DE102021202445A1 - Elektronisches steuergerät und verfahren zurkraftstofftypanalyse - Google Patents

Elektronisches steuergerät und verfahren zurkraftstofftypanalyse Download PDF

Info

Publication number
DE102021202445A1
DE102021202445A1 DE102021202445.9A DE102021202445A DE102021202445A1 DE 102021202445 A1 DE102021202445 A1 DE 102021202445A1 DE 102021202445 A DE102021202445 A DE 102021202445A DE 102021202445 A1 DE102021202445 A1 DE 102021202445A1
Authority
DE
Germany
Prior art keywords
fuel type
fuel
neural network
artificial neural
current
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.)
Pending
Application number
DE102021202445.9A
Other languages
English (en)
Inventor
Stephan Révidat
Leigh Deissenroth
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.)
Hyundai Motor Co
Kia Corp
Original Assignee
Hyundai Motor Co
Kia Motors Corp
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 Hyundai Motor Co, Kia Motors Corp filed Critical Hyundai Motor Co
Priority to DE102021202445.9A priority Critical patent/DE102021202445A1/de
Priority to US17/322,499 priority patent/US11703010B2/en
Priority to KR1020220019701A priority patent/KR20220128275A/ko
Publication of DE102021202445A1 publication Critical patent/DE102021202445A1/de
Pending legal-status Critical Current

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
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2441—Methods of calibrating or learning characterised by the learning conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D19/00—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D19/06—Controlling engines characterised by their use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures peculiar to engines working with pluralities of fuels, e.g. alternatively with light and heavy fuel oil, other than engines indifferent to the fuel consumed
    • F02D19/0626—Measuring or estimating parameters related to the fuel supply system
    • F02D19/0628—Determining the fuel pressure, temperature or flow, the fuel tank fill level or a valve position
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F02D35/023—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions by determining the cylinder pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1405—Neural network control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2409—Addressing techniques specially adapted therefor
    • F02D41/2422—Selective use of one or more tables
    • 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
    • F02D41/263—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor the program execution being modifiable by physical parameters
    • 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
    • F02D41/266—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor the computer being backed-up or assisted by another circuit, e.g. analogue
    • 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
    • F02D41/30—Controlling fuel injection
    • F02D41/38—Controlling fuel injection of the high pressure type
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • F02D2041/228—Warning displays
    • 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
    • F02D2041/281—Interface circuits between sensors and control unit
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0602—Fuel pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0611—Fuel type, fuel composition or fuel quality
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/06—Fuel or fuel supply system parameters
    • F02D2200/0611—Fuel type, fuel composition or fuel quality
    • F02D2200/0612—Fuel type, fuel composition or fuel quality determined by estimation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/10—Parameters related to the engine output, e.g. engine torque or engine speed
    • F02D2200/1002—Output torque
    • F02D2200/1004—Estimation of the output torque

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oil, Petroleum & Natural Gas (AREA)
  • Biomedical Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)

Abstract

Die Erfindung stellt ein elektronisches Steuergerät (100) für ein Fahrzeug mit einem Verbrennungsmotor, ein Verfahren zur Kraftstoffanalyse und ein Verfahren zum Betreiben eines Fahrzeugs mit einem Verbrennungsmotor unter Verwendung des Verfahrens zur Kraftstoffanalyse bereit. Anhand mindestens eines dynamischen Drehmomentsensorwerts einer Hochdruckpumpe (210) des Fahrzeugs und mindestens eines weiteren Sensorwerts, der mindestens einen Drucksensorwert und/oder mindestens einen Timing-Wert umfasst, wird ermittelt, ob ein aktuell verwendeter Typ von verbrennbarem Kraftstoff bekannt, unbekannt oder einem bekannten Kraftstofftyp ähnlich ist. In jedem Fall stellt die Erfindung Verfahren zur Optimierung des Betriebs des Verbrennungsmotors unter Verwendung spezifischer Parameterkonfigurationen für die Kraftstoffeinspritzer (221) des Fahrzeugs bereit. Die spezifischen Parameterkonfigurationen werden entweder aus einer Datenbank abgerufen oder mit Verfahren der künstlichen Intelligenz erzeugt.

Description

  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft ein elektronisches Steuergerät, ein Verfahren zur Kraftstofftypanalyse und ein Verfahren zum Betreiben eines Verbrennungsmotors eines Fahrzeugs basierend auf der Kraftstofftypanalyse. Das betreffende Fahrzeug kann ein Pkw, ein Lkw, ein Zug, ein Flugzeug oder eine andere Art von verbrennungsmotorisch angetriebenen Fahrzeugen sein.
  • Hintergrund der Erfindung
  • Direkteinspritzanlagen für Benzin- und Dieselkraftstoff sind ein wichtiger Treiber für eine saubere Verbrennung. Aber heutzutage ändern sich die Kraftstoffe in Inhalt und Art, um die heutigen fossilen Kraftstoffe in eine nächste Generation von kohlenstoffneutralen Kraftstoffen zu verwandeln. Die Parameter zur Steuerung nicht nur der Hardware, sondern zunehmend auch der Software eines Fahrzeugs mit Verbrennungsmotor können prinzipiell für unterschiedliche Kraftstofftypen optimiert werden. Durch eine gezielte Optimierung (oder: Kalibrierung des Motorsystems) kann die Effizienz der Verbrennung deutlich gesteigert werden. Insbesondere profitiert nicht nur die Hardware davon, dass sie mit optimierten Parametern betrieben wird, sondern auch der Kraftstoffverbrauch kann gesenkt werden.
  • Verschiedene Typen von Kraftstoffen können in diesem Zusammenhang verschiedene chemische Verbindungen oder Mischungen, verschiedene Typen von Fluiden (Flüssigkeiten oder Gase) und so weiter umfassen. Die Unterschiede bei den Kraftstofftypen können so groß sein wie zwischen einem Typ von E-Fuel (E-Kraftstoff) und fossilem Kraftstoff, oder so gering wie lokale Variationen des im Wesentlichen gleichen Kraftstoffs, z. B. aufgrund von Verunreinigungen oder unterschiedlichen Gehalten an Beimischungen in einer bestimmten Tankstelle.
  • Versuche, den Betrieb der Verbrennung zu optimieren, erfordern in jedem Fahrzeug die Bestimmung, welche Typ von Kraftstoff den Motor gerade antreibt. Im Stand der Technik sind Kraftstoffsensoren vorgesehen, die anhand der Lichtbrechung chemische Verbindungen, meist Kohlenstoff und Wasserstoff, bestimmen. Solche Bestimmungen sind jedoch nicht immer eindeutig und können optisch ähnliche, aber chemisch unterschiedliche Kraftstofftypen nicht gut berücksichtigen. Darüber hinaus ist im Stand der Technik selbst für den Fall, dass zwei verschiedene Kraftstofftypen genau unterschieden werden können, die Fähigkeit, auf einen bestimmten Kraftstofftyp zu reagieren, begrenzt.
  • In der DE 10 2017 216 973 A1 wird ein Verfahren beschrieben, bei dem Timings analysiert werden, um dieselbasierte Kraftstoffuntertypen zu identifizieren und im Falle, dass ein Untertyp erkannt wird, vorab gemappte Daten zu verwenden.
  • In der DE 10 2018 104 258 A1 wird ein Verfahren beschrieben, bei dem Spuren im Motor-Rohgas analysiert werden, um Kraftstofftypen zu bestimmen, und für verschiedene bestimmte Kraftstofftypen vorher gemappte Daten verwendet werden. Dieses Verfahren erfordert also mindestens einen Beladungszyklus des Partikelfilters, um einen Kraftstofftyp vollständig zu erkennen.
  • Offenbarung der Erfindung
  • Aufgabe der vorliegenden Erfindung ist es, die oben beschriebenen Probleme des Standes der Technik zu überwinden und ein elektronisches Steuergerät zur Verfügung zu stellen, das nicht nur in der Lage ist, verschiedene Kraftstoffsorten präzise voneinander zu unterscheiden, sondern das auch in der Lage ist, auf die verschiedenen Kraftstoffsorten geeignet zu reagieren, um einen geeigneten Verbrennungsbetrieb in dem Verbrennungsmotor bereitzustellen, auch wenn der Kraftstofftyp vorher unbekannt war.
  • Dementsprechend ist es eine weitere Aufgabe der Erfindung, Verfahren zur präzisen Bestimmung von Kraftstofftypen und zum geeigneten Betrieb von Verbrennungsmotoren auf der Grundlage eines bestimmten Kraftstofftyps bereitzustellen, auch wenn der Kraftstofftyp zuvor unbekannt war.
  • Diese Aufgaben werden durch den Gegenstand der nebengeordneten Ansprüche gelöst.
  • Dementsprechend stellt die Erfindung ein elektronisches Steuergerät (ECU) für ein Fahrzeug mit einem Verbrennungsmotor bereit, das mindestens eine Eingabeschnittstelle und eine Recheneinheit umfasst.
  • Die Eingangsschnittstelle ist konfiguriert, um:
    • - mindestens einen dynamischen Drehmomentsensorwert von einer Hochdruckpumpe des Fahrzeugs empfangen;
    • - mindestens einen zusätzlichen Sensorwert zu empfangen, der mindestens einen Drucksensorwert und/oder mindestens einen Zeitmess- d.h. Timing-Wert umfasst; um
    • - Verbrennungsleistungsdaten zu empfangen, die die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines derzeit in der Hochdruckpumpe und der Kraftstoffschiene vorhandenen Kraftstoffs anzeigen; und um
    • - Zugriff auf eine Datenbank gewähren, die enthält:
      • ◯ Informationen über bekannte Kraftstofftypen; und
      • ◯ eine spezifische Parameterkonfiguration für Kraftstoffeinspritzer, die operativ (und fluidisch) mit der Kraftstoffschiene (Kraftstoff-Rail) verbunden sind, für jede der bekannten Kraftstofftypen.
  • Bei dem mindestens einen zusätzlichen Sensorwert kann es sich insbesondere um mindestens einen Sensorwert handeln, der eine Berechnung der Schallgeschwindigkeit im Kraftstoff ermöglicht, z. B. gleichzeitige Rail-Sensorwerte von zwei oder mehr Rail-Drucksensoren oder ein Timing-Wert für eine Zeit zwischen einem druckverändernden Ereignis und dessen Auswirkung an einem RailDrucksensor kann verwendet werden.
  • Es wurde von den Erfindern festgestellt, dass überraschenderweise allein mit dem dynamischen Drehmomentsensorwert und dem mindestens einen zusätzlichen Sensorwert ausreichende Daten über die Eigenschaften eines beliebigen brennbaren Kraftstoffs ermittelt werden können. Basierend auf diesem Prinzip ist ein weiterer Grundgedanke der Erfindung die Verwendung von Entitäten künstlicher Intelligenz (z. B. künstliche neuronale Netze), um optimierte Parameterkonfigurationen (z. B. optimierte Einspritzwellenformen) für die bestimmten Kraftstofftypen bereitzustellen, wie nachstehend noch erläutert wird.
  • Es versteht sich, dass immer dann, wenn hier von Sensorwerten die Rede ist (z. B. dem dynamischen Drehmomentsensorwert oder dem mindestens einen weiteren Sensorwert), diese nicht nur eine einzelne Messung, sondern eine Vielzahl von Messungen für diese Werte umfassen können. Mit anderen Worten, es kann für jeden Sensorwert eine Kennlinie erzeugt und verwendet werden. Solche Kurven umfassen vorzugsweise mindestens vier Datenpunkte und profitieren in der Regel, wenn die Anzahl der Datenpunkte darüber hinausgeht. Beispielsweise können mehrere Messungen bei verschiedenen Rail-Druckwerten durchgeführt werden, z. B. von 200 Bar bis 1000 Bar in 100-Bar-Schritten.
  • Die Verbrennungsleistungsdaten, die die Verbrennungseigenschaften des aktuellen Kraftstofftyps des aktuell in der Hochdruckpumpe, der Kraftstoffschiene (Kraftstoff-Rail) und dem Motor vorhandenen Kraftstoffs angeben, können von einem oder mehreren Zylinderdrucksensoren geliefert werden, die entsprechende Drucke in Zylindern des Verbrennungsmotors messen.
  • Die Datenbank kann Teil des elektronischen Steuergeräts sein. In diesem Fall kann die Eingabeschnittstelle operativ mit einem internen Speicher verbunden sein, in dem die Datenbank gespeichert ist. Alternativ oder zusätzlich kann die Datenbank von einem zentralen Server, z. B. einem Cloud-Server, bereitgestellt werden, d. h. die Datenbank kann eine Cloud-basierte Datenbank sein. In diesem Fall kann die Eingabeschnittstelle einen Transceiver umfassen, der in der Lage ist, mit der Datenbank über ein geeignetes Netzwerk wie das Internet und/oder Ähnliches zu kommunizieren.
  • Die Datenbank enthält zumindest Informationen über bekannte Kraftstofftypen und eine spezifische Parameterkonfiguration für das Kraftstoff-Rail für jede der bekannten Kraftstofftypen. Solche Parameterkonfigurationen können z. B. Zeitpunkte d.h. Timings und/oder Mengen für Kraftstoffeinspritzungen in einen oder mehrere Zylinder des Verbrennungsmotors umfassen. Solche Zeitpunkte und/oder Mengen können gemeinsam als „Einspritzwellenform“ bezeichnet werden.
  • Die Recheneinheit ist konfiguriert, um folgendes zu implementieren:
    • - ein Kraftstofftyp-Erkennungsmodul;
    • - ein Modul für künstliche Intelligenz; und
    • - ein Kraftstoffeinspritz-Steuermodul.
  • Die Recheneinheit kann mindestens eine Zentralverarbeitungseinheit (CPU), einen Arbeitsspeicher (Random Access Memory, RAM) und einen nichtflüchtigen Speicher umfassen, die alle operativ gekoppelt sind. Die Recheneinheit kann alternativ oder zusätzlich zur CPU auch mindestens eine Grafikverarbeitungseinheit (GPU), mindestens ein Field Programmable Gate Array (FPGA), mindestens einen anwendungsspezifischen integrierten Schaltkreis (ASIC) und/oder Ähnliches umfassen.
  • Jedes einzelne Modul kann in Software und/oder Hardware realisiert werden. Die Unterscheidung zwischen verschiedenen Modulen erfolgt hauptsächlich aus Gründen der Übersichtlichkeit; in Wirklichkeit können alle Module durch einen einzigen Satz von Programmieranweisungen implementiert werden, die von der Recheneinheit ausgeführt werden, wobei die Module z. B. durch separate (oder sogar teilweise überlappende) Funktionen oder Unterprogramme realisiert werden können. Zur zusätzlichen Optimierung können jedoch einige oder alle Module als speziell entwickelte Hardwareteile mit spezifischer Kodierung realisiert werden, insbesondere im Fall des Moduls für künstliche Intelligenz.
  • Das Kraftstofftyp-Erkennungsmodul ist so konfiguriert, dass es auf der Grundlage des mindestens einen empfangenen dynamischen Drehmomentsensorwerts und des mindestens einen empfangenen zusätzlichen Sensorwerts (und vorzugsweise unter Verwendung der Datenbank) bestimmt, ob der aktuelle Kraftstofftyp von folgendem Typ bzw. folgenden Gruppen ist:
    • - eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst (d.h. ein bekannter Kraftstofftyp);
    • - einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst (d. h. einen Kraftstofftyp, der einem bekannten Kraftstofftyp ähnlich ist);
    • - eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst (d. h. ein völlig unbekannter Kraftstofftyp).
  • Das Kraftstoffeinspritzungs-Steuermodul ist so konfiguriert, dass es für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Erkennungsmodul als zur ersten Kraftstofftypgruppe gehörend bestimmt wird, Steuersignale für Kraftstoffeinspritzer des Verbrennungsmotors unter Verwendung der spezifischen Parameterkonfiguration (z. B. Einspritzwellenform) für den aktuellen Kraftstofftyp aus der Datenbank erzeugt.
  • Das Kraftstoffeinspritzungs-Steuermodul ist so konfiguriert, dass es für den Fall, dass der aktuelle Kraftstofftyp vom Kraftstofftyp-Erkennungsmodul als zur dritten Kraftstofftypgruppe gehörend bestimmt wird, Steuersignale für die Kraftstoffeinspritzungen zunächst unter Verwendung einer Fallback-d.h. Reserve-Parameter-Konfiguration erzeugt.
  • Das Modul für künstliche Intelligenz ist so konfiguriert, dass es für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Erkennungsmodul als zur dritten Kraftstofftypgruppe gehörend bestimmt wird, ein neues künstliches neuronales Netz für Kraftstofftypparameter implementiert und trainiert, um eine spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp zu bestimmen.
  • Wenn also der aktuelle Kraftstofftyp bekannt ist (erste Kraftstofftypgruppe), wird eine bekannte spezifische Parameterkonfiguration verwendet, und wenn der aktuelle Kraftstofftyp unbekannt ist, wird eine neue spezifische Parameterkonfiguration erzeugt. Auf diese Weise kann eine Vielzahl von Kraftstofftypen mit einem bestimmten Fahrzeug verwendet werden, auch unter Berücksichtigung von Abweichungen, unbekannten Kraftstofftypen, unvorhergesehenen Additiven oder Degradierungen usw.
  • Um also auf eine wahrscheinliche zukünftige Marktsituation unterschiedlicher Kraftstofftypen und Mischungsvielfalt vorbereitet zu sein, wird hiermit ein Verfahren bereitgestellt, das Kraftstofftypenbestimmung, Verbrennungsanalyse und selbstlernende/übernehmende Logik kombiniert. So ermöglicht insbesondere die Kombination eines neuartigen Ansatzes zur Kraftstofftypenbestimmung durch eine hochdruckpumpenbasierte Antriebsmoment-Dynamikanalyse in Verbindung mit selbstlernenden neuronalen Netzen und einer Verbrennungsanalyse als Rückkopplung eine vollständige Vorbereitung des Motors auf auch heute noch unbekannte Kraftstoffmischungen.
  • Die Erfindung stellt auch ein Fahrzeug bereit, das das elektronische Steuergerät gemäß der vorliegenden Erfindung umfasst, und kann zusätzlich jede der Vorrichtungen umfassen, die Daten an das elektronische Steuergerät liefern oder Daten (insbesondere Steuersignale) von diesem empfangen, wie beispielsweise die Kraftstoffeinspritzern, den Verbrennungsmotor, die Hochdruckpumpe, ein Navigationssystem oder verschiedene interne und/oder externe Sensoren.
  • Die Erfindung stellt auch ein Verfahren zur Kraftstofftypanalyse bereit, das mindestens die folgenden Schritte umfasst:
    • - Empfangen mindestens eines dynamischen Drehmomentsensorwertes von einer Hochdruckpumpe des Fahrzeugs;
    • - Empfangen mindestens eines zusätzlichen Sensorwertes von einer Kraftstoffschiene (Kraftstoff-Rail) des Fahrzeugs, wobei der mindestens eine zusätzliche Sensorwert mindestens einen Drucksensorwert und/oder mindestens einen Timing-wert umfasst;
    • - Empfangen von Verbrennungsleistungsdaten, die die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines Kraftstoffs anzeigen, der derzeit in der Hochdruckpumpe und der Kraftstoffschiene vorhanden ist und derzeit einem Verbrennungsmotor des Fahrzeugs zugeführt wird;
    • - Bestimmen, basierend auf dem mindestens einen empfangenen dynamischen Drehmomentsensorwert und auf dem mindestens einen empfangenen zusätzlichen Sensorwert (und vorzugsweise unter Verwendung einer Datenbank, die Informationen über bekannte Kraftstofftypen enthält), ob der aktuelle Kraftstofftyp von folgendem Typ oder Gruppen ist:
      • ◯ eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst;
      • ◯ einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst;
      • ◯ eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst.
  • Die Erfindung stellt ferner ein Verfahren zum Betreiben eines Verbrennungsmotors eines Fahrzeugs bereit, umfassend:
    • - Bestimmen (z.B. durch ein Kraftstofftyp-Bestimmungsmodul), ob ein aktueller Kraftstofftyp eines Kraftstoffs, der gegenwärtig in einer Hochdruckpumpe des Fahrzeugs und einer Kraftstoffschiene des Fahrzeugs vorhanden ist und gegenwärtig dem Verbrennungsmotor zugeführt wird, zu der ersten Kraftstofftypgruppe, der zweiten Kraftstofftypgruppe oder der dritten Kraftstofftypgruppe gemäß einer beliebigen Ausführungsform des zuvor genannten Verfahrens zur Kraftstofftypenanalyse gehört;
    wobei das Verfahren für den Fall, dass der aktuelle Kraftstofftyp als zur ersten Kraftstofftypgruppe gehörend bestimmt wird, ferner umfasst:
    • - Erzeugen der Steuersignale für Kraftstoffeinspritzer des Fahrzeugs unter Verwendung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp aus der Datenbank; und
    wobei für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Bestimmungsmodul als aus der dritten Kraftstofftypgruppe stammend bestimmt wird, das Verfahren weiterhin umfasst:
    • - Erzeugen der Steuersignale für die Kraftstoffeinspritzer zunächst unter Verwendung einer Fallback- d.h. Reserve-Parameter-Konfiguration; und
    • - Implementieren und Trainieren eines neuen künstlichen neuronalen Netzes für Kraftstofftyp-Parameter zur Bestimmung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp, wobei das Training vorzugsweise über Verstärkungslernen (Reinforcement-Learning) durchgeführt wird.
  • Weitere vorteilhafte Ausführungsformen, Varianten und Verfeinerungen sind in den abhängigen Ansprüchen sowie in der Beschreibung unter Bezugnahme auf die Figuren dargestellt. Es versteht sich, dass jede Variante oder Option oder Modifikation, die in Bezug auf eine beliebige Ausführungsform des elektronischen Steuergeräts oder des Fahrzeugs gemäß der vorliegenden Erfindung beschrieben wird, gleichermaßen auf jede beliebige Ausführungsform der Verfahren gemäß der vorliegenden Erfindung angewendet oder darin realisiert werden kann und umgekehrt.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist das Modul für künstliche Intelligenz ferner so konfiguriert, dass es ein künstliches neuronales Netzwerk zur Bewertung der Verbrennungsleistung implementiert, das so konfiguriert ist, dass es zumindest die Verbrennungsleistungsdaten empfängt und zumindest auf der Grundlage dieser Daten bestimmt, ob der Betrieb des Verbrennungsmotors im Hinblick auf den aktuellen Kraftstofftyp derzeit akzeptabel ist.
  • Konkret kann „akzeptabel“ in diesem Zusammenhang bedeuten, dass eine Verbrennungskurve, die sich bei der Verbrennung des aktuellen Kraftstoffs im Verbrennungsmotor zeigt, innerhalb eines vordefinierten Verhältnisses zu einem gewünschten (oder: optimalen) Korridor für die Verbrennungskurve liegt, z. B. vollständig darin, größtenteils darin, nahe an einer Mittellinie davon und/oder dergleichen. Auf diese Weise kann auch für bisher unbekannte Kraftstofftypen ein Maß dafür geliefert werden, ob die Verbrennung innerhalb geeigneter Parameter abläuft oder ob möglicherweise eine Art von Motorstörung oder ähnliches vorliegt.
  • Vorzugsweise umfasst die elektronische Steuereinheit ferner eine Ausgabeschnittstelle, die so konfiguriert ist, dass sie ein VerbrennungsleistungsBewertungssignal basierend auf der Ausgabe des künstlichen neuronalen Netzes zur Verbrennungsleistungsbewertung bereitstellt. Das VerbrennungsleistungsBewertungssignal kann insbesondere einem On-Board-Diagnosesystem des Fahrzeugs zur Verfügung gestellt werden, z. B. zum Einschalten einer Störungsanzeigeleuchte (MIL) des Fahrzeugs (Fehlersignal). Andere Anwendungen des Verbrennungsleistungsbewertungssignals sind ebenfalls möglich.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist die elektronische Steuereinheit (ECU) so beschaffen, dass, wenn bestimmt wird, dass die aktuelle Kraftstoffsorte zur dritten Kraftstofftypgruppe gehört: das Modul für künstliche Intelligenz so konfiguriert ist, dass es das künstliche neuronale Netz für den neuen Kraftstofftypparameter unter Verwendung von Verstärkungslernen (Reinforcement Learning) auf der Grundlage der empfangenen Verbrennungsleistungsdaten trainiert, und das Kraftstoffeinspritzungs-Steuermodul so konfiguriert ist, dass es die Steuersignale auf der Grundlage einer Ausgabe des künstlichen neuronalen Netzes für den neuen Kraftstofftypparameter während seines Trainings, d.h. während des Trainings des künstlichen neuronalen Netzes für den neuen Kraftstoffsortenparameter, erzeugt.
  • Mit anderen Worten: das Modul für künstliche Intelligenz und das Modul für die Steuerung der Kraftstoffeinspritzung sind so konfiguriert, dass sie diese Verfahrensschritte ausführen, wenn und falls der aktuelle Kraftstofftyp als zur dritten Kraftstofftypgruppe gehörig ermittelt wird. Auf diese Weise können spezifische Parameterkonfigurationen (oder mit anderen Worten spezifische Einspritzkurven) für zuvor unbekannte Kraftstofftypen von Grund auf neu generiert werden. Dies ermöglicht dem Fahrzeugbesitzer, eine Vielzahl von Kraftstofftypen in den Tank seines Fahrzeugs zu geben, in dem Wissen, dass im Laufe der Trainingszeit eine effiziente Einspritzwellenform (die zu einer gewünschten Verbrennungswellenform führt) gefunden wird.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist das Modul für künstliche Intelligenz so konfiguriert, dass es das Training des künstlichen neuronalen Netzes für den neuen Kraftstofftyp-Parameter anhält, wenn eine Abbruchbedingung erfüllt ist. Eine solche Abbruchbedingung kann zum Beispiel eine gewünschte Übereinstimmung der aktuellen Verbrennungswellenform mit einem gewünschten Korridor für die Verbrennungswellenform sein (z. B. dass die gesamte aktuelle Verbrennungswellenform innerhalb des gewünschten Korridors liegen muss), oder eine Abweichung der Verbrennungswellenform von einer Mittelkurve des gewünschten Korridors muss unter einem vordefinierten Schwellenwert gemäß einer Abweichungsmetrik (z. B. quadratische Fehlermetrik) liegen.
  • Vorzugsweise wird danach die spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp der dritten Kraftstofftypgruppe auf der Grundlage der Ausgabe des trainierten künstlichen neuronalen Netzes für neue Kraftstofftypparameter eingestellt, und der aktuelle Kraftstofftyp wird zur ersten Kraftstofftypgruppe hinzugefügt. Dies kann durch Hinzufügen des aktuellen Kraftstofftyps zu der Datenbank mit den bekannten Kraftstofftypen (erste Kraftstofftypgruppe) erfolgen.
  • Zusätzliche Informationen wie die neu ermittelte spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp usw. können ebenfalls zur Datenbank hinzugefügt werden. Auf diese Weise wird das Wissen über Kraftstofftypen und ihre spezifischen Parameterkonfigurationen erweitert, und wenn derselbe Kraftstofftyp erneut verwendet wird, wird er beim nächsten Mal nicht in die dritte Kraftstofftypgruppe, sondern in die erste Kraftstofftypgruppe eingeordnet. Dies sorgt in Zukunft für einen reibungsloseren Verbrennungsbetrieb sowie für eine geringere erforderliche Rechenleistung.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist das Modul für künstliche Intelligenz ferner so konfiguriert, dass es ein neues künstliches neuronales Netz zur Bewertung der Verbrennungsleistung implementiert und trainiert, um zu bestimmen, ob der Betrieb des Verbrennungsmotors unter Verwendung des aktuellen Kraftstofftyps und unter Verwendung der Steuersignale auf der Grundlage der Ausgabe des akzeptabel ist. Vorzugsweise ist das Modul für künstliche Intelligenz ferner so konfiguriert, dass es das vorherige künstliche neuronale Netz zur Bewertung der Verbrennungsleistung durch das neue künstliche neuronale Netz zur Bewertung der Verbrennungsleistung ersetzt, während der aktuelle Kraftstofftyp der dritten Kraftstofftypgruppe verwendet wird, wenn eine Ersetzungsbedingung erfüllt ist.
  • Im Falle einer Änderung des Kraftstofftyps kann diese Änderung wieder rückgängig gemacht werden. In der Tat kann die Datenbank für jeden (oder zumindest für einige) der bekannten Kraftstofftypen auch ein vollständig trainiertes künstliches neuronales Netz zur Bewertung der Verbrennungsleistung enthalten, das anstelle des aktuell eingesetzten Netzes eingesetzt werden kann, wenn ein neuer bekannter Kraftstofftyp bestimmt wird. Auf diese Weise wird auch die Bewertung der Verbrennung mit Hilfe des künstlichen neuronalen Netzes zur Bewertung der Verbrennungsleistung immer genau an den aktuell verwendeten Kraftstofftyp angepasst.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist das elektronische Steuergerät ferner so konfiguriert, dass wenn festgestellt wird, dass der aktuelle Kraftstofftyp zur zweiten Kraftstofftypgruppe gehört, das Kraftstoffeinspritzungs-Steuermodul konfiguriert ist zum:
    • - Auswählen eines Kraftstofftyps der ersten Kraftstofftypgruppe aus der Datenbank auf der Grundlage des mindestens einen empfangenen dynamischen Drehmomentsensorwerts und des mindestens einen empfangenen zusätzlichen Sensorwerts; und zum
    • - Erzeugen der Steuersignale unter Verwendung der spezifischen Parameterkonfiguration für den ausgewählten Kraftstofftyp aus der Datenbank.
  • Auf diese Weise können „Grenzfälle“, bei denen ein neuer Kraftstofftyp weder vollständig bekannt noch vollständig unbekannt ist, zunächst so gut wie möglich behandelt werden, während Schritte zur weiteren Verbesserung der Situation unternommen werden, während das Fahrzeug bereits fahren kann (oder zumindest die Verbrennung im Verbrennungsmotor bereits stattfindet; im Idealfall kann der Fahrer des Fahrzeugs das Fahrzeug dann ohne Nachteile nutzen).
  • Der ausgewählte Kraftstofftyp (aus der ersten Kraftstofftypgruppe) kann ein Kraftstofftyp sein, der dem aktuellen Kraftstofftyp in einer oder mehreren Eigenschaften am ähnlichsten ist (unter Verwendung einer vorgegebenen Ähnlichkeitsmetrik). Diese Eigenschaften können z. B. direkte Sensorwerte wie der dynamische Drehmomentsensorwert DTSV und/oder der mindestens eine zusätzliche Sensorwert sein. Die Eigenschaften können alternativ oder zusätzlich auch von Sensorwerten abgeleitete Eigenschaften wie ein Massen- bzw. Bulkmodul, eine Schallgeschwindigkeit, eine Dichte und/oder ähnliches des aktuellen Kraftstofftyps sein.
  • Wenn mehr als eine Eigenschaft zwischen dem aktuellen Kraftstofftyp und den Kraftstofftypen der ersten Kraftstofftypgruppe verglichen wird, dann kann jede Eigenschaft gleich gewichtet werden, oder es können unterschiedliche Gewichtungen auf verschiedene Eigenschaften angewendet werden. Der ausgewählte Kraftstofftyp kann auch aus den Kraftstofftypen der ersten Kraftstofftypgruppe nach WENN-DANN-Regeln und/oder Entscheidungsbäumen oder ähnlichem ausgewählt werden. Diese Regeln, Gewichtungen und allgemein Auswahlstrategien zur Auswahl des ausgewählten Kraftstofftyps können im Allgemeinen so gewählt und konzipiert werden, dass sichergestellt oder zumindest wahrscheinlicher gemacht wird, dass die für den aktuellen Kraftstofftyp verwendeten spezifischen Parameterkonfigurationen zu einer Verbrennung innerhalb des gewünschten Korridors führen.
  • Einige (oder alle, oder keine) der Auswahlstrategien können konstant sein, während andere (oder alle, oder keine) von der aktuellen Situation abhängen können, z. B. von einer aktuellen Temperatur, einem Standort und/oder Ähnlichem. Die Eingabeschnittstelle kann so konfiguriert sein, dass sie entsprechende Daten empfängt, z. B. Temperaturdaten von einem Thermometer des Fahrzeugs, Standortdaten von einem Navigationssystem des Fahrzeugs und/oder dergleichen. Jede oder alle dieser Datenquellen können Teil des Fahrzeugs sein, das durch die vorliegende Erfindung bereitgestellt wird.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen ist das Modul für künstliche Intelligenz ferner so konfiguriert, dass es ein künstliches neuronales Netz mit angepassten Kraftstofftyp-Parametern implementiert und trainiert, um eine spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp zu bestimmen. Auf diese Weise können eine angepasste Einspritzwellenform für den aktuellen Kraftstofftyp und entsprechende Steuersignale für die Kraftstoffeinspritzer bereitgestellt werden, wodurch die Verbrennungsleistung verbessert wird.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst die Datenbank Parameter für ein entsprechendes vortrainiertes künstliches neuronales Netz für Kraftstofftyp-Parameter für jeden der Kraftstofftypen der ersten Kraftstofftypgruppe, und die Anfangsparameter für das angepasste zu trainierende künstliche neuronale Netz für Kraftstofftyp-Parameter sind die Parameter des vortrainierten künstlichen neuronalen Netzes für Kraftstofftyp-Parameter des ausgewählten Kraftstofftyps.
  • Somit werden die anfänglichen (oder: initialisierenden) Parameter des angepassten, zu trainierenden künstlichen neuronalen Netzes für den Kraftstofftyp-Parameter aus einem Datenbankeintrag der Datenbank entnommen, der mit dem ausgewählten Kraftstofftyp verbunden ist. Mit anderen Worten, die Datenbank kann für jeden bekannten Kraftstofftyp auch einen entsprechenden Satz von Parametern des neuronalen Netzes (normalerweise Gewichte und Verzerrungen) enthalten, speziell für die Verwendung als Anfangsparameter für zu adaptierende/trainierende künstliche neuronale Netze für Kraftstofftypparameter. Auf diese Weise werden vortrainierte künstliche neuronale Netze verwendet, und es wird nur eine Feinabstimmung durchgeführt, wenn ein Kraftstofftyp der zweiten Kraftstofftypgruppe bestimmt wird, so dass die erforderliche Rechenleistung und Rechenzeit stark reduziert wird.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren außerdem die folgenden Schritte:
    • - Implementieren eines künstlichen neuronalen Netzwerks zur Bewertung der Verbrennungsleistung, das so konfiguriert ist, dass es zumindest die Verbrennungsleistungsdaten empfängt und zumindest darauf basierend bestimmt, ob der Betrieb des Verbrennungsmotors im Hinblick auf den aktuellen Kraftstofftyp derzeit akzeptabel ist;
    • - Bestimmen, ob der Betrieb des Verbrennungsmotors in Anbetracht des aktuellen Kraftstofftyps derzeit akzeptabel ist, unter Verwendung des implementierten künstlichen neuronalen Netzes zur Leistungsbewertung; und
    • - Bereitstellen eines Verbrennungsleistungs-Bewertungssignals basierend auf der Ausgabe des künstlichen neuronalen Netzes zur Verbrennungsleistungsbewertung.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren zum Betreiben des Verbrennungsmotors des Fahrzeugs ferner die folgenden Schritte, falls bestimmt wird, dass der aktuelle Kraftstofftyp zur dritten Kraftstofftypgruppe gehört:
    • - Trainieren des künstlichen neuronalen Netzes für einen neuen Kraftstofftyp-Parameter unter Verwendung von Verstärkungslernen (Reinforcement Learning) auf der Grundlage der empfangenen Verbrennungsleistungsdaten; und
    • - Erzeugen der Steuersignale für die Kraftstoffeinspritzer des Fahrzeugs basierend auf einer Ausgabe des künstlichen neuronalen Netzes des neuen Kraftstofftyp-Parameters während seines Trainings.
  • Insbesondere kann eine Ausgabe des künstlichen neuronalen Netzes für neue Kraftstofftyp-Parameter spezifische Parameterkonfigurationen für eine optimierte Einspritzwellenform für die Kraftstoffeinspritzer sein, auf deren Grundlage wiederum die Steuersignale erzeugt werden können, um die Kraftstoffeinspritzer zu steuern, um die optimierte Einspritzwellenform zu realisieren.
  • Auf diese Weise wird eine Rückkopplungsschleife eingerichtet, so dass für das Training die sich ändernde Verbrennungsleistung berücksichtigt wird, um das künstliche neuronale Netz für den neuen Kraftstofftyp-Parameter zu optimieren. Nach Beendigung des Trainings können die Endergebnisse für die spezifischen Parameterkonfigurationen gespeichert werden (z. B. in der Datenbank) und können von da an für die Erzeugung der Steuersignale verwendet werden.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren außerdem die folgenden Schritte:
    • - Anhalten des Trainings des künstlichen neuronalen Netzes für den neuen Kraftstofftyp-Parameter, wenn eine Anhalte-Bedingung erfüllt ist;
    • - danach (d.h. nach dem Anhalten) Einstellen der spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp der dritten Kraftstofftypgruppe auf der Grundlage der Ausgabe des trainierten künstlichen neuronalen Netzes für neue Kraftstofftypparameter; und
    • - Hinzufügen des aktuellen Kraftstofftyps zur ersten Kraftstofftypgruppe durch das elektronische Steuergerät, vorzugsweise zusammen mit zusätzlichen Informationen wie der spezifischen Parameterkonfiguration, die durch das neue künstliche neuronale Netz für die Kraftstofftypparameter bestimmt wird.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren außerdem die folgenden Schritte:
    • - Implementieren und Trainieren eines neuen künstlichen neuronalen Netzes zur Bewertung der Verbrennungsleistung, um zu bestimmen, ob der Betrieb des Verbrennungsmotors unter Verwendung des aktuellen Kraftstofftyps und unter Verwendung der Steuersignale auf der Grundlage der Ausgabe des neuen künstlichen neuronalen Netzes für den Kraftstofftypparameter akzeptabel ist; und
    • - Ersetzen des vorherigen künstlichen neuronalen Netzes zur Bewertung der Verbrennungsleistung durch das neue künstliche neuronale Netz zur Bewertung der Verbrennungsleistung d.h. des Verbrennungsverhaltens, während der aktuelle Kraftstofftyp der dritten Kraftstofftypgruppe verwendet wird, wenn eine Ersetzungsbedingung erfüllt ist.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren ferner die folgenden Schritte, falls der aktuelle Kraftstofftyp als zur zweiten Kraftstofftypgruppe gehörig bestimmt wird:
    • - Auswählen eines Kraftstofftyps der ersten Kraftstofftypgruppe aus der Datenbank basierend auf dem mindestens einen empfangenen dynamischen Drehmomentsensorwert und auf dem mindestens einen empfangenen zusätzlichen Sensorwert; und
    • - Erzeugen der Steuersignale unter Verwendung der spezifischen Parameterkonfiguration für den ausgewählten Kraftstofftyp aus der Datenbank.
  • In einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst das Verfahren außerdem die folgenden Schritte:
    • - Implementieren und Trainieren eines angepassten künstlichen neuronalen Netzes für Kraftstofftyp-Parameter zum Bestimmen einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp, wobei Anfangsparameter des zu trainierenden angepassten künstlichen neuronalen Netzes für Kraftstofftyp-Parameter aus einem Datenbankeintrag der dem ausgewählten Kraftstofftyp zugeordneten Datenbank entnommen werden.
  • Insbesondere kann für jeden bekannten Kraftstofftyp (d.h. Kraftstofftyp der ersten Kraftstofftypgruppe) ein Satz von neuronalen Netzwerkparametern zur Implementierung eines vortrainierten künstlichen neuronalen Netzwerks in der Datenbank gespeichert werden, so dass das Training des angepassten künstlichen neuronalen Netzwerks für Kraftstofftyp-Parameter durch Feinabstimmung eines entsprechenden vortrainierten künstlichen neuronalen Netzwerks durchgeführt werden kann.
  • Mit anderen Worten, in einigen vorteilhaften Ausführungsformen, Verfeinerungen oder Varianten von Ausführungsformen umfasst die Datenbank Parameter für ein entsprechendes vortrainiertes künstliches neuronales Netz für Kraftstofftyp-Parameter für jeden der Kraftstofftypen der ersten Kraftstofftyp-Gruppe, und die Anfangsparameter für das angepasste zu trainierende künstliche neuronale Netz für Kraftstofftyp-Parameter sind die Parameter des vortrainierten künstlichen neuronalen Netzes für den ausgewählten Kraftstofftyp.
  • Figurenliste
  • Zum besseren Verständnis der vorliegenden Erfindung und ihrer Vorteile wird auf die folgende Beschreibung in Verbindung mit den beiliegenden Zeichnungen verwiesen. Die Erfindung wird nachstehend anhand von beispielhaften Ausführungsformen, die in den schematischen Figuren angegeben sind, näher erläutert:
    • 1 zeigt ein schematisches Blockschaltbild, das ein elektronisches Steuergerät für einen Verbrennungsmotor eines Fahrzeugs gemäß einer Ausführungsform der Erfindung darstellt;
    • 2 zeigt schematisch ein System gemäß einer weiteren Ausführungsform der vorliegenden Erfindung;
    • 3 illustriert schematisch dynamische Drehmomentsensorwerte, die in Ausführungsformen der vorliegenden Erfindung verwendet werden können;
    • 4 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp aus der ersten Kraftstofftypgruppe ermittelt wird;
    • 5 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp als zur zweiten Kraftstofftypgruppe gehörend ermittelt wird;
    • 6 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp aus der dritten Kraftstofftypgruppe ermittelt wird;
    • 7 zeigt schematisch eine weitere Vorrichtung und ein Verfahren, die durch die vorliegende Erfindung bereitgestellt werden;
    • 8 zeigt schematisch ein Verfahren zur Kraftstoffanalyse gemäß einer anderen Ausführungsform der vorliegenden Erfindung sowie ein Verfahren zum Betrieb eines Fahrzeugs mit einem Verbrennungsmotor gemäß einer weiteren Ausführungsform der vorliegenden Erfindung.
  • Wenn nicht anders angegeben, bezeichnen gleiche Bezugszeichen in den Figuren gleiche Elemente.
  • Detaillierte Beschreibung der Ausführungsformen
  • 1 zeigt ein schematisches Blockdiagramm, das ein elektronisches Steuergerät, ECU 100, für einen Verbrennungsmotor eines Fahrzeugs gemäß einer Ausführungsform der Erfindung darstellt.
  • Das Steuergerät 100 umfasst eine Eingangsschnittstelle 110, ein Recheneinrichtung 150, eine Datenbank DB und optional eine Ausgangsschnittstelle 190.
  • Die Eingangsschnittstelle 110 ist so konfiguriert, dass das Steuergerät 100 Signale (oder: durch Signale dargestellte Daten) aus verschiedenen Quellen empfangen kann. Solche Quellen können Sensoren, Datenbanken und/oder dergleichen sein. In einigen Ausführungsformen können eine oder mehrere oder alle dieser Quellen Teil eines Systems sein, das ebenfalls durch die vorliegende Erfindung bereitgestellt wird, wobei das System auch das Steuergerät 100 umfasst.
  • 2 zeigt schematisch ein solches System 1000 gemäß einer weiteren Ausführungsform der vorliegenden Erfindung. Das System 1000 umfasst beispielsweise das Steuergerät 100, eine Stromquelle 250, wie z. B. eine Batterie, zur Versorgung des Steuergeräts 100 unter Verwendung von Versorgungs- und Masseleitungen 83, einen Kraftstofftank 240 zur Speicherung eines brennbaren Kraftstoffs für den Motor, eine Versorgungspumpe 230, eine Hochdruckpumpe 210, die von der Versorgungspumpe 230 mit dem Kraftstoff versorgt wird, und eine Kraftstoffverteilungsvorrichtung. Die Kraftstoffverteilungsvorrichtung kann Kraftstoffeinspritzer 221 zum Einspritzen des Kraftstoffs in den Verbrennungsmotor (nicht dargestellt) und eine Kraftstoffschiene 220 zur Bereitstellung des Kraftstoffs von der Hochdruckpumpe 210 zu den Kraftstoffeinspritzern 221 umfassen. Die ECU 100 kann mit der Hochdruckpumpe 210 und den Kraftstoffeinspritzern 221 über Betätigungsleitungen 82 in Wirkverbindung stehen, um die Kraftstoffverteilung zu steuern, d. h. die Art und Weise und den Zeitpunkt d.h. das Timing der Bereitstellung (oder: Einspritzung) des Kraftstoffs für den Verbrennungsmotor.
  • Wieder Bezug nehmend auf 1 kann die Eingangsschnittstelle 110 insbesondere konfiguriert sein, um:
    • - mindestens einen dynamischen Drehmomentsensorwert DTSV von der Hochdruckpumpe 210 des Fahrzeugs zu empfangen;
    • - mindestens einen zusätzlichen Sensorwert ASV (z. B. von der Kraftstoffschiene 220) zu empfangen, der mindestens einen Drucksensorwert und/oder mindestens einen Timing-Wert umfasst; und um
    • - Verbrennungsdaten zu empfangen, die die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines derzeit in der Hochdruckpumpe 210 und der Kraftstoffschiene 220 vorhandenen Kraftstoffs angeben.
  • Der Erfinder hat festgestellt, dass überraschenderweise allein mit dem dynamischen Drehmomentsensorwert DTSV und dem mindestens einen zusätzlichen Sensorwert ASV ausreichende Daten über die Eigenschaften eines beliebigen Typs von brennbare Kraftstoff ermittelt werden können.
  • 3 zeigt schematisch zwei solche dynamischen Drehmomentsensorwerte DTSV. 3 ist ein Diagramm, das auf der horizontalen Achse einen Winkel der Hochdruckpumpe 210 in Grad und auf der vertikalen Achse ein Antriebsdrehmoment in Newtonmetern (Nm) darstellt. Somit zeigt 3 einen dynamischen Antriebsdrehmomentverlauf 60a, 60b, wobei sich in 3 die Bezugszeichen „a“ und „b“ auf zwei verschiedene Kraftstofftypen beziehen.
  • Die Eigenschaften der Hochdruckpumpe 210 selbst sowie die Fluideigenschaften des Kraftstoffs spiegeln sich im physikalischen Erscheinungsbild des Antriebsdrehmoments wider, so dass physikalische Gleichgewichte in verschiedenen Stufen interpretierbar werden. Der obere Totpunkt (OT) 61a, 61b definiert eindeutig eine Position innerhalb der dynamischen Antriebsdrehmoment-Wellenform 60a, 60b, an der der Punkt, an dem die dynamische Antriebsdrehmoment-Wellenform 60a, 60b von positiven zu negativen Werten wechselt, als Summation von Rail-Druck und Federkraft angenommen werden kann.
  • Eine zweite definierende Position ist die negative Spitze 62a, 62b im dynamischen Antriebsmomentverlauf 60a, 60b, also der Wert des dynamischen Antriebsmomentminimums. Unter der Annahme, dass der Kontakt zwischen Stößel und Rolle zur Nockenwelle der Hochdruckpumpe 210 nicht verloren geht, ist die auftreffende (oder: effektive) Kraft eine Summierung nur der Kraft durch Feder und Fluidrestdruck: F e f f e c t i v e = F S p r i n g + F P r e s s u r e = T m i n r ( δ ) .
    Figure DE102021202445A1_0001
  • Die Kraft wird als Drehmoment (Durchmesser an der Nockenposition) übertragen. Darüber hinaus bestimmt der effektive Radius r(δ) des Stößels, wenn sich der Stößel in der Winkelposition δ befindet, unter Berücksichtigung der Pumpengeometrie der Hochdruckpumpe 210 und unter Verwendung des Radius rbase crcle des Stößels an seiner kreisförmigen Basis die abgegebene Verdrängung: r ( δ ) = f ( c a m   l i f t ) + r b a s e c r c l e
    Figure DE102021202445A1_0002
  • Die Federkraft FSpring an der Pumpennockenwelle der Hochdruckpumpe 210 kann mit einer Grundfederkraft FSpring0 und einer Federkennlinie cspring bestimmt werden zu: F S p r i n g = c s p r i n g ∗ ( r ( δ ) − r b a s e c r c l e ) + F S p r i n g 0
    Figure DE102021202445A1_0003
  • Basierend auf diesen erfindungsgemäßen Überlegungen sind die dynamischen Drehmomentsensorwerte DTSVs, die sich als gut geeignet für die Bestimmung von Kraftstofftypen erwiesen haben, die Werte am oberen Totpunkt (Nulldurchgang der dynamischen Antriebsdrehmomentwellenform 60a, 60b) 61a, 61b und an der negativen Spitze 62a, 62b. Unter Bezugnahme auf 2 können diese dynamischen Drehmoment-Sensorwerte DTSVs von einem Antriebsdrehmomentsensor 213 bereitgestellt werden, der mit der Hochdruckpumpe 210 betriebsmäßig gekoppelt ist. Vorzugsweise wird eine Kurve solcher dynamischer Drehmomentsensorwerte DTSVs, die bei verschiedenen Raildruckwerten Prail gemessen wurden, vom Antriebsdrehmomentsensor 213 bereitgestellt.
  • Zurückkommend auf 1 und 2 können die zusätzlichen Sensorwerte ALVs beispielsweise über Sensorleitungen 81 von der Kraftstoffschiene 220 und/oder von einem beliebigen Teil der Verbrennungsmaschine bereitgestellt werden. Beispielsweise können die zusätzlichen Sensorwerte ALVs von mindestens einem Raildrucksensor 223 bereitgestellt werden, der so konfiguriert und angeordnet ist, dass er einen Kraftstoffdruck an des Kraftstoff-Rails 220 misst, insbesondere an einem Ende des Kraftstoff-Rails 220, das in Bezug auf die Hochdruckpumpe 210 distal liegt.
  • Um die Schallgeschwindigkeit c des aktuell im Fahrzeug (insbesondere: in der Hochdruckpumpe 210 und im Kraftstoff-Rail 220) befindlichen Kraftstoffs zu ermitteln, können z.B. zwei separate Rail-Drucksensoren 223 verwendet werden, oder ein RailDrucksensor 223 in Kombination mit einem Timing-Sensor, wobei sich das Timing auf das Schließen eines Kopfventils der Hochdruckpumpe 210 bezieht, und/oder dergleichen.
  • Mit der Formel c = K ρ → ρ = K c 2 ,
    Figure DE102021202445A1_0004
    wobei c die Schallgeschwindigkeit des Kraftstoffs und K der die Kompressibilität des Kraftstoffs beschreibende Masse - oder Bulkmodul ist, kann die Dichte ρ des Kraftstoffs bestimmt werden.
  • Unter der Annahme, dass jede Restmenge an Kraftstoff am OT-Punkt den Raildruck Prail aufweist, kann der Bulkmodul K wie folgt abgeschätzt werden: K = P r a i l − P c o m p V c o m p = P r a i l − T m i n r ( δ ) − c s p r i n g ∗ ( r ( δ ) − r b a s e   c r c l e ) + F S p r i n g 0 A p l u n g e r r p l u n g e r 2 ∗ π ∗ ( l − r ( δ ) )
    Figure DE102021202445A1_0005
    wobei Prail einen Druck in der Kraftstoffschiene 220 bezeichnet und wobei „comp“ Größen in einem Zustand der Kompression durch die Hochdruckpumpe 210 bezeichnet. Tmin bezeichnet das Minimum 62a, 62b des dynamischen Drehmoments. Mengen mit tiefgestelltem „Plunger“ bezeichnen Mengen, die einem Plunger der Hochdruckpumpe 210 zugeordnet sind.
  • Auf diese Weise kann die Dichte ρ genau und mit vergleichsweise geringem Aufwand berechnet werden. Durch die Analyse über wechselnde Raildruckstufen, z. B. 200 bar bis 1000 bar in 8 Stufen, können Kraftstofftyp und Gemisch-Kennlinie bestimmt werden.
  • Zurückkommend auf 1 und 2 können die Verbrennungsdaten, die die Verbrennungseigenschaften des aktuellen Kraftstofftyps des aktuell in der Hochdruckpumpe 210, der Kraftstoffschiene 220 und dem Motor vorhandenen Kraftstoffs angeben, von einem oder mehreren Zylinderdrucksensoren 222 bereitgestellt werden, die entsprechende Drucke in den Zylindern des Verbrennungsmotors messen.
  • Die Recheneinrichtung 150 des Steuergeräts 100 implementiert ein Kraftstofftypbestimmungsmodul FTDM, ein Modul AIM für künstliche Intelligenz AIM und ein Kraftstoffverteilungssteuermodul FDCM.
  • Das Steuergerät kann ferner eine Datenbank-DB umfassen, die Teil der Recheneinrichtung 150 sein kann, indem sie z.B. auf einer Speichereinheit der Recheneinrichtung 150 implementiert ist oder die auf einer separaten Speichereinheit des Steuergeräts 100 implementiert sein kann. In diesem Fall kann pro Fahrzeug eine Datenbank DB vorhanden sein.
  • Alternativ oder auch zusätzlich kann die Eingabeschnittstelle 110 so konfiguriert sein, dass sie Zugriff auf eine Datenbank DB gewährt. Die Datenbank DB kann z. B. als Cloud-Lösung implementiert sein, d. h. sie kann auf einem Cloud-Server gespeichert und zugänglich sein. In diesem Fall kann eine Datenbank DB für eine Vielzahl von Fahrzeugen bereitgestellt werden, auf die jedes der Fahrzeuge einer bestimmten Gruppe (z. B. einer Gruppe von Fahrzeugen, die die gleiche Hardware umfassen) zugreifen kann. Es ist auch eine gemischte Implementierung möglich, bei der die Datenbank DB prinzipiell als Cloud-Lösung realisiert ist, das Steuergerät 100 jedes Fahrzeugs mit Zugriff auf die Datenbank DB aber zusätzlich eine eigene Datenbank DB umfasst, die den letzten bekannten Datensatz der Datenbank der Cloud-Lösung als Backup speichert. Im Folgenden wird für die weitere Beschreibung der Erfindung nur eine Datenbank DB erwähnt, wobei jedoch zu beachten ist, dass diese Datenbank DB mehr als einen Datenspeicher umfassen kann, und zwar in lokalen, entfernten oder dezentralen Realisierungen ohne Verlust der Allgemeingültigkeit.
  • Die Datenbank DB enthält mindestens Informationen über bekannte Kraftstofftypen und eine spezifische Parameterkonfiguration für das Kraftstoff-Rail 220 (z. B. für die Kraftstoffeinspritzer 221) für jeden der bekannten Kraftstofftypen. Solche Parameterkonfigurationen können z. B. Timings oder Mengen für Kraftstoffeinspritzungen in einen oder mehrere Zylinder der Verbrennungsmaschine umfassen.
  • Das Kraftstofftyp-Bestimmungsmodul FTDM ist so konfiguriert, dass es basierend auf dem mindestens einen empfangenen dynamischen Drehmomentsensorwert DTSV und auf dem mindestens einen empfangenen zusätzlichen Sensorwert ASV bestimmt, ob der aktuelle Kraftstofftyp von folgender Gruppe oder folgendem Typ ist:
    • eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst;
    • einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst;
    • eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst.
  • Das weitere Vorgehen hängt dann davon ab, welcher Typ von Kraftstofftyp bestimmt wurde. Im Folgenden werden mögliche optionale Teilabläufe für jede der Kraftstofftypgruppen beschrieben. Es versteht sich, dass diese auch unabhängig voneinander realisiert werden können. Mit anderen Worten, in einigen Ausführungsformen können nur die Merkmale, die für den Fall eines Kraftstofftyps der ersten Kraftstofftypgruppe beschrieben sind, oder nur die Merkmale, die für den Fall eines Kraftstofftyps der zweiten Kraftstofftypgruppe beschrieben sind, oder die Merkmale, die für den Fall eines Kraftstofftyps der dritten Kraftstofftypgruppe beschrieben sind, implementiert werden. Es ist jedoch bevorzugt, dass die Merkmale, wie sie für alle drei Fälle im Folgenden beschrieben sind, implementiert sind.
  • 4 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftypbestimmungsmodul FTDM als der ersten Kraftstofftypgruppe zugehörig bestimmt wird. Dieser Fall wird im Folgenden kurz als der „erste Fall“ bezeichnet. Dieser erste Fall bezieht sich auf die Erkennung eines bekannten Kraftstofftyps.
  • In diesem ersten Fall ist das Kraftstoffverteilungs-Steuermodul FDCM so konfiguriert, dass es Steuersignale CTRL für die an die Kraftstoffschiene 220 angeschlossenen Kraftstoffeinspritzern 221 unter Verwendung der spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp aus der Datenbank DB erzeugt. In 4 ist schematisch dargestellt, dass die Steuersignale CTRL direkt von der Datenbank DB ausgegeben werden. Während dies möglich ist, können in der Realität andere Softwaremodule zwischengeschaltet werden, insbesondere wenn Berechnungen durchgeführt werden müssen, um die Steuersignale CTRL basierend auf den spezifischen Parameterkonfigurationen, die in der Datenbank DB enthalten sind, zu erzeugen. Auch wenn in 4 die Sensorwerte DTSV und ASV schematisch so dargestellt sind, dass sie direkt in die Datenbank eingehen, soll dies lediglich darauf hinweisen, dass diese Sensorwerte DTSV und ASV, wie oben beschrieben, für die Bestimmung der Kraftstofftypgruppe des aktuellen Kraftstoffs sowie des ausgewählten Kraftstoffs (der die spezifische Parameterkonfiguration bestimmt, auf der die Steuersignale CTRL basieren) wesentlich sind.
  • Basierend auf oder unter Verwendung der Steuersignale CTRL werden die Kraftstoffeinspritzer 221 so gesteuert, dass sie den aktuellen Kraftstoff in entsprechende Zylinder des Verbrennungsmotors gemäß einer Einspritzwellenform 63a einspritzen, wie sie auch in 4 schematisch dargestellt ist, wobei die vertikale Achse die Einspritzmenge und die horizontale Achse die Zeit darstellt. Die Steuersignale CTRL können von der Ausgangsschnittstelle 190 zur Übertragung an die Kraftstoffeinspritzer 221 über Betätigungsleitungen 82 ausgegeben werden. Anschließend wird eine Verbrennung durchgeführt, die durch eine Verbrennungswellenform 64a dargestellt werden kann. Die Verbrennungswellenform 64a kann innerhalb eines (im Allgemeinen mehrdimensionalen) Korridors 65 von akzeptablen Verbrennungsleistungsparametern oder (vollständig, oder häufiger, teilweise) außerhalb dieses Korridors 65 liegen.
  • Da der erste Fall den Fall beschreibt, dass ein bekannter Kraftstofftyp (d. h. der ersten Kraftstofftypgruppe) verwendet wird, und da spezifische Parameterkonfigurationen für diesen Kraftstofftyp in der Datenbank gespeichert sind, wird erwartet, dass die Verbrennung dieses Kraftstofftyps unter Verwendung der spezifischen Parameterkonfigurationen zu einer idealen Verbrennungsleistung führt. Wenn dies nicht der Fall ist, kann ein Problem mit einer oder mehreren Komponenten des Fahrzeugs, insbesondere des Motors, vorliegen.
  • Aus diesem Grund kann das Modul AIM für künstliche Intelligenz so konfiguriert sein, dass es eine Einheit für die Bewertung der Verbrennungsleistung mit künstlicher Intelligenz implementiert. Diese Einheit kann jede bekannte Technik der künstlichen Intelligenz verwenden, wie z. B. K-Means oder eine Support-Vektor-Maschine. Hier wird speziell ein künstliches neuronales Netzwerk CPEANN zur Verbrennungsleistungsbewertung für diesen Zweck verwendet.
  • Dieses CPEANN ist darauf trainiert, die Verbrennungsleistungsdaten CPD (z. B. von mindestens einem Zylinderdrucksensor 222) über die Sensorleitungen 83 und die Eingangsschnittstelle 110 als Eingang zu empfangen und als Ausgang ein Verbrennungsleistungsbewertungssignal CPES auszugeben. Dieses Verbrennungsleistungsbewertungssignal CPES kann ein Fehlersignal FS sein (oder umfassen), das einem On-Board-Diagnose-System (OBD) des Fahrzeugs und/oder einem Bussystem des Fahrzeugs, z. B. einem CAN-Bus, einen Hardwaredefekt oder eine Motorstörung anzeigen kann. Dies kann dazu führen, dass im Fahrzeug eine Störungsmeldeleuchte MIL aktiviert wird.
  • Das CPEANN wird trainiert, um auf der Grundlage der Verbrennungsleistungsdaten CPD zu bestimmen, ob das Verbrennungsleistungsbewertungssignal CPES ein Fehlersignal FS sein soll oder nicht. Wenn nicht, kann das CPEANN in einigen Ausführungsformen so konfiguriert sein, dass es ein Rückmeldesignal FB ausgibt, das der Datenbank DB beispielsweise bestätigen kann, dass die spezifische Parameterkonfiguration für den bekannten Kraftstofftyp zu der gewünschten idealen Verbrennungsleistung führt. Diese Option kann besonders wünschenswert sein, wenn eine cloudbasierte Datenbank DB verwendet wird, die somit solche Rückmeldesignale FB von einer Vielzahl von Fahrzeugen erhält. Dies kann helfen, das Verständnis für die Eigenschaften der verschiedenen Kraftstoffe weiter zu verbessern.
  • Falls das Verbrennungsleistungsbewertungssignal CPES ein Fehlersignal FS ist, kann auch dieses Fehlersignal an die Datenbank DB (insbesondere eine cloudbasierte Datenbank DB) übertragen werden.
  • 5 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftypbestimmungsmodul FTDM als der zweiten Kraftstofftypgruppe zugehörig bestimmt wird. Dieser Fall wird im Folgenden kurz als „zweiter Fall“ bezeichnet. Dieser zweite Fall bezieht sich auf die Erkennung eines Kraftstofftyps, der „fast bekannt“ ist, d.h. der (gemäß einer vordefinierten Ähnlichkeitsmetrik, wie oben beschrieben) einem bekannten Kraftstofftyp ähnlich ist. In diesem Sinne kann der zweite Fall auch als „Grenzfall“ bezeichnet werden, da man sagen kann, dass der Kraftstofftyp an der Grenze zwischen bekannten und unbekannten Kraftstofftypen liegt. Zur Erinnerung: dies kann der Fall sein, wenn ein normalerweise bekannter Kraftstofftyp mit einer geringeren Qualität als üblich bereitgestellt wird oder mit einer anderen Substanz verunreinigt bzw. angereichert ist.
  • Zweitens ist das Kraftstoffeinspritzungs-Steuermodul FICM für den Fall, dass der aktuelle Kraftstofftyp aus der zweiten Kraftstofftypgruppe bestimmt wird, konfiguriert, um einen Kraftstofftyp der ersten Kraftstofftypgruppe aus der Datenbank DB basierend auf dem mindestens einen empfangenen dynamischen Drehmomentsensorwert DTSV und auf dem mindestens einen empfangenen zusätzlichen Sensorwert ASV auszuwählen. Der ausgewählte Kraftstofftyp kann ein Kraftstofftyp sein, der dem aktuellen Kraftstofftyp in einer oder mehreren Eigenschaften am ähnlichsten ist. Diese Eigenschaften können zum Beispiel direkt Sensorwerte wie der dynamische Drehmomentsensorwert DTSV und/oder der mindestens eine zusätzliche Sensorwert ASV sein. Die Eigenschaften können alternativ oder zusätzlich auch von Sensorwerten abgeleitete Eigenschaften wie ein Bulkmodul, eine Schallgeschwindigkeit, eine Dichte und/oder ähnliches des aktuellen Kraftstofftyps sein.
  • Wenn mehr als eine Eigenschaft zwischen dem aktuellen Kraftstofftyp und den Kraftstofftypen der ersten Kraftstofftypgruppe verglichen wird, dann kann jede Eigenschaft gleich gewichtet werden, oder es können unterschiedliche Gewichtungen auf verschiedene Eigenschaften angewendet werden. Der ausgewählte Kraftstofftyp kann auch aus den Kraftstofftypen der ersten Kraftstofftypgruppe nach WENN-DANN-Regeln und/oder Entscheidungsbäumen oder ähnlichem ausgewählt werden.
  • Das Kraftstoffeinspritzungs-Steuermodul FICM ist ferner so konfiguriert, dass es die Steuersignale für die Kraftstoffeinspritzer 221 anfänglich unter Verwendung (oder: auf der Grundlage) der spezifischen Parameterkonfiguration für den ausgewählten Kraftstofftyp aus der Datenbank erzeugt, wobei der Fall beschrieben wird, dass bestimmt wird, das der aktuelle Kraftstofftyp zur zweiten Kraftstofftypgruppe gehört. Mit anderen Worten, der bekannte Kraftstofftyp, der dem aktuellen Kraftstofftyp am ähnlichsten ist, wird bestimmt und ausgewählt (ausgewählter Kraftstofftyp), und dann werden die spezifischen Parameterkonfigurationen für diesen ausgewählten Kraftstofftyp für den anfänglichen Betrieb des Verbrennungsmotors mit dem aktuellen Kraftstofftyp verwendet.
  • Diese Regeln, Gewichtungen und allgemein Auswahlstrategien für die Auswahl des gewählten Kraftstofftyps können im Allgemeinen so gewählt und konzipiert werden, dass sichergestellt oder zumindest wahrscheinlicher gemacht wird, dass die für den aktuellen Kraftstofftyp verwendeten spezifischen Parameterkonfigurationen zu einer Verbrennung innerhalb des gewünschten Korridors 65 führen. Wie in 5 schematisch dargestellt, kann eine Verbrennungswellenform 64b des aktuellen Kraftstofftyps in Bezug auf den gewünschten Korridor 65 leicht verschoben oder verzerrt sein.
  • Das auf der Recheneinrichtung 150 laufende Modul für künstliche Intelligenz AIM ist ferner so konfiguriert, dass es eine künstliche Intelligenzeinheit für angepasste Kraftstofftypparameter implementiert, insbesondere ein künstliches neuronales Netz AFTPANN für angepasste Kraftstofftypparameter. Das künstliche neuronale Netz AFTPANN für angepasste Kraftstofftypparameter ist so konfiguriert und trainiert, dass es die Verbrennungsleistungsdaten CPD empfängt und darauf basierend eine angepasste Parameterkonfiguration APC ausgibt. Das Kraftstoffeinspritzungs-Steuermodul FICM ist so konfiguriert, dass es nach einer vordefinierten Anfangsperiode die Steuersignale für die Kraftstoffeinspritzer 221 auf der Grundlage der adaptierten Parameterkonfiguration APC erzeugt.
  • Das AIM ist so konfiguriert, dass es mit voreingestellten Werten für das künstliche neuronale Netz AFTPANN für angepasste Kraftstofftyp-Parameter beginnt und das angepasste künstliche neuronale Netz AFTPANN, vorzugsweise unter Verwendung von Reinforcement Learning, auf der Grundlage der Verbrennungsleistungsdaten CPD trainiert. Als voreingestellte Anfangsparameter (z. B. Gewichte und Vorspannungen) für das AFTPANN können gespeicherte Parameter für ein künstliches neuronales Netz FTPANN für Kraftstofftyp-Parameter für den ausgewählten Kraftstofftyp (d. h. den bekannten Kraftstofftyp, dem der aktuelle Kraftstofftyp am ähnlichsten ist) verwendet werden. Mit anderen Worten: Für jeden bekannten Kraftstofftyp, d. h. jeden Kraftstofftyp innerhalb der ersten Kraftstofftypgruppe, kann ein Satz von Parametern für ein entsprechendes FTPANN gespeichert werden, um als Anfangsparameter für ein AFTPANN verwendet zu werden, für das der jeweilige bekannte Kraftstofftyp als am ähnlichsten ausgewählt wird.
  • Beim Verstärkungslernen (Reinforcement Learning) werden Parametereinstellungen (oder -änderungen) des künstlichen neuronalen Netzes AFTPANN belohnt, die dazu führen, dass sich die Verbrennungswellenform 64b des aktuellen Kraftstoffs dem gewünschten Korridor 65 annähert oder mehr in Richtung der Mitte liegt, und umgekehrt werden Parametereinstellungen (oder -änderungen) des künstlichen neuronalen Netzes AFTPANN bestraft, die dazu führen, dass sich die Verbrennungswellenform 64b des aktuellen Kraftstoffs von dem gewünschten Korridor 65 entfernt. Als Ergebnis des Verstärkungstrainings (oder: Verstärkungslernens) kann die anfänglich verwendete Einspritzwellenform 63a an eine angepasste Wellenform 63b für den aktuellen Kraftstofftyp angepasst werden, wie in 5 gezeigt. Das Modul für künstliche Intelligenz AIM kann so konfiguriert sein, dass das Verstärkungslernen gestoppt wird, wenn eine vorbestimmte Anhalte-Bedingung erreicht wurde, z.B. eine gewünschte Kongruenz der Verbrennungswellenform 64b mit dem gewünschten Korridor 65 (z.B. die gesamte Verbrennungswellenform 64b muss innerhalb des gewünschten Korridors 65 liegen), oder eine Abweichung der Verbrennungswellenform 64b von einer Mittelkurve des gewünschten Korridors 65 unterhalb eines vordefinierten Schwellenwerts gemäß einer Abweichungsmetrik (z.B. quadratische Fehlermetrik).
  • Nachdem das Training des angepassten künstlichen neuronalen Netzes AFTPANN für Kraftstofftypparameter angehalten wurde, wird die Ausgabe des angepassten künstlichen neuronalen Netzes AFTPANN für Kraftstofftypparameter als eine neue spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp an das Kraftstoffeinspritzungs-Steuermodul FICM geliefert und kann auch als solche in der Datenbank DB gespeichert werden. Darüber hinaus kann das angepasste künstliche neuronale Netz AFTPANN für Kraftstofftyp-Parameter in dem Zustand, in dem das Training beendet wurde (d.h. ausreichend trainiert), in der Datenbank DB als das entsprechende künstliche neuronale Netz FTPANN für den aktuellen Kraftstofftyp gespeichert werden.
  • Damit wird der aktuelle Kraftstofftyp Teil der ersten Kraftstofftypgruppe. Das bedeutet, dass, wenn derselbe Kraftstofftyp weiterhin im Kraftstofftank 240 vorhanden ist oder wenn derselbe Kraftstofftyp zu einem späteren Zeitpunkt erneut in den Kraftstofftank 240 eingefüllt wird, dieser gleiche Kraftstofftyp als bekannter Kraftstofftyp behandelt wird und die entsprechende spezifische Parameterkonfiguration vom Kraftstoffeinspritz-Steuermodul FICM zur Erzeugung der Steuersignale für die Kraftstoffeinspritzer 221 verwendet wird. Wenn dann ein anderer Kraftstofftyp in den Kraftstofftank 240 eingefüllt wird, der nicht derselbe Kraftstofftyp ist, aber sehr ähnlich ist, können der gespeicherte spezifische Parametersatz und die Parameter des trainierten angepassten künstlichen neuronalen Netzes AFTPANN für Kraftstofftypparameter verwendet werden, um das Verfahren von 5 für den jüngsten Kraftstofftyp durchzuführen, und so weiter.
  • Auch im zweiten Fall kann das vom Modul AIM für künstliche Intelligenz implementierte künstliche neuronale Netz zur Verbrennungsleistungsbewertung CPEANN verwendet werden, um das Verbrennungsleistungsbewertungssignal CPES wie oben beschrieben zu bereitzustellen. Das künstliche neuronale Netz CPEANN zur Verbrennungsleistungsbewertung kann für die vordefinierte Trainingszeit deaktiviert werden, um zu vermeiden, dass während des Trainings Fehlersignale FS ausgegeben werden. Es kann ein künstliches neuronales Netz CPEANN zur Verbrennungsleistungsbewertung für alle Kraftstofftypen geben, oder es kann ein künstliches neuronales Netz CPEANN zur Verbrennungsleistungsbewertung pro bekanntem Kraftstofftyp der ersten Kraftstofftypgruppe geben.
  • Im letzteren Fall kann, genau wie in Bezug auf das angepasste künstliche neuronale Netz AFTPANN für Kraftstofftypparameter, das künstliche neuronale Netz CPEANN zur Verbrennungsleistungsbewertung für den ausgewählten Kraftstofftyp der ersten Kraftstofftypgruppe (die der bekannte Kraftstofftyp ist, der einem aktuellen unbekannten Kraftstofftyp der zweiten Kraftstofftypgruppe am ähnlichsten ist) als Grundlage verwendet und so trainiert werden, dass es für den aktuellen Kraftstofftyp optimiert wird.
  • Alternativ oder zusätzlich kann das künstliche neuronale Netz CPEANN zur Verbrennungsleistungsbewertung auch von einem Cloud-Speicher bereitgestellt oder heruntergeladen werden. Zum Beispiel kann im Falle von Störungen ein Datensatz erzeugt und an den Cloud-Speicher übertragen werden, der (mindestens) den aktuellen Kraftstofftyp, die Verbrennungsleistungsdaten und die Art der Störung angibt. Eine Vielzahl solcher Datensätze kann dann verwendet werden, um ein künstliches neuronales Netz CPEANN zur Verbrennungsleistungsbewertung für den entsprechenden Kraftstofftyp zu trainieren oder weiter zu trainieren. In diesem Zusammenhang ist zu verstehen, dass der Kraftstofftyp durch einen codierten Bezeichner oder auf andere Weise identifiziert werden kann, zum Beispiel durch seine charakteristischen dynamischen Werte, d. h. seinen dynamischen Drehmomentsensorwert DTSV und/oder den/die mindestens einen zusätzlichen Sensorwert(e) ASV.
  • 6 zeigt einen schematischen Ablauf von Prozessschritten für den Fall, dass der aktuelle Kraftstofftyp vom Kraftstofftypbestimmungsmodul FTDM als zur dritten Kraftstofftypgruppe gehörend bestimmt wird. Das bedeutet, dass der aktuelle Kraftstofftyp weder explizit bekannt ist (erste Kraftstofftypgruppe), noch innerhalb vordefinierter Parameterbereiche einer der bekannten Kraftstofftypen liegt (d. h. dieser hinreichend ähnlich ist). Mit anderen Worten, die dritte Kraftstofftypgruppe umfasst alle derzeit unbekannten Kraftstofftypen. Dieser Fall wird im Folgenden auch als „dritter Fall“ bezeichnet.
  • In diesem dritten Fall gibt es keine spezifische Parameterkonfiguration eines Kraftstofftyps des ersten Kraftstofftyps, die für die anfängliche Steuerung der Kraftstoffeinspritzer 221 verwendet werden kann. Daher ist das Kraftstoffeinspritz-Steuermodul FICM im dritten Fall so konfiguriert, dass es Steuersignale für die Kraftstoffeinspritzer 221 anfänglich unter Verwendung einer Fallback- d.h. Reserve-Parameterkonfiguration erzeugt, die zu einer Fallback-d.h. Reserve-Einspritzwellenform 63c führt, wie in 6 dargestellt.
  • Die Fallback-Parameterkonfiguration kann so gewählt werden, dass sie bei allen (oder zumindest der Mehrheit, vorzugsweise der überwiegenden Mehrheit) der Kraftstofftypen zu einer stabilen, für den Verbrennungsmotor unschädlichen Verbrennung führt. Optional wird eine Eignungsprüfung durchgeführt: für den Fall, dass der dynamische Drehmomentsensorwert DTSV und/oder der mindestens eine zusätzliche Sensorwert ASV darauf hinweisen, dass dies aktuell nicht der Fall sein wird, kann stattdessen der gesamte Vorgang gestoppt und ein Warnsignal an das On-Board-Diagnose (OBD)-System ausgegeben werden, beispielsweise eine Meldung mit dem Hinweis „ungeeigneter Kraftstofftyp“ oder ähnliches. In einigen Ausführungsformen wird also vor der Bestimmung der Kraftstofftypgruppe oder nach der Bestimmung des Kraftstofftyps aus der dritten Kraftstofftypgruppe die oben genannte Eignungsprüfung durchgeführt. Wenn die Eignungsprüfung fehlschlägt, wird ein Warnsignal von der Ausgangsschnittstelle 190 ausgegeben, und wenn die Eignungsprüfung bestanden wird, wird der Vorgang wie beschrieben fortgesetzt.
  • Wie in 6 dargestellt, kann die Fallback-Einspritzungs-Wellenform 63c dazu führen, dass die Verbrennungs-Wellenform 64c für den aktuellen Kraftstofftyp für einen erheblichen Teil davon weit außerhalb des gewünschten Korridors liegt. In einigen Ausführungsformen kann die Eignungsprüfung auf der Grundlage der anfänglichen Verbrennungsleistungsdaten CPD durchgeführt werden, die sich aus der Verbrennung des aktuellen Kraftstoffs unter Verwendung der Fallback-Einspritzwellenform 63c ergeben.
  • Für den Fall, dass keine Eignungsprüfung durchgeführt wird, oder für den Fall, dass die Eignungsprüfung bestanden wird, implementiert und trainiert das Modul für künstliche Intelligenz AIM ein neues künstliches neuronales Netz NFTPANN für Kraftstofftypparameter zur Bestimmung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp.
  • Das AIM ist so konfiguriert, dass es das neue künstliche neuronale Netz NFTPANN für Kraftstofftypparameter unter Verwendung von Reinforcement Learning auf der Grundlage der empfangenen Verbrennungsdaten trainiert, wie es im Vorangehenden in Bezug auf das angepasste künstliche neuronale Netz AFTPANN für Kraftstofftypparameter im zweiten Fall beschrieben worden ist. Das Kraftstoffeinspritz-Steuermodul FICM ist so konfiguriert, dass es die Steuersignale für die Kraftstoffeinspritzer 221 auf der Grundlage einer Ausgabe des neuen künstlichen neuronalen Netzes NFTPANN für Kraftstofftypparameter während des Trainings des NFTPANN erzeugt, so dass die Rückkopplungsschleife geschlossen wird und das angepasste künstliche neuronale Netz AFTPANN für Kraftstofftypparameter über Verstärkungslerner von den Änderungen in der Verbrennungswellenform 64c lernen kann, die indirekt aus seiner eigenen Ausgabe resultieren.
  • Auch hier kann das Modul für künstliche Intelligenz AIM so konfiguriert sein, dass das Training des NFTPANN gestoppt wird, wenn eine Stoppbedingung erfüllt ist. Danach kann die spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp der dritten Kraftstofftypgruppe basierend auf der Ausgabe des trainierten NFTPANN eingestellt werden, und der aktuelle Kraftstofftyp wird der ersten Kraftstofftypgruppe hinzugefügt. Ähnlich wie in Bezug auf den zweiten Fall beschrieben, bedeutet dies, dass nach Beendigung dieses Prozesses der aktuelle Kraftstofftyp, der ursprünglich zur dritten Kraftstofftypgruppe gehörte, auch in der ersten Kraftstofftypgruppe platziert werden kann, wobei alle entsprechenden Daten (spezifische Konfigurationsparameter, Parameter des entsprechenden neuen künstlichen neuronalen Netzes NFTPANN für Kraftstofftypparameter usw.) in der Datenbank DB zur weiteren Verwendung gespeichert werden.
  • In diesem Sinne sind die Verfahren im zweiten Fall und im dritten Fall in Bezug auf das künstliche neuronale Netzwerk FTPANN für Kraftstofftypparameter recht ähnlich, mit dem Haupt- (oder einzigen) Unterschied, dass im zweiten Fall das Training des angepassten künstlichen neuronalen Netzwerks AFTPANN für Kraftstofftypparameter mit vortrainierten neuronalen Netzwerk-Parametern beginnt, die auf dem ausgewählten Kraftstofftyp basieren (d. h. dem ähnlichsten bekannten Kraftstofftyp), wohingegen im dritten Fall das Training des neuen künstlichen neuronalen Netzes NFTPANN mit vortrainierten Fallback-Parametern des neuronalen Netzes beginnt, die für jeden Kraftstofftyp, der als zur dritten Kraftstofftypgruppe gehörend bestimmt wurde, gleich sind.
  • Wenn ein Cloud-Server verwendet wird, um eine zentrale Datenbank-DB für eine Vielzahl von Fahrzeugen zu implementieren, dann kann jedes Auftreten des zweiten Falls und des dritten Falls einen komplett neuen Eintrag innerhalb der zentralen Datenbank auslösen, d. h. ein Hinzufügen eines Kraftstofftyps der ersten Kraftstofftypgruppe (mit den entsprechenden Daten) innerhalb der zentralen Datenbank. Mit der Zeit wird also der erste Fall immer häufiger auftreten.
  • Das Modul AIM für künstliche Intelligenz ist so konfiguriert, dass es ein neues künstliches neuronales Netz NCPEANN zur Verbrennungsleistungsbewertung implementiert und optional trainiert, um zu bestimmen, ob der Betrieb des Verbrennungsmotors unter Verwendung des aktuellen Kraftstofftyps und unter Verwendung der Steuersignale auf der Grundlage des Ausgangs des NFTPANN akzeptabel ist.
  • Für den Fall, dass ein neues künstliches neuronales Netz NCPEANN zur Verbrennungsleistungsbewertung trainiert wird, kann das Modul AIM für künstliche Intelligenz weiterhin so konfiguriert sein, dass es das vorherige künstliche neuronale Netz CPEANN zur Verbrennungsleistungsbewertung durch das neue künstliche neuronale Netz NCPEANN zur Verbrennungsleistungsbewertung ersetzt, während der aktuelle Kraftstofftyp der dritten Kraftstofftypgruppe verwendet wird, wenn eine Ersetzungsbedingung erfüllt ist. In einigen Ausführungsformen kann die Ersetzungsbedingung ständig erfüllt sein. In anderen Ausführungsformen kann die Ersetzungsbedingung nur erfüllt sein, wenn ein Test des trainierten neuen künstlichen neuronalen Netzes NCPEANN zur Verbrennungsleistungsbewertung erfolgreich ist, z. B. korrekte Ausgaben des neuen künstlichen neuronalen Netzes NCPEANN zur Verbrennungsleistungsbewertung zu einer Reihe von simulierten Eingabedatensätzen mit bekannten korrekten Ausgaben, oder, als weiteres Beispiel, eine Genauigkeit des neuen künstlichen neuronalen Netzes NCPEANN zur Verbrennungsleistungsbewertung unterhalb eines vordefinierten Schwellenwerts.
  • In anderen Ausführungsformen oder Varianten kann die Funktion des künstlichen neuronalen Netzes CPEANN zur Verbrennungsleistungsbewertung aufgrund der unbekannten Natur der Kraftstofftypen der dritten Kraftstofftypgruppe deaktiviert werden, während der genannte Kraftstofftyp im Kraftstoffsystem des Fahrzeugs vorhanden ist.
  • Sowohl im zweiten als auch im dritten Fall können für das Training des künstlichen neuronalen Netzes FTPANN (entweder angepasstes künstliches neuronales Netz AFTPANN für Kraftstofftypparameter oder neues künstliches neuronales Netz NFTPANN für Kraftstofftypparameter), zusätzlich zu den Verbrennungsleistungsdaten CPD, auch bestimmte Eigenschaften des Kraftstofftyps selbst als Eingabe verwendet werden. Beispielsweise kann der dynamische Drehmomentsensorwert DTSV und/oder der mindestens eine zusätzliche Sensorwert ASV als zusätzliche Eingabe verwendet werden. Alternativ oder zusätzlich können berechnete oder abgeleitete Eigenschaften des aktuellen Kraftstofftyps als zusätzliche Eingabe verwendet werden, z. B. eine Dichte des Kraftstofftyps, eine Schallgeschwindigkeit des Kraftstofftyps, ein Volumenmodul des Kraftstofftyps, die alle vorzugsweise auf der Grundlage des dynamischen Drehmomentsensorwerts DTSV und/oder des mindestens einen zusätzlichen Sensorwerts ASV berechnet werden können.
  • Wenn das Fahrzeug mit einem Positionierungssystem wie einem GPS-Gerät (Global Positioning System) oder ähnlichem ausgestattet ist, dann können Informationen über Kraftstofftypen mit einem Ortsstempel (und vorzugsweise auch mit einem Zeitstempel) an eine cloudbasierte zentrale Datenbank übermittelt werden. Da jedes Fahrzeug, das das beschriebene Verfahren anwendet, als eine Prüfstation für Kraftstofftypen angesehen werden kann, können die entsprechenden Daten vorteilhaft in der cloudbasierten zentralen Datenbank zur weiteren Analyse gesammelt werden. Solche Daten können beispielsweise spezifische Parametersätze, die dynamischen Drehmomentsensorwerte DTSV, die zusätzlichen Sensorwerte ASV, die Verbrennungsleistungsbewertungssignale CPES, die Verbrennungswellenformen 64a, 64b, 64c, die neuronalen Netzwerkparameter eines der hier beschriebenen künstlichen neuronalen Netze oder jede andere Art von Daten umfassen, die hier als erzeugt oder berechnet beschrieben werden.
  • Die Analyse solcher Datenfelder kann z. B. Informationen über eine bestimmte Region, die Kraftstoff von geringerer Qualität als erwartet liefert, die Verteilung eines bestimmten Kraftstofftyps, saisonale und/oder andere zeitliche Schwankungen in der Qualität und/oder den Eigenschaften der Kraftstofftypen usw. liefern. Solche Daten können dann zur weiteren Verfeinerung des Verfahrens selbst verwendet werden, zum Beispiel zur Verfeinerung der Regeln, die zur Bestimmung des ähnlichsten bekannten Kraftstofftyps im zweiten Fall verwendet werden. So können z. B. einige temperaturbedingte saisonale Änderungen der Eigenschaften von Kraftstofftypen bei der Auswahl des bekannten Kraftstofftyps berücksichtigt werden, der am ehesten eine gute anfängliche spezifische Parameterkonfiguration bietet.
  • Informationen über die regionale und/oder saisonale Kraftstoffqualität können vom Cloud-Dienst auch z. B. an ein Navigationssystem des Fahrzeugs zurückgemeldet werden. Für den Fall, dass der Fahrzeugfahrer Informationen über die nächste Tankstelle anfordert, kann diese Art von Informationen berücksichtigt werden, wenn das Navigationssystem dem Fahrer eine Liste mit Auswahlmöglichkeiten zur Verfügung stellt. Das Navigationssystem kann dem Fahrer auch eine Auswahl an Filteroptionen zur Verfügung stellen, wie z. B. „nächstgelegene Tankstelle“, „Tankstelle mit dem niedrigsten Kraftstoffpreis“ und, basierend auf diesen Daten, „Tankstelle mit der besten Kraftstoffqualität“, oder eine Kombination davon.
  • In 7 sind schematisch weitere Vorrichtungen und Verfahren der vorliegenden Erfindung dargestellt.
  • Erfindungsgemäß wird auch ein System 1000 zur Bereitstellung von Diensten für Fahrzeuge bereitgestellt, das eine Cloud-Computing-Vorrichtung 500 umfasst, die Daten-Uploads von den Steuergeräten 100 einer Vielzahl von Fahrzeugen 400 (nur ein Fahrzeug 400 dargestellt) empfängt. Die Cloud-Computing-Vorrichtung 500 ist so konfiguriert, dass sie die Daten-Uploads, die beliebige der hier beschriebenen Datentypen oder Datentypkombinationen umfassen können, analysiert und den einzelnen Steuergeräten 100 und/oder den Fahrzeugen 400 mit Verbrennungsmotoren 260 und diesen einzelnen Steuergeräten 100 Datenaktualisierungen bereitstellt.
  • Wie voranstehend beschrieben, können solche Datenaktualisierungen Aktualisierungen der Navigationsdaten für die Navigationssysteme 300 der Fahrzeuge, Aktualisierungen der lokalen Datenbanken DB der Fahrzeuge 400 mit zusätzlichen bekannten Kraftstofftypen und entsprechenden Informationen (wie spezifische Parameterkonfigurationen, Parameter des künstlichen neuronalen Netzes zur Verwendung im zweiten Fall, wie in Bezug auf 5 beschrieben, usw.) und/oder Ähnliches umfassen. Es versteht sich, dass in 2 die verschiedenen anderen Komponenten des Fahrzeugs 400 wie jedes der Elemente in 2 vorhanden sein können, aber nicht dargestellt sind.
  • In 8 ist schematisch ein Verfahren zur Kraftstoffanalyse gemäß einer weiteren Ausführungsform der vorliegenden Erfindung dargestellt. Um Wiederholungen auf ein Minimum zu beschränken, wird für die Beschreibung dieses Verfahrens auf die detaillierte Beschreibung des Steuergeräts 100, wie es in Bezug auf 2 bis 7 beschrieben ist, und auf 2 bis 7 selbst zurückverwiesen.
  • In einem Schritt S10 wird mindestens ein dynamischer Drehmomentsensorwert DTSV von einer Hochdruckpumpe 210 des Fahrzeugs 400 empfangen, insbesondere von einem Steuergerät 100 (genauer: einer Eingangsschnittstelle 110 des Steuergeräts 100), wie im Vorangegangenen beschrieben wurde.
  • In einem Schritt S20 wird mindestens ein zusätzlicher Sensorwert ASV von einer Kraftstoffschiene 220 des Fahrzeugs 400 an der ECU 100 empfangen, wobei der mindestens eine zusätzliche Sensorwert ASV mindestens einen Drucksensorwert und/oder mindestens einen Timing-Wert umfasst, wie im Vorangegangenen beschrieben wurde.
  • In einem Schritt S30 werden Verbrennungsleistungsdaten CPD, die die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines Kraftstoffs anzeigen, der aktuell in der Hochdruckpumpe 210 und der Kraftstoffschiene 220 vorhanden ist und aktuell dem Verbrennungsmotor 260 zugeführt wird, an der ECU 100 empfangen, wie im Vorangegangenen beschrieben wurde.
  • In einem Schritt S40 wird, wie voranstehend beschrieben, basierend auf der mindestens einen empfangenen DTSV und auf der mindestens einen empfangenen ASV und unter Verwendung einer Datenbank DB, die Informationen über bekannte Kraftstofftypen enthält, bestimmt, ob der aktuelle Kraftstofftyp zu einem Kraftstofftyp bzw. einer Kraftstofftypgruppe der Folgenden gehört:
    • - eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst;
    • - einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst; oder
    • - eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst.
  • Das Verfahren kann weitere optionale Schritte S50 bis S100 umfassen, in diesem Fall kann das Verfahren auch als Verfahren zum Betreiben eines Verbrennungsmotors 260 eines Fahrzeugs 400 bezeichnet werden.
  • Insbesondere kann das Verfahren weiterhin einen Schritt S50 zum Erzeugen von Steuersignalen für Kraftstoffeinspritzer 221 des Fahrzeugs 400 unter Verwendung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp aus der Datenbank DB umfassen, falls der aktuelle Kraftstofftyp durch das Kraftstofftypbestimmungsmodul FTDM als zur ersten Kraftstofftypgruppe gehörend bestimmt wird (d.h. ein in der Datenbank DB bekannter Kraftstofftyp), wie dies im Vorangehenden beschrieben wurde.
  • Das Verfahren umfasst ferner die folgenden Schritte, falls der aktuelle Kraftstofftyp durch das Kraftstofftypbestimmungsmodul FDTM als zur zweiten Kraftstofftypgruppe gehörend bestimmt wird:
    • - Auswählen S60 eines Kraftstofftyps der ersten Kraftstofftypgruppe aus der Datenbank DB auf der Grundlage des mindestens einen empfangenen dynamischen Drehmomentsensorwerts DTSV und des mindestens einen empfangenen zusätzlichen Sensorwerts ASV, wie im Vorangehenden beschrieben wurde; und
    • - Erzeugen S70 der Steuersignale unter Verwendung der spezifischen Parameterkonfiguration für den ausgewählten Kraftstofftyp aus der Datenbank DB, wie im Vorangehenden beschrieben wurde.
  • Das Verfahren umfasst ferner die folgenden Schritte, falls der aktuelle Kraftstofftyp durch das Kraftstofftypbestimmungsmodul FDTM als zur dritten Kraftstofftypgruppe gehörend bestimmt wird:
    • - Erzeugen S80 der Steuersignale für die Kraftstoffeinspritzer 221 unter anfänglicher Verwendung einer Fallback-Parameterkonfiguration, wie im Vorangehenden beschrieben wurde; und
    • - Implementieren S90 und Trainieren S100 eines neuen künstlichen neuronalen Netzes NFTPANN für Kraftstofftypparameter zur Bestimmung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp, wie es im Vorangehenden beschrieben wurde.
  • Es versteht sich, dass jede oder alle Varianten, Verfeinerungen oder Optionen, die im Vorstehenden in Bezug auf eine der Ausführungsformen des erfindungsgemäßen Verfahrens, der elektronischen Steuereinheit 100 oder des Systems 1000 beschrieben wurden, auch Teil des hier beschriebenen Verfahrens sein können.
  • Ein Grundprinzip der vorliegenden Erfindung lässt sich wie folgt zusammenfassen: Anhand von mindestens einem dynamischen Drehmomentsensorwert DTSV einer Hochdruckpumpe 210 eines Fahrzeugs 400 und mindestens einem zusätzlichen Sensorwert ASV, der mindestens einen Drucksensorwert und/oder mindestens einen Zeitsteuerungswert umfasst, wird bestimmt, ob es sich bei einem aktuell im Fahrzeug verwendeten Typ von brennbarem Kraftstoff um einen bekannte, einen unbekannten oder einen einem bekannten Kraftstofftyp ähnlichen handelt. In jedem Fall stellt die Erfindung Verfahren zur Optimierung des Betriebs des Verbrennungsmotors 260 unter Verwendung spezifischer Parameterkonfigurationen für die Kraftstoffeinspritzer 221 des Fahrzeugs 400 bereit. Die spezifischen Parameterkonfigurationen werden entweder aus einer Datenbank DB abgerufen oder mit Verfahren der künstlichen Intelligenz erzeugt.
  • Die Erfindung wurde ausführlich unter Bezugnahme auf beispielhafte Ausführungsformen beschrieben. Es wird jedoch von Fachleuten erkannt werden, dass Änderungen an diesen Ausführungsformen vorgenommen werden können, ohne von den Prinzipien und zentralen Ideen der Erfindung, dem in den Ansprüchen definierten Umfana der Erfindung und deren Äquivalenten abzuweichen.
  • Bezugszeichenliste
    • 60a
    dynamische Antriebsdrehmomentwellenform
    60b
    dynamische Antriebsdrehmomentwellenform
    61a
    oberer Totpunkt
    61b
    oberer Totpunkt
    62
    negative Spitze
    62
    negative Spitze
    63a
    Einspritzwellenform
    63b
    Einspritzwellenform
    63c
    Einspritzwellenform
    64
    Verbrennungswellenform
    64b
    Verbrennungswellenform
    64
    Verbrennungswellenform
    65
    gewünschter Korridor
    100
    elektronisches Steuergerät
    110
    Eingangsschnittstelle
    150
    Recheneinrichtung
    190
    Ausgangsschnittstelle
    210
    Hochdruckpumpe
    213
    Antriebsdrehmomentsensor
    220
    Kraftstoffschiene
    221
    Kraftstoffeinspritzer
    222
    Zylinderdrucksensor
    223
    Schienendrucksensor
    230
    Versorgungspumpe
    240
    Kraftstofftank
    250
    Stromquelle
    260
    Verbrennungsmotor
    300
    Navigationssystem
    400
    Fahrzeug
    500
    Cloud-Computing-Einrichtung
    1000
    System
    AFTPANN
    angepasstes künstliches neuronales Netz für Kraftstofftypparameter
    APC
    angepasste Parameterkonfiguration
    ASV
    zusätzlicher Sensorwert
    DB
    Datenbank
    DTSV
    dynamischer Drehmomentsensorwert
    CPD
    Verbrennungsleistungsdaten
    CPEANN
    künstliches neuronales Netz zur Verbrennungsleistungsbewertung
    CPES
    Verbrennungsleistungsbewertungssignal
    FB
    Rückkopplungssignal
    FS
    Fehler-Signal
    MIL
    Fehleranzeigeleuchte
    NCPEAN
    neues künstliches neuronales Netz zur Verbrennungsleistungsbewertung
    NFTPANN
    neues künstliches neuronales Netz für Kraftstofftypparameter
    S10..S100
    Verfahrensschritte
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • DE 102017216973 A1 [0005]
    • DE 102018104258 A1 [0006]

Claims (11)

  1. Elektronisches Steuergerät, ECU (100), für ein Fahrzeug (400) mit einem Verbrennungsmotor (260), umfassend: eine Eingangsschnittstelle (110), die konfiguriert ist, um: - mindestens einen dynamischen Drehmomentsensorwert (DTSV) von einer Hochdruckpumpe (210) des Fahrzeugs (400) zu empfangen; - mindestens einen zusätzlichen Sensorwert (ASV) zu empfangen, der mindestens einen Drucksensorwert und/oder mindestens einen Timing-Wert umfasst; um - Verbrennungsleistungsdaten (CPD) zu empfangen, die die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines derzeit in der Hochdruckpumpe (210) und der Kraftstoffschiene (220) vorhandenen Kraftstoffs anzeigen; und um - Zugriff auf eine Datenbank (DB) gewähren, die enthält: - Informationen über bekannte Kraftstofftypen; und - eine spezifische Parameterkonfiguration für Kraftstoffeinspritzer (221), die operativ mit der Kraftstoffschiene (220) verbunden sind, für jeden der bekannten Kraftstofftypen; eine Recheneinrichtung (150), die implementiert: - ein Kraftstofftyp-Erkennungsmodul (FTDM); - ein Modul für künstliche Intelligenz (AIM); und - ein Kraftstoffeinspritz-Steuermodul (FICM); wobei das Kraftstofftyp-Erkennungsmodul (FTDM) so konfiguriert ist, dass es auf der Grundlage des mindestens einen empfangenen dynamischen Drehmomentsensorwerts (DTSV) und des mindestens einen empfangenen zusätzlichen Sensorwerts (ASV) bestimmt, ob der aktuelle Kraftstofftyp zu einer der folgende Gruppen oder einem folgenden Kraftstofftyp gehört: - eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst; - einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst; - eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst; wobei für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Erkennungsmodul (FTDM) als zur ersten Kraftstofftypgruppe gehörend bestimmt wird: - das Kraftstoffeinspritz-Steuermodul (FICM) so konfiguriert ist, dass es Steuersignale für die Kraftstoffeinspritzer des Verbrennungsmotors unter Verwendung der spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp aus der Datenbank erzeugt; wobei für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Erkennungsmodul (FTDM) als zur dritten Kraftstofftypgruppe gehörend bestimmt wird: - das Kraftstoffeinspritz-Steuermodul (FICM) so konfiguriert ist, dass es Steuersignale für die Kraftstoffeinspritzer anfänglich unter Verwendung einer Fallback-Parameter-Konfiguration erzeugt; und - das AIM so konfiguriert ist, dass es ein neues künstliches neuronales Netz für Kraftstofftypparameter, NFTPANN, implementiert und trainiert, um eine spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp zu bestimmen.
  2. Steuergerät (100) nach Anspruch 1, wobei das Modul (AIM) für künstliche Intelligenz ferner so konfiguriert ist, dass es ein künstliches neuronales Netz (CPEANN) zur Verbrennungsleistungsbewertung implementiert, das so konfiguriert ist, dass es zumindest die Verbrennungsleistungsdaten (CPD) empfängt und zumindest darauf basierend bestimmt, ob der Betrieb des Verbrennungsmotors im Hinblick auf den aktuellen Kraftstofftyp derzeit akzeptabel ist; wobei die elektronische Steuereinheit (ECU) ferner eine Ausgabeschnittstelle umfasst, die konfiguriert ist, um ein Verbrennungsleistungsbewertungssignal, CPES, basierend auf der Ausgabe des künstlichen neuronalen Netzes zur Verbrennungsleistungsbewertung, CPEANN, bereitzustellen.
  3. Steuergerät (100) nach Anspruch 1 oder Anspruch 2, wobei die ECU (100) so konfiguriert ist, dass, wenn der aktuelle Kraftstofftyp zur dritten Kraftstofftypgruppe gehörend bestimmt wird: das Modul (AIM) für künstliche Intelligenz so konfiguriert ist, dass es das neue künstliche neuronale Netz (NFTPANN) für Kraftstofftypparameter unter Verwendung von Verstärkungslernen auf der Grundlage der empfangenen Verbrennungsleistungsdaten (CPD) trainiert; und das Kraftstoffeinspritz-Steuermodul (FICM) so konfiguriert ist, dass es die Steuersignale basierend auf einer Ausgabe des neuen künstlichen neuronalen Netzes (NFTPANN) für Kraftstofftypparameter während seines Trainings erzeugt.
  4. Steuergerät (100) nach Anspruch 3, wobei das Modul (AIM) für künstliche Intelligenz so konfiguriert ist, dass es das Training des neuen künstlichen neuronalen Netzes (NFTPANN) für Kraftstofftypparameter stoppt, wenn eine Stoppbedingung erfüllt ist, und wobei danach die spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp der dritten Kraftstofftypgruppe auf der Grundlage der Ausgabe des trainierten neuen künstlichen neuronalen Netzes (NFTPANN) für Kraftstofftypparameter (NFTPANN) eingestellt wird und der aktuelle Kraftstofftyp zu der ersten Kraftstofftypgruppe hinzugefügt wird.
  5. Steuergerät (100) nach Anspruch 2 in Kombination mit Anspruch 3 oder Anspruch 4, wobei das Modul (AIM) für künstliche Intelligenz ferner so konfiguriert ist, dass es ein neues künstliches neuronales Netz (NCPEANN) zur Verbrennungsleistungsbewertung implementiert und trainiert, um zu bestimmen, ob der Betrieb des Verbrennungsmotors (260) unter Verwendung des aktuellen Kraftstofftyps und unter Verwendung der Steuersignale auf der Grundlage der Ausgabe des neuen künstlichen neuronalen Netzes (NFTPANN) für Kraftstofftypparameter akzeptabel ist; und wobei das Modul (AIM) für künstliche Intelligenz ferner so konfiguriert ist, dass es das vorherige künstliche neuronale Netz (CPEANN) zur Verbrennungsleistungsbewertung durch das neue künstliche neuronale Netz (NCPEANN) zur Verbrennungsleistungsbewertung ersetzt, während der aktuelle Kraftstofftyp der dritten Kraftstofftypgruppe verwendet wird, wenn eine Ersetzungsbedingung erfüllt ist.
  6. Steuergerät (100) nach einem der Ansprüche 1 bis 5, wobei das Kraftstoffeinspritz-Steuermodul (FICM) so konfiguriert ist, dass es, wenn der aktuelle Kraftstofftyp als zur zweiten Kraftstofftypgruppe gehörend bestimmt wird: - einen Kraftstofftyp der ersten Kraftstofftypgruppe aus der Datenbank auf der Grundlage des mindestens einen empfangenen dynamischen Drehmomentsensorwerts (DTSV) und des mindestens einen empfangenen zusätzlichen Sensorwerts (ASV) auswählt; und - die Steuersignale unter Verwendung der spezifischen Parameterkonfiguration für den ausgewählten Kraftstofftyp aus der Datenbank (DB) erzeugt.
  7. Steuergerät (100) nach Anspruch 6, wobei das Modul (AIM) für künstliche Intelligenz ferner so konfiguriert ist, dass es ein angepasstes künstliches neuronales Netz (AFTPANN) für Kraftstofftypparameter implementiert und trainiert, um eine spezifische Parameterkonfiguration für den aktuellen Kraftstofftyp zu bestimmen, wobei Anfangsparameter des zu trainierenden angepassten künstlichen neuronalen Netzes (AFTPANN) für Kraftstofftypparameter aus einem Datenbankeintrag der dem ausgewählten Kraftstofftyp zugeordneten Datenbank (DB) entnommen werden.
  8. Elektronisches Steuergerät ECU (100) nach Anspruch 7, wobei die Datenbank (DB) Parameter für ein entsprechendes vor-trainiertes künstliches neuronales Netz für Kraftstofftypparameter für jeden der Kraftstofftypen der ersten Kraftstofftypgruppe umfasst, und wobei die Anfangsparameter für das zu trainierende angepasste künstliche neuronale Netz (AFTPANN) für Kraftstofftypparameter die Parameter des vor-trainierten künstlichen neuronalen Kraftstofftyp-Netzes des ausgewählten Kraftstofftyps sind.
  9. Fahrzeug, das ein elektronisches Steuergerät (ECU) nach einem der Ansprüche 1 bis 8 umfasst, und ferner den Verbrennungsmotor, die Hochdruckpumpe und die Kraftstoffschiene umfasst.
  10. Verfahren zur Kraftstofftypanalyse, das mindestens die folgenden Schritte umfasst: - Empfangen (S10) mindestens eines dynamischen Drehmomentsensorwertes (DTSV) von einer Hochdruckpumpe (210) des Fahrzeugs (400); - Empfangen (S20) mindestens eines zusätzlichen Sensorwertes (ASV) von einer Kraftstoffschiene (220) des Fahrzeugs (400), wobei der mindestens eine zusätzliche Sensorwert (ASV) mindestens einen Drucksensorwert und/oder mindestens einen Timing-Wert umfasst; - Empfangen (S30) von Verbrennungsleistungsdaten (CPD), die Verbrennungseigenschaften eines aktuellen Kraftstofftyps eines Kraftstoffs anzeigen, der derzeit in der Hochdruckpumpe (210) und der Kraftstoffschiene (220) vorhanden ist und derzeit einem Verbrennungsmotor (260) des Fahrzeugs (400) zugeführt wird; - Bestimmen (S40), basierend auf dem mindestens einen empfangenen dynamischen Drehmomentsensorwert (DTSV) und auf dem mindestens einen empfangenen zusätzlichen Sensorwert (ASV) und unter Verwendung einer Datenbank (DB), die Informationen über bekannte Kraftstofftypen enthält, ob der aktuelle Kraftstofftyp von folgender Kraftstofftypgruppe oder folgendem Kraftstofftyp ist: o eine erste Kraftstofftypgruppe, die die bekannten Kraftstofftypen umfasst; o einen zweiten Kraftstofftyp, der Kraftstofftypen innerhalb eines vordefinierten Variationsbereichs um mindestens einen Kraftstofftyp der ersten Kraftstofftypgruppe umfasst; o eine dritte Kraftstofftypgruppe, die alle anderen Kraftstofftypen umfasst.
  11. Verfahren zum Betreiben eines Verbrennungsmotors eines Fahrzeugs, umfassend: Bestimmen, ob ein aktueller Kraftstofftyp eines Kraftstoffs, der aktuell in einer Hochdruckpumpe des Fahrzeugs und einer Kraftstoffschiene des Fahrzeugs vorhanden ist und aktuell dem Verbrennungsmotor zugeführt wird, aus der ersten Kraftstofftypgruppe, der zweiten Kraftstofftypgruppe oder der dritten Kraftstofftypgruppe gemäß dem Verfahren nach Anspruch 10 ist, wobei das Verfahren für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Bestimmungsmodul (FTDM) als zur ersten Kraftstofftypgruppe gehörend bestimmt wird, ferner umfasst: - Erzeugen (S70) von Steuersignalen für Kraftstoffeinspritzer des Fahrzeugs unter Verwendung einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp aus der Datenbank; und wobei das Verfahren für den Fall, dass der aktuelle Kraftstofftyp durch das Kraftstofftyp-Bestimmungsmodul (FTDM) als aus der dritten Kraftstofftypgruppe stammend bestimmt wird, ferner umfasst: - Erzeugen (S80) der Steuersignale für die Kraftstoffeinspritzer zunächst unter Verwendung einer Fallback-Parameter-Konfiguration; und - Implementieren (S90) und Trainieren (S100) eines neuen künstlichen neuronalen Netzes (NFTPANN) für Kraftstofftypparameter zum Bestimmen einer spezifischen Parameterkonfiguration für den aktuellen Kraftstofftyp.
DE102021202445.9A 2021-03-12 2021-03-12 Elektronisches steuergerät und verfahren zurkraftstofftypanalyse Pending DE102021202445A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE102021202445.9A DE102021202445A1 (de) 2021-03-12 2021-03-12 Elektronisches steuergerät und verfahren zurkraftstofftypanalyse
US17/322,499 US11703010B2 (en) 2021-03-12 2021-05-17 Electronic control unit and fuel type analysis method
KR1020220019701A KR20220128275A (ko) 2021-03-12 2022-02-15 전자 제어 유닛 및 연료 유형 분석 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021202445.9A DE102021202445A1 (de) 2021-03-12 2021-03-12 Elektronisches steuergerät und verfahren zurkraftstofftypanalyse

Publications (1)

Publication Number Publication Date
DE102021202445A1 true DE102021202445A1 (de) 2022-09-15

Family

ID=83005294

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021202445.9A Pending DE102021202445A1 (de) 2021-03-12 2021-03-12 Elektronisches steuergerät und verfahren zurkraftstofftypanalyse

Country Status (3)

Country Link
US (1) US11703010B2 (de)
KR (1) KR20220128275A (de)
DE (1) DE102021202445A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022213157A1 (de) 2022-12-06 2024-06-06 Volkswagen Aktiengesellschaft System und Verfahren für einen zentralisierten Informationsfluss über einen im Fahrzeug verbrauchten Energieträger basierend auf seinem digitalen Zwilling

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017216973A1 (de) 2017-09-25 2019-03-28 Robert Bosch Gmbh Verfahren zum Bestimmen einer Kraftstoffsorte
DE102018104258A1 (de) 2018-02-26 2019-08-29 Man Truck & Bus Ag Technik zur Kraftstoffbestimmung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1801394A1 (de) * 2005-12-22 2007-06-27 Inergy Automotive Systems Research (SA) Verfahren zur onboard Bestimmung der Kraftstoffflüchtigkeit
US7444230B2 (en) * 2006-03-31 2008-10-28 Transonic Combustion, Inc. Fuel injector having algorithm controlled look-ahead timing for injector-ignition operation
DE102017122127A1 (de) 2017-09-25 2017-11-23 FEV Europe GmbH Verfahren zum Ermitteln von Kraftstoffeinspritzprofilen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017216973A1 (de) 2017-09-25 2019-03-28 Robert Bosch Gmbh Verfahren zum Bestimmen einer Kraftstoffsorte
DE102018104258A1 (de) 2018-02-26 2019-08-29 Man Truck & Bus Ag Technik zur Kraftstoffbestimmung

Also Published As

Publication number Publication date
KR20220128275A (ko) 2022-09-20
US20220290627A1 (en) 2022-09-15
US11703010B2 (en) 2023-07-18

Similar Documents

Publication Publication Date Title
EP1809884B1 (de) Vorrichtung und verfahren zum korrigieren des einspritzverhaltens eines injektors
DE102014214248B4 (de) Vorrichtung zum korrigieren von injektorcharakteristiken
DE102013220589B3 (de) Verfahren zum Betrieb einer Brennkraftmaschine sowie Einrichtung zum Steuern und Regeln einer Brennkraftmaschine, Einspritzsystem und Brennkraftmaschine
DE102010017368A1 (de) Datenspeichervorrichtung
WO2019076685A1 (de) Berechnung von abgasemssionen eines kraftfahrzeugs
DE19547647A1 (de) Verfahren und Vorrichtung zur Überwachung eines Kraftstoffzumeßsystems einer Brennkraftmaschine
EP1716331A1 (de) Verfahren zur zylindergleichstellung bezüglich der kraftstoff-einspritzmengen bei einer brennkraftmaschine
DE102020106880A1 (de) Verfahren und Vorrichtung zum Kalibrieren eines Steuer- und Regelvorrichtungssystems zur Steuer- und Regelung eines Betriebszustandes
DE102012217741A1 (de) Verfahren zur Plausibilisierung des Ausgangssignals eines Raildrucksensors
DE112014001782B4 (de) Verfahren und System zur Steuerung eines Verbrennungsmotors
DE102005058445B3 (de) Verfahren zur Ermittlung einer in einen Zylinder einer Brennkraftmaschine mit einer Common-Rail-Einspritzanlage eingespritzten Kraftstoffmemge und Mittel zur Durchführung des Verfahrens
DE102018213114A1 (de) Verfahren und Vorrichtung zum Betreiben eines Verbrennungsmotors mit einem Common-Rail-Einspritzsystem
DE112014001770B4 (de) Verfahren und System zur Steuerung eines Verbrennungsmotors
DE102021202445A1 (de) Elektronisches steuergerät und verfahren zurkraftstofftypanalyse
DE102013206308A1 (de) Verfahren und System zum Adaptieren von Modellparametern eines in einem Steuergerät eines Kraftfahrzeugs implementierten Funktionmodells
EP2670965A1 (de) Verfahren zum bestimmen einer steuermenge eines injektors
DE102018115208B4 (de) System und Verfahren zur Bewertung des Fahrzeugkraftstoffeinspritzsystems
DE10123035A1 (de) Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
WO2009141183A1 (de) Verfahren zur injektorindividuellen anpassung der einspritzzeit von kraftfahrzeugen
DE102016222706A1 (de) Fehlerdiagnose für eine Kraftstoffpumpe
DE102019001677A1 (de) Verfahren zur Zustandsprognose eines Injektors
DE10149960C1 (de) Verfahren, Computerprogramm, Steuer- und/oder Regelgerät zum Betreiben einer Brennkraftmaschine, sowie Brennkraftmaschine
DE102019218905A1 (de) Verfahren und vorrichtung zum lernen der öffnungszeit des injektors für fahrzeugmotor
DE102021200789A1 (de) Computer-implementiertes Verfahren und Vorrichtung zur Manipulationserkennung für Abgasnachbehandlungssysteme mithilfe Verfahren künstlicher Intelligenz
DE112014001033B4 (de) Überwachungseinheit und Verfahren zur Überwachung eines Kraftstoffsystems

Legal Events

Date Code Title Description
R012 Request for examination validly filed