CN116097257A - 借助机器学习方法来训练基于数据的时间点确定模型以确定喷射阀的打开或关闭时间点的方法和装置 - Google Patents

Abstract

本发明涉及一种基于传感器信号来训练基于数据的时间点确定模型以确定喷射阀(6)的打开或关闭时间点的计算机实现的方法，具有如下步骤：‑通过对喷射阀(6)的传感器的传感器信号进行采样，提供至少一个未标记的评估点时间序列；‑对基于数据的时间点确定模型进行训练，以便给评估点时间序列(X)分配时间点信息(Y)，所述时间点信息表示所确定的打开或关闭时长，其中借助于用于使评估点时间序列(X)随时间移位的第一移位函数(Φ(X))和用于使时间点信息(Y)随时间移位的第二移位函数(Ψ(Y))来执行所述训练，其中对于所述训练来说使用一致性损失函数，所述一致性损失函数说明了在第一时间点信息与第二时间点信息之间的差异，所述第一时间点信息对应于时间点确定模型针对按照第一移位函数(Φ(X))随时间移位的评估点时间序列(X′)的模型输出，所述第二时间点信息说明了按照第二移位函数(Ψ(Y))随时间移位的时间点信息，所述时间点信息对应于时间点确定模型针对至少一个评估点时间序列(X)的模型输出。

Description

借助机器学习方法来训练基于数据的时间点确定模型以确定喷射阀的打开或关闭时间点的方法和装置

技术领域

本发明涉及一种用于在使用基于数据的时间点确定模型、尤其是将其用于确定打开或关闭时间点以估计所喷射的燃料量的情况下运行内燃机的燃料喷射阀的方法。

背景技术

使用机电式或压电式喷射阀来对内燃机中的燃料进行计量。这些机电式或压电式喷射阀能够直接并且精确地计量到内燃机的气缸中的燃料供应。

一项挑战在于：尽可能精确地控制燃烧过程，以便改善内燃机的尤其是关于燃料消耗、效率、污染物排放和运转平稳性方面的运行特性。为此，重要的是运行喷射阀，使得所要喷射的燃料量可以在高重复精度的情况下、在不同的工作压力下并且必要时在每个做功冲程有多次喷射的情况下被计量。

喷射阀可具有电磁致动器或压电致动器，该电磁致动器或压电致动器操纵阀针，以便将该阀针从针座提起并且打开喷射阀的出口孔以将燃料排放到燃烧室中。由于结构差异以及如温度、燃料压力、燃料粘度等运行条件不同，在确定喷射阀的准确的打开时间点、即燃料通过喷射阀进入气缸的燃烧室中的起始时间点以及喷射阀的准确的关闭时间点、即燃料通过喷射阀进入气缸的燃烧室中的结束时间点时存在不确定性。

发明内容

按照本发明，提供了一种按照权利要求1所述的用于训练基于数据的时间点确定模型以在喷射系统中使用来确定喷射阀的打开或关闭时间点的方法以及一种按照并列权利要求所述的装置和喷射系统。

其它的设计方案在从属权利要求中说明。

按照第一方面，提供了一种基于传感器信号训练基于数据的时间点确定模型以在喷射系统中使用来确定喷射阀的打开或关闭时间点的计算机实现的方法，该方法具有如下步骤：

-通过对喷射阀的传感器的传感器信号进行采样，提供至少一个未标记的评估点时间序列；

-对基于数据的时间点确定模型进行训练，以便给评估点时间序列分配时间点信息，该时间点信息表示所确定的打开或关闭时长，

其中借助于用于使评估点时间序列随时间移位的第一移位函数和用于使时间点信息随时间移位的第二移位函数来执行该训练，

其中对于该训练来说使用一致性损失函数，该一致性损失函数说明了按照第一移位函数随时间移位的评估点时间序列的时间点信息与至少一个评估点时间序列的按照第二移位函数随时间移位的时间点信息之间的差异。

尤其可以基于预测损失函数、还使用至少一个训练数据集来训练基于数据的时间点确定模型，该至少一个训练数据集分别将评估点时间序列分配给作为标记的特定时间点信息。

尽管按照操控信号的预先给定的变化过程来操控喷射阀，但是由此所引起的喷射阀的打开和关闭运动发生变化，使得用于开始和结束燃料喷射的实际打开和关闭时间点无法被准确地预先给定。其原因在于阀门运动与当前工作点的复杂依赖性。

为了监控阀门运动，在喷射阀中提供压电传感器，该压电传感器被设计成压力传感器，以便检测由于操控喷射阀所触发的燃料压力的压力变化并且提供相对应的传感器信号。现在，可以评估所测量的传感器信号以确定喷射阀的打开和关闭时间点，以便这样相对应地调整喷射阀的操控。

通过按照预先给定的采样率对传感器信号进行采样，获得评估点时间序列，其中针对预先给定的评估期来确定该评估点时间序列。其余的采样值并不是该评估点时间序列的组成部分。

然而，传感器信号也会受到噪声影响并且尤其取决于在燃料供应中的实际燃料压力和待测量的操控的时长。

借助于基于数据的时间点确定模型，可以对传感器信号进行评估以确定喷射阀的打开或关闭时间点。基于数据的时间点确定模型可以对应于神经网络、概率回归模型或者其它基于数据的模型。

为了训练该时间点确定模型，可以预先给定评估点时间序列，这些评估点时间序列分别配备有不同标记，以便形成训练数据集。标记对应于关于喷射阀的所分配的打开或关闭时间点的信息。通过在试验台上测量来获得这样创建的训练数据，其中针对喷射阀的不同的操控时间点，预先给定不同的打开时长、记录评估点时间序列并且通过适合的试验台传感装置来确定相对应的实际打开或关闭时间点。

还可以提供未标记的评估点时间序列，这些未标记的评估点时间序列描绘真实的、借助于压电传感器所确定的传感器信号变化过程，并且对于这些未标记的评估点时间序列来说未曾确定打开或关闭时间点。

基于这些未标记的评估点时间序列，现在可以借助于一致性损失函数来训练时间点确定模型。为此，提供两个移位函数：用于使评估点时间序列随时间移位的第一移位函数；和用于使经建模的时间点信息随时间移位的第二移位函数。

第一移位函数使评估点时间序列的索引向未来或向过去移动整数移位值，并且必要时给在开头处或在结尾处的变为空闲的评估点填充传感器信号的相对应的采样值。第二移位函数使时间点信息相对应地移动。这样，按照两个连续的评估点的通过采样率所预先给定的时间间隔以及整数移位值，可以通过第二移位函数来确定时间点信息的移位数值。

一致性损失函数可以对经建模的第一时间点信息与经建模的第二时间点信息之间的差异进行评价，例如以一致性损失值的形式，该一致性损失值表示差、L2范数或其它适合的损失值，该其它适合的损失值对第一时间点信息与第二时间点信息之间的距离进行评价。

预测损失函数可以对使用评估点时间序列来建模的时间点信息与被分配给该评估点时间序列的已经通过试验台测量作为标记来确定的时间点信息之间的差异进行评价，例如以预测损失值的形式，该预测损失值表示差、L2范数或其它适合的损失值，该其它适合的损失值对经建模的时间点信息与所分配的时间点信息之间的距离进行评价。

因此，对基于数据的时间点确定模型的训练可以基于训练数据集(标记的评估点时间序列)和未标记的评估点时间序列。

未标记的评估点时间序列也可以在试验台以外的地方被确定。这样，基于数据的时间点确定模型可以使用来自试验台测量的训练数据集予以确定，并且随后例如在处于运行中的内燃机/车辆基于在那里确定的评估点时间序列根据一致性损失函数来再训练。该训练，基于未标记的评估点时间序列，可以被执行以对先前通过训练数据集所训练的时间点确定模型进行微调。这可以使用预先给定的数目的调整步骤和相对于使用训练数据集的训练降低的学习率、即基于数据的时间点确定模型的模型参数的调整速度来实现。

此外，为了训练基于数据的时间点确定模型，可以使用总损失函数，该总损失函数取决于一致性损失函数和预测损失函数，其中尤其是至少一个训练数据集的评估点时间序列被用作或者被假定为至少一个未标记的评估点时间序列。因此，该训练就预测损失值和一致性损失值而言基于相同的评估点时间序列。

训练数据集和评估点时间序列可以分别被用于训练孪生网络的两个独立的神经网络之一。

对基于数据的时间点确定模型的训练可以根据质量值来继续或者被中断。尤其是，可说明时间点确定模型的质量的质量值可以从经过训练的时间点确定模型的多个一致性损失值(一致性损失函数的评估值)中根据评估点时间序列和具有不同移位值的多个第一和相对应的第二移位函数来确定。质量值可以由多个一致性损失值(基于未标记的评估点时间序列)关于多个随时间移位的评估点时间序列的不同的第一和相关的第二移位函数来形成，诸如一致性损失值之和或者一致性损失值的最大值。

如果发现质量值超过预先给定的阈值，则对打开或关闭时间点进行一次或多次重新测量以创建一个或多个训练数据集。

按照另一方面，提供了一种用于通过基于传感器信号和已按照上述方法来训练的基于数据的时间点确定模型来确定喷射阀的打开或关闭时间点以运行该喷射阀的方法，其中根据该打开或关闭时间点来执行对该喷射阀的运行，其中该喷射阀的运行尤其进行为使得该喷射阀的通过所确定的打开和/或关闭时间点所确定的打开时长被设定到预先给定的目标打开时长。

按照另一方面，提供了一种用于执行上述方法的装置。

附图说明

随后，依据附图更详细地阐述实施方式。其中：

图1示出了用于将燃料喷射到内燃机的气缸中的喷射系统的示意图；

图2示出了呈现用于训练基于数据的时间点确定模型以确定喷射阀的打开或关闭时间点的方法的流程图；

图3示出了阐明根据未标记的评估点时间序列来确定一致性损失值的框图；

图4示出了评估点时间序列的示例性图示。

具体实施方式

图1示出了机动车辆的内燃机2的喷射系统1的布置，针对该内燃机示例性示出了气缸3(尤其是多个气缸)。内燃机2优选地被设计成直喷的柴油发动机，但是也可以作为汽油发动机来提供。

气缸3具有进气阀4和排气阀5，用于输送新鲜空气以及用于排出燃烧废气。

此外，用于运行内燃机2的燃料经由喷射阀6被喷射到气缸3的燃烧室7中。为此，将燃料经由燃料供应管路8来输送给喷射阀，经由该燃料供应管路以本身公知的方式(例如共轨(Common Rail))在高燃料压力下提供燃料。

喷射阀6具有能以电磁方式或者以压电方式操控的致动器单元61，该致动器单元与阀针62耦合。在喷射阀6的关闭状态下，阀针62位于针座63上。通过对致动器单元61的操控，阀针62沿纵向方向移动并且释放在针座63中的阀孔的一部分，以便将处在压力下的燃料喷射到气缸3的燃烧室7中。

喷射阀6还具有压电传感器65，该压电传感器布置在喷射阀6中。压电传感器65由于在通过喷射阀6所引导的燃料中的压力变化而变形，并且生成电压信号作为传感器信号。

该喷射在控制单元10的控制下进行，该控制单元通过对致动器单元61的通电来指定所要喷射的燃料量。传感器信号借助于在控制单元10中的A/D转换器11在时间上被采样，尤其是以0.5至5MHz的采样率来在时间上被采样。

在内燃机2运行时，传感器信号用于确定喷射阀6的正确的打开和/或关闭时间点。为此，传感器信号借助于A/D转换器11来数字化成传感器信号时间序列并且通过适合的评估模型来评估，据此可以根据燃料压力和其它运行参量来确定喷射阀6的打开时长并且相对应地确定所喷射的燃料量。为了确定该打开时长，尤其是需要打开时间点和关闭时间点，以便将该打开时长确定为这些参量的随时间的差。

可以根据对传感器信号变化过程的考虑来确定打开时间点和/或关闭时间点。尤其可以借助于基于数据的时间点确定模型来执行打开时间点或关闭时间点。

为了训练基于数据的时间点确定模型，除了从测量中获得的训练数据集之外，还可以使用未标记的评估点时间序列。

图2依据流程图来阐明用于训练这种基于数据的时间点确定模型的方法，该基于数据的时间点确定模型可以在上述发动机系统1中运行时被用于确定气缸3的喷射阀6的打开或关闭时间点。该方法可以在试验台的控制器中执行。该试验台能够对发动机系统中的喷射阀进行测量，使得根据用于致动器单元61的操控信号，可以借助于附加传感装置来精确检测相对应的打开和/或关闭时间点。为此，压电传感器65的传感器信号被采样，并且相对应地采样的评估点时间序列以例如在5到20μs之间的分辨率来检测。

在步骤S1中，借助于压电传感器65来检测传感器信号。该信号通常是电压信号，该电压信号由于在所供应的燃料中的压力变化而生成。

在步骤S2中，借助于A/D转换器11来对传感器信号进行采样，以便确定在评估期内的评估点时间序列。该评估期可以相对于喷射阀的操控时间窗来规定。操控时间窗通过对致动器单元61的操控的开始和所规定的时长来定义，该时长是致动器单元61的操控信号指定阀门打开的最大时长。因此，操控时间窗具有所定义的时间参考，为该时间参考提供评估点时间序列，该评估点时间序列是进一步确定打开或关闭时间点的基础。尤其可以通过对先前过采样的传感器信号的下采样来确定评估点时间序列。

可以使用相对于内燃机2的做功冲程的固定时间参考来提供评估期，该评估期尤其可以优选地在压缩冲程内开始于预定的曲轴位置。评估期可以被选择为使得喷射阀6的整个打开时间窗可以被映射于其中。在图4中示出了具有示例性的评估点时间序列的这种评估期。

在步骤S3中，按照试验台上的试验台传感装置，将实际时间点确定为评估点时间序列的打开或关闭时间点。该时间点被认为是先前确定的相关的评估点时间序列的标记，使得形成训练数据集。

在步骤S4中，可以检测接下来的评估点时间序列，而不将相对应的时间点确定为打开或关闭时间点。因此，为了该训练，提供训练数据集以及未标记的评估点时间序列。

在步骤S5中，基于这些训练数据集以及这些未标记的评估点时间序列，训练基于数据的时间点确定模型。训练数据集所基于的评估点时间序列同时也可以作为未标记的评估点时间序列来提供。

该训练可以以本身公知的方式基于损失函数来执行，该损失函数为输入向量映射模型质量。对此的一种常用训练方法是反向传播。

该训练可以在训练数据集和未标记的评估点时间序列上交替进行。为此，可以基于训练数据集以预测质量的形式来确定预测损失值。该预测质量可以取决于经建模的时间点信息和被分配给训练数据集的评估点时间序列的时间点信息。该模型质量尤其可以对应于经建模的时间点与所分配的时间点信息、L2范数或其它距离确定的结果之差。

此外，可以根据评估点时间序列并且依据预先给定的第一和第二移位函数来确定一致性损失值。随后结合图3的框图来描述该过程。

为此，第一移位函数Φ(x)被应用于预先给定的未标记的评估点时间序列X，该第一移位函数将该评估点时间序列按照整数移位值来移动一个或多个元素位置。这例如可以通过如下方式来执行：该评估点时间序列的元素的索引值分别被改变整数移位值并且然后通过传感器信号的相对应的采样值来补充在该评估点时间序列的开头或结尾处缺失的索引值。例如，评估点时间序列可以在时间上向未来移动n个评估点/采样点，使得该评估点时间序列的前n个元素必须被设置为任意新值。在此，将原始评估点时间序列X的最后n个评估点丢弃。从中得出的随时间移位的评估点时间序列对应于X′＝Φ(X)。

将随时间移位的评估点时间序列X′供应给时间点确定模型f，以便获得第一比较值f(Φ(X)。

从原始评估点时间序列X中按照时间点确定模型f来生成经建模的时间点信息Y＝f(X)。

定义第二移位函数Ψ(Y)，该第二移位函数使经建模的时间点信息移动相对应的时长，该时长从第一移位函数Φ(X)的移位值n中得出。在假设该评估点时间序列的评估点在时间上均匀间隔开、例如以Δt的时间增量间隔开的情况下，第二移位函数Ψ(Y)使所要确定的时间点移动+n xΔt，即给时间点信息加载n xΔt的偏移量。

从经建模的时间点信息Y，按照第二移位函数来确定第二比较值Ψ(f(X))。

现在，从被移动的经建模的时间点Ψ(f(x))与被移动的评估点时间序列f(Φ(x))的模型值之间的偏差按照L_kon＝L(f(Φ(x))，Ψ(f(x)))来得出一致性损失值L_kon。

现在，该一致性损失值L_kon可以被用于例如使用反向传播算法来训练基于数据的时间点确定模型。在试验台上进行初始训练以便获得带有标记的评估点时间序列的训练数据集期间，也可以在使用发动机系统中的喷射阀期间基于未标记的评估点时间序列、即仅基于一致性损失函数来对基于数据的时间点确定模型进行再训练。由此，在试验台上获得的训练数据集可以被用于对基于数据的时间点确定模型进行预训练，其中该模型基于未标记的评估点时间序列来再训练。

在步骤S6中，可以检查基于数据的时间点确定模型是否足够精确。例如可以通过如下方式来发现这一点：基于用于多个第一和第二移位函数的评估点时间序列，确定相对应的一致性损失值，所述多个第一和第二移位函数针对未标记的评估点时间序列实现不同的时间偏移。

现在，基于所确定的一致性损失值，可以创建质量值，例如作为所确定的一致性损失值之和或者作为所确定的一致性损失值的最大值，并且可以借助于阈值比较来检查基于数据的时间点确定模型的一致性是否足以结束该训练。如果情况如此(选项：是)，则在步骤S7中将基于数据的时间点确定模型实现到发动机系统的控制单元10中，否则跳回到步骤S1并且在试验台上确定一个或多个更宽泛的训练数据集。

可以通过如下方式来确定该质量值：确定经过训练的时间点确定模型的多个一致性损失值，这些一致性损失值从一致性损失函数中根据至少一个未标记的评估点时间序列和具有不同移位值n的多个第一和相对应的第二移位函数来得出。

在下文阐述对时间点确定模型进行训练的另一种可能性。在这种情况下，时间点确定模型被设计成分类模型，以便输出Logit作为时间点信息。为了该训练，人工生成训练数据集，其方式是给评估点时间序列分配随机标记、即随机的特定时间点信息，作为喷射阀的可能的打开或关闭时间点。接着，使用这些训练数据集来对时间点确定模型进行少量不会导致模型收敛的步骤的训练。随后，重新确定训练数据的标记，其方式是采用先前确定的函数所输出的那些标记。对该过程进行迭代，使得这样生成的标记在所要训练的时间点收敛。在该过程中，未标记的和标记的评估点时间序列一起被使用。然后可以评价训练数据集(标记过)的评估点时间序列将所分配的打开或关闭时间点预测得多好。如果经过训练的时间点确定模型做出足够好的预测，则给所学习的类别还分配来自训练数据集中的打开和关闭时间点。未标记的评估点时间序列的另一部分被用于确定一致性损失值并且被用于进一步训练时间点确定模型。

在另一实施方式中，基于数据的时间点确定模型也可以被设计成孪生网络，其中该孪生网络的第一子网络使用训练数据集基于预测损失函数来训练并且该孪生网络的第二子网络使用未标记的评估点时间序列基于一致性损失函数来训练。在孪生网络经过训练的情况下，这两个子网络的参数通过权重共享来一起使用。

Claims (11)

1.一种基于传感器信号来训练基于数据的时间点确定模型以确定喷射阀(6)的打开或关闭时间点的计算机实现的方法，所述方法具有如下步骤：

-通过对所述喷射阀(6)的传感器的传感器信号进行采样，提供(S 1、S2)至少一个未标记的评估点时间序列；

-对所述基于数据的时间点确定模型进行训练(S5)，以便给评估点时间序列(X)分配时间点信息(Y)，所述时间点信息表示所确定的打开或关闭时长，

其中借助于用于使所述评估点时间序列(X)随时间移位的第一移位函数(Φ(X))和用于使所述时间点信息(Y)随时间移位的第二移位函数(Ψ(Y))来执行所述训练，

其中对于所述训练来说使用一致性损失函数，所述一致性损失函数说明了在第一时间点信息与第二时间点信息之间的差异，所述第一时间点信息对应于所述时间点确定模型针对按照所述第一移位函数(Φ(X))随时间移位的评估点时间序列(X′)的模型输出，所述第二时间点信息说明了按照所述第二移位函数(Ψ(Y))随时间移位的时间点信息，所述时间点信息对应于所述时间点确定模型针对至少一个评估点时间序列(X)的模型输出。

2.根据权利要求1所述的方法，其中基于预测损失函数、还使用至少一个训练数据集来训练所述基于数据的时间点确定模型，所述至少一个训练数据集分别将评估点时间序列分配给作为标记的特定时间点信息。

3.根据权利要求2所述的方法，其中为了训练所述基于数据的时间点确定模型，使用总损失函数，所述总损失函数取决于所述一致性损失函数和所述预测损失函数，其中尤其是所述至少一个评估点时间序列(X)对应于所述训练数据集的评估点时间序列(X)。

4.根据权利要求2所述的方法，其中所述基于数据的时间点确定模型交替地使用所述未标记的评估点时间序列(X)按照所述一致性损失函数并且使用所述至少一个训练数据集按照所述预测损失函数来训练。

5.根据权利要求2所述的方法，其中所述基于数据的时间点确定模型使用所述至少一个训练数据集按照所述一致性损失函数来预训练并且使用所述未标记的评估点时间序列(X)按照所述一致性损失函数来再训练。

6.根据权利要求2至5中任一项所述的方法，其中所述至少一个未标记的评估点时间序列对应于所述训练数据集的至少一个评估点时间序列。

7.根据权利要求2至6中任一项所述的方法，其中对所述基于数据的时间点确定模型的训练根据说明所述时间点确定模型的质量的质量值来继续或被中断，其中确定经过训练的时间点确定模型的多个一致性损失值，所述一致性损失值从所述一致性函数中根据至少一个未标记的评估点时间序列和具有不同移位值的多个第一和相对应的第二移位函数来得出，其中尤其是所述质量值对应于所述一致性损失值之和或者所述一致性损失值的最大值。

8.一种用于通过基于传感器信号(S)和已按照根据权利要求1至7中任一项所述的方法来训练的基于数据的时间点确定模型来确定喷射阀(6)的打开或关闭时间点以运行所述喷射阀的方法，其中根据所述打开或关闭时间点来执行对所述喷射阀(6)的运行，其中所述喷射阀(6)的运行尤其进行为使得所述喷射阀(6)的通过所确定的打开和/或关闭时间点所确定的打开时长被设定到预先给定的目标打开时长。

9.一种装置，所述装置用于执行根据上述权利要求中任一项所述的方法之一。

10.一种计算机程序产品，所述计算机程序产品包括指令，在通过计算机来执行程序时，所述指令促使所述计算机执行根据权利要求1至8中任一项所述的方法的步骤。

11.一种机器可读存储介质，所述机器可读存储介质包括指令，所述指令在通过计算机来执行时促使所述计算机执行根据权利要求1至8中任一项所述的方法的步骤。

Images