DE102018108115A1 - Verfahren und system zum steuern von antriebssystemen mit sensor- oder stellgliedverschlechterung - Google Patents

Verfahren und system zum steuern von antriebssystemen mit sensor- oder stellgliedverschlechterung Download PDF

Info

Publication number
DE102018108115A1
DE102018108115A1 DE102018108115.4A DE102018108115A DE102018108115A1 DE 102018108115 A1 DE102018108115 A1 DE 102018108115A1 DE 102018108115 A DE102018108115 A DE 102018108115A DE 102018108115 A1 DE102018108115 A1 DE 102018108115A1
Authority
DE
Germany
Prior art keywords
patterns
sensor
signal data
detecting
actuator
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.)
Granted
Application number
DE102018108115.4A
Other languages
English (en)
Other versions
DE102018108115B4 (de
Inventor
Kevin C. Wong
Jeffrey M. Hutmacher
Marcus S. Gilbert
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of DE102018108115A1 publication Critical patent/DE102018108115A1/de
Application granted granted Critical
Publication of DE102018108115B4 publication Critical patent/DE102018108115B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F02D41/222—Safety or indicating devices for abnormal conditions relating to the failure of sensors or parameter detection devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • 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
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
    • 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
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
    • F02D41/1458—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio with determination means using an estimation
    • 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
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1493—Details
    • F02D41/1495—Detection of abnormalities in the air/fuel ratio feedback system
    • 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
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • 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
    • 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
    • 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
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F02D41/221—Safety or indicating devices for abnormal conditions relating to the failure of actuators or electrically driven elements
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)

Abstract

Ein Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem beinhalten: das Sammeln eines Signaldatenausgangs von mindestens einer Vorrichtung, welche die Signaldaten in Reaktion auf überwachte Betriebsparameter eines Kraftfahrzeugsystems ausgibt; Analysieren von Mustern der Signaldaten im Vergleich zu einem Signaldatenausgang aus einer Nennbetriebsvorrichtung; und Identifizieren, wenn mindestens eines der Muster der Signaldaten von der mindestens einen Vorrichtung von einem Schwellenwert abweicht, wobei die Abweichung anzeigt, dass die mindestens eine Vorrichtung in einem verschlechterten Zustand arbeitet.

Description

  • EINLEITUNG
  • Die vorliegende Offenbarung betrifft Sensoren und Stellglieder für Kraftfahrzeuge und den Betrieb des Systems nach der Identifizierung der Signalverschlechterung.
  • Automobilsysteme verwenden mehrere verschiedene Arten von Sensoren und Stellgliedern. Sensortypen beinhalten Druck, Temperatur, Position, Beschleunigung, chemische Zusammensetzung, Massedurchfluss, Spannung, Strom und Ähnliches. Stellgliedtypen beinhalten Kraftstoffeinspritzventil, Drosselklappe, Turbo-Wastegate, CAM-Phasensteller, Zündkerze, Kraftstoffpumpe, Abgasrückführung, aktives Kraftstoffmanagement, variablen Ventilhub, Lichtmaschine und elektrischen Strom sowie Turbolader mit variabler Geometrie und dergleichen. Sensoren und Stellglieder sind ursprünglich auf optimale oder normale Betriebsbedingungen eingestellt, können sich jedoch „verschlechtern“ und schließlich ausfallen. Wie hierin verwendet, ist der Begriff „Sensor“ auch auf das Stellglied anwendbar.
  • Am Beispiel eines Sauerstoffsensors gibt es in Automobilanwendungen mit Benzinmotoren enge Emissionsgrenzen für Diesel- und Benzinmotoren. Benzinmotoren sind emissionsärmer, da sie einen Katalysator verwenden, der ungefähr 99 % der Motor-Rohemissionen in umweltfreundliche Bestandteile am Endrohr umwandelt. Es ist wichtig, die Motoremissionen mit durchschnittlichen stöchiometrischen Emissionsbestandteilen aufrechtzuerhalten. Es ist bekannt, dass Sauerstoffsensoren eingesetzt werden, um zu ermitteln, ob die Abgasemissionen mager oder stöchiometrisch hoch sind. Wenn entweder mager oder fett, wendet ein Motorsteuergerät dann eine geregelte Kraftstoffsteuerung an, um die Kraftstoffsteuerung zu ändern und das System in die entgegengesetzte Richtung zu fahren. Wenn beispielsweise der Sauerstoffsensor anzeigt, dass das System mager ist, passt das Kraftstoffsteuersystem das System auf fett an.
  • Ein Fehler ist bekannt als eine magere bis fette Langsamkeit, bei der das Kraftstoffsteuersystem einen Wechsel von fett zu fett mit der Erwartung, dass der Sauerstoffsensor die Änderung in einer vordefinierten Zeit und Form anzeigt. Wenn der Sensor jedoch abgebaut wird oder ausfällt, dauert die Zeit für die Anzeige der Änderung länger als erwartet (länger als auf dem optimalen Niveau des Originalsystems), und die Steuerung reagiert daher auf die Zeitverzögerung, als ob der Sensor ordnungsgemäß arbeitet und sowohl überkompensiert als auch unterkompensiert. Das Steuersystem ist auf eine nominale oder erwartete Leistung des Sauerstoffsensors abgestimmt. Wenn sich der Sauerstoffsensor gegenüber dem Nennwert verschlechtert, kann sich die Emissionsleistung des Systems verschlechtern. Sensorsignale können einer Fehleranzeige zugeführt werden, die mit einem Sensor-Beleuchtungssignal anzeigt, dass ein Problem auftritt und dieses System im Wesentlichen keinen Spielraum für Sensoren bietet, die sich verschlechtern, aber noch nicht ausgefallen sind, und es existiert keine Betriebssteuerung, die den weiteren Betrieb des Sensors oder Stellglieds in einem verschlechterten Zustand ermöglicht, wobei das Steuersystem einen verschlechterten Sensor oder ein Stellglied aufnehmen kann.
  • Die vorgenannten Sensoren und Stellglieder weisen ähnliche Verschlechterungs- und Ausfallmodi auf. Daher ist ein neues und verbessertes System und Verfahren zum Ermitteln von Sensor- und Stellgliedfehlern und zur Minderung der Verschlechterung erforderlich, während die derzeitigen Sensoren und Stellglieder ihren Zweck erfüllen.
  • KURZDARSTELLUNG
  • Gemäß mehreren Aspekten beinhaltet ein Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem: Sammeln von Signaldaten von mindestens einer Vorrichtung, welche die auf Betriebsparameter eines Fahrzeugsystems bezogenen Signaldaten ausgibt; Analysieren von Mustern der Signaldaten im Vergleich zu Mustern von Signaldaten aus einer Nennbetriebsvorrichtung; und Identifizieren, wenn mindestens eines der Muster der Signaldaten von der mindestens einen Vorrichtung von einem Schwellenwert abweicht, wobei die Abweichung anzeigt, dass die mindestens eine Vorrichtung in einem verschlechterten Zustand arbeitet.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Analysieren der Muster mit einem Mustererkennungsprogramm für künstliche Intelligenz.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren die Identifizierung, wenn Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung innerhalb eines vorgegebenen statistischen Bereichs liegen.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren die Identifizierung, wenn Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung innerhalb eines verschlechterten, aber akzeptablen Bereichs liegen.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Erzeugen von Korrekturdaten, um die Betriebsparameter des Fahrzeugsystems so zu verändern, dass das mindestens eine der Muster den Mustern der Signaldaten der Nennbetriebsvorrichtung entspricht.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren die Anwendung der Korrekturdaten mittels einer Systemsteuerung zum Ändern von Systemsteuerungsparametern, um die Fortführung des Betriebs der mindestens einen Vorrichtung und des Systems zu ermöglichen.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Erzeugen eines Fehlersignals, wenn Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung den verschlechterten, aber akzeptablen Bereich überschreiten.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren vor dem Analyseschritt das Hinzufügen von Signalen von mindestens einem von mehreren Sensoren und Stellgliedern zusammen mit den Signaldaten von mindestens einer Vorrichtung.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Auswählen zwischen den folgenden Schritten: (a) Erzeugen von Korrekturdaten, um die Betriebsparameter des Fahrzeugsystems so zu verändern, dass das mindestens eine der Muster den Mustern der Signaldaten der Nennbetriebsvorrichtung entspricht; oder (b) wenn die Korrekturdaten die Muster nicht so ändern können, dass sie den Mustern der Signaldaten der Nennbetriebsvorrichtung entsprechen, das Identifizieren der mindestens einen Vorrichtung als fehlerhaft.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren: Erzeugen einer Wahrscheinlichkeit eines Gerätediagnostikdurchgangs für jede einer Vielzahl von Gerätefehlerbox-Einstellungen; und Reduzieren eines Variationsbereichs +-4 σ für jede Gerätefehlerbox-Einstellung.
  • Gemäß mehreren Aspekten beinhaltet ein Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem: Sammeln eines Signaldatenausgangs von mindestens einer Vorrichtung, welche die Signaldaten in Reaktion auf überwachte Betriebsparameter eines Kraftfahrzeugsystems ausgibt; Analysieren von Mustern der Signaldaten im Vergleich zu einem Signaldatenausgang aus einer Nennbetriebsvorrichtung; und Identifizieren, wenn mindestens eines der Muster der Signaldaten von der mindestens einen Vorrichtung von einem Schwellenwert abweicht, wobei die Abweichung anzeigt, dass die mindestens eine Vorrichtung in einem verschlechterten Zustand arbeitet.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Identifizieren eines Zustands des mindestens einen Sensors oder Stellglieds.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren die Vorhersage eines Werts der Sensor- oder Stellgliedverschlechterung, der den Zustand des mindestens einen Sensors oder Stellgliedes klassifiziert.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren die Beleuchtung einer Systemwarnung, wenn die Klassifizierung einen Schwellenwert überschreitet, der den Sensor oder das Stellglied als fehlerhaft definiert.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren: Erzeugen einer Ausgabe aus dem Mustererkennungsprogramm für künstliche Intelligenz, wenn die Muster der Signaldaten den Schwellenwert überschreiten; und Anwenden der Ausgabe aus dem Mustererkennungsprogramm für künstliche Intelligenz, um mindestens eine Systemsteuerungseinstellung zu ändern, um eine Verschlechterung der Systemleistung, einschließlich Emissionen, Kraftstoffverbrauch sowie Lärm und Vibrationen, zu minimieren.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet die mindestens eine Vorrichtung mindestens einen Sensor und ein Stellglied.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet das Verfahren das Ändern eines Steuersignals, um die Betriebsparameter des Fahrzeugsystems zu ändern, bis sich die Signaldaten der mindestens einen Vorrichtung im Wesentlichen an die Signaldaten der Nennbetriebsvorrichtung anpassen.
  • Gemäß mehreren Aspekten beinhaltet ein System zum Steuern eines Antriebssystems zur Korrektur von Sensor- oder Stellgliedverschlechterungen mindestens eine Vorrichtung, die in Reaktion auf überwachte Betriebsparameter eines Kraftfahrzeugsystems Signaldaten ausgibt. Ein Programm für künstliche Intelligenz analysiert Muster der Signaldaten im Vergleich zu einem Signaldatenausgang von einer der mindestens einen Nennbetriebsvorrichtung. Ein Schwellwert wird auf einen Ausgang des Programms für künstliche Intelligenz angewendet, wobei der Schwellwert bei Überschreiten des Schwellenwerts der mindestens einen Vorrichtung in einem verschlechterten Zustand ist.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet die mindestens eine Vorrichtung einen Sensor, der dazu dient, mindestens einen von einem Druck, einer Temperatur, einer Position, einer Beschleunigung, einem chemischen Bestandteil, einem Massedurchfluss, einer Spannung und einem Strom zu ermitteln.
  • In einem weiteren Aspekt der vorliegenden Offenbarung beinhaltet die mindestens eine Vorrichtung ein Stellglied, das für mindestens ein Kraftstoffeinspritzventil, eine Drosselklappe, ein Turbo-Wastegate, einen CAM-Phasenversteller, eine Zündkerze, eine Kraftstoffpumpe, eine Abgasrückführung, eine aktive Kraftstoffverwaltung, ein variables Hubventil, eine Lichtmaschine und einen Turbolader mit variabler Geometrie verwendet wird.
  • Weitere Anwendungsbereiche werden aus der hier dargebotenen Beschreibung ersichtlich. Es ist zu beachten, dass die Beschreibung und die spezifischen Beispiele nur dem Zweck der Veranschaulichung dienen und nicht dazu beabsichtigt sind, den Umfang der vorliegenden Offenbarung zu begrenzen.
  • Figurenliste
  • Die hierin beschriebenen Zeichnungen dienen nur dem Zweck der Veranschaulichung und sind nicht dazu beabsichtigt, den Umfang der vorliegenden Offenbarung in irgendeiner Weise zu begrenzen.
    • 1 ist ein Flussdiagramm eines Systems und Verfahrens zum Erkennen und Vermindern von Sensorverschlechterungen an einem Abgassensor gemäß einer exemplarischen Ausführungsform;
    • 2 ist ein Diagramm, das die Ausgangssignal-Datensätze eines Abgas-AFR-Sensors in Bezug auf die Mager-zu Fett-Zeiten im Vergleich zu verschiedenen Fehlerbox-Einstellungen mit und ohne die Verwendung des Mustererkennungsprogramm für künstliche Intelligenz der vorliegenden Offenbarung darstellt;
    • 3 ist ein von 2 modifiziertes Diagramm, das zusätzlich individuelle Fehlerschwellenzeiten bei verschiedenen Einstellungen der Fehlerbox beinhaltet;
    • 4 ist ein Diagramm, das die Wahrscheinlichkeit eines Sensordiagnosedurchgangs bei jeder der Fehlerbox-Einstellungen von 3 mit und ohne die Verwendung des Mustererkennungsprogramm für künstliche Intelligenz der vorliegenden Offenbarung darstellt; und
    • 5 ist ein Diagramm eines Drehzahlmusters über die Zeit, das eine Fehlzündung des Zylinders anzeigt.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Die folgende Beschreibung ist ihrer Art nach lediglich exemplarisch und beabsichtigt nicht, die vorliegende Offenbarung, Anwendung oder Verwendungen zu begrenzen.
  • Unter Bezugnahme auf 1 ist ein System und Verfahren zum Erkennen und Vermindern der Sensorverschlechterung 10 für die Entwicklung eines Steuersystems für ein exemplarisches Luft-Kraftstoff-Verhältnis (AFR) oder einen Fahrzeugsensor für ein Automobil dargestellt. In einem exemplarischen Aspekt des Systems und Verfahrens zum Erkennen und Vermindern der Sensorverschlechterung 10 an einem Sensor führt ein Umgebungslufteinlass 12 Umgebungsluft in eine Misch- und Brennkammer 14 ein. Ein Kraftstoffeinspritzventil 16 spritzt Kraftstoff als Sprühmuster 18 in die Misch- und Brennkammer 14, wobei ein Kraftstoff-Luft-Gemisch gezündet wird. Verbranntes Abgas 20 wird aus der Misch- und Brennkammer 14 typischerweise über einen Katalysator 22 abgesaugt, wie bekannt ist.
  • Ein Abgas-AFR-Sensor 24 ist im Strom des verbrannten Abgases 20 positioniert. Es ist wichtig, dass die Emissionen aus dem Motor ausgestoßen werden, da das verbrannte Abgas 20 durchschnittliche stöchiometrische Emissionsbestandteile aufweist. Der Abgas-AFR-Sensor 24 wird verwendet, um zu ermitteln, ob die Abgasemissionen mager oder stöchiometrisch fett sind. Wenn beispielsweise der Ausgang des Abgas-AFR-Sensors 24 anzeigt, dass das System mager ist, stellt ein Motorsteuergerät (ECU) 26 das System durch Ändern des Kraftstoffdurchsatzes über die Einspritzdüse 16 auf fett ein. Das Motorsteuergerät (ECU) 26 wendet ein Kraftstoffsteuersystem mit geschlossenem Regelkreis an, um die Kraftstoffsteuerung zu ändern und das System in die entgegengesetzte Richtung zu steuern, die durch den Ausgang des Abgas-AFR-Sensors 24 angezeigt wird.
  • Das Motorsteuergerät (ECU) 26 beinhaltet ein Kraftstoffsteuermodul 28 in Verbindung mit dem Einspritzventil 16, das den Kraftstoffdurchsatz durch das Einspritzventil 16 leitet. Der Abgas-AFR-Sensor 24 ist mit einer Sensorfehlerbox 30 in Verbindung, die zunächst dazu dient, das System durch gezieltes Verfälschen der Ausgangssignale des AFR-Sensors 24 zu trainieren. Die verfälschten Signale werden dann mit dem Sensorbetrieb bei Nennbetriebsparametern unter Verwendung eines in einem Direktzugriffsspeicher (RAM) gespeicherten künstlichen Intelligenzprogramms verglichen. Die Sensor-Fehlerbox 30 kommuniziert mit je einem Kompensationsmodul 32 und einem Fehlerprädikator 34 mit künstlicher Intelligenz.
  • Das Kompensationsmodul für künstliche Intelligenz 32 erzeugt Änderungen an den Steuersignalen, die an das Kraftstoffsteuermodul 28 gerichtet sind und die die Signalsteuerung des AFR-Sensors 24 aufrechterhalten, auch wenn die fehlerhaften Signaländerungen durch die Sensorfehlerbox 30 vorgenommen werden. Die vom Kompensationsmodul 32 erzeugten Signale ermöglichen somit den weiteren Betrieb des AFR-Sensors 24 in einem Zustand, der derzeit als fehlerhaft gilt und somit den Einsatzbereich und die Lebensdauer des AFR-Sensors 24 erweitert. Beim Testen von Sauerstoff- oder anderen Sensoren für die Diagnoseentwicklung und um die Robustheit des Systems zu kontrollieren, kann die Sensor-Fehlerbox 30 auch geändert oder abgestimmt werden, um verschlechternde Sensoren zu simulieren. Ähnlich werden die Stellglieder bewertet.
  • Der Fehlerprädikator für künstliche Intelligenz 34 sammelt Betriebsdaten und beschädigte Daten, die vom Abgas-AFR-Sensor 24 ausgegeben werden. Diese Daten werden mit den optimalen Sensorausgangsdaten verglichen, um eine Abweichung des Abgas-AFR-Sensors 24 von den optimalen Ausgangsdaten zu ermitteln.
  • Ein Ausgang des Fehlerprädikators für die künstliche Intelligenz 34 wird an ein Fehlerbox-Einstellmodul 36 übermittelt. Das Fehlerbox-Einstellmodul 36 stellt für jeden Sensor und jedes Stellglied vordefinierte und gespeicherte Bedingungsdaten zur Verfügung, die als Schwellenwert oder Trigger verwendet werden, um entweder ein Signal „Sensor fehlerhaft“ oder ein Signal „Stellglied ausgefallen“ zu erzeugen. So wird beispielsweise ein Pegel, oberhalb dessen Daten vom Abgas-AFR-Sensor 24 als fehlerhaft oder ausgefallen gelten, in einem Speicher oder einer Nachschlagetabelle gespeichert und mit dem Signalausgang des Fehlerprädikators für künstliche Intelligenz 34 verglichen, und wenn der Sensorausgang über dem fehlerhaften oder ausgefallenen Pegel liegt, wird das fehlerhafte oder ausgefallene Signal des Sensors erzeugt. Das fehlerhafte oder ausgefallene Signal des Sensors kann an ein Steuermodul übermittelt werden, das aufleuchtet, zum Beispiel eine Motorüberprüfungsleuchte.
  • Das ECU 26 beinhaltet auch ein Eingangsmodul 38, das Ausgangsdaten von Sensoren und Stellgliedern der anderen Sensoren und Stellglieder des Fahrzeugs sammelt und nach vordefinierten Kriterien in einem Speicher, in einer Nachschlagetabelle oder einem RAM koordiniert, die in Verbindung mit den Ausgangsdaten des Zielsensors oder Stellglieds, z. B. des Abgas-AFR-Sensors 24, relevant sind. Diese Daten können am Beispiel des Abgas-AFR-Sensors 24 Lufttemperatur, Luftdruck, Luftfeuchtigkeit und dergleichen beinhalten. Das ECU 26 koordiniert die relevanten Daten aus dem Eingangsmodul 38 zur Eingabe in eine Einheit, die einen Betriebsparameter des Systems wie beispielsweise das Kraftstoffsteuermodul 28 verändern kann. Das ECU 26 koordiniert auch die relevanten Daten aus dem Eingangsmodul 38 für die Eingabe in das Kompensationsmodul 32, wodurch alle relevanten Daten in Verbindung mit dem Programm für künstliche Intelligenz verwendet werden können, um Änderungen an den Steuersignalen zu berechnen, die an das Gerät gerichtet sind und einen Betriebsparameter des Systems, wie beispielsweise das Kraftstoffsteuermodul 28, das die Signalsteuerung des AFR-Sensors 24 und des Kraftstoffeinspritzventils 16 aufrechterhält, verändern können.
  • Am Beispiel des Abgas-AFR-Sensors 24 wird ein Mustererkennungsprogramm für künstliche Intelligenz 40 auf den Sensorausgang des Abgas-AFR-Sensors 24 angewendet, um die Muster zu klassifizieren, die als das Sensorsteuersystem ECU 26 angesehen werden, das Änderungen der Kraftstoffsteuerung in Reaktion auf die Leistung des Sauerstoffsensors erzeugt. Das Kompensationsmodul für künstliche Intelligenz 32 ist in ein elektronisches Steuermodul (ECM) eingebettet. Das Kompensationsmodul für künstliche Intelligenz 32 ist ein nicht verallgemeinertes, elektronisches Steuergerät mit einem vorprogrammierten digitalen Computer oder Prozessor, der das Mustererkennungsprogramm für künstliche Intelligenz 40 im Direktzugriffsspeicher (RAM) oder einem nicht-flüchtigen, computerlesbaren Medium zum Speichern von Daten, Anweisungen, Nachschlagetabellen usw. und einer Vielzahl von Ein-/Ausgabe-Peripheriegeräten oder -Ports speichert. Das Kompensationsmodul für künstliche Intelligenz 32 kann zusätzliche Prozessoren oder zusätzliche integrierte Schaltungen in Verbindung mit dem Prozessor aufweisen, wie beispielsweise Logikschaltungen zum Analysieren von Daten oder dedizierte Schaltungen für künstliche Intelligenz.
  • Das Mustererkennungsprogramm für künstliche Intelligenz 40 ist ein maschineller Lernalgorithmus, der eine Mustererkennung durchführen kann. Programme der künstlichen Intelligenz können eine Vielzahl von verschiedenen Formen aufweisen, darunter tiefes maschinelles Lernen, hierarchisches Lernen, überwachtes Lernen, semi-überwachtes Lernen, unbeaufsichtigtes Lernen, Clustering, Dimensionsreduktion, strukturierte Vorhersage, Anomalieerkennung, neuronale Netze, Verstärkungslernen und dergleichen. In einem Aspekt, beim unbeaufsichtigten Lernen, ermittelt das Mustererkennungsprogramm für künstliche Intelligenz 40 Muster aus einem Eingabestrom oder Eingaben.
  • Die „Muster“, die vom Mustererkennungsprogramm für künstliche Intelligenz 40 ausgewertet werden, beinhalten, sind aber nicht beschränkt auf die Frequenz des Ausgangssignals, die Ausgangssignalamplitude, die Geometrie des Ausgangssignals und dergleichen. Wenn beispielsweise die Ausgangssignalamplitude im Laufe der Zeit gegenüber der in einem Speicher oder RAM gespeicherten nominalen Sensorausgangssignalamplitude abnimmt oder zunimmt, identifiziert das Mustererkennungsprogramm für künstliche Intelligenz 40 zunächst, dass eine Änderung aufgetreten ist, die einen vorbestimmten Schwellenwert überschreitet, was eine Signalverschlechterung anzeigt, und identifiziert dann, wie sich die Änderung selbst im Laufe der Zeit verändert hat, was eine kontinuierliche Erkennung der Verschlechterung der Ausgangssignalamplitude bis zum Erreichen eines vorbestimmten zweiten Schwellenwerts ermöglicht, was auf einen Sensor- oder Stellgliedausfall hinweist. Die Änderung, die über den vorgegebenen Schwellenwert hinausgeht, kann zum Beispiel eine Änderung von bis zu +- 10 % der Signalamplitude oder ein ähnlicher vorgegebener Wert sein, der anzeigt, dass eine Sensorverschlechterung aufgetreten ist.
  • Die ersten und zweiten vorgegebenen Schwellendaten werden herangezogen, um zu ermitteln, wann die beobachteten Muster als Sensorfehler oder als Sensorverschlechterung zu klassifizieren sind. In dem vorstehenden Beispiel für den Sauerstoff- oder Abgas-AFR-Sensor 24 werden Änderungen der Sensorleistung mit vorhergesagten oder bekannten Sensorausgangsmustern eines nominalen oder neuen Abgas-AFR-Sensors verglichen, um vorherzusagen, wann der Abgas-AFR-Sensor 24 sich verschlechtert hat oder ausgefallen ist. Die Änderung, die über den vorgegebenen Schwellenwert hinausgeht und auf einen Sensorfehler hinweist, kann beispielsweise eine Änderung über +- 10 % der Signalamplitude oder einen ähnlichen vorgegebenen Wert sein. Das Mustererkennungsprogramm für künstliche Intelligenz 40 kann auch verwendet werden, um die Sensorleistung basierend auf der zeitlichen Verschlechterung der Emissionen und der Art und Weise, wie die Einstellung der Sensor-Fehlerbox die Leistung charakterisiert, vorherzusagen. Wenn die beobachteten Muster des Sensorausgangs, die eine Verschlechterung des Sensors oder des Stellglieds anzeigen, während einer vorbestimmten Zeitspanne, die kleiner ist als das vorstehende Beispiel von +- 10 % der Signalamplitude, aber für eine vorbestimmte Anzahl an Testschleifenzyklen, aufgetreten sind, kann der Sensor auch als „fehlerhaft“ betrachtet werden und die Systemwarnung leuchtet ebenso wie die Motorkontrollleuchte auf.
  • Das Mustererkennungsprogramm für künstliche Intelligenz 40 funktioniert wie folgt. Ein Sensor- oder Stellgliedausgangssignal wird empfangen und ein Muster des Signals wird identifiziert. Das Muster des Signals wird mit einem Muster eines Signals von einem nominellen oder neuen Sensor oder Stellglied desselben Typs verglichen, das in einem Speicher, RAM oder einer Nachschlagetabelle gespeichert ist. Unterschiede zwischen den Mustern des empfangenen Ausgangssignals und des gespeicherten Ausgangssignals, die sich innerhalb eines vorgegebenen statistischen Bereichs befinden, die weiterhin als innerhalb eines verschlechterten, aber akzeptablen Bereichs ermittelt werden, werden in einer Systemsteuerung angewendet, um die Systemsteuerungsparameter so zu ändern, dass der Sensor oder das Stellglied und das System den Betrieb fortsetzen können. Unterschiede zwischen den Mustern des empfangenen Ausgangssignals und des gespeicherten Ausgangssignals, die außerhalb des vorgegebenen statistischen Bereichs liegen, der den verschlechterten Bereich definiert, weisen auf einen Ausfall eines Sensors oder Stellglieds hin, wodurch ein Ausfallsignal des Sensors oder Stellglieds ausgelöst wird. Wie hierin erwähnt, können auch Signale von mehreren anderen Sensoren und Stellgliedern in die Analysen einbezogen werden, sodass andere Sensor- oder Stellgliedsignale kombiniert werden können, um den zulässigen Betriebsbereich des Sensors oder Stellglieds zu erhöhen.
  • Unter Bezugnahme auf 2 und wiederum auf 1 zeigt ein Diagramm 42 mehrere Ausgangssignal-Datensätze 44 des Abgas-AFR-Sensors 24, die sich auf die Mager-zu-Fett-Zeiten 46 gegenüber verschiedenen Fehlerbox-Einstellungen 48 beziehen. Ein unveränderter Ausgangssignal-Datensatz 50 vom Abgas-AFR-Sensor 24 weist einen +-4 Sigma (σ) Bereich 52 auf. Wenn die Ausgangsdaten mit dem Mustererkennungsprogramm für künstliche Intelligenz 40 analysiert werden, weist ein modifizierter Ausgangssignal-Datensatz 54 des Abgas-AFR-Sensors 24 einen +-4-Sigma-Bereich 56 auf, der enger ist als der unmodifizierte Ausgangssignal-Datensatz 50. Wenn jeder der geänderten Ausgangssignal-Datensätze mit mehreren verschiedenen Fehlerbox-Einstellungen einschließlich 1,00, 1,20, 1,40, 1,60, 1,80, 2,00, 2,20 und 2,40 analysiert wird, zeigt der AFR-Sensor 24 Daten bei einer Fehlerbox-Einstellung von 2.00 an, dass die Emissionen einen maximal zulässigen Wert von 1.3x der Schadstoffnorm auf einer vertikalen Achse 58 nach rechts in 3, gekennzeichnet durch einen Punkt 60 auf der vertikalen Achse 58 der Schadstoffnorm und durch einen Punkt 62 auf einer Emissionskurve 64 erreichen.
  • Mit fortwährendem Bezug auf die 1 und 2, durch weitere Anwendung des Programms zum Erkennen von Mustern der künstlichen Intelligenz 40 auf das Steuerungssystem über das Motorsteuergerät (ECU) 26, kann eine verbesserte Systemsteuerung erreicht werden. Am vorliegenden Beispiel der Motoremissionen verschiebt die Anwendung des Programms zum Erkennen von Mustern der künstlichen Intelligenz 40 die Gesamtemissionskurve nach unten, wie in einer modifizierten Emissionskurve 66 dargestellt. Bei dieser Emissionsmenge wird die 1,3-fache Emissionsnorm am Punkt 60 der vertikalen Achse 58 der Emissionsnorm bei einer Fehlerbox-Einstellung von ca. 2,32 statt 2,00, wie an einem Punkt 68 der modifizierten Emissionskurve 66 angegeben, erfüllt.
  • Unter Bezugnahme auf 3 und wiederum auf 2 ist ein Diagramm 70 aus dem Diagramm 42 modifiziert und zeigt weiterhin eine Wahrscheinlichkeit des Sensordiagnosedurchgangs bei jeder der verschiedenen Fehlerbox-Einstellungen von 2. Um innerhalb des +-2-Sigma-Bereichs sicher zu sein, dass eine Fehlereinstellung bei der Fehlerbox-Einstellung von 2,00 gesetzt wird, wird ein Fehlerschwellenwert auf 160 ms gesetzt, der durch eine 160 ms Zeitleiste 72 beim -2 σ-Schwellenwert, wie an einem Punkt 74 angegeben, angezeigt wird. Durch die weitere Verarbeitung der gleichen Daten vom Abgas-AFR-Sensor 24 mit dem Mustererkennungsprogramm für künstliche Intelligenz 40 wird die Variation +-4 σ bei jeder Einstellung der Fehlerbox reduziert. Jeder geänderte Ausgangssignal-Datensatz 54 für die verschiedenen Fehlerbox-Einstellungen des Abgas-AFR-Sensors 24 wird mit der reduzierten Variation +-4 σ im Bereich 56 dargestellt. Mit der reduzierten Variation +-4 σ im Bereich 56 für jede Sensorausgangs-Fehlerbox-Einstellung verschiebt sich der Sensorfehler-Schwellenwert von 160 ms bis 210 ms bei der gleichen 1,3-fachen Emissionsnorm und der Fehlerbox-Einstellung von 2,00 beim -2 σ-Schwellenwert, wie bei einem Punkt 76 auf einer 210 ms Zeitleiste angegeben.
  • Durch die weitere Verwendung der modifizierten Emissionskurve 66, wie vorstehend erwähnt, wird die 1,3x-Abgasnorm von 1,3x, die durch den Punkt 60 auf der vertikalen Achse 58 der Abgasnorm angegeben ist, bei einer Fehlerbox-Einstellung von etwa 2,32 erfüllt. Bei der erhöhten Fehlerbox-Einstellung von 2,32 kann eine Fehlerschwelle noch innerhalb des +-2 Sigma-Vertrauensbereichs bis zu 270 ms weiter erhöht werden, wie an einem Punkt 78 auf einer 270 ms Zeitleiste angegeben.
  • Unter Bezugnahme auf 4 und wiederum auf 2 bis 3 stellt ein Diagramm 80 eine Wahrscheinlichkeit des Sensordiagnosedurchgangs 82 bei jeder der verschiedenen Fehlerbox-Einstellungen von 3 dar. Eine Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 84 zeigt an, dass ohne die Verwendung des Programms zum Erkennen von Mustern der künstlichen Intelligenz 40 bei der Fehlerbox-Einstellung von 1,80, die unter dem bei der Fehlerbox-Einstellung von 2,00 erreichten 1,3-fachen Emissionsstandard liegt, die Wahrscheinlichkeit des an einem Punkt 86 angezeigten Sensordiagnosedurchgangs etwa 25 % beträgt, also die Wahrscheinlichkeit eines Sensordiagnoseausfalls etwa 75 % beträgt.
  • Mit fortgesetztem Bezug auf die 3 und 4 wird die Variation +-4 σ bei jeder Fehlerbox-Einstellung durch die erneute Verarbeitung der gleichen Daten vom Abgas-AFR-Sensor 24 mit dem Mustererkennungsprogramm für künstliche Intelligenz 40 reduziert. Jeder geänderte Ausgangssignal-Datensatz 54 für die verschiedenen Fehlerbox-Einstellungen des Abgas-AFR-Sensors 24 wird mit der reduzierten Variation +-4 σ im Bereich 56 dargestellt. Wie bereits hierin erwähnt, wurde bei Verwendung der reduzierten Variation +-4 σ Bereich 56 für jede Fehlerbox-Einstellung des Sensorausgangs die Fehlergrenze von 160 ms auf 210 ms bei gleichem 1,3-fachen Emissionsstandard und die Fehlerbox-Einstellung von 2,00 am Schwellenwert -2 σ verschoben.
  • Eine modifizierte Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 88 wird rechts von der Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 84 verschoben und weist im Vergleich zur Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 84 eine steilere Übergangsflanke auf. Durch die weitere Verwendung der modifizierten Emissionskurve 66 wird jedoch eine erhöhte Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 90 noch weiter nach rechts von der modifizierten Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 88 verschoben und bietet einen erhöhten Betriebsbereich des Abgas-AFR-Sensors 24, bevor ein Sensorausfallsignal erzeugt wird. Die erhöhte Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 90 weist im Vergleich zur modifizierten Wahrscheinlichkeit der Sensordiagnosedurchgangskurve 88 eine ähnlich steile Übergangsflanke auf.
  • Unter Bezugnahme auf 5 liefert ein über die Zeit dargestelltes Motordrehzahlmuster 92 ein weiteres Beispiel für einen Motor- oder Steuersystemsensor oder ein Stellglied, das sich verschlechtert und von der Anwendung des Programms zum Erkennen von Mustern der künstlichen Intelligenz 40 profitieren könnte, um das Muster des verschlechternden Ausgangssignals zu erkennen und die Steuerleistung zur Korrektur des Systems zu ändern. In diesem Beispiel wird eine normale Motordrehzahl oder ein Zündmuster 94 als Kovarianz des angegebenen mittleren Effektivdrucks angegeben. Dieser Begriff wird verwendet, um eine Qualität der Verbrennung zu vermitteln, und das von einem oder mehreren Sensoren empfangene Signal wird mit einem Muster von Motorfehlzündung 96 verglichen. Eine Differenz 98 zwischen den Musterspitzen identifiziert mindestens einen fehlzündenden Kolben und Zylinder. Das Mustererkennungsprogramm für künstliche Intelligenz 40 analysiert die beiden Muster und identifiziert nicht nur, wie der Unterschied in den Mustern auf einen fehlzündenden Zylinder hinweist, sondern wie dieser Zustand korrigiert werden kann. Die Ausgabe aus dem Mustererkennungsprogramm für künstliche Intelligenz 40 kann dann verwendet werden, um die Kraftstoffzufuhr oder den Zündfunken einzustellen, bis das Muster der Motorfehlzündung 96 auf eine engere Ausrichtung auf die normale Motordrehzahl oder das Zündmuster 94 geändert wird.
  • Das Mustererkennungsprogramm für künstliche Intelligenz 40 wendet die Mustererkennung an, um die Ausgangs- und Eingangsmuster der Sensoren und Stellglieder in Reaktion auf Änderungen der Motorsteuerung zu klassifizieren, um den Zustand der Sensoren oder den Zustand des Motors zu identifizieren. Die Sensor- und Stellgliedleistung lässt sich beispielsweise auch in Form von Emissionsverlusten oder der Einstellung des Sensorsimulators vorhersagen. Wenn die Klassifizierung, die der Sensor oder das Stellglied empfängt, einen Schwellenwert überschreitet, wird der Sensor oder das Stellglied als „fehlerhaft“ betrachtet und eine Systemwarnung angezeigt. Zum anderen, wenn sich die Leistung des Sensors oder Stellglieds ändert, kann die Ausgabe des Programms zum Erkennen von Mustern der künstlichen Intelligenz 40 verwendet werden, um die Einstellungen der Systemsteuerung zu ändern, um die Beeinträchtigung der Systemleistung zu minimieren, einschließlich, aber nicht beschränkt auf Emissionen, Kraftstoffverbrauch oder Lärm und Vibrationen.
  • Das Verfahren und System zum Steuern von Antriebssystemen mit Sensor- oder Stellgliedverschlechterung der vorliegenden Offenbarung funktioniert wie folgt. In einem ersten Schritt werden Signaldaten von mindestens einer Vorrichtung gesammelt, welche die Signaldaten bezüglich der Betriebsparameter eines Fahrzeugsystems ausgibt. In einem zweiten Schritt werden die Muster der Signaldaten mit den Mustern der Signaldaten einer Nennbetriebsvorrichtung verglichen. In einem dritten Schritt erfolgt die Identifikation, wenn mindestens eines der Muster von einem Pegel abweicht, der anzeigt, dass die mindestens eine Vorrichtung in einem verschlechterten Zustand arbeitet. In einem vierten Schritt werden Korrekturdaten erzeugt, indem eine Systemsteuerung so modifiziert wird, dass das mindestens eine der Muster den Mustern der Signaldaten aus der Nennbetriebsvorrichtung entspricht.
  • Das Verfahren und System zum Steuern von Antriebssystemen mit Sensor- oder Stellgliedverschlechterung der vorliegenden Offenbarung bietet mehrere Vorteile. Die Verwendung der Mustererkennung durch das Mustererkennungsprogramm für künstliche Intelligenz 40 kann auf die Ausgangsdatenmuster von Sensoren und Stellgliedern angewendet werden. Durch die Überprüfung der Datenausgabemuster verschiedener Sensoren und Stellglieder können Verbesserungen und Korrekturen in den Betriebsbereichen und der Systemsteuerung vorgenommen werden. Dazu zählen Sensoren zum Ermitteln von Druck, Temperatur, Position, Beschleunigung, chemischen Bestandteilen, Massedurchfluss, Spannung, Strom und dergleichen. Das Verfahren und System zum Steuern von Antriebssystemen mit Sensor- oder Stellgliedverschlechterung der vorliegenden Offenbarung kann ebenfalls auf Stellglieder angewandt werden, die in Kraftfahrzeugen verwendet werden, einschließlich Stellglieder, die für die Kraftstoffeinspritzung, Drosselklappe, Turbo-Wastegate, CAM-Phasenversteller, Zündkerze, Kraftstoffpumpe, Abgasrückführung, aktives Kraftstoffmanagement, variables Hubventil, Lichtmaschine und elektrischer Strom und Turbo mit variabler Geometrie und dergleichen.
  • Die Beschreibung der vorliegenden Offenbarung ist nur als Beispiel zu verstehen und Variationen, die sich nicht vom Kern der Erfindung entfernen, werden als im Rahmen der Erfindung befindlich vorausgesetzt. Solche Variationen sollen nicht als eine Abweichung vom Sinn und Umfang der Erfindung betrachtet werden.

Claims (10)

  1. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem, umfassend: das Sammeln von Signaldaten von mindestens einer Vorrichtung, welche die auf Betriebsparameter eines Fahrzeugsystems bezogenen Signaldaten ausgibt; das Analysieren von Mustern der Signaldaten im Vergleich zu Mustern von Signaldaten aus einer Nennbetriebsvorrichtung; und das Identifizieren, wenn mindestens eines der Muster der Signaldaten von der mindestens einen Vorrichtung von einem Schwellenwert abweicht, wobei die Abweichung anzeigt, dass die mindestens eine Vorrichtung in einem verschlechterten Zustand arbeitet.
  2. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 1, ferner umfassend das Analysieren der Muster unter Verwendung eines Programms zum Erkennen von Mustern der künstlichen Intelligenz.
  3. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 2, ferner umfassend das Identifizieren, wenn Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung innerhalb eines vorgegebenen statistischen Bereichs liegen.
  4. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 3, ferner umfassend das Identifizieren, wenn die Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung innerhalb eines verschlechterten, aber akzeptablen Bereichs liegen.
  5. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 4, ferner umfassend das Erzeugen von Korrekturdaten, um die Betriebsparameter des Fahrzeugsystems so zu verändern, dass das mindestens eine der Muster den Mustern der Signaldaten der Nennbetriebsvorrichtung entspricht.
  6. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 5, ferner umfassend das Anwenden der Korrekturdaten mittels einer Systemsteuerung zum Ändern von Systemsteuerungsparametern, um die Fortführung des Betriebs der mindestens einen Vorrichtung und des Systems zu ermöglichen.
  7. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 3, ferner umfassend das Erzeugen eines Fehlersignals, wenn die Unterschiede zwischen den Mustern der gesammelten Signaldaten und den Mustern der Signaldaten der Nennbetriebsvorrichtung den verschlechterten, aber akzeptablen Bereich überschreiten.
  8. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 1, ferner umfassend das Hinzufügen von Signalen von mindestens einem von mehreren Sensoren und Stellgliedern zusammen mit den Signaldaten von mindestens einer Vorrichtung vor dem Analyseschritt.
  9. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 1, ferner umfassend das Auswählen zwischen den folgenden Schritten: (a) Erzeugen von Korrekturdaten, um die Betriebsparameter des Fahrzeugsystems so zu ändern, dass das mindestens eine der Muster den Mustern der Signaldaten der Nennbetriebsvorrichtung entspricht; oder (b) wenn die Korrekturdaten die Muster nicht so ändern können, dass sie den Mustern der Signaldaten der Nennbetriebsvorrichtung entsprechen, Identifizieren der mindestens einen Vorrichtung als fehlerhaft.
  10. Verfahren zum Erkennen und Abschwächen von Sensor- oder Stellgliedverschlechterungen in einem Automobilsystem nach Anspruch 1, ferner umfassend: das Erzeugen einer Wahrscheinlichkeit des Gerätediagnosedurchgangs für jede einer jede einer Vielzahl von Gerätefehler-Box-Einstellungen; und das Reduzieren einer Variation im Bereich von +-4 σ für jede der Gerätefehlerbox -Einstellungen.
DE102018108115.4A 2017-04-12 2018-04-05 Verfahren zum steuern von antriebssystemen mit sensor- oder stellgliedverschlechterung Active DE102018108115B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/485,917 2017-04-12
US15/485,917 US10883436B2 (en) 2017-04-12 2017-04-12 Method and system to control propulsion systems having sensor or actuator degradation

Publications (2)

Publication Number Publication Date
DE102018108115A1 true DE102018108115A1 (de) 2018-10-18
DE102018108115B4 DE102018108115B4 (de) 2023-08-03

Family

ID=63678878

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018108115.4A Active DE102018108115B4 (de) 2017-04-12 2018-04-05 Verfahren zum steuern von antriebssystemen mit sensor- oder stellgliedverschlechterung

Country Status (3)

Country Link
US (1) US10883436B2 (de)
CN (1) CN108691679B (de)
DE (1) DE102018108115B4 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230030029A (ko) * 2018-10-30 2023-03-03 모셔널 에이디 엘엘씨 자율 주행 차량에서의 리던던시
CN110056427B (zh) * 2019-06-19 2019-09-20 潍柴动力股份有限公司 一种发动机检测方法、装置及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6805099B2 (en) * 2002-10-31 2004-10-19 Delphi Technologies, Inc. Wavelet-based artificial neural net combustion sensing
US6804600B1 (en) * 2003-09-05 2004-10-12 Honeywell International, Inc. Sensor error detection and compensation system and method
US8275193B2 (en) * 2004-08-04 2012-09-25 America Gnc Corporation Miniaturized GPS/MEMS IMU integrated board
US9026304B2 (en) * 2008-04-07 2015-05-05 United Parcel Service Of America, Inc. Vehicle maintenance systems and methods
FR3001494B1 (fr) * 2013-01-29 2016-09-16 Ifp Energies Now Procede de diagnostic d'un filtre a particules au moyen d'un capteur de suies
GB2543473A (en) * 2015-06-03 2017-04-26 Gm Global Tech Operations Llc Method of diagnosing a fuel rail pressure sensor
KR20170039497A (ko) * 2015-10-01 2017-04-11 주식회사 현대케피코 연료 탱크 압력 센서의 고장 진단 시스템 및 그 방법

Also Published As

Publication number Publication date
DE102018108115B4 (de) 2023-08-03
CN108691679A (zh) 2018-10-23
US10883436B2 (en) 2021-01-05
US20180298839A1 (en) 2018-10-18
CN108691679B (zh) 2021-08-03

Similar Documents

Publication Publication Date Title
DE102018107746B4 (de) Verfahren zum erfassen und mitigieren einer sensordegradierung
DE112014007308B3 (de) Fehlzündungs-Detektionssystem
DE102011003948B4 (de) Verfahren zur Motorsteuerung mit Ventildeaktivierungsüberwachung unter Verwendung des Auslaßdrucks
DE102010011673B4 (de) Verfahren und System zum Erzeugen eines Diagnosesignals einer Maschinenkomponente unter Verwendung eines Zylinderinnendrucksensors
DE102011109996B4 (de) Aussenlufttemperatursensor-Diagnosesysteme für ein Fahrzeug
DE102011012708B4 (de) Detektion von Kraftstoffeigenschaften im Fahrzeug unter Verwendung eines Verbrennungsparameters als Funktion eines Zylinderdrucksignals
DE102013216731B4 (de) Motorsteuerungssystem
DE102008024955B3 (de) Verfahren zur Erkennung einer Fehlfunktion eines Raildrucksensors bei einem Common Rail-Einspritzsystem
DE102014102342B4 (de) Verfahren zum steuern eines motors in einem zweistofffahrzeug, um einen schaden an einem katalysator aufgrund einer motorfehlzündung zu verhindern
DE102011109802B4 (de) Verfahren zum Detektieren einer Störung einer Kraftstoffeinspritzeinrichtung anhand der Motorschwingung
DE112018003851B4 (de) Steuersystem einer Maschine mit interner Verbrennung
DE102017127042A1 (de) Verfahren zur regelung der betätigungs-ansprechzeit von ölsteuerventilen unter verwendung von zylinderventildiagnostik
DE10017788A1 (de) Fehlererkennungssystem und -verfahren für einen Verbrennungsmotor
DE112018003865T5 (de) Steuersystem einer Maschine mit interner Verbrennung
DE10230899B4 (de) Verfahren zum Diagnostizieren einer fehlerhaften Ventilhubstellung einer Brennkraftmaschine
DE102005049069A1 (de) Verfahren und Vorrichtung zum Betreiben einer Brennkraftmaschine
DE102013221995A1 (de) Verfahren und Vorrichtung zur Bewertung von anormalen Verbrennungen einer Brennkraftmaschine eines Kraftfahrzeuges durch eine Regressionsberechnung einer physikalischen Größe
EP3786436A1 (de) Verfahren zur diagnostik von verbrennungsaussetzern einer verbrennungskraftmaschine
DE102018108115B4 (de) Verfahren zum steuern von antriebssystemen mit sensor- oder stellgliedverschlechterung
DE112013002475B4 (de) Kraftstoffeinspritzungs-Steuer- und Regelungsvorrichtung und Kraftstoffeinspritzungs-Steuer- und Regelungsverfahren für Verbrennungsmotor
DE102018115208B4 (de) System und Verfahren zur Bewertung des Fahrzeugkraftstoffeinspritzsystems
DE102008050023A1 (de) Diagnosesystem für doppelt vorhandene Drosselklappenstellungs-Sensoren mit verringertem Stehenbleiben der Maschine
DE102009046417A1 (de) Verfahren zur Erkennung eines Kraftstoffeintrags in das Schmieröl einer Brennkraftmaschine, insbesondere eines Kraftfahrzeugs
DE102012209682B4 (de) Verfahren für einen stromabwärts von einem katalytischen Wandler positionierten Sauerstoffsensor
DE102017127953A1 (de) Verbrennungsmotorsteuerverfahren und -vorrichtung zum Ermitteln, ob ein Injektor eine Fehlfunktion hat, unter Berücksichtigung eines Einflusses eines Luftverdichters

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R082 Change of representative

Representative=s name: MANITZ FINSTERWALD PATENT- UND RECHTSANWALTSPA, DE

Representative=s name: MANITZ FINSTERWALD PATENTANWAELTE PARTMBB, DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final