DE102013201293A1

DE102013201293A1 - Verfahren zum Abschliessen eines Lernzyklus einer rekursiven Approximation mit kleinsten Quadraten

Info

Publication number: DE102013201293A1
Application number: DE201310201293
Authority: DE
Inventors: Kwang-Keun Shin; Jun-Mo Kang; Hanho Yun
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2012-01-31
Filing date: 2013-01-28
Publication date: 2013-08-01
Anticipated expiration: 2033-01-29
Also published as: US20130197781A1; CN103225563B; CN103225563A; US9031765B2; DE102013201293B4

Abstract

Ein Verfahren zum Steuern eines nichtlinearen Systems umfasst, dass ein Lernzyklus betrieben wird, um Eigenschaften des Systems zu approximieren, und dass das System basierend auf den Eigenschaften betrieben wird, sobald der Lernzyklus abgeschlossen ist. Der Lernzyklus umfasst, dass der Betrieb des Systems überwacht wird, dass die Eigenschaften des Systems mit einer rekursiven Approximation mit kleinsten Quadraten basierend auf dem überwachten Betrieb approximiert werden, dass die Varianz des Betriebs mit einer Schwellenwertvarianz verglichen wird und dass der Lernzyklus basierend darauf abgeschlossen wird, dass die Varianz die Schwellenwertvarianz überschreitet.

Description

TECHNISCHES GEBIET
Diese Offenbarung betrifft das Approximieren von Eigenschaften eines Systems, das ein nichtlineares Verhalten zeigt.
HINTERGRUND
Die Angaben in diesem Abschnitt stellen nur Hintergrundinformationen bezogen auf die vorliegende Offenbarung dar. Dementsprechend sollen solche Angaben keine Berechtigung als Stand der Technik darstellen.
Das Modellieren oder Approximieren von Eigenschaften eines Systems kann bei einem Verfahren zum Steuern des Systems verwendbar sein. Ein System, das in unterschiedlichen Betriebsbereichen nicht vorhersagbar arbeitet, wird als nichtlinear angesehen, was bedeutet, dass Beobachtungen, die bezüglich des Betriebs des Systems in einem Betriebsbereich gemacht werden, nicht verwendbar sind, um den Betrieb des Systems in einem anderen Betriebsbereich vorauszusagen.
Kraftstoffeinspritzeinrichtungen werden verwendet, um Kraftstoff in eine Verbrennungskammer eines Motors einzuspritzen. Die Kraftstoffeinspritzeinrichtungen liefern unter Druck stehenden Kraftstoff aus einer Kraftstoffleiste an die Verbrennungskammer. Eine Kraftstoffeinspritzeinrichtung wird zu einem Zeitpunkt oder zu Zeitpunkten eines Verbrennungszyklus aktiviert und bleibt basierend auf einer gesteuerten Kraftstoffpulsweite (FPW) offen, um die beabsichtigten oder gewünschten Kraftstoffeinspritzungen an die Verbrennungsmotor zu liefern.
Verbrennungsmotoren verwenden Strategien zur zeitlichen Einstellung oder Phaseneinstellung von Ventilen, um Änderungen des Motorbetriebs und des Leistungsverhaltens des Motors zu bewirken. Öffnungs- und Schließzeitpunkte von Ventilen beeinflussen den thermodynamischen Zyklus und den Verbrennungsprozess, einschließlich der Kraftstoffeffizienz, der Emissionen und des Motordrehmomentniveaus.
Es ist eine Anzahl von fortgeschrittenen Verbrennungsstrategien bekannt. Eine homogene Kompressionszündung (HCCI) arbeitet bei niedrigeren Motorlasten und Motordrehzahlen. HCCI-Strategien sind ausgestaltet, um die Effizienz und die Emissionen des Verbrennungsmotors durch eine Kombination einer verringerten Pumparbeit, eines verbesserten Verbrennungsprozesses und einer verbesserten Thermodynamik zu verbessern. Es sind Verfahren bekannt, um die Bereiche auszudehnen, in denen die HCCI betrieben werden kann, und sie umfassen die Verwendung einer negativen Ventilüberlappung, die Reformierung des Kraftstoffs während der negativen Ventilüberlappung und den funkenunterstützten HCCI-Betrieb.
ZUSAMMENFASSUNG
Ein Verfahren zum Steuern eines nichtlinearen Systems umfasst, dass ein Lernzyklus betrieben wird, um Eigenschaften des Systems zu approximieren, und dass das System basierend auf den Eigenschaften betrieben wird, sobald der Lernzyklus abgeschlossen ist. Der Lernzyklus umfasst, dass der Betrieb des Systems überwacht wird, dass die Eigenschaften des Systems mit einer rekursiven Approximation mit kleinsten Quadraten basierend auf dem überwachten Betrieb approximiert werden, dass die Varianz des Betriebs mit einer Schwellenwertvarianz verglichen wird und dass der Lernzyklus basierend darauf abgeschlossen wird, dass die Varianz die Schwellenwertvarianz überschreitet.
KURZBESCHREIBUNG DER ZEICHNUNGEN
Eine oder mehrere Ausführungsformen werden nun beispielhaft unter Bezugnahme auf die begleitenden Zeichnungen beschrieben, von denen:
1 einen Verbrennungsmotor und ein begleitendes Steuermodul gemäß der vorliegenden Offenbarung schematisch zeigt;
2 einen beispielhaften Informationsfluss zum Implementieren einer rekursiven Ermittlung mit kleinsten Quadraten und zum Überprüfen einer dauerhaften Anregung zum Ermitteln eines Endes für einen Lernzyklus gemäß der vorliegenden Offenbarung darstellt;
3 den Betrieb eines Zylinders und einer Reihe von Lernzyklen, welche die Kraftstoffeinspritzeinrichtung für den Zylinder analysieren, gemäß der vorliegenden Offenbarung graphisch darstellt; und
4 einen Prozess zum Betreiben eines Lernzyklus und zum Ermitteln, dass ein Lernzyklus abgeschlossen ist, gemäß der vorliegenden Offenbarung darstellt.
AUSFÜHRLICHE BESCHREIBUNG
Nun auf die Zeichnungen Bezug nehmend, in denen das Gezeigte nur zu dem Zweck dient, bestimmte beispielhafte Ausführungsformen darzustellen, und nicht zu dem Zweck, selbige einzuschränken, ist eine Anzahl von analytischen oder statistischen Verfahren bekannt, um das Verhalten eines Systems, das ein nichtlineares Verhalten zeigt, basierend auf einer Sammlung von Datenpunkten mit einer Kurve anzupassen oder zu approximieren. Ein Verfahren zum Lernen von Eigenschaften eines Systems, das ein nichtlineares Verhalten zeigt, umfasst, dass eine rekursive Approximation oder Ermittlung mit kleinsten Quadraten (RLS-Approximation oder RLS-Ermittlung) verwendet wird. Die Iterationen der Datensammlung und -analyse können über einen Lernzyklus fortgesetzt werden, bis die Eigenschaften des Systems, die approximiert werden sollen, ausreichend abgebildet sind, so dass die lineare Approximationskurve verwendet werden kann, um das System mit hoher Zuverlässigkeit zu steuern.
Ein Motor, der eine direkte Kraftstoffeinspritzung verwendet, verwendet eine Kraftstoffeinspritzeinrichtung, um präzise Zeitpunkte und Mengen für die Kraftstoffeinspritzung zu steuern. Die Kraftstoffeinspritzeinrichtungen zeigen ein nichtlineares Verhalten mit unterschiedlichen Eigenschaften der Kraftstoffeinspritzung bei unterschiedlichen Kraftstoffströmungsraten. Eine RLS-Approximation kann verwendet werden, um die Eigenschaften des Verhaltens einer Kraftstoffeinspritzeinrichtung zu approximieren. Eine RLS-Approximation liefert die Parameter einer linearen Approximationskurve, die an die Eigenschaften der Einspritzeinrichtung angepasst ist, basierend auf einer Kraftstoffpulsweite und einer geschätzten resultierenden Masse des Kraftstoffs, der in den Zylinder eingespritzt wird. Gemäß einem Verfahren können die Daten für die RLS-Approximation während des Motorbetriebs in Echtzeit über mehrere Motorbetriebspunkte erfasst werden. Es kann eine iterative Datensammlung und -analyse verwendet werden, um verwendbare Datenpunkte zu erheben, um die lineare Approximationskurve an die Eigenschaften der Kraftstoffeinspritzeinrichtung anzupassen.
Während des Lernzyklus wird die Kraftstoffeinspritzeinrichtung durch ein standardmäßiges oder obsoletes Steuerverfahren gesteuert. Es kann kritisch sein zu ermitteln, wann das Lernen abgeschlossen ist, so dass die neuen Steuerparameter, die in dem Lernzyklus ermittelt werden, so schnell wie möglich an den Kraftstoffcontroller geliefert werden, um mögliche Fehlzündungen/Teilverbrennungen aufgrund einer ungenauen Kraftstoffeinspritzungsmasse zu vermeiden. Wenn das System das Lernen zu spät beendet, wird die Zeitdauer des ineffizienten Betriebs mit dem standardmäßigen oder obsoleten Steuerverfahren verlängert. Wenn das System das Lernen zu früh beendet, kann eine ungenaue Approximationskurve zum Steuern der Kraftstoffeinspritzungen verwendet werden, was dazu führt, dass zu viel oder zu wenig Kraftstoff eingespritzt wird, bis ein neuer Lernzyklus erfolgt.
Eine genaue Approximation von Eigenschaften eines Systems durch eine RLS-Approximation erfordert, dass das System über einen ausreichend weiten Betriebsbereich betrieben wird, um die Approximation auszuführen. Ein Verfahren zum Ermitteln, wann ein Lernzyklus einer RLS-Approximation abgeschlossen ist, umfasst, dass bewertet wird, ob sich der Betrieb des Systems, das approximiert werden soll, für eine genaue RLS-Approximation ausreichend geändert hat. Da das System, das approximiert werden soll, in unterschiedlichen Betriebsbereichen unterschiedlich arbeitet, muss das Verhalten in den verschiedenen Betriebsbereichen geeignet beobachtet werden, um die Approximation abzuschließen. Bei einer beliebigen Anwendung der LS-Approximation kann das offenbarte Verfahren zum Ermitteln, wann der Lernzyklus abgeschlossen ist, das Leistungsverhalten der Schätzung verbessern, indem die Lernzeit minimiert wird.
Die hierin offenbarten Verfahren können eine RLS-Approximation verwenden, die einen Lernzykus aufweist, um eine schnelle und genaue Steuerung einer Kraftstoffeinspritzeinrichtung zu schaffen. Es ist einzusehen, dass die offenbarten Verfahren zum Schaffen einer adaptiven Steuerung einer Kraftstoffeinspritzeinrichtung mit anderen Systemen verwendet werden können, die eine adaptive Steuerung erfordern. Eine RLS-Approximation, die einen Lernzyklus umfasst, kann bei einer Anzahl von Ausführungsformen verwendet werden, die beispielsweise ein System zum Approximieren der volumetrischen Effizienz eines Motors, der mit einer variablen zeitlichen Steuerung von Nocken ausgestattet ist, ein System zum Steuern einer Schiffslenkung, bei der ein Autopilotalgorithmus das Lernen des dynamischen Verhaltens eines Schiffs erfordert, das mit der Geschwindigkeit, der Trimmung, der Beladung usw. variiert, und ein Steuersystem für einen industriellen Roboterarm umfassen, bei dem die RLS verwendet werden kann, um die Trägheit des Arms zu schätzen, die für eine präzise Bewegungssteuerung kritisch ist.
1 zeigt schematisch einen beispielhaften Verbrennungsmotor 10 und ein begleitendes Steuermodul 5. Der Motor 10 ist selektiv in einem Verbrennungsmodus mit gesteuerter Selbstzündung, einem homogenen Verbrennungsmodus mit Funkenzündung und einem Verbrennungsmodus mit geschichteter Ladung und Funkenzündung betriebsfähig. Der beispielhafte Motor 10 umfasst einen Mehrzylinder-Viertaktverbrennungsmotor mit Direkteinspritzung, der Hubkolben 14 aufweist, die in Zylindern 15 verschiebbar sind, die Verbrennungskammern 16 mit variablem Volumen definieren. Jeder Kolben 14 ist mit einer rotierenden Kurbelwelle 12 verbunden, durch welche dessen lineare Hubbewegung in eine Drehbewegung übersetzt wird. Ein Lufteinlasssystem liefert Einlassluft an einen Einlasskrümmer 29, der die Luft in einen Einlasskanal jeder Verbrennungskammer 16 leitet und verteilt. Das Lufteinlasssystem umfasst ein Luftströmungs-Kanalsystem und Einrichtungen, um die Luftströmung zu überwachen und zu steuern. Die Lufteinlasseinrichtungen umfassen vorzugsweise einen Luftmassenströmungssensor 32, um den Luftmassenströmung und die Einlasslufttemperatur zu überwachen. Ein Drosselventil 34 umfasst vorzugsweise eine elektronisch gesteuerte Einrichtung, welche die Luftströmung zu dem Motor 10 in Ansprechen auf ein Steuersignal (ETC) von dem Steuermodul 5 steuert. Ein Drucksensor 36 in dem Einlasskrümmer ist ausgebildet, um den Krümmerabsolutdruck und den barometrischen Druck zu überwachen. Ein äußerer Strömungsdurchgang führt Abgase von einem Motorauslass zu dem Einlasskrümmer zurück und weist ein Strömungssteuerventil auf, das als ein Abgasrückführungsventil (AGR-Ventil) 38 bezeichnet wird. Das Steuermodul 5 ist betreibbar, um die Massenströmung des Abgases zu dem Einlasskrümmer 29 zu steuern, indem das Öffnen des AGR-Ventils 38 gesteuert wird.
Die Luftströmung aus dem Einlasskrümmer 29 in jede der Verbrennungskammern 16 wird durch ein oder mehrere Einlassventile 20 gesteuert. Die Strömung verbrannter Abgase aus jeder der Verbrennungskammern 16 in einen Auslasskrümmer 39 wird durch ein oder mehrere Auslassventile 18 gesteuert. Das Öffnen und Schließen der Einlass- und der Auslassventile 20 und 18 wird vorzugsweise mit einer doppelten Nockenwelle gesteuert, deren Drehungen mit der Drehung der Kurbelwelle 12 verknüpft und indiziert sind. Der Motor 10 ist mit Einrichtungen zum Steuern des Ventilhubs der Einlassventile und der Auslassventile ausgestattet, die als Einrichtungen zur variablen Hubsteuerung (VLC-Einrichtungen) bezeichnet werden. Die Einrichtungen zur variablen Hubsteuerung dienen bei dieser Ausführungsform dazu, den Ventilhub oder die Ventilöffnung auf eine von zwei diskreten Stufen zu steuern, beispielsweise eine Ventilöffnung mit niedrigem Hub (ungefähr 4–6 mm) für einen Betrieb bei niedriger Drehzahl und niedriger Last sowie eine Ventilöffnung mit hohem Hub (ungefähr 8–10 mm) für einen Betrieb bei hoher Drehzahl und hoher Last. Der Motor ist ferner mit Einrichtungen zum Steuern der Phaseneinstellung (d. h. der relativen zeitlichen Einstellung) des Öffnens und Schließens der Einlass- und der Auslassventile 20 und 18 ausgestattet, was als eine variable Nockenphaseneinstellung (VCP) bezeichnet wird, um die Phaseneinstellung über diejenige hinaus zu steuern, die durch den zweistufigen VLC-Hub bewirkt wird. Es gibt ein VCP/VLC-System 22 für die Einlassventile 20 und ein VCP/VLC-System 24 für die Motorauslassventile 18. Die VCP/VLC-Systeme 22 und 24 werden durch das Steuermodul 5 gesteuert und liefern eine Signalrückkopplung an das Steuermodul 5, beispielsweise durch Nockenwellendrehungs-Positionssensoren für die Einlassnockenwelle und die Auslassnockenwelle. Wenn der Motor 10 in dem HCCI-Verbrennungsmodus mit einer Ventilstrategie mit Abgasrekompression arbeitet, werden die VCP/VLC-Systeme 22 und 24 vorzugsweise zu den Ventilöffnungen mit niedrigem Hub gesteuert. Wenn der Motor in dem homogenen Verbrennungsmodus mit Funkenzündung arbeitet, werden die VCP/VLC-Systeme 22 und 24 vorzugsweise zu den Ventilöffnungen mit hohem Hub gesteuert. Wenn in dem HCCI-Verbrennungsmodus gearbeitet wird, können Ventilöffnungen mit niedrigem Hub und eine negative Ventilüberlappung angewiesen werden, um Reformate in der Verbrennungskammer 16 zu erzeugen. Es kann eine Zeitverzögerung zwischen einem Befehl zum Ändern der Nockenphaseneinstellung und/oder des Ventilhubs eines der VCP/VLC-Systeme 22 oder 24 und der Ausführung des Übergangs aufgrund der physikalischen und mechanischen Eigenschaften des Systems geben.
Das Einlass- und das Auslass-VCP/VLC-System 22 und 24 weisen begrenzte Autoritätsbereiche darüber auf, welches Öffnen und Schließen der Einlass- und der Auslassventile 18 und 20 gesteuert werden kann. VCP-Systeme können einen Autoritätsbereich für die Phaseneinstellung von ungefähr 60°–90° der Nockenwellendrehung aufweisen, wodurch ermöglicht wird, dass das Steuermodul 5 das Öffnen und Schließen der Ventile nach früh oder nach spät verstellt. Der Autoritätsbereich für die Phaseneinstellung ist durch die Hardware der VCP und durch das Steuersystem, welches die VCP betätigt, definiert und begrenzt. Das Einlass- und das Auslass-VCP/VLC-System 22 und 24 können unter Verwendung einer elektrohydraulischen, hydraulischen oder elektrischen Steuerkraft betätigt werden, die durch das Steuermodul 5 gesteuert wird. Die Ventilüberlappung der Einlass- und der Auslassventile 20 und 18 bezieht sich auf eine Zeitdauer, die das Schließen des Auslassventils 18 relativ zu einem Öffnen des Einlassventils 20 für einen Zylinder definiert. Die Ventilüberlappung kann in Kurbelwinkelgraden gemessen werden, wobei sich eine positive Ventilüberlappung (PVO) auf eine Zeitdauer bezieht, in der sowohl das Auslassventil 18 als auch das Einlassventil 20 offen sind, und wobei sich eine negative Ventilüberlappung (NVO) auf eine Zeitdauer zwischen dem Schließen des Auslassventils 18 und dem anschließenden Öffnen des Einlassventils 20 bezieht, in der sowohl das Einlassventil 20 als auch das Auslassventil 18 geschlossen sind. Wenn in dem HCCI-Verbrennungsmodus gearbeitet wird, können die Einlass- und die Auslassventile eine NVO als Teil einer Abgas-Rekompressionsstrategie aufweisen. In einem homogenen SI-Verbrennungsmodus können die Einlass- und die Auslassventile eine NVO aufweisen, sie weisen aber typischer eine PVO auf.
Der Motor 10 weist ein Kraftstoffeinspritzungssystem auf, das mehrere Hochdruck-Kraftstoffeinspritzeinrichtungen 28 umfasst, die jeweils ausgebildet sind, um eine Kraftstoffmasse in Ansprechen auf ein Signal (INJ_PW) von dem Steuermodul 5 in eine der Verbrennungskammern 16 direkt einzuspritzen. Die Kraftstoffeinspritzeinrichtungen 28 werden von einem Kraftstoffverteilsystem mit unter Druck stehendem Kraftstoff versorgt.
Der Motor 10 weist ein Funkenzündungssystem auf, durch das Zündfunkenenergie an eine Zündkerze 26 geliefert werden kann, um Zylinderladungen in jeder der Verbrennungskammern 16 in Ansprechen auf ein Steuersignal (IGN) von dem Steuermodul 5 zu zünden oder bei dem Zünden zu unterstützen. Die Zündkerze 26 kann den Verbrennungsprozess des Motors unter bestimmten Bedingungen verbessern, wie beispielsweise für den HCCI-Verbrennungsmodus (z. B. während Zuständen mit kaltem Motor oder in der Nähe einer Betriebsgrenze bei niedriger Last).
Der Motor 10 ist mit verschiedenen Detektionseinrichtungen zum Überwachen des Motorbetriebs ausgestattet, was umfasst, dass eine Kurbelwellen-Drehposition überwacht wird, d. h. ein Kurbelwinkel und eine Kurbeldrehzahl. Die Detektionseinrichtungen umfassen einen Kurbelwellen-Drehzahlsensor (Kurbelsensor) 44, einen Verbrennungssensor 30, der ausgebildet ist, um die Verbrennung zu überwachen, und einen Abgassensor 80, der ausgebildet ist, um die Abgase zu überwachen, beispielsweise unter Verwendung eines Sensors für das Luft/Kraftstoff-Verhältnis. Der Verbrennungssensor 30 umfasst eine Sensoreinrichtung, die dazu dient, einen Zustand eines Verbrennungsparameters zu überwachen, und er ist als ein Zylinderdrucksensor dargestellt, der dazu dient, den Verbrennungsdruck in einem Zylinder zu überwachen. Die Ausgaben des Verbrennungssensors 30, des Abgassensors 80 und des Kurbelsensors 44 werden durch das Steuermodul 5 überwacht, das die Verbrennungsphaseneinstellung ermittelt, d. h. den zeitlichen Verlauf des Verbrennungsdrucks relativ zu dem Kurbelwinkel der Kurbelwelle 12 für jeden Zylinder 15 für jeden Verbrennungszyklus. Der Verbrennungssensor 30 kann auch durch das Steuermodul 5 überwacht werden, um einen mittleren effektiven Druck (IMEP) für jeden Zylinder 15 für jeden Verbrennungszyklus zu ermitteln. Der Motor 10 und das Steuermodul 5 sind vorzugsweise mechanisiert, um Zustände des IMEP für jeden der Zylinder 15 des Motors während jedes Zylinder-Zündungsereignisses zu überwachen und zu ermitteln. Alternativ können andere Detektionssysteme verwendet werden, um innerhalb des Umfangs der Offenbarung Zustände anderer Verbrennungsparameter zu überwachen, z. B. Zündungssysteme mit Ionendetektion und nicht eingreifende Zylinderdrucksensoren.
Der Motor 10 ist ausgestaltet, um ungedrosselt mit Benzin oder ähnlichen Kraftstoffmischungen über einen erweiterten Bereich von Motordrehzahlen und -lasten in dem Verbrennungsmodus mit gesteuerter Selbstzündung zu arbeiten. Der Betrieb mit Funkenzündung und Drosselsteuerung kann jedoch unter Bedingungen verwendet werden, die für den Verbrennungsmodus mit gesteuerter Selbstzündung und für das Erreichen der maximalen Motorleistung, um eine Drehmomentanforderung eines Bedieners zu erfüllen, nicht förderlich sind, wobei die Motorleistung durch die Motordrehzahl und die Motorlast definiert ist. Weithin verfügbare Sorten von Benzin und leichten Ethanolmischungen mit diesem sind bevorzugte Kraftstoffe; es können jedoch auch alternative flüssige und gasförmige Kraftstoffe verwendet werden, wie beispielsweise höhere Ethanolmischungen (z. B. E80, E85), reines Ethanol (E99), reines Methanol (M100), Erdgas, Wasserstoff, Biogas, verschiedene Reformate, Synthesegase und andere.
Das Steuermodul 5 ist ein Element eines gesamten Kraftstoffsteuersystems, das vorzugsweise eine verteilte Steuermodularchitektur aufweist, die betreibbar ist, um eine abgestimmte Systemsteuerung zu liefern. Das Steuermodul 5 ist betreibbar, um relevante Informationen und Eingaben von den zuvor erwähnten Detektionseinrichtungen zusammenzusetzen und um Algorithmen zum Steuern verschiedener Aktuatoren auszuführen, um eine Steuerung der Kraftstoffwirtschaftlichkeit, der Emissionen, des Leistungsverhaltens, der Fahrbarkeit und einen Schutz der Hardware zu erreichen, wie es hierin nachstehend beschrieben ist.
Steuermodul, Modul, Steuerung, Controller, Steuereinheit, Prozessor und ähnliche Ausdrücke bedeuten eine geeignete oder verschiedene Kombinationen eines anwendungsspezifischen integrierten Schaltkreises (ASIC) oder mehrerer anwendungsspezifischer integrierter Schaltkreise, eines elektronischen Schaltkreises oder mehrerer elektronischer Schaltkreise, einer zentrale Verarbeitungseinheit oder mehrerer zentraler Verarbeitungseinheiten (vorzugsweise ein Mikroprozessor bzw. Mikroprozessoren) und eines zugeordneten Speichers und einer zugeordneten Archivierung (Festwertspeicher, programmierbarer Festwertspeicher, Arbeitsspeicher, Festplatte usw.), die ein oder mehrere Software- oder Firmwareprogramme ausführen, eines Schaltkreises der Schaltungslogik oder mehrerer Schaltkreise der Schaltungslogik, einer oder mehrerer Eingabe/Ausgabe-Schaltung(en) und -Einrichtungen, geeigneter Signalkonditionierungs- und Pufferschaltungen sowie anderer geeigneter Komponenten, welche die beschriebene Funktionalität bereitstellen. Software, Firmware, Programme, Anweisungen, Routinen, Code, Algorithmen und ähnliche Ausdrücke bedeuten beliebige durch einen Controller ausführbare Anweisungssätze, die Kalibrierungen und Nachschlagetabellen umfassen. Das Steuermodul weist einen Satz von Steuerroutinen auf, die ausgeführt werden, um die gewünschten Funktionen zu schaffen. Die Routinen werden beispielsweise von der zentralen Verarbeitungseinheit ausgeführt und dienen dazu, Eingaben von den Detektionseinrichtungen und anderen Steuermodulen im Netzwerk zu überwachen sowie Steuer- und Diagnoseroutinen auszuführen, um den Betrieb von Aktuatoren zu steuern. Die Routinen können während des laufenden Motor- und Fahrzeugbetriebs in regelmäßigen Intervallen ausgeführt werden, beispielsweise jede 3,125, 6,25, 12,5, 25 und 100 Millisekunden.
Der Betrieb im HCCI-Modus kann auf einen Betriebsbereich beschränkt sein, der eine Selbstzündung zulässt. Der Betrieb mit niedriger Last des Motors, bei dem eine Selbstzündung aufrechterhalten werden kann, kann durch ein Verfahren erweitert oder ausgedehnt werden, das in der Technik bekannt ist. Bei einem Beispiel werden restliche Verbrennungsprodukte aus dem vorhergehenden Verbrennungszyklus unter Verwendung einer variablen Ventilbetätigung mit unkonventionellen Ventilmitteln bei einem hohen Anteil einer hohen Temperatur zurückgehalten, um die notwendige Bedingung für eine Selbstzündung in einem stark verdünnten Gemisch zu schaffen.
Bei einem anderen Beispiel kann der Betrieb der HCCI-Verbrennung bei niedriger Last durch die Verwendung mehrerer Kraftstoffeinspritzungen in dem Verbrennungszyklus ausgedehnt oder erweitert werden. Ein Verfahren zum Verwenden mehrerer Kraftstoffeinspritzungen mit HCCI-Verbrennung bei niedriger Last ist in der ebenfalls anhängigen US-Anmeldung mit der Nummer 12/369,086 offenbart, die demselben Rechtsinhaber gehört wie die vorliegende Anmeldung und die hierin durch Bezugnahme eingebunden ist.
Bei einem Kraftstoffreformierungsverfahren kann ein Teil des gesamten erforderlichen Kraftstoffs pro Zyklus unter Verwendung von geteilten Einspritzungen mit einer großen negativen Ventilüberlappung (NVO), bei der das Auslassventil schließt, bevor das Einlassventil öffnet, während einer Rekompressionsphase eingespritzt werden, nachdem das Auslassventil schließt und bevor das Einlassventil öffnet, wobei die Gastemperatur und der Druck hoch sind. Der eingespritzte Kraftstoff durchläuft eine teilweise Oxidation oder Reformierungsreaktion, um zusätzliche Wärme zu erzeugen, die für die Selbstzündung erforderlich ist. Die Reformierung eines Teils des Kraftstoffs während der Rekompression kann jedoch sogar bei niedrigerer Motorlast nicht ausreichen, um die Selbstzündung auszulösen. Bei einem funkenunterstützten HCCI-Verfahren oder Flammenausbreitungsverfahren kann ein Hauptteil der Kraftstoffmasse bei niedriger Last oder im Betrieb in der Nähe des Leerlaufs spät in der Hauptkompression anstatt während des Einlassens eingespritzt werden. Ein geschichteter Anteil des Kraftstoffs kann durch einen Zündfunken gezündet werden, und eine resultierende Druckwelle aufgrund der Zündung komprimiert den übrigen Anteil des Kraftstoff-Luft-Gemischs weiter, um die Selbstzündung zu erreichen.
Es kann eine starke Korrelation zwischen der reformierten Kraftstoffmasse und der Verbrennungsstabilität, die durch einen Variationskoeffizienten des integrierten mittleren effektiven Drucks (einen COV des IMEP) dargestellt wird, und den NOx-Emissionen gezeigt werden. Die Reformierung größerer Kraftstoffmengen während der Rekompression verringert die NOx-Emissionen und erhöht den COV des IMEP (was eine geringere Verbrennungsstabilität angibt). Umgekehrt erhöht das Verbrennen von mehr Kraftstoff bei dem Flammenausbreitungsverfahren die NOx-Emissionen, und es verringert den COV des IMEP. Es kann ein gemischter Modus betrieben werden, mit dem die Vorteile eines Reformierungsverfahrens und die Vorteile eines Flammenausbreitungsverfahrens erreicht werden können. Der Betrieb in dem gemischten Modus kann mehrere Einspritzungen umfassen, die eine Reformierung ermöglichen, und die Flammenausbreitung kann umfassen, dass Kraftstoffmengen während der Rekompression für die Reformierung und spät in dem Kompressionstakt für die Flammenausbreitung eingespritzt werden, wobei die Kraftstoffmengen auf einen minimal möglichen Betrag verringert sind, um die erforderliche Verbesserung des HCCI-Betriebs zu erfüllen. Bei einem beispielhaften Verfahren folgt jeder dieser zwei Einspritzungen eine Zündfunkenentladung. Zusätzlich zu den Kraftstoffmengen, die für die Reformierung und die Flammenausbreitung eingespritzt werden, wird ein Rest des Kraftstoffs, der zum Erreichen einer gewünschten Motorarbeitsausgabe erforderlich ist, in einem oder in mehreren Einspritzungspulsen während des Einlasstakts oder früh in dem Kompressionstakt eingeleitet.
Um eine robuste Verbrennung im gemischten Modus zu erreichen, ist eine präzise Dosierung des eingespritzten Kraftstoffs wichtig. Zu wenig Kraftstoff in einer Einspritzung liefert möglicherweise nicht die notwendigen Bedingungen für eine Selbstzündung; zu viel Kraftstoff in einer Einspritzung kann die NOx-Erzeugung erhöhen und zu einer instabilen Verbrennung führen. Ein Verfahren zum Ermitteln oder Lernen von nichtlinearen Eigenschaften einer Kraftstoffeinspritzeinrichtung ist in der ebenfalls anhängigen US-Anmeldung mit der Nr. 12/791,385 offenbart, die demselben Rechtsinhaber gehört wie die vorliegende Anmeldung und die hierin durch Bezugnahme eingebunden ist.
Ein Lernzyklus liefert die Eigenschaften der Kraftstoffeinspritzeinrichtung für gegenwärtige Betriebsbedingungen. Eine Änderung der Betriebsbedingungen, wie beispielsweise eine Änderung der Temperatur und/oder der Luftfeuchtigkeit, kann bewirken, dass sich das Verhalten der Kraftstoffeinspritzeinrichtung ändert, und dies kann die Eigenschaften ungültig machen, die in einem vorhergehenden Lernzyklus ermittelt wurden. Gemäß einer Ausführungsform kann ein Lernzyklus für eine detektierte Änderung in Betriebsbedingungen ausgelöst werden, indem beispielsweise der Lernzyklus basierend auf einer detektierten Änderung in der Temperatur oder in der Feuchtigkeit der Einlassluft ausgelöst wird. Die Temperatur oder die Feuchtigkeit können beispielsweise in dem Einlasskrümmer oder in der Luftleitung gemessen werden, die zum Einlasskrümmer führt. Bei einer anderen Ausführungsform kann ein Lernzyklus jedes Mal dann ausgelöst werden, wenn der Motor beginnt, in dem gemischten Modus zu arbeiten. Bei einer anderen Ausführungsform kann ein Lernzyklus ausgelöst werden, wenn das Fahrzeug für mehr als eine Schwellenwertzeit in dem gemischten Modus bleibt. Bei einer weiteren Ausführungsform können die Betriebseigenschaften für eine Anzahl von verschiedenen Betriebsbedingungen gespeichert und gemäß den Steuerungsvariablen, wie beispielsweise gemäß der Temperatur und der Feuchtigkeit, indiziert werden. Es wird eine Anzahl von verschiedenen Verfahren zum Auslösen von Lernzyklen und zum Verwenden der ermittelten Eigenschaften in Betracht gezogen, und die Offenbarung soll nicht auf die speziellen dargestellten Beispiele beschränkt sein.
Für einen gegebenen Kraftstoffleistendruck und gegebene andere Variablen, wie beispielsweise die Temperatur und die Feuchtigkeit, kann die Kraftstoffpulsweite (FPW) wie folgt als eine Funktion der Kraftstoffmasse (fm) ausgedrückt werden: FPW = a₀ + a₁ × fm + a₂ × fm²+ ... + a_m × fm^m [1] wobei m > 0 ist und a₀, a₁, ... a_m Konstanten sind.
Man sieht, dass die von der Einspritzeinrichtung eingespritzte Masse und die Kraftstoffpulsweite über den Kraftstoffbereich der Verbrennung im gemischten Modus mit einer Steigung. und einem Offset näherungsweise korreliert werden können, was den folgenden Ausdruck ergibt: FPW ≈ y_o = a₀ + a₁ × fm = φ^Tθ₀ [2] wobei y_o = FPW,

φ^T: = [1, fm], wobei φ einen Regressionsfaktor repräsentiert und bei einer Ausführungsform eine in den Zylinder eingespritzte Kraftstoffmasse repräsentieren kann,
θ₀: = [a₀, a₁]^T, wobei θ geschätzte Parameter der RLS-Approximation repräsentiert, die das Verhalten der Kraftstoffeinspritzeinrichtung beschrieben.

Infolgedessen müssen lediglich zwei Parameter in dem Beispiel geschätzt werden, die Anzahl der Parameter soll jedoch nicht eingeschränkt sein. Eine RLS-Näherung in Echtzeit wird verwendet, um diese Parameter wie folgt zu schätzen.
θ ^₀(k) = θ ^₀(k – 1) + P(k)φ(k){y₀(k) – φ^T(k)θ ^₀(k – 1)} [4] wobei

θ ^₀: das geschätzte θ₀ist,
λ: ein Gedächtnisfaktor ist und
P: die Kovarianzmatrix ist.

Die Konvergenz der Parameterschätzung hängt von einer Beständigkeit einer Anregung (PE) des Regressionsfaktors φ(k) ab. Die PE der Parameterschätzung ist schlecht, wenn der Motor in stationären Zuständen betrieben wird, da die Daten, die für das Lernen erfasst werden, den Betriebsbereich der Verbrennung im gemischten Modus nicht ausreichend abdecken. Für eine gute PE sollte der Motor daher mit verschiedenen Kraftstoffzufuhrraten betrieben werden. In einer realistischen Fahrsituation kann der normale Betrieb eines Fahrzeugs jedoch nicht garantieren, dass der Motor in einem weiten Bereich von Kraftstoffzufuhrraten betrieben wird, die für eine gute PE sorgen. Daher sollte die PE in Echtzeit überwacht werden, und die geschätzten Parameter aus dem Lernzyklus sollten geliefert werden, nachdem eine gute PE bestätigt wurde.
Die Überprüfung der PE ist ein Verfahren, um zu bestätigen, dass sich der Motorbetrieb ausreichend geändert hat, so dass der Lernalgorithmus genügend Daten aufweist, um den Lernzyklus abzuschließen. Es können jedoch eine Anzahl von statistischen Verfahren zum Überprüfen des Motorbetriebs verwendet werden, um den Lernzyklus auf eine ähnliche Weise abzuschließen. Bei einer Ausführungsform kann ein Verfahren eine Varianz oder einen minimalen sowie einen maximalen Wert der Motorlast oder der Motordrehzahl mit einer Schwellenwertvarianz vergleichen, und wenn die Varianz einen weiten Bereich des Motorbetriebs angibt, kann festgelegt werden, dass der Lernzyklus abgeschlossen ist.
Eine Möglichkeit zum Bestätigen der PE-Bedingung ist es, die Konditionszahl der Kovarianzmatrix P(k) zu überprüfen. Dieses Verfahren erfordert jedoch komplexe und intensive Berechnungen, und es ist möglicherweise für eine Implementierung in Echtzeit nicht geeignet. Stattdessen können die PE und die Konvergenz des Parameters indirekt überprüft werden.
Gemäß einer Ausführungsform zum indirekten Überprüfen der PE und der Konvergenz des geschätzten Parameters ist ein erster Schritt, einen Satz von n Regressionsmodellen mit n Parametervektoren bekannter Werte, wobei n die Anzahl der Parameter in einem Parametervektor ist, wie folgt einzuführen: y_i(k) = φ^T(k)θ_i, (i = 1, 2, ..., n) [5] wobei der Regressionsfaktor φ^T(k) derselbe wie derjenige der RLS-Approximation ist.
Dieselbe RLS-Approximation kann angewendet werden, um die Parameter θ_i mit anfänglichen Schätzwerten θ_i(0) zu schätzen. Da dasselbe φ(k) der ursprünglichen Schätzungsermittlung verwendet wird, wird P(k) durch die RLS-Approximation erhalten. Die diskrete Form der RLS-Näherung kann wie folgt ausgedrückt werden:
Ein Pseudomodell oder eine Modellparametermatrix Θ kann definiert werden, um das Verhalten der Einspritzeinrichtung basierend auf θ zu modellieren. Wenn Θ konvergiert, dann kann ermittelt werden, dass der Betrieb des Systems eine ausreichende Varianz oder ein gute, beständige Anregung aufweist, um den Lernzyklus abzuschließen. Es können die folgenden Matrizen definiert werden. θ = [θ₁ θ₂ ... θ_n] [7] θ ^(k) = [θ ^₁(k) θ ^₂(k) ... θ ^_n(k)] [8] θ ^(0) = [θ ^₁(0) θ ^₂(0) ... θ ^_n(0)] [9]
Die Modellparameter θ_i und deren anfängliche Schätzwerte θ ^_i(0) werden gemäß der folgenden Beziehung ausgewählt. Rang ([(Θ – Θ ^(0)]) = n [10]
Das Kombinieren der Gleichungen für alle n Modelle ergibt die folgende Beziehung.
Oder äquivalent die folgende Beziehung. Θ ^(k) = Θ ^(k – 1) + P(k)φ(k)φ^T(k)[Θ – Θ ^(k – 1)] [12]
Da [ Θ – Θ ^(0)] den vollen Rang aufweist, kann Gleichung 11 wie folgt umgeschrieben werden.
Indem y₀(k – 1) durch φ^T(k – 1)θ₀(k) ersetzt wird, kann die RLS-Approximation auf ähnliche Weise in Form der folgenden Beziehung geschrieben werden.
Oder äquivalent in Form der folgenden Beziehung.
Da die Auswahl von [Θ – Θ ^(0)] beliebig ist, solange die Matrix einen vollen Rang aufweist, kann man einfach Θ = 0 und Θ ^(0) = –I wählen. Dies vereinfacht die Ermittlung weiter zu der folgenden Beziehung. (k) = Θ ^(k – 1) – P(k)φ(k)φ^T(k)Θ ^(k – 1), Θ ^(0) = –I [16]
Wenn der folgende Ausdruck wahr ist, ||[Θ – Θ ^(k)]||_F≤ ε [17] wobei
eine Frobeniusnorm einer Matrix ist und
ε eine beliebige Konstante > 0 ist,
dann gilt die folgende Ungleichung ||θ₀ – θ ^₀(k)||₂ ≤ ||{Θ – Θ ^(k)}||_F||θ₀ – θ ^₀(0)||₂ ≤ ε||θ₀ – θ ^₀(0)||₂ [18] wobei ||·||₂ eine Zweiernorm eines Vektors ist. Oder in äquivalenter Form:
Wenn ||[Θ ^(k)]||_F ≤ ε, dann ||θ₀ – θ ^₀(k)||₂ ≤ ε||θ₀ – θ ^₀(0)||₂ [19]
Basierend auf dieser Beziehung kann ein Test für ein Flag einer fertigen Schätzung wie folgt verwendet werden. Wenn Σ_ijθ ^ 2 / ij(k) < ε², dann Flag = WAHR [20]
Auf diese Weise kann ein Flag verwendet werden, um zu ermitteln, wann der Lernzyklus für die RLS-Approximation der geschätzten Parameter abgeschlossen ist. Basierend darauf, dass das Flagsignal gleich wahr ist, können die ermittelten geschätzten Parameter verwendet werden, um die Kraftstoffeinspritzungen basierend auf dem modellierten Verhalten der Kraftstoffeinspritzeinrichtung zu steuern.
2 stellt einen beispielhaften Informationsfluss zum Implementieren einer RLS-Approximation und zum Überprüfen der PE dar, um ein Ende eines Lernzyklus zu ermitteln. Der Informationsfluss 100 umfasst ein RLS-Approximationsmodul 110 und ein PE-Testmodul 120. Das RLS-Approximationsmodul 110 umfasst ein Parameterschätzmodul 130 und ein Kovarianzmatrixmodul 140. Das Kovarianzmatrixmodul 140 überwacht eine geschätzte Kraftstoffmasse, die in den Zylinder eingespritzt wird, φ(k) 170, und ermittelt eine Kovarianzmatrix P(k) 174. Das Kovarianzmatrixmodul 140 kann Gleichung 3 verwenden, um P(k) 174 zu ermitteln. Das Parameterschätzmodul 130 überwacht φ(k) 170, P(k) 174 und eine gegenwärtige FPW, y₀(k) 172, und ermittelt geschätzte Parameter der RLS-Approximation der Kraftstoffeinspritzeinrichtung, θ ^₀(k) 180. Das Parameterschätzmodul 130 kann Gleichung 4 verwenden, um θ ^₀(k) 180 zu ermitteln. Das PE-Testmodul 120 umfasst ein Modul 150 für eine Modellparametermatrix und ein Modul 160 für das Flag der fertigen Schätzung. Das Modul 150 für die Modellparametermatrix überwacht φ(k) 170, P(k) 174 und eine anfängliche Schätzmatrix Θ ^(0) 176, und es ermittelt eine Modellparametermatrix Θ ^(k) 178. Das Modul 150 für die Modellparametermatrix kann Gleichung 16 verwenden, welche die Annahme umfasst, dass Θ ^(0) 176 gleich I ist. Das Modul 160 für das Flag der fertigen Schätzung überwacht Θ ^(k) 178, ermittelt, ob der Lernzyklus abgeschlossen ist, und gibt ein Signal 182 für ein Fertig-Flag aus. Das Modul 160 für das Flag der fertigen Schätzung kann Gleichung 20 verwenden, um die erforderliche Ermittlung für das Signal 182 durchzuführen. Sobald das Flag der fertigen Schätzung gesetzt wurde, kann sicher angenommen werden, dass der geschätzte Parameter θ₀(k) gegen den Parameter θ₀ konvergiert ist.
3 stellt graphisch den Betrieb eines Zylinders und eine Reihe von Lernzyklen dar, welche die Kraftstoffeinspritzeinrichtung für den Zylinder analysieren. Es werden ein gewünschter Kraftstoff und ein gewünschtes Luft-Kraftstoff-Verhältnis verwendet, um den Motor im HCCI-Betrieb in dem gemischten Modus zu steuern, und experimentelle Daten stellen die resultierende Kraftstoffeinspritzung dar. Das Experiment beginnt mit einem Standardverfahren zur Steuerung einer Kraftstoffeinspritzeinrichtung, und wenn das Experiment voranschreitet, verbessern Iterationen des Lernzyklus die Steuerung der Kraftstoffeinspritzung derart, dass die experimentellen Daten gegen die gewünschten Werte konvergieren. Eine RLS-Approximation wird betrieben, die einen PE-Test umfasst, der ein Fertig-Flag aktiviert. Zwei Teile sind in der Graphik mit einer gemeinsamen horizontalen Achse dargestellt, die der Zeitrahmen in Sekunden ist. Ein oberer Teil der Graphik stellt eine in den Zylinder pro Verbrennungszyklus eingespritzte Kraftstoffmasse in Milligramm dar, die basierend auf der Luftströmung und dem Luft-Kraftstoff-Verhältnis geschätzt wird. Die Kurve 230 stellt die geschätzte eingespritzte Kraftstoffmasse dar, und die Kurve 232 stellt die gewünschte eingespritzte Kraftstoffmasse dar. Die Kurve 230 stellt dar, dass sich der Kraftstoff über die dargestellte Zeitspanne mehrmals ändert. Der untere Teil der Graphik stellt eine Frobeniusnorm einer Modellparametermatrix, ||[Θ ^(k)]||_F, dar. Die Kurve 240 stellt den Betrieb des Pseudomodells dar, das Θ ^ entsprechend der Ausführung der offenbarten Verfahren zum Festlegen des Betriebs der Kraftstoffeinspritzeinrichtung ermittelt. Die Werte der Kurve 240, die ungefähr gleich der Quadratwurzel von Zwei sind, geben an, dass die Ermittlung entweder nicht arbeitet oder zurückgesetzt wurde. Die Kurve 240 stellt dar, dass das Pseudomodell für die ersten fünf Sekunden des Experiments nicht arbeitet. Bei ungefähr fünf Sekunden wird der Betrieb des Pseudomodells ausgelöst. Bei ungefähr acht Sekunden werden die Luftmassenströmung und die eingespritzte Kraftstoffmasse verändert, was zu einer Änderung im Betrieb des Motors führt, und eine zweite Änderung im Betrieb des Motors tritt bei ungefähr fünfzehn Sekunden auf. Nach genau fünfzehn Sekunden wird eine Ermittlung ausgeführt, dass der sich ändernde Betrieb des Motors die Anforderung einer beständigen Anregung zum Abschließen des Lernzyklus erfüllt. Bei diesem speziellen Experiment wird das Pseudomodell anschließend zurückgesetzt, und das Verfahren beginnt einen neuen Lernzyklus. Bei einer anderen Ausführungsform kann das Verfahren ausgesetzt werden, wobei die Ergebnisse der ersten Näherung zur Verwendung beim Steuern der Kraftstoffeinspritzung verfügbar sind. Das Pseudomodell wird weiterhin betrieben und periodisch zurückgesetzt, wenn der Motor damit fortfährt, den Betrieb zu verändern, was eine gute PE über die dargestellte Zeitspanne liefert. Mit einem gegebenen Wert für ε zeigt die Figur, dass das PE-Testverfahren sofort ermittelt, wann das Lernen abgeschlossen ist. Sobald das Lernen abgeschlossen ist, liefert das Verfahren die geschätzten Parameter an den Kraftstoffcontroller, und es wird zurückgesetzt, um das Lernen zu wiederholen. Es wird gezeigt, dass die geschätzte Kraftstoffmasse, die in den Zylinder eingespritzt wird, nach dem ersten Lernen dem gewünschten Kraftstoff dicht folgt.

4 stellt einen Prozess zum Betreiben eines Lernzyklus und zum Ermitteln dar, dass ein Lernzyklus abgeschlossen ist. Tabelle 1 ist als ein Schlüssel für 4 vorgesehen, wobei die numerisch bezeichneten Blöcke und die entsprechenden Funktionen wie folgt dargelegt sind. Tabelle 1

BLOCK	BLOCKINHALTE
310	Löse Lernzyklus aus
320	Überwache Betrieb des Motors
330	Approximiere Verhalten der Kraftstoffeinspritzeinrichtung
340	Bewerte die beständige Anregung
350	Ist der Lernzyklus basierend auf eine guten beständigen Anregung abgeschlossen?
360	Ende

Der Prozess 300 beginnt bei Block 310, bei dem ein Lernzyklus ausgelöst wird. Bei Block 320 wird der Betrieb des Motors überwacht. Bei einer Ausführungsform kann das Überwachen des Betriebs des Motors umfassen, dass eine geschätzte Kraftstoffmasse überwacht wird, die in den Zylinder eingespritzt wird, und dass eine gegenwärtige Kraftstoffpulsweite überwacht wird. Bei Block 330 wird das Verhalten der Kraftstoffeinspritzeinrichtung basierend auf den hierin offenbarten Verfahren approximiert. Bei Block 340 wird eine beständige Anregung des Betriebs des Motors bewertet. Bei Block 350 wird eine Ermittlung ausgeführt, ob die beständige Anregung ausreichend gut war, um den Lernzyklus abzuschließen. Wenn die beständige Anregung ausreichend gut war, dann folgt der Prozess dem Weg 370, und er endet bei Block 360. Wenn die beständige Anregung nicht ausreichend gut war, dann kehrt der Prozess über den Weg 380 zu Block 320 zurück, um den Lernzyklus fortzusetzen. Der Prozess 300 ist ein beispielhafter Prozess zum Verwenden der hierin offenbarten Verfahren. Es wird eine Anzahl beispielhafter Prozesse in Betracht gezogen, und die Offenbarung soll nicht auf das dargestellte Beispiel beschränkt sein.
Die Offenbarung hat bestimmte bevorzugte Ausführungsformen und deren Modifikationen beschrieben. Weitere Modifikationen und Veränderungen können Anderen während des Lesens und Verstehens der Beschreibung auffallen. Es ist daher beabsichtigt, dass die Offenbarung nicht auf die spezielle Ausführungsform bzw. die speziellen Ausführungsformen beschränkt ist, die als die beste Weise offenbart wird bzw. werden, die für die Ausführung dieser Offenbarung in Erwägung gezogen wird, sondern dass die Offenbarung alle Ausführungsformen umfassen wird, die in den Umfang der beigefügten Ansprüche fallen.

Claims

Verfahren zum Steuern eines nichtlinearen Systems, umfassend, dass: ein Lernzyklus zum Approximieren von Eigenschaften des Systems betrieben wird, der umfasst, dass: ein Betrieb des Systems überwacht wird; die Eigenschaften des Systems mit einer rekursiven Approximation mit kleinsten Quadraten basierend auf dem überwachten Betrieb approximiert werden; eine Varianz des Betriebs mit einer Schwellenwertvarianz verglichen wird; und der Lernzyklus basierend darauf abgeschlossen wird, dass die Varianz die Schwellenwertvarianz überschreitet; und das System basierend auf den Eigenschaften des Systems gesteuert wird, sobald der Lernzyklus abgeschlossen ist.
Verfahren nach Anspruch 1, wobei das System einen Motor umfasst, der eine Kraftstoffeinspritzeinrichtung aufweist.
Verfahren nach Anspruch 1, wobei das Vergleichen der Varianz des Betriebs mit der Schwellenwertvarianz umfasst, dass eine beständige Anregung des Systems bewertet wird.
Verfahren zum Steuern eines Verbrennungsmotors, der eine Kraftstoffeinspritzeinrichtung sowie einen entsprechenden Zylinder aufweist und in einem Verbrennungsmodus mit homogener Kompressionszündung betreibbar ist, wobei das Verfahren umfasst, dass: der Motor in dem Verbrennungsmodus mit homogener Kompressionszündung betrieben wird, was einen Betrieb in einem gemischten Modus umfasst; ein Lernzyklus zum Approximieren von Eigenschaften der Kraftstoffeinspritzeinrichtung betrieben wird, der umfasst, dass: der Betrieb des Motors überwacht wird; die Eigenschaften der Kraftstoffeinspritzeinrichtung approximiert werden, indem eine rekursive Approximation mit kleinsten Quadraten basierend auf dem überwachten Betrieb verwendet wird; eine beständige Anregung des Motors basierend auf dem überwachten Betrieb bewertet wird; und der Lernzyklus basierend darauf abgeschlossen wird, dass die beständige Anregung eine vorbestimmte gute Anregung angibt; und der Motor basierend auf den approximierten Eigenschaften der Kraftstoffeinspritzeinrichtung betrieben wird, sobald der Lernzyklus abgeschlossen ist.
Verfahren nach Anspruch 4, wobei das Überwachen des Betriebs des Motors umfasst, dass: eine geschätzte Kraftstoffmasse überwacht wird, die in den Zylinder eingespritzt wird; und eine gegenwärtige Kraftstoffpulsweite überwacht wird.
Verfahren nach Anspruch 4, wobei das Verwenden der rekursiven Approximation mit kleinsten Quadraten umfasst, dass: eine Kovarianzmatrix basierend auf einer geschätzten Kraftstoffmasse, die in den Zylinder eingespritzt wird, ermittelt wird; und geschätzte Parameter der Kraftstoffeinspritzeinrichtung basierend auf der geschätzten Kraftstoffmasse, die in den Zylinder eingespritzt wird, der Kovarianzmatrix und einer gegenwärtigen Kraftstoffpulsweite ermittelt werden.
Verfahren nach Anspruch 6, wobei das Bewerten der beständigen Anregung des Motors umfasst, dass: eine Modellparametermatrix basierend auf der geschätzten Kraftstoffmasse, die in den Zylinder eingespritzt wird, der Kovarianzmatrix und einer Matrix mit anfänglichen Schätzwerten ermittelt wird; und die beständige Anregung basierend auf der Modellparametermatrix bewertet wird.
Verfahren nach Anspruch 7, wobei das Bewerten der beständigen Anregung des Motors ferner umfasst, dass ermittelt wird, dass die Modellparametermatrix konvergiert.
Verfahren nach Anspruch 4, wobei der Betrieb des Lernzyklus basierend darauf ausgelöst wird, dass der Motor in den Betrieb im gemischten Modus eintritt.
Verfahren nach Anspruch 4, wobei der Betrieb des Lernzyklus basierend darauf ausgelöst wird, dass der Motor für mehr als eine Schwellenwertzeit in dem Betrieb im gemischten Modus bleibt.