DE102007060049A1 - Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network - Google Patents
Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network Download PDFInfo
- Publication number
- DE102007060049A1 DE102007060049A1 DE200710060049 DE102007060049A DE102007060049A1 DE 102007060049 A1 DE102007060049 A1 DE 102007060049A1 DE 200710060049 DE200710060049 DE 200710060049 DE 102007060049 A DE102007060049 A DE 102007060049A DE 102007060049 A1 DE102007060049 A1 DE 102007060049A1
- Authority
- DE
- Germany
- Prior art keywords
- internal combustion
- combustion engine
- injection
- rail pressure
- injector
- 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.)
- Withdrawn
Links
- 238000002347 injection Methods 0.000 title claims abstract description 56
- 239000007924 injection Substances 0.000 title claims abstract description 56
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000000446 fuel Substances 0.000 title claims description 13
- 230000001537 neural effect Effects 0.000 title abstract 2
- 238000004590 computer program Methods 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 101000765037 Mus musculus Class E basic helix-loop-helix protein 40 Proteins 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- F02D41/20—Output circuits, e.g. for controlling currents in command coils
-
- 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
- F02D41/1402—Adaptive 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
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
- F02D41/28—Interface circuits
- F02D2041/286—Interface circuits comprising means for signal processing
- F02D2041/288—Interface circuits comprising means for signal processing for performing a transformation into the frequency domain, e.g. Fourier transformation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D2200/00—Input parameters for engine control
- F02D2200/02—Input parameters for engine control the parameters being related to the engine
- F02D2200/06—Fuel or fuel supply system parameters
- F02D2200/0602—Fuel pressure
-
- 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
- F02D41/20—Output circuits, e.g. for controlling currents in command coils
- F02D41/2096—Output circuits, e.g. for controlling currents in command coils for controlling piezoelectric injectors
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
Description
Die Erfindung betrifft ein Verfahren zur Bestimmung des Einspritzverlaufs, insbesondere des Einspritzendes eines Injektors zur Einspritzung von Kraftstoff in den Brennraum einer Brennkraftmaschine.The Invention relates to a method for determining the course of injection, in particular, the injection end of an injector for injection of fuel in the combustion chamber of an internal combustion engine.
Gegenstand der Erfindung sind auch ein Computerprogramm sowie ein Computerprogrammprodukt mit einem Programmcode, der auf einem maschinenlesbaren Träger gespeichert ist, zur Durchführung des Verfahrens.object The invention also includes a computer program and a computer program product with a program code stored on a machine-readable carrier is stored for carrying out the method.
Stand der TechnikState of the art
Die Anforderungen an moderne Verbrennungsmotoren – sowohl im Hinblick auf gesetzliche Rahmenbedingungen bezüglich zulässiger Emissionswerte als auch im Hinblick auf gestiegene Erwartungen der Endverbraucher an Fahrkomfort, Laufruhe und niedrigen Verbrauch – steigen kontinuierlich.The Requirements for modern combustion engines - both in the Regarding legal framework regarding permissible Emission levels as well as in terms of increased expectations of Consumers on ride comfort, smoothness and low consumption - rise continuously.
Um diesen Anforderungen gerecht zu werden, ist eine sehr genaue Steuerung der Kraftstoffverbrennung notwendig. Bei einer Brennkraftmaschine mit einem so genannten Common-Rail-System wird über eine Hochdruckpumpe Kraftstoff unter hohem Druck in ein Rail genanntes gemeinsames Reservoir gefördert und in diesem gespeichert. Von diesem Rail wird der Kraftstoff zu Injektoren geleitet. Die für die Einspritzung erforderlichen Ansteuerparameter der Injektoren werden von einem Motorsteuergerät betriebspunktabhängig vorgegeben. Der Einspritzverlauf, unter dem der Kraftstoff in den Brenn raum eingespritzt wird, ist für die Verbrennung eine entscheidende und zentrale Größe. Hierbei kommt es ganz besonders auf präzise Einspritzungen an und damit auf präzise bestimmbare Einspritzzeiten, d. h. eine präzise Bestimmung jeweils des Beginns und des Endes der Einspritzungen.Around To meet these requirements is a very precise control fuel combustion necessary. In an internal combustion engine with a so-called common rail system becomes over a High pressure pump fuel under high pressure in a rail called promoted common reservoir and stored in this. From this rail, the fuel is directed to injectors. The for the injection required control parameters of the injectors become operating point dependent on an engine control unit specified. The course of injection, under which the fuel in the Combustion chamber is injected, is crucial for combustion and central size. This is very special on precise injections and thus on precise determinable injection times, d. H. a precise determination each of the beginning and the end of the injections.
Bei einem derartigen Common-Rail-System bewirken die dynamischen Druckverhältnisse – bedingt durch den durch die Pumpe erzeugten Pumpendruck – die im Rail entstehenden Druckwellen sowie durch den Zylindergegendruck unterschiedliche Nadelschließzeitpunkte der Injektoren, d. h. unterschiedliche Einspritzenden, wodurch eine nicht unerhebliche Einspritzmengenungenauigkeit hervorgerufen wird.at Such a common rail system cause the dynamic pressure conditions - conditional by the pump pressure generated by the pump - the Rail resulting pressure waves and by the cylinder back pressure different needle closing times of the injectors, d. H. different injection ends, creating a significant Injection inaccuracy is caused.
Die
Bestimmung der Einspritzverläufe und insbesondere der Nadelschließzeitpunkte
erfolgt bei aus dem Stand der Technik bekannten Verfahren durch
eine mathematische Auswertung von Motordaten, z. B. eine Auswertung
des Raildrucksignals. Aus der
Die Erkennung des Einspritzverlaufs mithilfe mathematischer Methoden ist aufwendig. Derartige Verfahren reagieren empfindlich auf eine schlechte Signalqualität bzw. auf Signalstörungen. Insbesondere ist die Merkmalsextraktion außerordentlich rechenaufwendig.The Detection of the injection process using mathematical methods is expensive. Such methods are sensitive to a poor signal quality or signal interference. In particular, the feature extraction is extraordinary computationally intensive.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Bestimmung des Einspritzverlaufs und insbesondere des besonders wichtigen Einspritzendes eines Injektors, insbesondere eines durch einen Piezoaktor oder durch ein Magnetventil angetriebenen Injektors zur Einspritzung von Kraftstoff in den Brennraum einer Brennkraftmaschine, zu vermitteln, welches auch bei schlechter Signalqualität eine präzise und gute Erkennung des Einspritzverlaufs ermöglicht, wobei die Erkennung und Bestimmung des Einspritzverlaufs insbesondere fehlertoleranter erfolgen soll als bei aus dem Stand der Technik bekannten mathematischen Modellen.Of the The invention is therefore based on the object, a method for determining the course of injection and in particular the particularly important end of injection an injector, in particular one by a piezoelectric actuator or by a solenoid valve driven injector for injection of fuel into the combustion chamber of an internal combustion engine, to convey which is precise even with poor signal quality and good detection of the course of injection allows, where the detection and determination of the injection curve in particular should be more tolerant than in the prior art known mathematical models.
Offenbarung der ErfindungDisclosure of the invention
Vorteile der ErfindungAdvantages of the invention
Diese Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des Anspruchs 1. Grundidee der Erfindung ist es, den Einspritzverlauf und insbesondere das Einspritzende des Injektors mithilfe wenigstens eines mehrschichtigen künstlichen neuronalen Netzes zu bestimmen. Die Merkmalserkennung mithilfe neuronaler Netze stellt eine Möglichkeit dar, den Nadelschließzeitpunkt, auch „end of injection period" (EIP) genannt, auch bei schlechter Signalqualität sicher und insbesondere sicherer als bei bekannten mathematischen Modellen zu erkennen, da das eingelernte System fehlertoleranter ist als rein mathematische Verfahren.These Task is solved by a method with the features of claim 1. The basic idea of the invention is the injection course and in particular the injection end of the injector by means of at least a multilayer artificial neural network determine. The feature recognition using neural networks provides one way, the needle closing time, also called "end of injection period" (EIP), also at poor signal quality safe and in particular safer to recognize as in known mathematical models, since the taught System is more forgiving than purely mathematical methods.
Dabei ist vorgesehen, als Eingangswerte des neuronalen Netzes den Betriebszustand der Brennkraftmaschine charakterisierende Größen heranzuziehen und aus diesen Werte, die das Einspritzende charakterisieren, mithilfe des wenigstens einen neuronalen Netzes zu ermitteln.It is provided as input values of the neural network to use the operating state of the internal combustion engine characterizing quantities and to determine from these values, which characterize the end of the injection, using the at least one neural network.
Vorteilhafte Weiterbildungen und Ausgestaltungen des Verfahrens sind Gegenstand der auf Anspruch 1 rückbezogenen Unteransprüche. So ist beispielsweise gemäß einer vorteilhaften Ausgestaltung des Verfahrens vorgesehen, als die den Betriebszustand charakterisierenden Größen wenigstens den Raildruck, den Ansteuerzeitpunkt und/oder die Ansteuerdauer der Injektoren charakterisierende Größen, die Temperatur oder die Drehzahl oder die Zylindernummer der Brennkraftmaschine heranzuziehen.advantageous Further developments and embodiments of the method are the subject the dependent claims on claim 1. For example, according to an advantageous Design of the method provided as the operating condition characterizing quantities at least the rail pressure, the activation time and / or the activation duration of the injectors characterizing quantities, the temperature or use the speed or the cylinder number of the internal combustion engine.
Gemäß einer vorteilhaften Ausgestaltung des Verfahrens kann darüber hinaus vorgesehen sein, alternativ oder zusätzlich zu den vorgenannten Eingangsgrößen als Eingangsgrößen zeitliche Ableitungen und/oder Integrale und/oder Frequenzspektren der gemessenen Signale, die mithilfe einer Transformation, insbesondere einer Fouriertransformation erzeugt werden, dieser wenigstens den Raildruck, die Temperatur der Brennkraftmaschine, den Ansteuerzeitpunkt und/oder die Ansteuerdauer der Injektoren sowie die Drehzahl der Brennkraftmaschine charakterisierenden Sensorsignale bzw. anderweitig bekannte Größen heranzuziehen. Auf diese Weise können auch Zeitverläufe der entsprechenden Signale berücksichtigt werden.According to one advantageous embodiment of the method can about Be provided, alternatively or in addition to the aforementioned input variables as input variables time derivatives and / or integrals and / or frequency spectra the measured signals, using a transformation, in particular a Fourier transform are generated, this at least the Rail pressure, the temperature of the internal combustion engine, the activation time and / or the control duration of the injectors and the speed of the Internal combustion engine characterizing sensor signals or otherwise to use known sizes. In this way can also time courses of the corresponding signals be taken into account.
Alternativ oder auch zusätzlich zu diesen Eingangsgrößen des neuronalen Netzes kann ferner vorgesehen sein, als Eingangsgrößen des neuronalen Netzes mithilfe wenigstens eines Filtermittels bearbeitete Sensorsignale oder rechnerisch ermittelte Größen wenigstens und insbesondere des Raildrucks, der Temperatur der Brennkraftmaschine, des Ansteuerzeitpunkts und/oder der Ansteuerdauer der Injektoren sowie der Drehzahl der Brennkraftmaschine heranzuziehen.alternative or in addition to these input variables The neural network can also be provided as input variables of the neural network using at least one filter medium Sensor signals or calculated quantities at least and in particular the rail pressure, the temperature of the internal combustion engine, the actuation time and / or the actuation duration of the injectors and to use the speed of the internal combustion engine.
Kurze Beschreibung der ZeichnungenBrief description of the drawings
Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigen:embodiments The invention is illustrated in the drawings and in the following Description explained in more detail. Show it:
Ausführungsformen der Erfindungembodiments the invention
Ein
in
Mit
dem Rail sind über Leitungen
Das
Rail ist über ein Druckbegrenzungsventil
In
gleicher Weise weisen die Einspritzventile
Ein
Sensor, beispielsweise ein Raildrucksensor
Neben
dem Raildrucksensor können auch weitere Sensoren, beispielsweise
ein Temperatursensor, ein Drehzahlsensor oder andere Sensoren, welche
die Erfassung des Betriebszustands der Brennkraftmaschine ermöglichen,
vorgesehen sein. Diese Sensoren sind schematisch in
Der
Einspritzverlauf eines derartigen Einspritzventils
Die
elektrische/mechanische Ansteuerung des Einspritzventils, dargestellt
durch Kurve
Die Bestimmung des Einspritzverlaufs und insbesondere die Bestimmung des Einspritzendes EIP (End of Injektion Period) ist deshalb von besonderer Bedeutung. Die vorliegende Erfindung ermöglicht die Bestimmung des Einspritzendes EIP mithilfe eines Verfahrens, welches insbesondere unempfindlich gegenüber schlechter Signalqualität und unempfindlich gegenüber Signalstörungen der ausgewerteten Sensorsignale, beispielsweise des Drucksignals, des Temperatursignals oder des Drehzahlsignals der Brennkraftmaschine ist.The Determination of the course of injection and in particular the determination of the EIP (End of Injection Period) is therefore of special meaning. The present invention allows the determination of the injection of the EIP by a method which in particular insensitive to worse Signal quality and insensitive to signal interference the evaluated sensor signals, such as the pressure signal, the Temperature signal or the speed signal of the internal combustion engine is.
Die
Bestimmung erfolgt auf sehr vorteilhafte Weise mittels eines künstlichen
neuronalen Netzes NN, wie es in
Die
Bestimmung des Einspritzendes EIP kann beispielsweise so erfolgen,
dass wie in
Bei
einer wiederum anderen Ausgestaltung des Verfahrens, dargestellt
in
Bei
einer weiteren Ausgestaltung des Verfahrens, dargestellt in
In jedem Falle bilden die Ausgänge y des neuronalen Netzes NN oder der neuronalen Netze Gewichtungsfaktoren zur Bestimmung der Einspritzenden EIP1 (100 μs) bis EIP9 (400 μs).In In each case, the outputs form y of the neural network NN or neural networks weighting factors for determination Injecting EIP1 (100 μs) to EIP9 (400 μs).
Die Ausgänge sind in den Figuren Beispielwerten von Gewichtungsfaktoren BW zugeordnet, die unterschiedlichen Werten entsprechen, beispielsweise im Falle des Wertes EIP1 0,03 und im Falle des Wertes EIP4 0,8 usw. Um die Netzgröße in einem geeigneten Rahmen zu halten, muss hinsichtlich der Ausgangswerte eine Quantisierung erfolgen, um den erwarteten Wertebereich abzudecken. Um diesen Quantisierungseffekt zu verkleinern, können Zwischenwerte beispielsweise durch Interpolation der „stärksten" Ausgangsknoten ermittelt werden. So würde beispielsweise eine Interpolation der Werte EIP3 (200 μs) = 0,2 und EIP4 (230 μs) = 0,8 einem Wert von 224 μs entsprechen (224 μs = 200 μs·0,2 + 230 μs·0,8). Dies muss in der Lernphase des neuronalen Netzes entsprechend berücksichtigt werden.The outputs are assigned in the figures example values of weighting factors BW, which correspond to different values, for example in the case of the value EIP1 0.03 and in the case of the value EIP4 0.8, etc. To the network size in a ge In order to maintain the appropriate framework, quantization must be made with regard to the initial values in order to cover the expected value range. In order to reduce this quantization effect, intermediate values can be determined, for example, by interpolation of the "strongest" output nodes, for example an interpolation of the values EIP3 (200 μs) = 0.2 and EIP4 (230 μs) = 0.8 to a value of 224 μs (224 μs = 200 μs x 0.2 + 230 μs x 0.8) This must be taken into account in the learning phase of the neural network.
Alternativ kann der Ausgang des NN auch aus einem einzigen Neuron bestehen, das durch den Wert seines Gewichtes einen direkten Zusammenhang zu EIP darstellt.alternative the output of the NN can also consist of a single neuron, this is directly related to the value of its weight to EIP represents.
Es ist darauf hinzuweisen, dass außer den erwähnten Tiefpass- und Bandpassfiltern auch Hochpassfilter oder andere Filter in Frage kommen können. Darüber hinaus sind die Eingangswerte nicht auf die erste Ableitung beschränkt, sondern rein prinzipiell können auch höhere Ableitungen und Integrale über entsprechende Ableitungen berücksichtigt werden.It It should be noted that except those mentioned Low-pass and bandpass filters also include high-pass filters or other filters can be considered. In addition, the Input values are not limited to the first derivative, but purely in principle can also higher derivatives and integral over appropriate derivatives become.
Das
neuronale Netz wird anhand von Prüfstandsmessungen, bei
denen die tatsächlichen Einspritzenden EIP bekannt sind,
weil sie beispielsweise messtechnisch erfasst werden können, „eingelernt". Die
gelernten Gewichtungsfaktoren des neuronalen Netzes (BW- Werte) werden
beispielsweise in einem Kennfeld im Steuergerät
Das vorstehend beschriebene Verfahren kann beispielsweise als Computerprogramm auf einem Rechengerät, insbesondere einem Steuergerät einer Brennkraftmaschine ablaufen. Der Programmcode kann auf einem maschinenlesbaren Träger gespeichert sein, den das Steuergerät einlesen kann. Insoweit ist auch eine entsprechende Nachrüstung bei an sich bestehenden Motorsteuerungen denkbar.The The method described above can be used, for example, as a computer program on a computing device, in particular a control device of a Run off internal combustion engine. The program code may be on a machine-readable Carrier be stored, read in the controller can. In that regard, an appropriate retrofit is included in itself existing engine controls conceivable.
ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list The documents listed by the applicant have been automated generated and is solely for better information recorded by the reader. The list is not part of the German Patent or utility model application. The DPMA takes over no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- - DE 102004023545 A1 [0006] - DE 102004023545 A1 [0006]
Claims (11)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200710060049 DE102007060049A1 (en) | 2007-12-13 | 2007-12-13 | Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE200710060049 DE102007060049A1 (en) | 2007-12-13 | 2007-12-13 | Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102007060049A1 true DE102007060049A1 (en) | 2009-06-18 |
Family
ID=40679898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE200710060049 Withdrawn DE102007060049A1 (en) | 2007-12-13 | 2007-12-13 | Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102007060049A1 (en) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052891A1 (en) * | 2018-09-10 | 2020-03-19 | Robert Bosch Gmbh | Method for controlling fuel metering into an internal combustion machine |
WO2021122718A1 (en) * | 2019-12-21 | 2021-06-24 | Robert Bosch Gmbh | Method for controlling a hydraulic cylinder of a working machine |
DE102020211418A1 (en) | 2020-09-11 | 2022-03-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102020211416A1 (en) | 2020-09-11 | 2022-03-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102020214953A1 (en) | 2020-11-27 | 2022-06-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for training a classifier for controlling an injector of an internal combustion engine |
DE102021205589A1 (en) | 2021-06-01 | 2022-12-01 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021205590A1 (en) | 2021-06-01 | 2022-12-01 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021206876A1 (en) | 2021-06-30 | 2023-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021208280A1 (en) | 2021-07-30 | 2023-02-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for providing a data-based time determination model for determining an opening or closing time of an injection valve using machine learning methods |
DE102022200286A1 (en) | 2022-01-13 | 2023-07-13 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for training a sensor model for change-point detection |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004023545A1 (en) | 2004-05-13 | 2005-12-08 | Daimlerchrysler Ag | Method for determining the position of a movable closure element of an injection valve |
-
2007
- 2007-12-13 DE DE200710060049 patent/DE102007060049A1/en not_active Withdrawn
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004023545A1 (en) | 2004-05-13 | 2005-12-08 | Daimlerchrysler Ag | Method for determining the position of a movable closure element of an injection valve |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052891A1 (en) * | 2018-09-10 | 2020-03-19 | Robert Bosch Gmbh | Method for controlling fuel metering into an internal combustion machine |
WO2021122718A1 (en) * | 2019-12-21 | 2021-06-24 | Robert Bosch Gmbh | Method for controlling a hydraulic cylinder of a working machine |
US11846244B2 (en) | 2020-09-11 | 2023-12-19 | Robert Bosch Gmbh | Method and apparatus for operating a fuel injection valve with the aid of machine learning methods |
DE102020211418A1 (en) | 2020-09-11 | 2022-03-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102020211416A1 (en) | 2020-09-11 | 2022-03-17 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
US12098688B2 (en) | 2020-09-11 | 2024-09-24 | Robert Bosch Gmbh | Method and device for operating a fuel injection valve with the aid of machine learning methods |
DE102020214953A1 (en) | 2020-11-27 | 2022-06-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for training a classifier for controlling an injector of an internal combustion engine |
DE102021205590A1 (en) | 2021-06-01 | 2022-12-01 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021205589B4 (en) | 2021-06-01 | 2023-02-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021205589A1 (en) | 2021-06-01 | 2022-12-01 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021206876A1 (en) | 2021-06-30 | 2023-01-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for operating a fuel injector using machine learning methods |
DE102021208280A1 (en) | 2021-07-30 | 2023-02-02 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for providing a data-based time determination model for determining an opening or closing time of an injection valve using machine learning methods |
DE102022200286A1 (en) | 2022-01-13 | 2023-07-13 | Robert Bosch Gesellschaft mit beschränkter Haftung | Method and device for training a sensor model for change-point detection |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102007060049A1 (en) | Method for determining injection discharge rate of injector for injecting fuel into combustion chamber, involves determining injection discharge rate, particularly end of injection of injector by multilayered artificial neuronal network | |
DE102019209690A1 (en) | Method for controlling the fuel metering in an internal combustion engine | |
EP1716331B1 (en) | Method for synchronizing cylinders in terms of quantities of fuel injection in a heat engine | |
DE102018212669A1 (en) | Method and device for operating an internal combustion engine with a common rail injection system | |
DE102018213114A1 (en) | Method and device for operating an internal combustion engine with a common rail injection system | |
WO2014167134A1 (en) | Method and device for injecting fuel into an internal combustion engine | |
DE102013105951A1 (en) | Detector of the waveform of the fuel pressure | |
DE102011078161A1 (en) | Method for detecting needle movement of metering valve for controlling e.g. usage amount of reducing agent in exhaust after-treatment system, involves adding the differences of comparison results, to obtain quality number for valve | |
DE102013102071B4 (en) | Method for checking a function of an exhaust valve | |
DE102007045574A1 (en) | Fuel characteristic e.g. diesel temperature, determining method for vehicle, involves detecting temporal characteristics of parameter characterizing pressure in rail, and locking characteristics characterizing fuel | |
DE102015201512A1 (en) | A method for determining a characteristic time of an injection process of a fuel injector | |
DE102018214411A1 (en) | Method for determining a characteristic point in time of an injection process of a fuel injector | |
DE102011075733A1 (en) | Method for operating injection valve of internal combustion engine, involves comparing a reference signal with one of the derived electrical signals, such that the difference signal has smaller alternating current (AC) component | |
DE10343069B4 (en) | Method for quantifying a pilot injection in a fuel injection system of an internal combustion engine | |
DE102007060768A1 (en) | Method for drift detection and drift compensation of injectors for injecting fuel into combustion chambers of internal combustion engine, involves carrying out characteristic extraction from frequency spectrum | |
WO2011092042A1 (en) | Process and device for testing a fuel injector | |
DE102010040622A1 (en) | Direct-injecting combustion engine operating method, involves determining injection period of injection process, where injection process occurs at specific time interval than incineration process in combustion chamber of combustion engine | |
EP3234328B1 (en) | Method and apparatus for diagnosing a fuel supply system | |
WO2022089866A1 (en) | Method for the robust identification of knocking in an internal combustion engine, control device, and motor vehicle | |
DE102019215384A1 (en) | Method for reconstructing a signal | |
WO2022053623A1 (en) | Method and device for operating a fuel injection valve | |
DE102013101226A1 (en) | A fuel pressure curve detection device for use in a fuel injection system | |
DE102019210751A1 (en) | Method for determining interference coupling when activating a fuel injector | |
DE102013205504B4 (en) | Determining the opening energy of a fuel injector | |
WO2014183963A1 (en) | Method for obtaining information regarding operating variables of injection systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20130702 |