CN1865892B

CN1865892B - 确定涡轮增压机传感器位置系统诊断极限的基于模型的统计方法

Info

Publication number: CN1865892B
Application number: CN2006100824153A
Authority: CN
Inventors: M·M·麦唐纳; R·B·杰斯
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2005-05-16
Filing date: 2006-05-16
Publication date: 2011-12-14
Anticipated expiration: 2026-05-16
Also published as: DE102006022614B4; CN1865892A; DE102006022614A1; US7137773B1; US20060257237A1

Abstract

一种确定安装在可调喷嘴涡轮增压机(VNT)中叶片位置传感系统的诊断极限的方法。该方法包括定义VNT的机械输入概率分布函数(PDF)，根据组件模型描述叶片位置传感系统，定义与组件模型相关的参数的组件参数PDF。叶片位置信号PDF基于机械输入PDF、组件模型和组件参数PDF生成，基于叶片位置信号PDF设置叶片位置传感系统的诊断极限。

Description

确定涡轮增压机传感器位置系统诊断极限的基于模型的统计方法

技术领域

本发明涉及位置传感诊断，尤其是确定校准极限和执行涡轮增压机中位置传感器的诊断。

背景技术

涡轮增压发动机一般包括废气驱动涡轮增压机，其通过增加气缸的气流来增加发动机输出。因此，涡轮增压发动机与相同尺寸的不增压发动机相比可提供增加的马力。

一种涡轮增压机的设计包括可调喷嘴涡轮增压机(VNT)。VNT包括可变位置叶片，该可变位置叶片调节通过VNT输送的空气量。叶片位置的范围从全开位置到全闭位置。在全闭位置，VNT向发动机输送最大量的气流。在全开位置，VNT向发动机输送最小量的气流。叶片可放置在全开和全闭位置之间，以便为发动机提供中间量的气流。叶片致动器基于控制信号调节叶片位置，叶片位置传感器产生指示叶片实际位置的信号，该信号用于反馈控制。

执行诊断，以便确保VNT和叶片位置传感器的正确操作。传统地，确定全开和全闭位置的诊断极限。这些诊断极限最初基于VNT技术参数和物理系统电平测量确定，该物理系统电平测量使用系统/组件的试验和研制。诊断极限通过试验和误差测试方法调节。因此，诊断极限典型地不能正确解决VNT老化效应、位置传感器和控制器的互相作用效应或者制造差异。此外，传统诊断不包括用于全开和全闭位置之间范围或区间的诊断极限。

发明内容

因此，本发明提供一种确定安装在可调喷嘴涡轮增压机(VNT)中的叶片位置传感系统的诊断极限的方法。该方法包括定义所述VNT的机械输入概率分布函数(PDF)，根据组件模型描述所述叶片位置传感系统，定义与所述组件模型相关的参数的组件参数PDF。基于所述机械输入PDF、所述组件模型和所述组件参数PDF生成叶片位置信号PDF，以及基于所述叶片位置信号PDF设置所述叶片位置传感系统的诊断极限。

在一个特征中，生成叶片位置信号PDF的步骤包括使用蒙特卡罗分析法(MCA)处理所述组件参数PDF和所述组件模型。

在另一个特征中，组件模型包括控制电路模型和信号处理模型，定义组件参数PDF的步骤包括使用蒙特卡罗分析法(MCA)处理所述控制电路模型和所述信号处理模型。

在另一个特征中，生成叶片位置信号PDF的步骤包括使用蒙特卡罗分析法(MCA)处理组件参数PDF、叶片位置传感器模型、线束模型、控制电路模型和信号处理模型。

还是在另一个特征中，设置诊断极限的步骤包括基于叶片位置信号PDF和机械输入PDF确定全开传感器位置范围，以及基于叶片位置信号PDF和机械输入PDF确定全闭传感器位置范围。基于分辨率、控制稳定性和允许滞后定义全开和全闭传感器位置范围之间的区间极限。

此外本发明的适用范围将从下文提供的详细说明书中变得明晰。应理解详细说明书和指示本发明优选实施例的特定示例仅用于解释的目的，不用于限制本发明的范围。

附图说明

根据详细说明书和附图，本发明能更加全面地理解，其中：

图1是根据本发明车辆发动机系统的示意图；

图2是阐述根据本发明诊断极限确定系统的步骤的流程图；

图3是阐述基于诊断极限确定系统输出的传感器信号概率分布的图表；以及

图4是阐述根据本发明叶片定位诊断系统的步骤的流程图。

具体实施方式

下面对优选实施例的说明本质上只是示例性的，并不用于限制本发明，限制本发明的应用或使用。为了清楚，附图中使用的相同附图标记代表相同的元件。正如此处使用的，术语蒙特卡罗分析法(Monte Carlo Analysis，MCA)指统计仿真方法，其基于影响系统响应的参数的概率密度函数(probability density functions，PDF)直接仿真物理系统。更为特殊的是，MCA从每个参数的PDF中随机抽样，生成物理系统的一系列解法。该解法定义物理系统的解法PDF。

现在参考图1，示意性阐述根据本发明的示例性发动机系统10。发动机系统10包括发动机12、进气歧管14、共轨燃料喷射系统16和涡轮增压机18。示例性发动机12包括6个气缸20，该6个气缸以V型布局构造为邻近的气缸组22、24。虽然图1描述了6个气缸(N＝6)，但是可意识到发动机12可包括更多或更少的气缸20。例如，可考虑具有2、4、5、8、10、12和16个气缸的发动机。可以预料发动机12可具有直线型气缸构造。

由发动机进气冲程导致的进气真空将空气抽吸到进气歧管14中。空气从进气歧管14中被抽吸到各个气缸20中，在气缸中被压缩。燃料和空气一起被共轨喷射系统16喷射，压缩空气的热和/或电能点燃空气/燃料混合物。废气通过排气导管26从气缸20中排出。废气驱动涡轮增压机18，其将额外的空气输送到气缸20中用于燃料。

涡轮增压机18优选地为可调喷嘴涡轮增压机(VNT)。涡轮增压机18包括若干可变位置叶片19，该叶片调节输送的空气量。更为特殊地，叶片在全开位置和全闭位置之间可移动。当叶片处于全闭位置时，涡轮增压机18将最大量的额外气流输送到发动机12中。当叶片处于全开位置时，涡轮增压机18将最小量的额外气流输送到发动机12中。通过在全开和全闭位置之间选择性地定位叶片，可调节输送的气流量。涡轮增压机18包括叶片致动器28，其机械地操作叶片位置。叶片位置传感器30基于叶片的物理位置生成叶片位置信号。

控制器32控制发动机系统10的所有运转。更为特殊地，控制器32基于各种参数控制发动机系统运转，该参数包括但不局限于驾驶员输入、稳定性控制等等。控制器32描述为发动机控制模块(ECM)。控制器32还执行发动机系统诊断，该诊断包括根据本发明的叶片位置系统诊断。更为特殊地，控制器32通过向叶片致动器28通讯命令信号而调节涡轮增压机18的运转。叶片位置传感器30生成叶片位置信号，该信号被控制器32处理，以便确定涡轮增压机18是否按照命令运转。

诊断极限离线确定，被预先编程到与控制器32相关联的存储器33。诊断极限通常包括可接受运转的全开区域、可接受运转的全闭区域和可接受运转的区间范围。更为特殊地，当命令为全开位置时，如果叶片位置信号位于全开区域内，则认为叶片处于全开位置。类似地，当命令为全闭位置时，如果叶片位置信号位于全闭区域内，则认为叶片处于全闭位置。区间范围指示全开和全闭区域之间可接受的叶片行程范围。如果叶片位置信号在诊断极限之外，则认为叶片位置系统出现故障，下文将进一步详细地描述。

诊断极限确定基于叶片位置系统组件的数学模型。组件包括但不局限于叶片位置传感器、线束，该线束在叶片位置传感器和控制器32之间提供电力，并实现信号传递。还包括信号处理函数。更为特殊地，每个模型的参数都设置有概率分布函数(PDF)。还提供了机械输入PDF，当叶片处于全开和全闭位置时，该机械输入PDF代表叶片的物理位置。机械输入PDF由涡轮增压机制造商提供，基于技术参数和试验数据。使用蒙特卡罗分析法(MCA)处理PDF和组件模型。MCA的输出是叶片位置信号PDF，该叶片位置信号PDF由控制器32解释。

叶片位置传感器模型解决预期的产品差异、温度效应、老化效应和提供的参考电压的差异。叶片位置传感器模型参数包括但不局限于传感器信号电压、电路输出电阻抗、电路板温度和位置传感器温度。线束模型包括简单的基于电阻估计的布线效应，解决电噪音(也就是，EMI)。线束模型参数包括但不局限于每个电线和连接的电阻值和故障模型的电阻值(也就是，与地短路或断路)。

控制器模型解决传感器模数转换器参考电压、电路温度和提供给控制电路或软件的信号量化的变化。控制器模型参数包括但不局限于电路温度、叶片位置传感器30的输出电压、模拟输入电路(AIC)的输出电压、电压馈送监视器的输出电压、电压馈送监视器的电路温度、AIC的电路温度、AIC的电路电阻抗、AIC A/D转换器抖动、A/D数字转换器的误差值和提供给控制器电路的电压电平。

现在参考图2和3，在步骤100中生成机械输入PDF。在步骤102中生成叶片位置传感系统中每个组件的组件模型。在步骤104 中，生成与每个组件模型相关的参数的参数PDF。在步骤106中使用MCA处理机械输入PDF、组件模型和参数PDF。更为特殊地，在步骤108中，从每个参数PDF中随机抽样，生成叶片位置传感系统的一系列叶片位置信号。叶片位置信号定义叶片位置信号PDF。叶片位置信号PDF绘制在图3的图表中。在步骤110中，基于叶片位置信号PDF确定全开和全闭诊断极限。在步骤112中，确定区间诊断极限。

特别参考图3，叶片位置信号PDF定义多个区域A、B、C、D、E、F和G。区域A、B、F和G是故障区域。如果叶片位置信号位于区域A、B、F或G之内，则叶片位置系统出现故障。更为特殊地，区域A和G典型地指示电故障，区域B和F典型地指示机械故障。区域C指示全开区域，区域E指示全闭区域。当命令到全开位置时，如果叶片位置信号位于区域C之内，则认为叶片位置为全开。当命令到全闭位置时，如果叶片位置信号位于区域E之内，则认为叶片位置为全闭。区域D指示全开和全闭之间的中间叶片位置。

多个区域被转换为本发明的传感器诊断的诊断极限。全开诊断区域的上极限和全闭诊断区域的下极限基于大于特定阈值(例如，4.5)的统计Z标记(Z-score)。Z标记是标准公制，其基于统计分布描述连续的比率。更为特殊地，Z标记指示叶片位置信号在哪个方向上偏离其分布的平均值多远，该分布平均值以其分布的标准偏差的单位表示。

全开诊断区域的下极限和全闭诊断区域的上极限由用于特定线束故障的故障诊断通过和故障诊断失败的比率确定。更为特殊地，选择全开或全闭概率分布，以致结果在无故障模式和特定故障模式分布之间给出最高数量的概率密度函数重叠面积。通过最小化这两个分布之间的重叠面积确定相应的诊断极限。通常，全开和全闭诊断区域塌陷区域B和F。全开诊断区域的下极限位于区域A和C之间的面积(也就是，之前的区域B)。全闭诊断范围的上极限位于区域E和G之间的面积(也就是，之前的区域F)。

基于VNT控制系统的规格确定区间诊断极限。更为特殊地，上和下区间诊断极限基于分辨率规格、控制系统稳定性和允许系统滞后。为了确定区间范围诊断极限，确定区间范围，以便在发动机控制系统的整个运转范围内(也就是，温度、大气压力、和入口或出口流量限制)提供可接受的控制系统响应(例如，超调、峰值控制或位置误差)。区间范围最大值定义区间诊断上极限。确定最小区间范围，以便提供可接受的控制系统响应。区间范围最小值定义区间诊断下极限。通常，独立于叶片位置信号PDF，确定区间诊断极限。

现在参考图4，在叶片位置系统诊断中执行得到的诊断极限。在步骤200中，控制逻辑命令叶片致动器28将叶片移动到全开位置。在步骤202中诊断逻辑确定叶片位置信号是否位于全开诊断区域之内。如果叶片位置信号不位于全开诊断区域之内，则在步骤204中指示失败状态，诊断逻辑结束。如果叶片位置信号位于全开诊断区域之内，则在步骤206中继续诊断逻辑。

在步骤206中，控制逻辑命令致动器将叶片移动到全闭位置。在步骤208中诊断逻辑确定叶片位置信号是否位于全闭诊断区域。如果叶片位置信号位于全闭诊断区域之内，则在步骤204中指示失败状态，诊断逻辑结束。如果叶片位置信号不位于全闭诊断区域之内，则在步骤210中继续诊断逻辑。

在步骤210中，诊断逻辑确定信号区间值是否在区间诊断极限之内。也就是说，诊断逻辑考虑全开和全闭信号之间的差值，确定差值是否在区间诊断极限之内。如果信号区间值在区间诊断极限之内，则在步骤212中诊断逻辑指示叶片位置系统的通过状态，诊断结束。如果信号区间值不在区间诊断极限之内，则在步骤204中诊断逻辑指示失败状态，诊断逻辑结束。

熟悉本领域技术的人员现在从上述说明书意识到本发明广泛的教导可以各种方式实现。因而，尽管结合本发明的特殊示例描述了本发明，但本发明的真正范围没有受限制，因为对熟悉的从业者而言，在研究附图、说明书和下列权利要求书的基础上其它修改是显而易见的。

Claims

1.一种确定安装在可调喷嘴涡轮增压机中叶片位置传感系统的诊断极限的方法，该方法包括：

定义所述可调喷嘴涡轮增压机的机械输入概率分布函数；

根据组件模型描述所述叶片位置传感系统；

定义与所述组件模型相关的参数的组件参数概率分布函数；

基于所述机械输入概率分布函数、所述组件模型和所述组件参数概率分布函数生成叶片位置信号概率分布函数；以及

基于所述叶片位置信号概率分布函数设置所述叶片位置传感系统的诊断极限。

2.根据权利要求1所述的方法，其特征在于，所述生成叶片位置信号概率分布函数的步骤包括使用蒙特卡罗分析法处理所述组件参数概率分布函数和所述组件模型。

3.根据权利要求1所述的方法，其特征在于，所述组件模型包括控制电路模型和信号处理模型，所述定义所述组件参数概率分布函数的步骤包括使用蒙特卡罗分析法处理所述控制电路模型和所述信号处理模型。

4.根据权利要求1所述的方法，其特征在于，所述生成叶片位置信号概率分布函数的步骤包括使用蒙特卡罗分析法处理所述组件参数概率分布函数、叶片位置传感器模型、线束模型、控制电路模型和信号处理模型。

5.根据权利要求1所述的方法，其特征在于，所述设置所述诊断极限的步骤包括：

基于所述叶片位置信号概率分布函数和所述机械输入概率分布函数确定全开传感器位置范围；以及

基于所述叶片位置信号概率分布函数和所述机械输入概率分布函数确定全闭传感器位置范围。

6.根据权利要求5所述的方法，其特征在于，所述设置所述诊断极限的步骤还包括基于分辨率、控制稳定性和允许滞后定义所述全开和所述全闭传感器位置范围之间的区间极限。

7.一种诊断可调喷嘴涡轮增压机的叶片位置传感系统的运转的方法，该方法包括：

基于叶片位置传感器模型和模型参数概率分布函数生成叶片位置信号概率分布函数；

基于所述叶片位置信号概率分布函数确定所述叶片位置传感器的全开和全闭诊断区域；

命令所述可调喷嘴涡轮增压机的叶片到全开位置；

比较全开传感器信号和所述全开诊断区域；

命令所述可调喷嘴涡轮增压机的叶片到全闭位置；以及

比较全闭传感器信号和所述全闭诊断区域。

8.根据权利要求7所述的方法，还包括：如果所述全开传感器信号不位于所述全开诊断区域之内，则生成故障信号。

9.根据权利要求7所述的方法，还包括：如果所述全闭传感器信号不位于所述全闭诊断区域之内，则生成故障信号。

10.根据权利要求7所述的方法，还包括：

确定所述全开传感器信号和所述全闭传感器信号之间的信号区间；以及

比较所述信号区间和区间诊断区域。

11.根据权利要求10所述的方法，还包括：如果所述信号区间不位于所述区间诊断区域之内，则生成故障信号。

12.根据权利要求10所述的方法，还包括：如果所述全开传感器信号位于所述全开诊断区域之内，如果所述全闭传感器信号位于所述全闭诊断区域之内，以及如果所述信号区间位于所述区间诊断区域之内，则生成通过信号。

13.根据权利要求7所述的方法，其特征在于，所述生成所述叶片位置信号概率分布函数的步骤包括使用蒙特卡罗分析法处理所述模型参数概率分布函数、所述叶片位置传感器模型、线束模型、控制电路模型和信号处理模型。

14.根据权利要求7所述的方法，其特征在于，所述确定所述全开和全闭诊断区域的步骤包括：

基于所述叶片位置信号概率分布函数定义所述全开诊断区域的最小和最大极限；以及

基于所述叶片位置信号概率分布函数定义所述全闭诊断区域的最小和最大极限。

15.根据权利要求14所述的方法，还包括：确定所述全开和所述全闭诊断区域之间的信号区间诊断区域。

16.一种确定叶片位置传感系统的诊断极限的方法，该方法包括：

根据组件模型描述所述叶片位置传感系统的组件；

定义与每个所述组件模型相关的参数的组件参数概率分布函数；

定义机械输入概率分布函数；

基于所述组件模型、所述组件参数概率分布函数和所述机械输入概率分布函数生成传感器位置信号概率分布函数；以及

基于所述传感器位置信号概率分布函数设置所述传感器传感系统的诊断极限。

17.根据权利要求16所述的方法，其特征在于，所述机械输入概率分布函数基于与机械系统相关的机械参数，所述机械系统由所述叶片位置传感系统监视。

18.根据权利要求16所述的方法，其特征在于，所述生成所述传感器位置信号概率分布函数的步骤包括使用蒙特卡罗分析法处理所述组件参数概率分布函数、所述组件模型和所述机械输入概率分布函数。

19.根据权利要求16所述的方法，其特征在于，所述组件模型包括位置传感器模型和线束模型。

20.根据权利要求19所述的方法，其特征在于，所述组件模型还包括信号处理模型和控制电路模型。

21.根据权利要求16所述的方法，其特征在于，所述设置所述诊断极限的步骤包括：

基于所述传感器位置信号概率分布函数定义第一传感器位置范围；以及

基于所述传感器位置信号概率分布函数定义第二传感器位置范围。

22.根据权利要求21所述的方法，其特征在于，所述设置所述诊断极限的步骤还包括定义所述第一和第二传感器位置范围之间的区间限制。