DE10117218A1

DE10117218A1 - Method for determining the position or speed of an anchor

Info

Publication number: DE10117218A1
Application number: DE10117218A
Authority: DE
Inventors: Igor Gruden; Charles Robert Koch; Heiko Moeckel
Original assignee: DaimlerChrysler AG
Current assignee: Daimler AG
Priority date: 2001-04-06
Filing date: 2001-04-06
Publication date: 2002-10-17
Also published as: WO2002081876A1

Abstract

The invention relates to an electromagnetic actuator comprising an armature that can be displaced back and forth between two electromagnets, whereby the position or speed of the armature is usually determined by a displacement sensor and the accuracy of the position or speed determination is dependent on the displacement sensor that is used. The aim of the novel method for determining the position or speed of the armature is to provide accurate results even when using inexpensive sensors. This is achieved by a neuronal network, which is trained in a learning phase using a reference signal that represents the exact position or speed course of the armature and using several input variables that represent current operating parameters of the internal combustion engine and which in an operational phase that follows the learning phase generates a measuring signal that corresponds to the position or speed course of the armature, from current input variables using the trained neuronal network. Said method is suitable for the electromagnetic control of gas exchange valves in internal combustion engines.

Description

Die Erfindung betrifft ein Verfahren zur Positions- oder Geschwindigkeitsbestimmung eines Ankers gemäß dem Oberbegriff des Patentanspruchs 1.The invention relates to a method for determining position or speed an anchor according to the preamble of claim 1.

Aus der DE 197 39 840 A1 ist ein elektromagnetischer Aktuator zur Betätigung ei nes Gaswechselventils in einer Brennkraftmaschine bekannt, der einen mit dem Gaswechselventil gekoppelten Anker aufweist, wobei der Anker zwischen zwei Elek tromagneten des Aktuators durch Magnetkraft gegen die Kraft zweier Federn hin- und herbewegbar ist. Der Aktuator weist zudem einen Wegsensor auf, mit dem die Position oder die Geschwindigkeit des Ankers ermittelt wird. Das vom Wegsensor abgegebene Signal wird einem Regelkreis zugeführt, der den Stromfluß durch die Elektromagnete derart steuert, daß der Anker sich entlang einer vorgegebenen Posi tions-Geschwindigkeits-Kennlinie bewegt und somit mit einer geringen Geschwin digkeit auf den jeweiligen Elektromagneten aufsetzt. Der wesentliche Nachteil die ses Regelverfahrens besteht darin, daß die Position oder die Geschwindigkeit des Ankers mit hoher Genauigkeit erfaßt werden muß, um eine genaue Regelung zu ge währleisten. Dies läßt sich jedoch nur mit teuren Wegsensoren realisieren, die zu dem anfällig gegen Verschmutzungen sind.DE 197 39 840 A1 describes an electromagnetic actuator for actuating egg Nes gas exchange valve in an internal combustion engine known, the one with the Gas exchange valve coupled armature, the armature between two elec tromagnets of the actuator by magnetic force against the force of two springs and is movable. The actuator also has a displacement sensor with which the Position or the speed of the anchor is determined. That from the displacement sensor emitted signal is fed to a control circuit, the current flow through the Controls electromagnets such that the armature extends along a predetermined position tion-speed characteristic moves and therefore with a low speed on the respective electromagnet. The main disadvantage is ses control method is that the position or speed of the Anchor must be detected with high accuracy in order to provide precise control währleisten. However, this can only be achieved with expensive displacement sensors who are susceptible to contamination.

Aus der DE 197 41 884 A1 ist ein Meßverfahren zur Ermittlung des Zylinderinnen drucks in den Zylindern einer Brennkraftmaschine bekannt, bei dem Körperschallsi gnale erfaßt werden, die während des Betriebs der Brennkraftmaschine entstehen, und bei dem aus den erfaßten Körperschallsignalen mit einem neuronalen Netzwerk Größen ermittelt werden, die den Zylinderinnendruck in den Zylindern der Brenn kraftmaschine repräsentieren. DE 197 41 884 A1 describes a measuring method for determining the inside of the cylinder known in the cylinders of an internal combustion engine, in the structure-borne noise gnale are detected that arise during the operation of the internal combustion engine, and in the case of the structure-borne noise signals detected with a neural network Quantities are determined that the internal cylinder pressure in the cylinders of the Brenn represent engine.

Neuronale Netzwerke werden zudem im Bericht "Neuronale Netzwerke" von Anke Rieger, LS-8 Report 2, Universität Dortmund, Fachbereich Informatik, Lehrstuhl VIII - Künstliche Intelligenz beschrieben.Neural networks are also described in the report "Neural Networks" by Anke Rieger, LS-8 Report 2 , University of Dortmund, Department of Computer Science, Chair VIII - Artificial Intelligence.

Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Positions- oder Ge schwindigkeitsbestimmung des Ankers eines elektromagnetischen Aktuators zur Betätigung eines Gaswechselventils anzugeben, das mit kostengünstigen Mitteln durchführbar ist und das eine hohe Meßgenauigkeit gewährleistet.The invention has for its object a method for position or Ge Determination of the speed of the armature of an electromagnetic actuator Actuation of a gas exchange valve specify that with inexpensive means is feasible and this ensures high measurement accuracy.

Die Aufgabe wird durch die Merkmale des Patentanspruchs 1 gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen ergeben sich aus den Unteransorüchen.The object is achieved by the features of patent claim 1. advantageous Refinements and developments result from the sub-claims.

Erfindungsgemäß wird bei einem elektromagnetischen Aktuator der eingangs ge nannten Art die Position oder Geschwindigkeit des Ankers und somit auch die Posi tion oder Geschwindigkeit des mit dem Anker gekoppelten Gaswechselventils ermit telt, indem ein dem Positions- oder Geschwindigkeitsverlauf des Ankers entspre chendes Meßsignal mittels eines neuronalen Netzwerks generiert wird, wobei das neuronale Netzwerk in einer Lernphase mit einem den genauen Positions- oder Ge schwindigkeitsverlauf des Ankers repräsentierenden Referenzsignal und mit mehre ren Eingangsgrößen, die momentane Betriebsparameter der Brennkraftmaschine repräsentieren, trainiert wird, und indem das Meßsignal in einer an die Lernphase anschließenden Betriebsphase aus aktuellen Eingangsgrößen unter Verwendung des trainierten neuronalen Netzwerks generiert wird.According to the invention, the ge at the beginning of an electromagnetic actuator called the position or speed of the anchor and thus also the Posi tion or speed of the gas exchange valve coupled to the armature by matching the position or speed of the anchor The measuring signal is generated by means of a neural network, the neural network in a learning phase with an exact position or ge speed curve of the armature representing the reference signal and with more ren input variables, the current operating parameters of the internal combustion engine represent, is trained, and by the measurement signal in a to the learning phase subsequent operating phase from current input variables using the trained neural network is generated.

Vorteilhafterweise werden eine oder mehrere der Eingangsgrößen bandpaß- oder tiefpaßgefiltert, um Frequenzanteile zu unterdrücken, die nicht von der Ankerbewe gung herrühren und somit mit der Ankerbewegung nicht korreliert sind.One or more of the input variables are advantageously bandpass or low pass filtered to suppress frequency components that are not from the anchor movement origin and are therefore not correlated with the armature movement.

Vorzugsweise werden aus einer oder mehreren der Eingangsgrößen Zeitbereiche, die für die für die Positions- oder Geschwindigkeitsbestimmung des Ankers nicht relevant sind, beispielsweise Zeitbereiche, in denen der Anker sich nicht bewegt oder in denen die Bewegung des Ankers für die Regelung der Aufsetzgeschwindig keit des Ankers unerheblich ist, durch eine Fensterung ausgeblendet.Preferably, one or more of the input variables become time ranges, the one for the position or speed determination of the anchor is not are relevant, for example, time periods in which the anchor does not move or in which the movement of the armature for the regulation of the touchdown speed speed of the anchor is insignificant, hidden by a window.

Denkbar ist zudem die Auswertung einer oder mehrerer Eingangsgrößen im Fre quenzbereich. Die betreffende Eingangsgröße wird hierzu durch eine Zeit-Frequenz- Transformation, beispielsweise durch eine schnelle Fouriertransformation (Fast Fou rier Transformation = FFT) oder durch eine Kurzzeit-Fouriertransformation (Short- Time Fourier Transformation = STFT) in den Frequenzbereich transformiert.It is also conceivable to evaluate one or more input variables outdoors frequency range. For this purpose, the relevant input variable is determined by a time-frequency Transformation, for example by a fast Fourier transformation (Fast Fou rier transformation = FFT) or by a short-term Fourier transformation (short- Time Fourier Transformation = STFT) transformed into the frequency domain.

Vorzugsweise wird eine der Eingangsgrößen als Sensorsignal bereitgestellt, das eine geringe Güte aufweist und den Positions- oder Geschwindigkeitsverlauf des Ankers mit geringer Genauigkeit repräsentiert. Ein derartiges Sensorsignal läßt sich mit preisgünstigen Sensoren generieren und mit dem neuronalen Netzwerk auf die ge forderte Genauigkeit verbessern.One of the input variables is preferably provided as a sensor signal, the one has low quality and the position or speed profile of the anchor represented with low accuracy. Such a sensor signal can be used Generate inexpensive sensors and with the neural network on the ge improve accuracy.

Der wesentliche Vorteil des erfindungsgemäßen Verfahrens liegt darin, daß Be triebsgrößen, die zur Motorsteuerung oder Anzeige des Betriebszustands der Brenn kraftmaschine ermittelt werden und die die momentanen Betriebsparameter der Brennkraftmaschine repräsentieren, zusätzlich auch als Eingangsgrößen zur Ermitt lung der Position oder Geschwindigkeit des Ankers verwendet werden können, und daß das Ergebnis der Positions- oder Geschwindigkeitsbestimmung ausreichend genau ist, um damit eine Regelung der Ankerbewegung vorzunehmen. Durch die Regelung der Ankerbewegung erreicht man, daß der Anker und das Gaswechselven til mit einer vorgegebenen geringen Geschwindigkeit auf den jeweiligen Elektroma gneten bzw. in den Ventilsitz auftrifft, was zu einer geringen Geräuschentwicklung, zu einem geringen Verschleiß und zu einer hohen Funktionssicherheit aufgrund der Vermeidung von Abpralleffekten führt.The main advantage of the method according to the invention is that Be Drive quantities that are used to control the engine or display the operating state of the burner Engine are determined and the current operating parameters of the Represent internal combustion engine, also as input variables for the determination the position or speed of the anchor can be used, and that the result of the position or speed determination is sufficient is accurate in order to regulate the armature movement. Through the Regulation of the armature movement achieves that the armature and the gas exchange til at a given low speed on the respective electroma gneten or hits the valve seat, which leads to a low noise, low wear and high functional reliability due to the Avoiding impact effects.

Ein Ausführungsbeispiel der Erfindung wird nachfolgend anhand von Figuren näher beschrieben. Es zeigen:An exemplary embodiment of the invention is explained in more detail below with reference to figures described. Show it:

Fig. 1 eine Prinzipdarstellung eines elektromagnetischen Aktuators zur Be tätigung eines Gaswechselventils in einer Brennkraftmaschine, Fig. 1 is a schematic view of an electromagnetic actuator for loading actuation of a gas exchange valve in an internal combustion engine,

Fig. 2 eine Prinzipdarstellung eines neuronalen Netzes, Fig. 2 is a schematic diagram of a neural network,

Fig. 3 eine Darstellung einer Vorgehensweise zur Verarbeitung von Lernda ten durch das neuronale Netz. Fig. 3 shows a procedure for processing learning data th through the neural network.

Gemäß Fig. 1 umfaßt der elektromagnetische Aktuator 1 einen Anker 10, einen ersten Elektromagneten 11, einen zweiten Elektromagneten 12, eine erste Feder 13 und eine zweite Feder 14. Die Elektromagnete 11, 12 bestehen jeweils aus einem Joch mit einem Spulenfenster und einer im Spulenfenster vorgesehenen Erreger spule. Der Anker 10 wird durch die gegeneinander wirkenden Federn 13, 14 bei stromlosen Elektromagneten 11, 12, d. h. bei unbestromten Erregerspulen, in einer Ruhelage etwa in der Mitte zwischen den Elektromagneten 11, 12 festgehalten und durch abwechselnde Bestromung der Elektromagnete 11, 12 zwischen diesen hin- und herbewegt. Der Anker 10 wirkt dabei auf das Gaswechselventil 15 einer Brenn kraftmaschine, welches somit durch die Bewegung des Ankers 10 betätigt wird. Die Elektromagnete 11, 12 werden über eine Steuereinheit 20 in Abhängigkeit von Be triebsgrößen z0, . . . zn, die Informationen über momentane Betriebparameter enthal ten, angesteuert. Die Steuereinheit 20 steuert den Stromfluß durch die Elektroma gnete 11,1 2 in Abhängigkeit der Betriebsgrößen z0, . . . zn derart, daß der Anker 10 sich entlang einer vorgegebenen Zeit-Positions- oder Positions-Geschwindigkeits- Kennlinie bewegt, d. h. die Bewegung des Ankers 10 wird auf einen vorgegebenen Verlauf geregelt, wodurch insbesondere sichergestellt wird, daß der Anker 10 mit geringer Geschwindigkeit auf den jeweiligen Elektromagneten 11, 12 oder das Gas wechselventil 15 mit geringer Geschwindigkeit in seinen Ventilsitz auftrifft.Referring to FIG. 1, the electromagnetic actuator 1 comprises an armature 10, a first electromagnet 11, a second electromagnet 12, a first spring 13 and second spring 14. The electromagnets 11 , 12 each consist of a yoke with a coil window and an excitation coil provided in the coil window. The armature 10 is held by the mutually acting springs 13 , 14 in electroless electromagnets 11 , 12 , that is to say with deenergized excitation coils, in a rest position approximately in the middle between electromagnets 11 , 12 and by alternating energization of electromagnets 11 , 12 between them - and moved here. The armature 10 acts on the gas exchange valve 15 of an internal combustion engine, which is thus actuated by the movement of the armature 10 . The electromagnets 11 , 12 are operated via a control unit 20 as a function of loading variables z0,. , , zn, which contain information about current operating parameters. The control unit 20 controls the current flow through the electromagnets 11, 1, 2 as a function of the operating variables z0,. , , zn in such a way that the armature 10 moves along a predetermined time-position or position-speed characteristic curve, ie the movement of the armature 10 is regulated to a predetermined course, which in particular ensures that the armature 10 moves at a low speed respective electromagnet 11 , 12 or the gas exchange valve 15 hits its valve seat at low speed.

Durch die Regelung der Ankerbewegung wird der Einfluß von Störgrößen auf die Dynamik des Ankers 10 kompensiert. Derartige Störgrößen sind beispielsweise Än derungen von Betriebsparametern, insbesondere Änderungen der Ruhelage des Ankers, eines ggf. vorhandenen Ventilspiels, des Brennraumgegendrucks, gegen den das Gaswechselventil 15 geöffnet werden soll, falls es als Auslaßventil betrieben wird, der Restgasverwirbelungen beim Öffnen des Gaswechselventils 15, falls es als Einlaßventil betrieben wird, der Reibung, der Temperatur, der Federkonstanten der Federn 13, 14, der Eigenschaften eines ggf. vorhandenen hydraulischen Ventil spielausgleichselements, der einen Klebeeffekt bewirkenden Remanenzinduktion des loslassenden Elektromagneten, der Bauteiletoleranzen und der den Schaltungs teilen zugeführten Versorgungsspannung.By regulating the armature movement, the influence of disturbance variables on the dynamics of the armature 10 is compensated for. Such disturbance variables are, for example, changes in operating parameters, in particular changes in the rest position of the armature, any valve clearance that may be present, the combustion chamber counterpressure against which the gas exchange valve 15 is to be opened, if it is operated as an outlet valve, the residual gas swirls when the gas exchange valve 15 is opened , if it is operated as an inlet valve, the friction, the temperature, the spring constants of the springs 13 , 14 , the properties of any hydraulic valve play compensation element, the adhesive effect causing remanent induction of the releasing electromagnet, the component tolerances and the supply voltage to the circuit parts.

Die Ankerbewegung läßt sich jedoch nur dann mit einer hohen Genauigkeit regeln, wenn auch die Position oder Geschwindigkeit des Ankers 10 mit einer entsprechend hohen Genauigkeit ermittelt wird. Sensoren hoher Signalgüte, die die Positions- oder Geschwindigkeitsbestimmung des Ankers 10 mit ausreichender Gensuigkeit ermög lichen, beispielsweise hochwertige Lasersensoren, die nach dem Laser- Dopplereffekt arbeiten, sind jedoch teuer und anfällig gegen Verschmutzung und eignen sich daher nicht für den Serieneinsatz in Kraftfahrzeugen. Um die Verwen dung preisgünstiger Sensoren zu ermöglichen, ist in der Steuereinheit 20 ein neuro nales Netzwerk implementiert, das beispielsweise softwaremäßig realisiert ist und dem mehrere der Betriebsgrößen z0, . . . zn als Eingangsgrößen zugeführt werden. Das neuronale Netzwerk verarbeitet diese Eingangsgrößen und liefert als Ergebnis der Signalverarbeitung ein Meßsignal hoher Güte, das den Positions- oder Ge schwindigkeitsverlauf des Ankers 10 mit der geforderten Genauigkeit repräsentiert.However, the armature movement can only be controlled with high accuracy if the position or speed of the armature 10 is also determined with a correspondingly high accuracy. High signal quality sensors that enable the position or speed determination of the armature 10 with sufficient sensitivity, for example high-quality laser sensors that operate according to the laser Doppler effect, are expensive and prone to contamination and are therefore not suitable for series use in motor vehicles. In order to enable the use of inexpensive sensors, a neural network is implemented in the control unit 20 , which is implemented, for example, by software and to which several of the operating variables z0,. , , zn can be supplied as input variables. The neural network processes these input variables and supplies, as a result of the signal processing, a high-quality measurement signal which represents the position or speed profile of the armature 10 with the required accuracy.

Fig. 2 zeigt das Prinzipdarstellung des in der Steuereinheit 20 realisierten neuro nalen Netzwerks. Dieses umfaßt mehrere in aufeinanderfolgenden Schichten S1, S2, S3 gruppierte Neuronen N10, N12, . . . N1m, N20, N21, . . . N2n, N30, wobei jedes der in einer Schicht vorgesehenen Neuronen über gewichtete Verbindungen mit jedem Neuronen der nächsten Schicht verbunden ist und wobei für jedes Neuron eine Ausgangsfunktion definiert wird, die den Zusammenhang zwischen den dem Neuron zugeführten Größen und der vom Neuron abgegebenen Größe beschreibt. Den Neuronen N10, N12, . . . N1m der ersten Schicht S1 werden dabei jeweils eine der auszuwertenden Betriebsgrößen z0, . . . zn - ggf. nach einer Vorverarbeitung die ser Größen - als Eingangsgrößen e0, . . . em zugeführt. Die letzte Schicht S3 weist ein einzelnes Neuron N30 auf, das das gewünschte Meßsignal m als Ergebnis der Signalverarbeitung abgibt. Dieses Meßsignal m wird in der Steuereinheit 20 der Re gelung der Ankerbewegung zugrundegelegt. Fig. 2 shows the schematic diagram of the neural network implemented in the control unit 20 . This comprises a plurality of neurons N10, N12, grouped in successive layers S1, S2, S3. , , N1m, N20, N21,. , , N2n, N30, where each of the neurons provided in a layer is connected to each neuron of the next layer via weighted connections and wherein an output function is defined for each neuron, which describes the relationship between the quantities supplied to the neuron and the quantity emitted by the neuron. The neurons N10, N12,. , , N1m of the first layer S1, one of the operating variables z0,. , , zn - if necessary after preprocessing these variables - as input variables e0,. , , em fed. The last layer S3 has a single neuron N30, which emits the desired measurement signal m as a result of the signal processing. This measurement signal m is used in the control unit 20 of the control system for the armature movement.

In einer ersten Ausgestaltung des Verfahrens werden dem neuronalen Netzwerk - zwei oder mehrere der folgenden Größen als Eingangsgrößen e0, ... em zugeführt:
In a first embodiment of the method, two or more of the following variables are supplied to the neural network as input variables e0, ... em:

- a size corresponding to the temperature of the oil in the internal combustion engine, the tempe rature of the coolant in the coolant circuit of the internal combustion engine or Corresponds to the temperature of the actuator or the excitation coils of the actuator,
- a size that describes the oil quality (fresh oil / used oil),
- a size that corresponds to the oil level,
a size which corresponds to the energization of the electromagnets 11 , 12 ,
a variable that corresponds to a braking pulse that is supplied to one of the electromagnets 11 , 12 for braking the armature 10 ,
a variable that corresponds to the voltage that is supplied to the respective electromagnet 11 , 12 for energizing it,
a size that corresponds to the internal combustion chamber pressure or the gas force against which the gas exchange valve 15 must be opened; this variable can be determined, for example, on the basis of a map as a function of the engine load, the engine speed and the time of opening the gas exchange valve 15 or the crankshaft position,
- A size that the release behavior of the armature 10 from the respective electroma gnet 11 , 12 , that is, the resulting from the remanence of the electromagnet adhesive time describes; this variable can be determined from the excitation current flowing through the excitation coil of the respective electromagnet and the voltage applied to this excitation coil,
- A size that the magnetic properties of the actuator, in particular the relationship between magnetic induction and magnetic field strength in the actuator, describes; this size is used in the manufacture of the Aktua measured and saved for later evaluation,
- A size that corresponds to the friction in the actuator; this size can be for example by evaluating the temperature of the oil, the coolant or the Determine actuator based on characteristic curves
- A size that ent the structure-borne noise occurring in the internal combustion engine speaks; this size is provided with a body intended for knock sensing sound or knock sensor determined.

Diese aufgezählten Größen, die allesamt die Bewegung des Ankers 10 beeinflussen, werden mit Schaltungsmitteln ermittelt, die bereits für die Motorsteuerung oder die Anzeige von Betriebszuständen der Brennkraftmaschine vorgesehen sind, d. h. es werden keine zusätzlichen Sensoren für die Regelung der Ankerbewegung benötigt. These enumerated variables, all of which influence the movement of the armature 10 , are determined using circuit means which are already provided for the motor control or for displaying operating states of the internal combustion engine, ie no additional sensors are required for regulating the armature movement.

In einer zweiten Ausgestaltung des Verfahrens werden dem neuronalen Netzwerk eine oder mehrere dieser aufgezählten Größen und zusätzlich noch ein Sensorsignal d geringer Güte als Eingangsgrößen e0, . . . em zugeführt. Das Sensorsignal d gerin ger Güte wird, wie in Fig. 1 gestrichelt dargestellt, mit der im oder am Aktuator 1 vorgesehenen Detektoranordnung 16 als weitere Betriebsgröße d erzeugt und der Steuereinheit 20 zur Auswertung zugeführt. Es handelt sich hierbei um ein Signal, das den Positions- oder Geschwindigkeitsverlauf des Ankers 10 repräsentiert und das speziell zur Regelung der Ankerbewegung erzeugt wird, dessen Genauigkeit jedoch für sich alleine nicht ausreicht, um die Ankerbewegung mit der geforderten Genauigkeit zu regeln. Es kann daher ein preisgünstiger Sensor als Detektoranord nung 16 zur Erzeugung des Sensorsignals d zum Einsatz kommen. Derartige preis günstige Sensoren sind beispielsweise:
In a second embodiment of the method, the neural network is given one or more of these enumerated variables and additionally a sensor signal d of low quality as input variables e0,. , , em fed. The sensor signal d of low quality is, as shown in dashed lines in FIG. 1, generated with the detector arrangement 16 provided in or on the actuator 1 as a further operating variable d and fed to the control unit 20 for evaluation. This is a signal which represents the position or speed profile of the armature 10 and which is generated specifically for regulating the armature movement, the accuracy of which, however, is in itself not sufficient to regulate the armature movement with the required accuracy. An inexpensive sensor can therefore be used as a detector arrangement 16 for generating the sensor signal d. Such inexpensive sensors are for example:

Eddy current sensors which detect the changes resulting from the armature movement of the eddy currents induced in the electromagnets 11 , 12 ,
- Hall sensors, the magnetic field edges resulting from the armature movement detect stanchions in the actuator,
inductive sensors which detect the changes in the inductances of the electromagnets 11 , 12 resulting from the armature movement,
variable resistances (potentiometers) which are coupled to the armature 10 and whose change in resistance depends on the armature movement,
Pressure sensors, in particular piezo sensors, which sense the impingement of the armature 10 on the electromagnets 11 , 12 or the spring forces of the springs 12 , 14 which change due to the armature movement,
- Optical sensors that work according to the light barrier principle or color markings on moving parts of the actuator 1 or the gas exchange valve 15 ,
- Low quality laser sensors that work according to the laser Doppler effect.

Denkbar ist auch die Verwendung mehrerer Detektoranordnungen 16 zur Erzeugung mehrerer Sensorsignale d geringer Güte, die allesamt den Positions- oder Ge schwindigkeitsverlauf des Ankers 10 mit geringer Genauigkeit repräsentieren und als weitere Betriebsgrößen vom neuronalen Netzwerk ausgewertet werden.It is also conceivable to use a plurality of detector arrangements 16 to generate a plurality of sensor signals d of low quality, all of which represent the position or speed profile of the armature 10 with low accuracy and are evaluated by the neural network as further operating variables.

Die dem neuronalen Netzwerk zugeführten Eingangsgrößen e0, . . . em stellten einen Eingangsvektor mit den Eingangsgrößen e0, . . . em als Komponenten dar. Die Werte dieser Komponenten stellen zu verschiedenen Zeitpunkten jeweils ein Eingabemu ster dar, das zum jeweiligen Zeitpunkt auf einen Wert des Meßsignals m abgebildet wird. Mit dem neuronalen Netzwerk wird somit eine Mustererkennungsaufgabe ge löst. Um diese Aufgabe zu lösen, ist es erforderlich, das neuronale Netzwerk zu trai nieren.The input variables e0,. , , em hired one Input vector with the input variables e0,. , , em as components. The values These components each have an input menu at different times ster represents that mapped to a value of the measurement signal m at the respective time becomes. A pattern recognition task is thus performed with the neural network solves. To solve this task, it is necessary to trai the neural network kidney.

Fig. 3 zeigt die Vorgehensweise zur Signalverarbeitung im neuronalen Netzwerk, das im vorliegenden Fall als Netz vom Feedforward-Typ ausgeführt ist. In einer Lern phase, dem Lernschritt 101, wird das neuronale Netzwerk bei vorgegebenen Be triebszuständen der Brennkraftmaschine mit den Eingangsgrößen e0, . . . em und einem Referenzsignal, das den genauen Positions- oder Geschwindigkeitsverlauf des Ankers repräsentiert, trainiert. Trainiert wird dabei nach dem Backpropagation Lern verfahren, insbesondere nach dem verbesserten Backpropagation Lernverfahren, z. B. nach dem Levenberg-Marquardt Verfahren. Als Sensor zur Erzeugung des Refe renzsignals kann dabei ein Lasersensor hoher Güte verwendet werden, der nach dem Laser-Dopplereffekt arbeitet und eine Frequenzänderung als Maß einer zu mes senden Geschwindigkeit erfaßt. Fig. 3 shows the procedure for signal processing in the neural network, which is executed in the present case as a network from the feedforward type. In a learning phase, learning step 101 , the neural network is given the input variables e0,. At predetermined operating states of the internal combustion engine. , , em and a reference signal, which represents the exact position or speed profile of the anchor, trained. Training is carried out according to the backpropagation learning method, in particular according to the improved backpropagation learning method, e.g. B. after the Levenberg-Marquardt process. As a sensor for generating the reference signal, a high quality laser sensor can be used, which works according to the laser Doppler effect and detects a frequency change as a measure of a speed to be measured.

In einem nachfolgenden Prüfschritt 102 wird das neuronale Netzwerk mit unbekann ten Datensätzen überprüft. Dadurch wird festgestellt, ob die geforderte Genauigkeit erreicht ist. Die Schritte 101 und 102 werden vorteilhafterweise im Labor oder auf einem Motorenprüfstand durchgeführt.In a subsequent test step 102 , the neural network is checked with unknown data records. This will determine whether the required accuracy has been achieved. Steps 101 and 102 are advantageously carried out in the laboratory or on an engine test bench.

Ist die geforderte Genauigkeit erreicht, so kann das neuronale Netzwerk im nachfol genden Schritt 103 - der Betriebsphase, in der der Aktuator während des Fahrbe triebs bestimmungsgemäß betrieben wird - verwendet werden, um aus aktuell er mittelten Eingangsgrößen e0, . . . em das Meßsignal m abzuleiten. Ist die geforderte Genauigkeit hingegen noch nicht erreicht, so ist ein weiterer Lernschritt mit weite ren Eingangsmustern oder eine Abänderung des neuronalen Netzwerks erforderlich. If the required accuracy is reached, the neural network can be used in the subsequent step 103 - the operating phase in which the actuator is operated as intended during driving operation - to derive input variables e0,. , , em derive the measurement signal m. If, on the other hand, the required accuracy has not yet been reached, a further learning step with further input patterns or a modification of the neural network is required.

Es hat sich als zweckmäßig erwiesen, eine Vorverarbeitung der Eingangsgrößen e0, . . . em oder zumindest einiger der Eingangsgrößen vor ihrer Signalauswertung im neuronalen Netzwerk vorzunehmen. Denkbar ist dabei eine Zeit-Frequenz- Transformation einer oder mehrerer der Eingangsgrößen, insbesondere eine schnelle Fouriertransformation oder eine Kurzzeit-Fouriertransformation, bei der die zu transformierende Eingangsgröße mit einer vorgegebenen Fensterftunktion gewich tet wird, um Frequenzen, die in nichtrelevanten Zeitbereichen auftreten, zu unter drücken. Denkbar ist ferner eine Bandpaß- oder Tiefpaßfilterung zur Unterdrückung von Frequenzanteilen aus den Eingangsgrößen, die mit der Bewegung des Ankers 10 nicht korreliert sind und/oder eine Ausblendung von nichtrelevanten Zeitbereichen, insbesondere von Zeitbereichen in denen der Anker 10 ruht.It has proven to be expedient to preprocess the input variables e0,. , , em or at least some of the input variables before their signal evaluation in the neural network. A time-frequency transformation of one or more of the input variables, in particular a fast Fourier transformation or a short-term Fourier transformation, is conceivable, in which the input variable to be transformed is weighted with a predetermined window function in order to reduce frequencies that occur in non-relevant time ranges to press. Bandpass or low-pass filtering is also conceivable to suppress frequency components from the input variables that are not correlated with the movement of the armature 10 and / or to hide non-relevant time ranges, in particular time ranges in which the armature 10 is at rest.

Claims

1. A method for determining the position or speed of an armature ( 10 ) in an electromagnetic actuator ( 1 ) for actuating a Gaswechselven valve ( 15 ) of an internal combustion engine between two electromagnets ( 11 , 12 ) by magnetic force against the force of two springs ( 13 , 14 ) can be moved back and forth, a measurement signal (m) corresponding to the position or speed profile of the armature ( 10 ) being generated, characterized in that the measurement signal (m) is generated by means of a neural network, the neural network in a learning phase ( 101 ) is trained with a reference signal representing the exact position or speed of the armature ( 10 ) and with several input variables (e0,... em), which represent the current operating parameters of the internal combustion engine, and the measurement signal (m) in an operating phase ( 103 ) following the learning phase from current input variables (e0,... em) is generated using the trained neural network.

2. The method according to claim 1, characterized in that from at least one of the input variables (e0,... Em) frequency components are suppressed by filtering, which do not result from the movement of the armature ( 10 ).

3. The method according to claim 1 or 2, characterized in that from at least one of the input variables (e0,... em) due to a window not relevant time period rich are hidden.

4. The method according to any one of the preceding claims, characterized in that at least one of the input variables (e0,... em) by a time-frequency Transformation transformed into the frequency domain and out in the frequency domain is evaluated.

5. The method according to any one of the preceding claims, characterized in that a sensor signal (d) of low quality, which represents the position or speed course of the armature ( 10 ) with low accuracy, as one of the input variables (e0,... Em) generated becomes.

6. The method according to claim 5, characterized in that the sensor signal (d) of low quality is generated with a detector arrangement ( 16 ) provided in or on the actuator ( 1 ).

7. The method according to any one of the preceding claims, characterized in that it is used to regulate the speed at which the armature ( 10 ) impinges on the electromagnets ( 11 , 12 ).