CN202080077683A CN114729608A CN 114729608 A CN114729608 A CN 114729608A CN 202080077683 A CN202080077683 A CN 202080077683A CN 114729608 A CN114729608 A CN 114729608A
- Authority
- CN
- China
- Prior art keywords
- test
- measurement
- point
- operating
- test point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 94
- 238000012360 testing method Methods 0.000 claims abstract description 151
- 238000005259 measurement Methods 0.000 claims abstract description 125
- 238000002485 combustion reaction Methods 0.000 claims abstract description 27
- 238000000528 statistical test Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000013459 approach Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 23
- 238000004458 analytical method Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013401 experimental design Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 239000012321 sodium triacetoxyborohydride Substances 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- -1 ignition time Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- 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
- F02D41/2432—Methods of calibration
-
- 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
- F02D41/1401—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
- F02D41/24—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
- F02D41/2409—Addressing techniques specially adapted therefor
- F02D41/2422—Selective use of one or more tables
-
- 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
-
- 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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Testing Of Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Circuits Of Receivers In General (AREA)
- Numerical Control (AREA)
Abstract
本发明涉及一种用于对一个机器进行运行分析和/或用于校准一个机器的，特别是内燃机的控制器的方法，其中接近通过许多事先确定的运行参数的数值定义得和通过一个统计试验设计从一个多维的试验空间中选出的测试点，其中在接近测试点时分别在从一个测试点(Tn)到下一个测试点(Tn+1)的许多步骤中改变至少一个运行参数，其中在通过一个相应的步幅产生的测量点(Mn)处和在原本的测试点(Tn，Tn+1)处实施运行测量(meas)，其中为了分析和校准控制器输出并连续存储来自运行测量的测量数据，以及涉及一种相应的系统。
Description
技术领域
本发明涉及一种用于校准机器的，特别是内燃机的控制器的方法，其中接近通过许多事先确定的运行参数的数值定义的和通过一个统计试验设计从一个多维的试验空间中选出的测试点，其中在接近测试点时分别在许多步骤中改变至少一个运行参数。
背景技术
为了校准机器，特别是驱动装置，通常在试验台上实施测试，其中为了具有事先确定的转速和/或负荷的确定的接近点实施用于不同运行参数的分析，特别是灵敏度分析。由这个分析获得的知识可以用于校准内燃机的控制器，其中目的是优化校准内燃机。
如果为了一个负荷点同时调节多个运行参数的话，例如喷油始点、点火时刻、燃料压力、进气管压力、废气再循环率等等，那么产生极大数量的可能的参数组合，在需检测的机器上的运行测量中必须逐一地检查这些参数组合。然而，这将造成很大的测量工作量。
假设每个运行参数例如也仅仅检查十个不同数值的话，那么在两个运行参数的情况中就得接近100个测试点，在三个运行参数的情况中就得接近1000个测试点，在四个运行参数的情况中就得接近10000个测试点和在五个运行参数的情况中就得接近100000个测试点。这个工作量在实际当中是无法完成的。为了将测量工作量减少到可承受的程度，借助统计试验设计，例如通过中心复合设计从试验空间的总量中选出具有代表性的测试点。通过这种方式，能够大大地减少测量工作量，例如从测量8000个测试点减少到50个测试点。
为了将测量工作量限制在符合实际的程度上，一般借助数学模型选择根据确定的边界条件选出的典型测试点数量。
通常根据统计学方法进行测试点选择，其中根据分析的设定目标和课题采用一个确定的选择策略。这种处理方法作为统计试验设计(英文：design of experiments)为众所周知。为此例如请参阅：“统计学试验设计和试验评估”，埃伯哈德·舍弗勒，德国基础工业出版社，斯图加特，1997年。
根据相应的选择策略，要么根据一个模型将测量点均匀地分布在一个多维空间内，要么根据特定的边界条件进行加权评估。
利用统计试验设计的校准方法一般基于根据经验的时不变模型，这些模型利用一个来自固定测量的数据组被参数化，然后得到优化和再次利用固定测量得到验证。
然而，固定测量的获取比较耗时，因此是无效率的。对测试场数据的分析结果是，在固定测量的情况中每个测试点的持续时间为平均约4分钟。这4分钟由将运行参数调节到一个新的测试点上、检查运行参数变化的时间，运行极限处理，稳定，平均值和一个至起始点的所谓的返回筛选(Screenback)构成-所有这些都是为了测量一个单个的测试点。
在统计试验设计的情况中，另外在实际运行极限不明确的情况下根据纯粹的统计标准进行测试点选择。因此，根据分别使用的统计试验设计，所选择的测试点的一部分在机器的运行范围之外。
在分析时和为了校准机器控制器或者为了在基于模型的校准的范围内的建模，不能考虑运行范围之外的测试点或者不可移动的测试点，因为没有对这些测试点进行测量。由于缺乏测试点或者这些测试点上的测量，对分析报告质量产生不利影响，从而对校准质量产生不利影响。
原则上可以通过如下方式防止位于不可移动的测量范围内的测试点不足和由此导致的数据基础减少，即在使用统计试验设计之前为相应的负荷点求出机器的运行极限，然后如下地调整试验设计，即填满整个可移动的空间。然而，由于为此所需的测量工作量很高，这个处理方法不在考虑范围内。
现有技术中已知有一系列用于调节运行参数的方法，用以产生可以用于校准机器控制器的测量。
文献DE 101 56 557 B4例如涉及违反运行极限。该文献公开了一种用于校准机器的，特别是内燃机的控制器的方法，其中为至少一个负荷点对不同的运行参数的敏感性进行分析，并且在使用统计试验设计的情况下为选择的、具有事先确定的运行参数的测量点在机器上实施运行测量，其中为了至少一个不可移动的测量点定义辅助测量点，这些辅助测量点位于机器运行极限内的一个稳定的中心测量点与所述测量点之间的连接线上，最接近运行极限的、可移动的辅助测量点作为替代测量点被提供给另外的运行测量。
发明内容
本发明的目的是提供一种用于分析和/或用于校准机器的方法和系统，该方法和系统提供-特别是在运行极限范围内-对所检查的运行空间的改进的分析，特别是更高的信息含量，而无需增加分析所需的时间。
根据本发明，这个目的通过一个根据独立权利要求所述的方法和系统得以实现。在从属权利要求中对有利的构造设计要求权利保护。
本发明的第一方面涉及一种方法，其用于校准机器的，特别是内燃机、燃料电池或者电动机的控制器，其中接近通过许多事先确定的运行参数的数值定义的和通过一个统计试验设计从一个多维的试验空间中选出的测试点，其中在接近测试点时分别在从一个测试点到下一个测试点的许多步骤中改变至少一个运行参数，其中在通过相应的步幅产生的测量点处和在原本的测试点处实施运行测量，其中为了分析和校准控制器输出并连续存储来自运行测量的测量数据。
本发明的第二方面涉及一种用于校准机器的，特别是内燃机的控制器的系统，其具有：
一个试验台，用于接近通过许多事先确定的运行参数的数值定义的和通过一个统计试验设计从一个多维的试验空间中选出的测试点，
装置，用于接近测试点，设置用于在从一个测试点到下一个测试点的许多步骤中改变分别至少一个运行参数，
传感器，用于在通过一个相应的步幅产生的测量点处和原本的测试点处实施运行测量，和
一个数据接口，用于输出来自运行测量的测量数据，基于该测量数据对机器进行分析并对控制器进行校准，和
一个数据存储器，设置用于连续存储测量数据。
本发明意义上的一个运行范围优选是一个多维空间，该空间通过运行参数构成并且受到运行参数的事先规定的取值范围的限制。优选取值范围通过机器的稳定的运行范围事先规定。进一步优选机器或者一个在功能上与该机器相关的系统，例如一个废气后处理装置在运行范围之外损坏。
本发明意义上的测量数据优选具有在运行测量中测得的或者监测到的参数或者变量的数值和/或经调节的参数或者变量的数值。
本发明意义上的“连续的”优选是指“在一个时段上不断的，特别是在接近测试点，特别是所有测试点的时段上不断的”。优选以同样的采样率存储所有记录的运行参数。如果具有不同的测量频率的话，那么要么存储最小公分母，要么如下地处理所有测量值，即能够以一个固定的采样率进行存储，例如1Hz；优选运行参数的信号为此经过过滤，例如通过一个连续的平均值。通过这种方式例如可以避免混叠效应。
本发明意义上的输出优选是指在一个接口上，特别是在一个用户界面或者一个数据接口上提供。
本发明所依据的方法是，不仅在原本的、通过统计试验设计选择的测试点处生成有关经检查的机器的信息，而且还记录在调节相应的测试点期间生成的信息并且因此使其能够用于对机器的分析和对该机器的控制器的校准。
根据本发明，原本的测试点尽管-如在现有技术中那样-是通过统计试验设计算出或者选出的，然而测量方法却基于一个在各个测试点之间应用的筛选方法。因此测试点通过测量斜面相互连接，在这些测量斜面中运行参数从一个测试点到下一个测试点逐步改变，并且既在每个步骤中，也在测量点本身处收集测量数据。
在这种情况下，优选作为筛选方法可以使用一种所谓的慢速动态坡度法(以下称为SDS)。这意味着，如下缓慢地进行对运行参数的、产生斜面的调节，即所记录的测量数据可以视为准稳定的。为此优选将各个步骤之间的调节时间或者斜面时间调整到运行参数的，特别是监测到的输出变量的时间常数上。已经表明，不必为了测定一个试验设计而实施额外的稳态测量。
关于SDS方法的一般功能原理，请参阅以下公开文献：“Methodology forEfficient Calibration of Model Based ECU Structures(基于模型的电子控制单元结构的有效校准方法)”，
R.，Bollick，M.，Büchel，M.，Henzinger，F.，International Symposium on Development Methodology(发展方法国际研讨会)，威斯巴登，2005年；“电机控制的快速Basisbedatung方法”，Büchel，M.，Thomas，M.，InternationalSymposium on Development Methodology，威斯巴登，2009年。
对比试验已经表明，与传统的测量方法相比，通过本发明的方法能够大幅缩短测定测试点的持续时间，特别是缩短高达持续时间的大约2/3。
另外，通过本发明的方法在这个持续时间内产生多得多的测量数据，使得能够更加准确地分析机器的运行状态，并且还为建模提供一个更好的、密集得多的数据基础。
最后，通过本发明记录的测量数据由于测量值量大所以能够用于不同的校准任务。其基础是，也对原本的测试点之间的测量点进行记录，从而获得了试验空间的或多或少完整的特征。因此可以基于数据组实施校准任务，这些校准任务不同于最初实施所述程序而针对的校准任务，或者这个数据组至少能够补充一个用于其他校准任务的测量或者构成其基础。
优选通过计算机辅助执行本发明的方法。本发明的两个另外的方面相应地涉及一个计算机程序，其包括指令，这些指令在由一个计算机执行时使该计算机执行程序的步骤，和涉及一个计算机可读的介质，其上存储有一个这样的计算机程序。
在方法的一个有利的设计中，如下缓慢地改变所述至少一个运行参数和/或步幅选择得如此小，即机器在一个准稳定的状态中运行。
在方法的另一个有利的设计中，相应地连续实施运行测量，其中优选在实施运行测量的测量部分之前没有设置单独的稳定部分，在该稳定部分中将所述至少一个运行参数保持为恒定不变。
在方法的另一个有利的设计中，所述至少一个运行参数的变化在时间上的分布是阶梯状的的，特别是相对于时间和/或经过的距离而言。因此，优选测量点位于一条线上。从而能够实现对试验空间特别系统的测定。
在方法的另一个有利的设计中，在通过运行测量监测到的运行参数的运行极限超过极限值时中止接近下一个测试点，并接近前一个测试点、一个事先确定的安全的接近点或者一个位于所述测试点之后的测试点。通过对超过极限值的这个处理，可以在不中断的情况下继续执行测量程序，并提供涉及需分析的试验空间的另外的测量值。一个如在文首述及的文献DE 101 56 557 B4中说明的、用于识别运行极限上的辅助测量点的单独方法是不必要的。因此缩短了测量时间并且总体上简化了测量方法。
在方法的另一个有利的设计中，将测量数据提供给统计学或者数学评估方法或者建模算法。例如可以将测量数据提供给人工神经元网络、随机森林算法、插值法、多项式建模算法等等。首先，通过这种方式可以连续调整用于选择测试点的统计试验设计的模型，其次，可以逐渐改善用于基于模型的优化的模型。
在方法的另一个有利的设计中，在执行方法期间-特别是连续地-通过建模算法和/或试验空间调整模型。通过这种方式，能够使另外的试验点迭代地，因此最佳地分布。
特别是可以通过-特别是连续-调整的模型重新布置尚未测量的测试点和/或通过-特别是连续-调整的模型布置额外的测试点。在这种情况下，可以考虑涉及输出变量的、事先规定的目标通道。如果通过经调整的模型确定了一个输出变量的数值将超过这些目标通道的话，可以相应不同地布置测试点。特别是可以鉴于在目标通道中反映的预期优化目标然后最佳地布置测试点。通过这种方式进一步提高了一种或者多种建模算法的，特别是连续模型优化的质量和效率。因此，还能够在基于模型的优化或者校准的范围内，通过利用模型的预测防止进一步超过极限值，并且因此实现试验的更加有效的实施。
在方法的另一个有利的设计中，对测量数据的信号曲线进行修正，修正量为测量通道特定的延迟时间。通过这种方式，也进一步提高了一种或者多种建模算法的，特别是连续模型优化的质量和效率。
在本发明方法的另一个有利的设计中，将一个通过模型算法构成的或者改变的模型用于计算对控制器的优化校准。因此可以在基于模型的优化的范围内实现对机器控制器的迭代优化。
在方法的另一个有利的设计中，利用另外的运行测量对机器的模型或者控制器的校准进行验证。通过这种方式，能够检验通过方法获得的数值针对需检查的机器的正确性。
在方法的另一个有利的设计中，测量数据能够用于不同的校准任务，其中可以从可用的、记录的测量数据中为每个校准任务选择不同的输入变量和/或输出变量。
通过选择不同的输入变量和/或输出变量，能够基于所记录的测量数据实施各种不同的校准任务。
上面针对本发明的第一方面说明的优点和特征也相应地适用于本发明的其他方面，反之亦然。
附图说明
从下面根据附图对实施例的说明中获得另外的优点和特征。附图至少部分示意性地示出：
图1是用于校准机器控制器的方法的一个实施例的框图；
图2是用于校准机器控制器的系统的一个实施例的示图；
图3a和3b是现有技术用于校准方法中运行测量的输入参数/输入变量或者输出参数/输出变量的分布曲线图；
图4是通过用于校准机器控制器的方法进行的运行测量的输入参数/输入变量和输出参数/输出变量的另一个曲线图；
图5是不同的曲线图，其包括通过用于校准机器控制器的方法记录的测量过程；和
图6是一个根据图4的曲线图，其中示出了用于通过一个模型确定的输出参数/输出变量和测得的输出参数/输出变量的不同延迟时间。
图7a和7b是一个示范性的输入参数和由其产生的输出变量在时间上的分布的曲线图，连同一个假设的延迟时间/无效时间，该延迟时间/无效时间借助程序通过移动更快的输入变量和输出变量得到补偿。
具体实施方式
在下文中，阐述涉及一个内燃机1的实施例。然而对于专业人员来说显而易见，所说明的理论也可以转用到其他的机器上，特别是驱动装置，如电动机。
图1示出了一种用于校准机器1的控制器的方法100的实施例。
包含用于校准控制器的方法100的工作流程优选如下：
首先对需实施的测试或者试验，特别是试运行进行定义。优选确定，什么是需调节的或者需改变的输入参数，应该记录哪些输出参数。确定，应该在怎样的环境条件中实施测试，例如以怎样的冷却介质温度。同样优选确定，必须监测哪些涉及运行极限Lim的输出参数，极限值Lim在哪里。以此为出发点，确定输入参数P1的调节范围，另外优选根据这些基准数据生成一个充满空间的设计(英文：space-filling design)。
基于测试的定义和充满空间的设计，优选借助一个统计试验设计制定一个测试计划。
这个测试计划具有许多测试点。测试点在这种情况下通过许多运行参数P或者其数值定义，并且试验空间-由于许多的运行参数-也是多维的试验空间。
通常在试验台运行中，例如在发动机试验台、传动系试验台或者辊式试验台上对测试点进行测量。一般而言，为此使用所谓的固定式试验台。
对需接近的测试点进行调准。若达到测试点，进行等待，直到内燃机的运行稳定为止，并且当在这个稳定阶段STAB期间在内燃机运行中仅仅还出现微小的变化或无变化时，就在测量阶段MEAS中进行测量。在图3a中大概地示出了这样的流程。
优选在这个时候开始校准方法100。
与现有技术中的校准程序类似，在方法100中接近测试点101。在这种情况下，在从一个测试点Tn到下一个测试点Tn+1的许多步骤中改变至少一个运行参数P1，其是一个控制参数。
在实际中，在这种情况下通常要么同时，要么相继地调节多个运行参数P1。在这种情况下，优选如下缓慢地和/或以如此小的步幅进行调节，即内燃机1处于一个准稳定的运行状态中。
在此，既在那些在下文中称为测量点Mn的值系列(Wertekonstellation)中(该值系列在每个步骤之后通过为每个运行参数P调节的步幅产生)，也在原本的测试点Tn、Tn+1、Tn+2上(这些测试点源自于通过统计试验设计的选择)实施运行测量。
因为内燃机1在输入参数P1的调节过程中保持在一个准稳定的运行状态中，所以优选在测量测量点Mn之前或者之后和在测量测试点Tn、Tn+1、Tn+2之前或者之后都没有设置稳定期STAB，如在现有技术中的情况那样。调节阶段SET因此也可以包括在测量阶段MEAS中。
方法100的测量阶段MEAS因此可以在一个比现有技术的传统校准程序长得多的时段上延伸。优选测量阶段MEAS在方法100的整个持续时间上延伸，进一步优选不中断地延伸。
最后输出并且连续存储源自运行测量的测量数据，这些测量数据另外可用于对控制器的分析和校准103。
由于大量的测量或者利用方法100生成的密集的测量数据之故，测量数据不仅可以用于那个校准任务(为了这个校准任务测量数据被收集)，而且这些测量数据也可以用于其他的校准任务，只要测定了为此必要的运行参数的话。
优选将存储的测量数据提供给统计学和/或数学评估方法104。特别是利用这些方法进行建模。优选这是内燃机、传动系或者整个车辆的模型，利用该模型能够模拟分别建模的组件。优选模型是一个所谓的人工神经元网络，该网络基于测量数据得到训练。然而也可以使用其他的机器学习方法，以及多项式模型或者高斯模型等等。进一步优选，在建模时考虑到直到测量为止的信号延迟时间。下面将针对图6进一步阐述这一点。模型优选可以从现有示范模型的程序库中选出，输入参数P1与输出参数P2之间的相互关系粗略地设计在这些示范模型中。
优选这些模型持续或者连续地得到验证并且在执行方法100期间得到调整105。
借助这些模型可以进行数字优化，以改善对控制器的校准。优选通过重复统计试验设计或者通过在统计试验设计中已经考虑到关于优化的校准的知识，能够已经在执行本发明的方法100期间反馈这样的优化的校准106。
进一步优选，最后利用另外的运行测量验证优化的校准107。
图2示出了用于校准内燃机1的控制器的系统的实施例。
内燃机1在此优选设置在一个试验台11上，并且进一步优选经由属于内燃机1或者试验台11的主轴4与测功机3抗扭连接。
测功机3优选设置为用于在内燃机1上加载负荷。另外，试验台11具有传感器13a、13b、13c，用于记录内燃机1的运行参数。在当前的情况下，传感器13a例如可以记录节气门位置，传感器13b记录存在于主轴4上和因此存在于内燃机1上的扭矩，传感器13c记录通过测功机3对主轴4和因此对内燃机1进行制动所消耗的功率。
测量值优选经由系统10的用于输出源自运行测量的测量数据的数据接口14被输出给数据存储器15，或者直接被输出给用于接近测试点Tn、Tn+1、Tn+2的装置12。
用于接近测试点的装置12基于统计试验设计和/或已经生成的测量数据计算输入参数P1的数值并将这些数值传送给内燃机1的控制器2。控制器将输入参数P1设置为内燃机1上的额定值。
图3a和3b示出了传统的校准方法的测量过程的两个曲线图。
图3a的曲线图在这种情况下示出了内燃机控制器的输入参数P1，即经过调节的变量的与时间相关的分布和输出参数P2，即监测到的变量的与时间相关的附属分布。图3b再次示出了输出参数P2与输入参数P1或者经过调节的变量相关的分布曲线图，在出现输出参数P2的限制违规的那个区域中。
在图3a中，在测试点Tn测量之后，使输入参数P1逐步达到后续的测试点Tn+1的数值。测量方法的这个部分是一个调节阶段SET，在该调节阶段中将输入参数P1或者多个输入参数调节到下一个通过统计试验设计求出的测试点Tn+1上。
在所示出的情况中，在t1处出现输出参数P2的运行极限Lim的限制违规。因此不能将输入参数P1调节到操控的测试点Tn+1上。
因此将输入参数P1复位，直到输出参数P2的限制违规消除为止。由于输出参数的延滞或者延时之故，如可以从图3a中看出的那样，这持续一些时间，并且输入参数P1必须被调回到远低于出现限制违规的数值以下。
在下一个流程步骤中，将输入参数P1重新-然而以减小的步幅-向着每个出现过限制违规的方向调节。若那里不出现限制违规，则在时间点t2中出现一个稳定阶段STAB，在该稳定阶段中进行等待，直到发动机处于稳定运行中并且只能监测到输出参数P2微小的变化或者甚至没有变化。若情况如此，从时间点t3到时间点t4出现测量方法的一部分，在该部分中实施测量MEAS。在这种情况下，对辅助测试点Tn+1’进行测量。
如在图3b中示出的那样，在输出参数P2相对输入参数P1的变化具有大幅波动或者高梯度的范围内只对一个辅助测试点Tn+1’进行一次测量。然而，在一个大幅变化的范围内，许多测量点会有利于能够精确地分析输出参数P2对输入参数P1的依赖性和能够相应地在建模时加以考虑。因此这也是特别重要的，因为校准内燃机时的最佳状态常常设置在运行极限Lim附近。
作为比较，图4示出了校准方法100的测量过程的曲线图。
在此，在对通过统计试验设计选出的一个测试点Tn进行测量之后，通过调节所述至少一个输入参数P1接近一个后续的测试点Tn+1。然而，与传统的测量流程相比，在方法100中执行更小的步骤和/或以输入参数P1的更小的调节速度接近后续的测试点Tn+1。通过这种方式将内燃机1保持在一个准稳定的运行状态中。
因此，在方法100中不仅仅能够在测试点Tn、Tn+1处，而且还能够在通过调节输入参数P1的一个步幅产生的测量点Mn处实施运行测量。
在图4中，通过将测试点Tn与下一个测试点Tn+1连接的线上的十字示出了这些测量点Mn。在这种情况下，优选在输入参数P1的每个调节步骤之后记录一个测量点Mn。然而，也可以只在多个步骤之后实施运行测量。
如也在根据图3a的传统测量程序中那样，输出参数P2在所示出的情况中的时间点t1处达到一个运行极限Lim。然而，与传统测量方法相反，在方法100中并不试图将输入参数P1调回和然后重新沿着输入参数P1的原始调节方向接近输出参数P2的运行极限Lim。相反，方法100接近下一个同样通过统计试验设计求出的测试点Tn+2。即使在这种情况下，在输入参数P1的每个调节步骤之后或者在多个调节步骤之后也在测量点Mn处进行运行测量。作为备选方案，在t1处的限制违规之后还可以接近前一个测试点Tn或者一个事先确定的、可靠的接近点，就是说，一个接近点，由这个接近点已知该接近点位于试验空间的可移动的区域中。
图4中记录的全部测量点Mn利用一个大括号标出。如同样可以从图4中看出的那样，优选在整个测量方法期间持续的测量持续时间MEAS比图3a中的传统方法长得多。
在方法100中，基本上可以在输入参数P1的整个调节过程期间进行测量。因此在测量阶段MEAS中产生一个高得多的信息密度。优选测量阶段MEAS从离开测试点Tn起一直持续到达到运行极限Lim和再到接近下一个测试点Tn+1、Tn+2为止，并且如可以从对图3a和图4的曲线图的比较中看出的那样，在此甚至比图3a中对替代测试点Tn+1’的一个唯一的测量还短。
图5示出了一系列的曲线图，在这些曲线图中分别示出了二维的试验空间，该试验空间通过分别在横坐标上水平示出的运行参数，如节气门、废气门位置、凸轮轴位置入口和凸轮轴位置出口作为输入参数，和在纵坐标上垂直示出的、相同的运行参数，如凸轮轴位置出口、凸轮轴位置入口、废气门位置和节气门作为输出参数展开构成。测量在此也是在方法100的范围内执行的。
它表明，试验空间被测量值很好地涵盖。在这种情况下，测量密度比只测量了通过统计试验设计选择的少数的测试点的情况高得多。
由于运行测量的密度之故，测量的运行参数对不仅能够用于校准任务，而且所记录的运行测量也能够用于其他的校准任务，在这些校准任务中试验空间优选大致与图5中示出的试验空间相同。
参照图6，说明在建模时对信号延迟时间的考虑。在这种情况下，涉及的是在方法100中对时间延迟信号的处理。如已知的那样，许多实际的测量信号都具有延迟时间，例如由于直到测量传感器为止的测量介质的管路长度(如在排放测量装置的情况中)或者由于延时(如在测温位置的情况中)。特别是对用于功率和排放的实际测量信号的测量具有一定的延迟。如果应该(准)稳定地处理这些测量数据的话，就必须在建模时针对这些信号考虑到相应的延时。
用于例如排放测量装置的典型的延迟时间在几秒钟的范围内。
在所说明的方法100的实施例的范围内，优选建模算法-特别是在后期处理中-决定哪个时移是最适宜的。因此通过一个建模算法制定用于输出参数-例如排放-的不同的模型，这些模型具有相同的模型结构，然而具有不同的发射信号延迟时间。
为此使每个矢量优选移动三个不同的延迟时间x、y和z秒钟，然后利用根据经验的模型算法测试出哪一个延时是最适宜的并且因此具有最好的模型质量R2。然后将这个延时用于最终的数据评估或者在必要时用于优化。就是说，模拟的延迟时间与测得的延迟时间最一致的那个模型，就是说，具有最佳模型质量R2的模型被选为用于优化的模型。
在图6中，这是为输出参数考虑的延迟时间为4秒钟的模型。
在方法100的另一个有利的实施方式中，对执行方法100的试运行期间的测量数据信号曲线进行修正，修正量为测量通道特定的延迟时间。这些延迟时间特别是可以通过信号传播时间或者调节路径产生。在图7a中为输入、输出A和输出B示出了原始数据中这样的测量通道特定的延迟时间。在这种情况下，使所有信号与具有最大延迟时间的信号同步。在图7b中为输入和输出A示出了一个这样的修正。在示出的情况中，输入，特别是输入变量的信号曲线移动了4.6秒钟，并且输出A，特别是输出变量A的信号曲线移动了4秒钟。通过箭头示出了这一点。因此能够重新建立信号之间的时间上的相互关系。通过形式上为θ函数的输入的数值变化，引起输出A和B的信号响应(阶跃响应)。通过这种方式进一步提高了建模算法的质量和效率，特别是连续模型优化的质量和效率。
在方法100的另一个有利的实施方式中，单独在测量方法开始之前通过调节一个输入参数或者多个输入参数和对受到延迟影响的信号-特别是输出参数-的分析，诸如通过如在图7a和7b中示出的那样对阶跃响应的分析评估，确定测量通道的延迟时间。可以要么事先，要么在方法100的过程中优选自动地进行这一点。
上述实施例仅仅是实例，这些实例决不应该限制保护范围、使用和构造。相反，通过前面的说明为专业人员制定了用于实施至少一个实施例的指导方针，其中可以进行-特别是鉴于所说明的构件的功能和设置的-不同的改动，而不脱离由权利要求和与这些权利要求相当的特征组合中产生的保护范围。特别是能够将各个实施例相互组合。
附图标记列表
1 机器
2 控制器
3 测功机
4 主轴
10 系统
11 试验台
12 用于接近测试点的装置
13a,13b,13c 传感器
14 数据接口
15 数据存储器
P1 输入参数，输入变量
P2 输出参数，输出变量
Tn,Tn+1,Tn+2 测试点
Tn+1’ 辅助测试点
t1,t2,t3,t4 时间点
Mn 测量点
Lim 运行极限
Claims (14)
1.一种用于对机器(1)进行运行分析和/或用于校准机器(1)的、特别是内燃机的控制器(2)的方法(100)，其中接近通过许多事先确定的运行参数的数值定义的和通过统计试验设计从多维的试验空间中选出的测试点(101)，其中在接近测试点时分别在从一个测试点(Tn)到下一个测试点(Tn+1)的许多步骤中改变至少一个运行参数(P1)，其中在通过相应的步幅产生的测量点(Mn)处和在原本的测试点(Tn，Tn+1)处实施运行测量(meas)(102)，其中为了分析和校准控制器(2)输出并连续存储来自运行测量的测量数据(103)。
2.根据权利要求1所述的方法(100)，其中连续实施运行测量，其中优选在实施运行测量的测量部分(meas)之前没有设置单独的稳定部分(stab)，在该稳定部分中将所述至少一个运行参数保持为恒定不变。
3.根据权利要求1或2所述的方法(100)，其中所述至少一个运行参数(P)的变化在时间上的分布是阶梯状的。
4.根据前述权利要求中任一项所述的方法(100)，其中在通过运行测量监测到的运行参数超过极限值时中止接近下一个测试点(Tn+1)，并接近前一个测试点(Tn)、事先确定的安全的接近点或者下一个测试点(Tn+1)之后的测试点(Tn+2)。
5.根据前述权利要求之任一项所述的方法(100)，其中将测量数据提供给统计学或者数学评估方法或者建模算法，特别是人工神经元网络(104)。
6.根据权利要求5所述的方法(100)，其中在执行方法(100)期间-特别是连续地-通过建模算法和/或试验空间调整模型。
7.根据权利要求6所述的方法(100)，其中尚未测量的测试点和/或额外的测试点通过-特别是连续-调整的模型布置，所述模型具有用于特别是鉴于所期望的优化目标最佳定义的输出变量的、可定义的目标通道。
8.根据前述权利要求中任一项所述的方法(100)，其中在执行方法(100)期间，通过测量通道特定的延迟时间来修正所述测量数据的信号曲线。
9.根据权利要求5至8中任一项所述的方法(100)，其中将通过建模算法构成的或者改变的模型用于计算控制器的优化校准(106)。
10.根据权利要求5至9中任一项所述的方法(100)，其中利用另外的运行测量对模型或者控制器的优化校准进行验证(107)。
11.根据前述权利要求中任一项所述的方法(100)，其中测量数据能够用于不同的校准任务，其中从可用的、记录的测量数据中为每个校准任务选择不同的输入变量和/或输出变量。
12.一种包括指令的计算机程序，所述指令在由计算机执行时使该计算机执行根据权利要求1至11中任一项所述的方法的步骤。
13.计算机可读的介质，其上存储有根据权利要求12所述的计算机程序。
14.用于对机器(1)进行运行分析和/或用于校准机器(1)的，特别是内燃机的控制器(2)的系统(10)，所述系统具有：
试验台(11)，用于接近通过许多事先确定的运行参数的数值定义的和通过统计试验设计从多维的试验空间中选出的测试点，
装置(12)，用于接近测试点，设置用于在从一个测试点(Tn)到下一个测试点(Tn+1)的许多步骤中改变分别至少一个运行参数(P1)；
传感器(13)，用于在通过一个相应的步幅产生的测量点(Mn)处和原本的测试点(Tn，Tn+1)处实施运行测量；和
数据接口(14)，用于输出来自运行测量的测量数据，基于该测量数据对机器(1)进行分析并对控制器进行校准；和
数据存储器(15)，设置用于连续存储测量数据。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ATA50969/2019 | 2019-11-12 | ||
| ATA50969/2019A AT522958B1 (de) | 2019-11-12 | 2019-11-12 | Verfahren und System zum Kalibrieren einer Steuerung einer Maschine |
| PCT/AT2020/060400 WO2021092640A1 (de) | 2019-11-12 | 2020-11-12 | Verfahren und system zum kalibrieren einer steuerung einer maschine |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114729608A true CN114729608A (zh) | 2022-07-08 |
| CN114729608B CN114729608B (zh) | 2024-03-08 |
Family
ID=73835276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080077683.4A Active CN114729608B (zh) | 2019-11-12 | 2020-11-12 | 用于校准机器控制器的方法和系统 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20220381196A1 (zh) |
| EP (1) | EP4058666B1 (zh) |
| JP (1) | JP2023506133A (zh) |
| KR (1) | KR20220093227A (zh) |
| CN (1) | CN114729608B (zh) |
| AT (1) | AT522958B1 (zh) |
| ES (1) | ES2947510T3 (zh) |
| WO (1) | WO2021092640A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2615843A (en) * | 2022-05-26 | 2023-08-23 | Secondmind Ltd | Engine control unit calibration |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10156557A1 (de) * | 2000-11-30 | 2003-05-15 | Avl List Gmbh | Verfahren zur automatisierten Kalibrierung der Steuerung einer Maschine |
| DE10259851A1 (de) * | 2002-12-17 | 2004-07-08 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zur Kennlinienadaption eines im Steuergerät eines Kraftfahrzeuges gespeicherten Kennlinienfeldes |
| EP1703110A1 (de) * | 2005-03-18 | 2006-09-20 | Ford Global Technologies, LLC, A subsidary of Ford Motor Company | Verfahren zur Optimierung der Kalibrierung eines Verbrennungsmotors |
| DE102009031630A1 (de) * | 2009-07-03 | 2011-01-05 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zur Bestimmung eines Wertes einer Betriebsgröße einer Brennkraftmaschine |
| DE102011116730A1 (de) * | 2011-10-20 | 2012-04-12 | Daimler Ag | Verfahren und System zur Bedatung eines Steuergeräts |
| CN107084846A (zh) * | 2016-02-02 | 2017-08-22 | 罗伯特·博世有限公司 | 用于对有待测试的系统进行测量的方法和装置 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7047125B1 (en) * | 2005-02-25 | 2006-05-16 | Caterpillar Inc. | Internal combustion engine performance calibration systems |
| US7748217B2 (en) * | 2007-10-04 | 2010-07-06 | Delphi Technologies, Inc. | System and method for modeling of turbo-charged engines and indirect measurement of turbine and waste-gate flow and turbine efficiency |
| US8813690B2 (en) * | 2009-10-30 | 2014-08-26 | Cummins Inc. | Engine control techniques to account for fuel effects |
| US8548621B2 (en) * | 2011-01-31 | 2013-10-01 | Xerox Corporation | Production system control model updating using closed loop design of experiments |
| AT510912B1 (de) * | 2012-03-06 | 2016-03-15 | Avl List Gmbh | Verfahren zur Emissionsoptimierung von Verbrennungskraftmaschinen |
| DE102014005866A1 (de) * | 2013-05-09 | 2014-11-13 | Stmicroelectronics S.R.L. | Verfahren und System zum Verarbeiten von Daten von erfasstem Ionisationsstrom für Echtzeitschätzung von Brennraumdruck in einem Motor mit Funkenzündung |
| DE102014007433A1 (de) * | 2014-05-22 | 2015-12-17 | Man Truck & Bus Ag | Verfahren zur Kalibrierung eines Steuergerätes, das einen durch reaktionskinetische Gleichungen beschreibbaren technischen Prozess steuert oder regelt, insbesondere zur Kalibrierung eines eine Abgasnachbehandlung in einem Abgasstrom einer Brennkraftmaschine steuernden oder regelnden Steuergerätes |
| US10360321B2 (en) * | 2015-03-02 | 2019-07-23 | Fujitsu Limited | Model generation method and information processing apparatus |
| DE102015207252A1 (de) * | 2015-04-21 | 2016-10-27 | Avl List Gmbh | Verfahren und Vorrichtung zur modellbasierten Optimierung einer technischen Einrichtung |
| DE102015214962B3 (de) * | 2015-08-05 | 2017-01-05 | Continental Automotive Gmbh | Verfahren und Vorrichtung zum Betreiben einer Brennkraftmaschine |
| GB2554334A (en) * | 2016-05-17 | 2018-04-04 | Tap Biosystems Phc Ltd | Automated bioprocess development |
| DE102017110795A1 (de) * | 2016-05-25 | 2017-11-30 | FEV Europe GmbH | Verfahren zur verbesserten Kalibrierung der Steuerung einer Brennkraftmaschine |
| DE102017009582B3 (de) * | 2017-10-16 | 2018-07-26 | Mtu Friedrichshafen Gmbh | Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine |
| DE102017009583B3 (de) * | 2017-10-16 | 2018-11-22 | Mtu Friedrichshafen Gmbh | Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine |
| US20190313024A1 (en) * | 2018-04-09 | 2019-10-10 | Deep Sentinel Corp. | Camera power management by a network hub with artificial intelligence |
| US10718284B2 (en) * | 2018-10-05 | 2020-07-21 | Emissions-Based Maintenance LLC | Engine emission status-based maintenance |
| US20200116093A1 (en) * | 2018-10-10 | 2020-04-16 | GM Global Technology Operations LLC | Nox formation prediction for improved catalytic converter control |
-
2019
- 2019-11-12 AT ATA50969/2019A patent/AT522958B1/de active
-
2020
- 2020-11-12 ES ES20824426T patent/ES2947510T3/es active Active
- 2020-11-12 WO PCT/AT2020/060400 patent/WO2021092640A1/de active Search and Examination
- 2020-11-12 KR KR1020227019600A patent/KR20220093227A/ko unknown
- 2020-11-12 US US17/776,037 patent/US20220381196A1/en active Pending
- 2020-11-12 CN CN202080077683.4A patent/CN114729608B/zh active Active
- 2020-11-12 JP JP2022526239A patent/JP2023506133A/ja active Pending
- 2020-11-12 EP EP20824426.9A patent/EP4058666B1/de active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10156557A1 (de) * | 2000-11-30 | 2003-05-15 | Avl List Gmbh | Verfahren zur automatisierten Kalibrierung der Steuerung einer Maschine |
| DE10259851A1 (de) * | 2002-12-17 | 2004-07-08 | Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr | Verfahren zur Kennlinienadaption eines im Steuergerät eines Kraftfahrzeuges gespeicherten Kennlinienfeldes |
| EP1703110A1 (de) * | 2005-03-18 | 2006-09-20 | Ford Global Technologies, LLC, A subsidary of Ford Motor Company | Verfahren zur Optimierung der Kalibrierung eines Verbrennungsmotors |
| DE102009031630A1 (de) * | 2009-07-03 | 2011-01-05 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Verfahren zur Bestimmung eines Wertes einer Betriebsgröße einer Brennkraftmaschine |
| DE102011116730A1 (de) * | 2011-10-20 | 2012-04-12 | Daimler Ag | Verfahren und System zur Bedatung eines Steuergeräts |
| CN107084846A (zh) * | 2016-02-02 | 2017-08-22 | 罗伯特·博世有限公司 | 用于对有待测试的系统进行测量的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220381196A1 (en) | 2022-12-01 |
| AT522958A4 (de) | 2021-04-15 |
| EP4058666B1 (de) | 2023-05-17 |
| AT522958B1 (de) | 2021-04-15 |
| EP4058666A1 (de) | 2022-09-21 |
| WO2021092640A1 (de) | 2021-05-20 |
| ES2947510T3 (es) | 2023-08-10 |
| JP2023506133A (ja) | 2023-02-15 |
| CN114729608B (zh) | 2024-03-08 |
| KR20220093227A (ko) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2497173C2 (ru) | Обнаружение аномалий в авиационном двигателе | |
| EP1969430B1 (en) | Calibration of engine control systems | |
| US7177758B2 (en) | Method for optimizing characteristics map | |
| JP2004178247A (ja) | モデル作成方法、モデル作成プログラム及びシミュレーション装置 | |
| US11203962B2 (en) | Method for generating a model ensemble for calibrating a control device | |
| Jiang et al. | Implementation of model-based calibration for a gasoline engine | |
| WO2005028839A1 (ja) | 過渡エンジン性能適合化方法およびシステム | |
| CN114729608B (zh) | 用于校准机器控制器的方法和系统 | |
| Mentink et al. | Development and application of a virtual NOx sensor for robust heavy duty diesel engine emission control | |
| US20090204376A1 (en) | Method for measuring a nonlinear dynamic real system | |
| JP6151473B2 (ja) | 装置の少なくとも１つのシステムを診断および／または調整する方法 | |
| JP4235116B2 (ja) | 内燃機関の過渡特性試験装置および方法 | |
| US20220157085A1 (en) | Method and device for creating an emissions model of an internal combustion engine | |
| Meli et al. | Proof of Concept for Hardware-in-the-Loop Based Knock Detection Calibration | |
| Shethia et al. | Development and software-in-the-loop validation of an artificial neural network-based engine simulator | |
| Varsha et al. | Global COR iDOE Methodology: An Efficient Way to Calibrate Medium & Heavy Commercial Vehicle Engine Emission and Fuel Consumption Calibration | |
| Brusa et al. | Development and Experimental Validation of a Control-Oriented Empirical Exhaust Gas Temperature Model | |
| Rajan et al. | Industrialization of base calibration methods for ECU-functions exemplary for air charge determination | |
| Gurel et al. | Multi-objective optimization of transient air-fuel ratio limitation of a diesel engine using DoE based Pareto-optimal approach | |
| JP2023032108A (ja) | エンジン試験方法、エンジン試験プログラム、およびエンジン試験装置 | |
| Diesch et al. | Application of virtual sensors for stress-related design and operation-specific lifetime prognosis | |
| Gutjahr et al. | Automated Optimization of Physics Based Sensor Models for Embedded Control Systems | |
| JP2023032116A (ja) | エンジン試験方法、エンジン試験プログラム、およびエンジン試験装置 | |
| Malcher et al. | Continuous implementation of 0D/1D engine models in the development process of a race car engine | |
| JP2019514006A (ja) | 技術的な系のモデルを特定するための方法および装置 |
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 |