DE102021205590A1 - Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren - Google Patents

Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren Download PDF

Info

Publication number
DE102021205590A1
DE102021205590A1 DE102021205590.7A DE102021205590A DE102021205590A1 DE 102021205590 A1 DE102021205590 A1 DE 102021205590A1 DE 102021205590 A DE102021205590 A DE 102021205590A DE 102021205590 A1 DE102021205590 A1 DE 102021205590A1
Authority
DE
Germany
Prior art keywords
time
opening
evaluation point
time series
closing
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
DE102021205590.7A
Other languages
English (en)
Inventor
Andreas Hopf
Roland Norden
Thomas Spieker
Jens-Holger Barth
Mona Meister
Konrad Groh
Frank Kowol
Erik Tonner
Matthias Woehrle
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102021205590.7A priority Critical patent/DE102021205590A1/de
Publication of DE102021205590A1 publication Critical patent/DE102021205590A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/02Circuit arrangements for generating control signals
    • F02D41/14Introducing closed-loop corrections
    • F02D41/1401Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1405Neural network control
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/24Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425Particular ways of programming the data
    • F02D41/2429Methods of calibrating or learning
    • F02D41/2451Methods of calibrating or learning characterised by what is learned or calibrated
    • F02D41/2464Characteristics of actuators
    • F02D41/2467Characteristics of actuators for injectors
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/30Controlling fuel injection
    • F02D41/38Controlling fuel injection of the high pressure type
    • F02D41/40Controlling fuel injection of the high pressure type with means for controlling injection timing or duration
    • F02D41/401Controlling injection timing
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D41/00Electrical control of supply of combustible mixture or its constituents
    • F02D41/20Output circuits, e.g. for controlling currents in command coils
    • F02D2041/202Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit
    • F02D2041/2055Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit with means for determining actual opening or closing time
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D2200/00Input parameters for engine control
    • F02D2200/02Input parameters for engine control the parameters being related to the engine
    • F02D2200/06Fuel or fuel supply system parameters
    • F02D2200/0602Fuel pressure
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D2200/00Input parameters for engine control
    • F02D2200/02Input parameters for engine control the parameters being related to the engine
    • F02D2200/06Fuel or fuel supply system parameters
    • F02D2200/0618Actual fuel injection timing or delay, e.g. determined from fuel pressure drop
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02DCONTROLLING COMBUSTION ENGINES
    • F02D2200/00Input parameters for engine control
    • F02D2200/02Input parameters for engine control the parameters being related to the engine
    • F02D2200/06Fuel or fuel supply system parameters
    • F02D2200/063Lift of the valve needle

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Betreiben eines Einspritzsystems eines Verbrennungsmotors durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils (6) basierend auf einem Sensorsignal vorgesehen, mit folgenden Schritten:- Bereitstellen (S1, S2) einer Auswertungspunktzeitreihe (E) durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils,- Verwenden (S5) eines datenbasierten Zeitpunktbestimmungsmodells (23) mit der Auswertungspunktzeitreihe (E), um eine modellierte Angabe zu einem Öffnungs- oder Schließzeitpunkt zu erhalten, wobei das Zeitpunktbestimmungsmodell (23) als künstliches neuronales Netz ausgebildet ist und trainiert ist, um abhängig von der bereitgestellten Auswertungspunktzeitreihe (E) einen Öffnungs- oder Schließzeitpunkt anzugeben,- Bestimmen (S6) eines Konfidenzwerts (K), indem die Auswertungspunktzeitreihe (E) auf einen Projektionsvektor (P) niedrigerer Dimensionalität projiziert wird und der Projektionsvektor (P) mithilfe einer Überwachungsfunktion (24) hinsichtlich einer Abweichung analysiert wird;- Betreiben des Verbrennungsmotors abhängig von dem Öffnungs- oder Schließzeitpunkt und abhängig von dem Konfidenzwert (K).

Description

  • Technisches Gebiet
  • Die Erfindung betrifft ein Verfahren zum Betreiben eines Kraftstoffeinspritzventils einer Brennkraftmaschine unter Verwendung von datenbasierten Modellen, insbesondere für die Bestimmung eines Öffnungszeitpunkts und/oder eines Schließzeitpunkts zur Abschätzung einer eingespritzten Kraftstoffmenge.
  • Technischer Hintergrund
  • Zum Zumessen von Kraftstoff in Verbrennungsmotoren werden elektromechanische oder piezoelektrische Einspritzventile verwendet. Diese ermöglichen eine direkte und genau bemessene Kraftstoffzufuhr in die Zylinder des Verbrennungsmotors.
  • Eine Herausforderung besteht darin, den Verbrennungsvorgang möglichst genau zu steuern, um Betriebseigenschaften des Verbrennungsmotors, insbesondere hinsichtlich des Kraftstoffverbrauchs, der Effizienz, der Schadstoffemissionen und der Laufruhe, zu verbessern. Dazu ist wesentlich, die Einspritzventile so zu betreiben, dass die einzuspritzende Kraftstoffmenge mit hoher Wiederholgenauigkeit, bei variierenden Arbeitsdrücken und ggfs. mit mehreren Einspritzungen pro Arbeitstakt zugemessen werden kann.
  • Einspritzventile können einen elektromagnetischen Aktuator oder Piezoaktuator aufweisen, die eine Ventilnadel betätigen, um diese von einem Nadelsitz abzuheben und eine Austrittsöffnung des Einspritzventils zum Auslassen des Kraftstoffs in den Verbrennungsraum zu öffnen. Aufgrund von baulichen Unterschieden und unterschiedlichen Betriebsbedingungen wie Temperatur, Kraftstoffdruck, Kraftstoffviskosität gibt es eine Unsicherheit beim Bestimmen des exakten Öffnungszeitpunkts, d. h. des Zeitpunkts, ab dem Kraftstoff durch das Einspritzventil in den Brennraum des Zylinders gelangt, und des exakten Schließzeitpunkts des Einspritzventils, d. h. des Zeitpunkts, bis zu dem Kraftstoff durch das Einspritzventil in den Brennraum des Zylinders gelangt.
  • Offenbarung der Erfindung
  • Erfindungsgemäß sind ein Verfahren zum Betreiben eines Kraftstoffeinspritzventils gemäß Anspruch 1 sowie eine Vorrichtung und ein Einspritzsystem gemäß den nebengeordneten Ansprüchen vorgesehen.
  • Weitere Ausgestaltungen sind in den abhängigen Ansprüchen angegeben.
  • Gemäß einem ersten Aspekt ist ein Verfahren zum Betreiben eines Einspritzsystems eines Verbrennungsmotors durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils basierend auf einem Sensorsignal vorgesehen, mit folgenden Schritten:
    • - Bereitstellen einer Auswertungspunktzeitreihe durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils,
    • - Verwenden eines datenbasierten Zeitpunktbestimmungsmodells mit der Auswertungspunktzeitreihe, um eine modellierte Angabe zu einem Öffnungs- oder Schließzeitpunkt zu erhalten, wobei das Zeitpunktbestimmungsmodell als künstliches neuronales Netz ausgebildet ist und trainiert ist, um abhängig von der bereitgestellten Auswertungspunktzeitreihe einen Öffnungs- oder Schließzeitpunkt anzugeben,
    • - Bestimmen eines Konfidenzwerts, indem die Auswertungspunktzeitreihe auf einen Projektionsvektor niedrigerer Dimensionalität projiziert wird und der Projektionsvektor mithilfe einer Überwachungsfunktion hinsichtlich einer Abweichung analysiert wird;
    • - Betreiben des Verbrennungsmotors abhängig von dem Öffnungs- oder Schließzeitpunkt und abhängig von dem Konfidenzwert.
  • Obwohl die Ansteuerung eines Einspritzventils gemäß einem vorgegebenen Verlauf eines Ansteuersignals erfolgt, variieren die dadurch bewirkten Öffnungs- und Schließbewegungen des Einspritzventils, sodass die tatsächlichen Öffnungs- und Schließzeitpunkte zum Starten und Beenden der Kraftstoffeinspritzung nicht exakt vorgegeben werden können. Die Ursache hierfür liegt in den komplexen Abhängigkeiten der Ventilbewegung von dem aktuellen Betriebspunkt.
  • Um die Ventilbewegung zu überwachen, ist in den Einspritzventilen ein Piezosensor vorgesehen, der als Drucksensor ausgebildet ist, um die durch die Ansteuerung des Einspritzventils ausgelösten Druckänderungen eines Kraftstoffdrucks zu erfassen und ein entsprechendes Sensorsignal bereitzustellen. Das gemessene Sensorsignal kann nun zur Ermittlung der tatsächlichen Öffnungs- und Schließzeitpunkte des Einspritzventils ausgewertet werden, um so die Ansteuerung des Einspritzventils entsprechend anzupassen.
  • Jedoch ist auch das Sensorsignal rauschbehaftet und hängt insbesondere von dem tatsächlichen Kraftstoffdruck in der Kraftstoffzufuhr und der Dauer der zu vermessenden Ansteuerung ab.
  • Die Auswertung des Sensorsignals zum Ermitteln eines Öffnungs- und/oder Schließzeitpunkts des Einspritzventils kann mithilfe eines datenbasierten Zeitpunktbestimmungsmodells vorgenommen werden, das z.B. in Form eines Klassifikationsmodells ausgebildet sein kann.
  • Die Verwendung eines datenbasierten Zeitpunktbestimmungsmodells zur Ermittlung eines Öffnungs- oder Schließzeitpunkts ist vorteilhaft, da sich eine geeignete Modellierung, insbesondere mithilfe eines physikalisch motivierten Modells, aufgrund der vielfältigen Einflüsse und Wechselwirkungen nicht abbilden lässt. Jedoch ist in sicherheitskritischen Anwendungen der Einsatz von rein datenbasierten Modellen bedenklich, da nicht für jeden Betriebspunkt sichergestellt werden kann, dass die Ausgabe des Auswertungsmodells nicht zu einem unerwünschten Systemverhalten führt.
  • Das datenbasierte Zeitpunktbestimmungsmodell kann ausgebildet und trainiert sein, um abhängig von einem Eingangsvektor, der die Auswertungspunktzeitreihe angibt, einen Ausgabevektor auszugeben, der eine modellierte Angabe zu dem Öffnungs- oder Schließzeitpunkt darstellt.
  • So kann das datenbasierte Zeitpunktbestimmungsmodell als Klassifikationsmodell ausgebildet sein. Darin kann beispielsweise ein Wert einer Ausgabeklasse von „1“ angeben, dass der Zeitpunkt einem Zeitpunkt entspricht, der dieser Ausgabeklasse zugeordnet ist. Analog kann ein Wert einer Ausgabeklasse von „0“ angeben, dass der Öffnungs- oder Schließzeitpunkt nicht einem Zeitpunkt entspricht, der dieser Ausgabeklasse zugeordnet ist. Ein solches Klassifikationsmodell gibt also für jede Ausgabeklasse einen Wert, insbesondere zwischen 0 und 1 aus, der eine Wahrscheinlichkeit angibt, mit welcher der Zeitpunkt, der der entsprechenden Ausgabeklasse zugeordnet ist, der zu ermittelnde Öffnungs- oder Schließzeitpunkt ist.
  • Der Indexwert des Elements mit dem maximalen Elementwert im Ausgabevektor gibt also den zu bestimmenden Öffnungs- und Schließzeitpunkt in dem Auswertungszeitraum an. Die Zuordnung des Indexwerts zu einem entsprechenden Zeitpunkt ist durch das Training des Zeitpunktbestimmungsmodells vorgegeben und insbesondere relativ zu einem Kurbelwellenwinkel oder mit Bezug auf den Startzeitpunkt der Ansteuerung des Einspritzventils durch das Ansteuersignal für die Aktuatoreinheit des Einspritzventils angegeben.
  • Das datenbasierte Zeitpunktbestimmungsmodell kann beispielsweise ein mehrlagiges neuronales Netz sein, das mehrere Schichten mit jeweiligen Aktivierungsfunktionen aufweist. Insbesondere kann das datenbasierte Zeitpunktbestimmungsmodell basierend auf Trainingsdatensätzen trainiert sein, die jeweils eine Auswertungspunktzeitreihe einem Öffnungs- oder Schließzeitpunkt zuordnen, wobei das Zeitpunktbestimmungsmodell als neuronales Netz mit einer Eingangsschicht mit mehreren Neuronen, mit einer oder mehreren Zwischenschichten mit jeweils mehreren Neuronen und einer Ausgabeschicht mit mehreren Neuronen zur Ausgabe des Öffnungs- oder Schließzeitpunkt ausgebildet ist.
  • Die Modellierung mit einem datenbasierten Modell kann zu Unsicherheiten führen. Die Unsicherheit hängt von dem Training und den zugrundeliegenden Trainingsdaten des Zeitpunktbestimmungsmodells ab. Die Unsicherheit kann mit einem Konfidenzwert quantifiziert werden. Um einen solchen Konfidenzwert zu bestimmen, sieht das obige Verfahren vor, die Auswertungspunktzeitreihe, die den Eingabevektor des Zeitpunktbestimmungsmodells darstellen kann, mithilfe einer Projektion zu verarbeiten. Die Projektion dient dazu, die Dimensionalität der Auswertungspunktzeitreihe zu reduzieren und einen in seiner Dimensionalität reduzierten Projektionsvektor für eine Konfidenzbestimmung zur Verfügung zu stellen.
  • Es kann vorgesehen sein, dass die Überwachungsfunktion durch einen Autoencoder realisiert ist. Der Autoencoder kann mit Projektionsvektoren trainiert sein, die sich aus realen Auswertungspunktzeitreihen ergeben. Insbesondere kann das Zeitpunktbestimmungsmodell basierend auf Trainingsdaten trainiert sein, die die realen Auswertungspunktzeitreihen umfassen. Der Rekonstruktionsfehler des Autoencoders für die Rekonstruktion der Projektionsvektoren gibt an, wie „bekannt“ die zugrundeliegende reale Auswertungspunktzeitreihe ist, die mit dem Zeitpunktbestimmungsmodell ausgewertet wird. Der Konfidenzwert kann beispielsweise als Rekonstruktionsfehler des Autoencoders oder abhängig davon angegeben werden.
  • Die Überwachungsfunktion kann in Verbindung mit der Projektion in den Projektionsvektor ein oder mehrere Merkmale der Auswertungspunktzeitreihe, die sich in dem Projektionsvektor widerspiegeln, dahingehend bewerten, ob das eine oder die mehreren Merkmale bekannten Auswertungspunktzeitreihen ähneln.
  • Auf diese Weise kann unabhängig von dem Zeitpunktbestimmungsmodell ein Konfidenzwert bereitgestellt werden, der die Ähnlichkeit einer neu zu analysierenden bzw. auszuwertenden Auswertungspunktzeitreihe mit zuvor während des Trainings des Zeitpunktbestimmungsmodells verwendeten Auswertungspunktzeitreihen bestimmt. Die Ähnlichkeit des Projektionsvektors der zu analysierenden bzw. auszuwertenden Auswertungspunktzeitreihe zu den Projektionsvektoren, mit denen die Überwachungsfunktion trainiert worden ist, gibt dann an, wie umfassend das datenbasierte Zeitpunktbestimmungsmodell in dem Datenbereich/Wertebereich der auszuwertenden Auswertungspunktzeitreihe zuvor trainiert worden ist.
  • Weiterhin kann die Projektionsfunktion einer Hauptkomponentenanalyse entsprechen oder diese umfassen.
  • Es kann eine Rückprojektionsfunktion vorgesehen sein, um aus dem Projektionsvektor die Auswertungspunktzeitreihe zu rekonstruieren und die rekonstruierte Auswertungspunktzeitreihe zur Auswertung dem Zeitpunktbestimmungsmodell zuzuführen, um den Öffnungs- oder Schließzeitpunkt zu erhalten.
  • Die Auswertungspunktzeitreihe kann somit direkt dem Zeitpunktbestimmungsmodell zugeführt werden oder durch Rückprojektion des Projektionsvektors rekonstruiert werden.
  • Die rekonstruierte Auswertungspunktzeitreihe kann auf diese Weise einer gefilterten ursprünglichen Auswertungspunktzeitreihe entsprechen. Die Filterung wird durch die Dimensionsreduzierung der Projektion bewirkt und dient als Rauschfilter, wobei hohe Frequenzen in der Auswertungspunktzeitreihe unterdrückt werden. Dies führt zu einer erhöhten Stabilität gegenüber Ausreißern.
  • Gemäß einer Ausführungsform kann der Verbrennungsmotor abhängig von einem zuvor ermittelten oder auf andere Weise ermittelten Öffnungs- oder Schließzeitpunkt betrieben werden, wenn der Konfidenzwert einen vorgegebenen Schwellenwert überschreitet.
  • Basierend auf dem Öffnungs- oder Schließzeitpunkt wird eine tatsächlich eingespritzte Kraftstoffmenge in an sich bekannter Weise ermittelt und der Verbrennungsmotor entsprechend betrieben.
  • Der Betrieb des Einspritzventils kann abhängig von dem Öffnungs- und/oder Schließzeitpunkt durchgeführt werden, wobei der Betrieb des Einspritzventils insbesondere so vorgenommen wird, dass eine Öffnungsdauer des Einspritzventils, die durch den ermittelten Öffnungs- und/oder Schließzeitpunkt bestimmt ist, auf eine vorgegebene Soll-Öffnungsdauer eingestellt wird.
  • Gemäß einem weiteren Aspekt ist eine Vorrichtung zur Durchführung eines der obigen Verfahren vorgesehen.
  • Figurenliste
  • Ausführungsformen werden nachfolgend anhand der beigefügten Zeichnungen näher erläutert. Es zeigen:
    • 1 eine schematische Darstellung eines Einspritzsystems für die Einspritzung von Kraftstoff in den Zylinder eines Verbrennungsmotors;
    • 2 ein Flussdiagramm zur Darstellung eines Verfahrens zur Anwendung eines trainierten, datenbasierten Zeitpunktbestimmungsmodells zum Bestimmen einer eingespritzten Kraftstoffmenge;
    • 3 eine schematische Darstellung des Zeitpunktbestimmungsmodells und der Bestimmung des Konfidenzwerts;
    • 4 eine beispielhafte Auswertungspunkt-Zeitreihe als Kurvenverlauf eines Spannungssignals in einem Auswertungszeitraum
  • Beschreibung von Ausführungsformen
  • 1 zeigt eine Anordnung eines Einspritzsystems 1 für einen Verbrennungsmotor 2 eines Kraftfahrzeugs, für den beispielhaft ein Zylinder 3 (von insbesondere mehreren Zylindern) dargestellt ist. Der Verbrennungsmotor 2 ist vorzugsweise als Dieselmotor mit Direkteinspritzung ausgebildet, kann jedoch auch als ein Ottomotor vorgesehen sein.
  • Der Zylinder 3 weist ein Einlassventil 4 und ein Auslassventil 5 zur Zufuhr von Frischluft und zur Abführung von Verbrennungsabgas auf.
  • Ferner wird Kraftstoff zum Betrieb des Verbrennungsmotors 2 über ein Einspritzventil 6 in einen Brennraum 7 des Zylinders 3 eingespritzt. Kraftstoff wird dazu dem Einspritzventil über eine Kraftstoffzuführung 8 zugeführt, über die Kraftstoff in an sich bekannter Weise (z. B. Common Rail) unter einem hohen Kraftstoffdruck bereitgestellt wird.
  • Das Einspritzventil 6 weist eine elektromagnetisch oder piezoelektrisch ansteuerbare Aktuatoreinheit 61 auf, die mit einer Ventilnadel 62 gekoppelt ist. Die Ventilnadel 62 sitzt im geschlossenen Zustand des Einspritzventils 6 auf einem Nadelsitz 63. Durch Ansteuerung der Aktuatoreinheit 61 wird die Ventilnadel 62 in Längsrichtung bewegt und gibt einen Teil einer Ventilöffnung in dem Nadelsitz 63 frei, um den unter Druck stehenden Kraftstoff in den Brennraum 7 des Zylinders 3 einzuspritzen.
  • Das Einspritzventil 6 weist weiterhin einen Piezosensor 65 auf, der in dem Einspritzventil 6 angeordnet ist. Der Piezosensor 65 wird durch Druckänderungen in dem durch das Einspritzventil 6 geführten Kraftstoff verformt und durch ein Spannungssignal als Sensorsignal generiert.
  • Die Einspritzung erfolgt gesteuert durch eine Steuereinheit 10, die eine einzuspritzende Kraftstoffmenge durch Bestromung der Aktuatoreinheit 61 vorgibt. Das Sensorsignal wird mithilfe eines A/D-Wandlers 11 in der Steuereinheit 10 zeitlich abgetastet, insbesondere mit einer Abtastrate von 0,5 bis 5 MHz.
  • Weiterhin ist ein Drucksensor 8 vorgesehen, um einen Kraftstoffdruck stromaufwärts des Einspritzventils 6 zu ermitteln.
  • Das Sensorsignal dient im Betrieb des Verbrennungsmotors 2 der Ermittlung eines korrekten Öffnungs- oder Schließzeitpunkts des Einspritzventils 6. Dazu wird das Sensorsignal mithilfe des A/D-Wandlers 11 in eine Auswertungspunkt-Zeitreihe digitalisiert und durch ein geeignetes Auswertungsmodell ausgewertet, woraus eine Öffnungszeitdauer des Einspritzventils 6 und entsprechend eine eingespritzte Kraftstoffmenge abhängig vom Kraftstoffdruck und weiteren Betriebsgrößen ermittelt werden kann. Zur Bestimmung der Öffnungszeitdauer werden insbesondere ein Öffnungszeitpunkt und ein Schließzeitpunkt benötigt, um die Öffnungszeitdauer als zeitliche Differenz dieser Größen zu ermitteln.
  • Die Ermittlung eines Öffnungszeitpunkts und/oder eines Schließzeitpunkts kann aus der Betrachtung des Sensorsignalverlaufs vorgenommen werden. Insbesondere können der Öffnungszeitpunkt und/oder der Schließzeitpunkt mithilfe eines datenbasierten Auswertungsmodells durchgeführt werden.
  • 2 veranschaulicht anhand eines Flussdiagramms ein Verfahren zum Ermitteln eines Öffnungs- und/oder Schließzeitpunkts eines Einspritzventils 6 eines Zylinders 3 in einem Motorsystem 1. Das Verfahren dient dazu, Steuerfunktionen für den Verbrennungsmotor 2 wahrzunehmen und insbesondere dazu die eingespritzte Kraftstoffmenge zu ermitteln.
  • 3 zeigt eine schematische Darstellung des Gesamtmodells zur Darstellung der Funktion zum Bestimmen eines Öffnungs- und Schließzeitpunkts sowie eines Konfidenzwertes.
  • Das Verfahren wird in der Steuereinheit 10 ausgeführt, in der es in Form einer Software und/oder Hardware implementiert sein kann.
  • Das Verfahren wird anhand der Betrachtung eines Einspritzventils 6 für einen einzelnen Zylinder 3 des Verbrennungsmotors 2 beschrieben. Selbstverständlich kann das Verfahren parallel für alle Einspritzventile 6 des Verbrennungsmotors 2, d. h. auch für mehrzylindrige Verbrennungsmotoren, angewendet werden.
  • In Schritt S1 wird mithilfe des Piezosensors 65 ein Sensorsignal erfasst. Dieses Signal ist in der Regel ein Spannungssignal, das aufgrund von Druckänderungen im zugeführten Kraftstoff generiert wird.
  • In Schritt S2 kann das Sensorsignal mit Hilfe des A/D-Wandlers abgetastet werden, um eine Auswertungspunkt-Zeitreihe E innerhalb eines Auswertungszeitraums zu ermitteln. Der Auswertungszeitraum kann bezüglich eines Ansteuerungszeitfensters des Einspritzventils 6 festgelegt werden. Das Ansteuerungszeitfenster ist durch den Beginn der Ansteuerung der Aktuatoreinheit 61 und eine festgelegte Zeitdauer, die einer maximalen Zeitdauer, in der das Ansteuersignal für die Aktuatoreinheit 61 eine Ventilöffnung vorgibt, definiert. Das Ansteuerungszeitfenster weist somit einen definierten Zeitbezug auf, für den eine Auswertungspunkt-Zeitreihe Z bereitgestellt wird, die die Grundlage für die weitere Ermittlung eines Öffnungs- bzw. Schließzeitpunkts A darstellt. Insbesondere kann die Auswertungspunkt-Zeitreihe A durch Downsampling des zuvor überabgetasteten Sensorsignals ermittelt werden.
  • Beispielweise kann die Auswertungspunktzeitreihe E als ein Vektor angegeben sein, wobei jedes Element des Vektors einem Zeitpunkt oder einem Zeitabschnitt zugeordnet ist. Der Wert eines Elements des Vektors zeigt dann den Messwert des Sensorsignals zu dem betreffenden Zeitabschnitt an.
  • Der Auswertungszeitraum kann mit festem Zeitbezug zu den Arbeitstakten des Verbrennungsmotors 2 vorgesehen werden, insbesondere kann der Auswertungszeitraum bei einer vorbestimmten Kurbelwellenlage vorzugsweise innerhalb des Kompressionstaktes beginnen. Der Auswertungszeitraum kann so gewählt sein, dass das gesamte Öffnungszeitfenster des Einspritzventils darin abgebildet werden kann. Ein solcher Auswertungszeitraum mit einer beispielhaften Auswertungspunkt-Zeitreihe ist als Kurvenverlauf eines Spannungssignals S in 4 dargestellt.
  • In Schritt S3 wird die Auswertungspunktzeitreihe E einer Projektionseinheit 21 zugeführt, die eine Projektion der Auswertungspunktzeitreihe E auf einen Projektionsvektor P vornimmt. Die Projektion erfolgt vorzugsweise mithilfe einer Hauptkomponentenanalyse (PCA) und ermöglicht eine Reduzierung der Dimensionalität der Auswertungspunktzeitreihe E auf einen Projektionsvektor P.
  • Der Projektionsvektor P stellt somit die wesentlichen Merkmale der jeweiligen Auswertungspunktzeitreihe E dar.
  • Mithilfe einer Rückprojektionseinheit 22 wird in Schritt S4 aus dem Projektionsvektor P die ursprüngliche Auswertungspunktzeitreihe E möglichst rekonstruiert. Die Rückprojektionseinheit 22 führt dazu vorzugsweise die inverse Funktion der Projektionseinheit 21 aus, insbesondere eine inverse Hauptkomponentenanalyse, und ermöglicht so die Rekonstruktion der Auswertungspunktzeitreihe E. Da die Projektion in der Projektionseinheit 21 als Rauschfilter wirkt und dadurch hohe Frequenzen in der Auswertungspunktzeitreihe E gefiltert werden, wird eine erhöhte Stabilität bei der nachfolgenden Auswertung erreicht.
  • In Schritt S5 wird die rekonstruierte Auswertungspunktzeitreihe E' einem datenbasierten Zeitpunktbestimmungsmodell 23 zugeführt, um eine Angabe über einen Öffnungs- oder Schließzeitpunkt zu erhalten. Das Zeitpunktbestimmungsmodell 23 kann entsprechend trainiert sein, um abhängig von der Auswertungspunktzeitreihe E einen Öffnungs- oder Schließzeitpunkt A in geeigneter Weise anzugeben. Der Öffnungs- und Schließzeitpunkt kann in geeigneter Weise als Ausgabevektor A bereitgestellt werden.
  • Alternativ kann anstelle der rekonstruierten Auswertungspunktzeitreihe auch die ursprüngliche Auswertungspunktzeitreihe in dem Zeitpunktbestimmungsmodell 23 verarbeitet werden. Auch kann die Auswertungspunktzeitreihe E in anderer Weise vorverarbeitet werden, um eine entsprechende Filterung zu erreichen.
  • Das Zeitpunktbestimmungsmodell 23 kann als Klassifikationsmodell ausgelegt sein. In diesem Fall können die Ausgabevektoren, die den Öffnungs- oder Schließzeitpunkt angeben, die Form eines Logits aufweisen, wobei der Index der Elemente der Ausgabevektoren einen entsprechenden Öffnungs- bzw. Schließzeitpunkt, d. h. die Zeitangabe, angibt. Beispielsweise kann bei einer Anzahl von N Auswertungspunkten in der Auswertungspunkt-Zeitreihe der Ausgabevektor entsprechend eine Anzahl von N Elementen umfassen. Die Indexwerte der Elemente des Ausgabevektors sind dabei aufeinanderfolgenden Zeitpunkten innerhalb des betrachteten Auswertungszeitraums zugeordnet. Insbesondere können die den Elementen/Indexwerten des Ausgabevektors zugeordneten Zeitpunkte den zeitlich gleichmäßig beabstandeten Auswertungszeitpunkten entsprechen oder in sonstiger Weise aufeinanderfolgende Zeitpunkte angeben.
  • Das datenbasierte Zeitpunktbestimmungsmodell 23 kann alternativ ausgelegt sein, den Öffnungs- bzw. Schließzeitpunkt auch direkt als Regressionswert auszugeben.
  • Das datenbasierte Zeitpunktbestimmungsmodell 23 kann in Form eines neuronalen Netzes ausgebildet sein. Das neuronale Netz kann in an sich bekannter Weise eine Eingangsschicht mit mehreren Neuronen, eine oder mehrere Zwischenschichten mit jeweils einer vorgegebenen Anzahl von Neuronen und eine Ausgabeschicht mit einer Anzahl von Neuronen, der der Anzahl der Elemente des Ausgabevektors entspricht, aufweisen. Jedes Neuron kann eine Aktivierungsfunktion zur Nichtlinearisierung aufweisen.
  • Die Trainingsdaten zum Trainieren des neuronalen Netzes umfassen Trainingsdatensätze, die realistische Auswertungspunktzeitreihen umfassen, denen jeweils ein Ausgabevektor als Label zugeordnet ist.
  • Beispielweise kann die Auswertungspunktzeitreihe der Trainingsdatensätze als ein Vektor angegeben sein, wobei jedes Element des Vektors einem Zeitabschnitt zugeordnet ist. Der Wert eines Elements des Vektors zeigt dann den Messwert des Sensorsignals zu dem betreffenden Zeitabschnitt an.
  • Zum Erstellen des Ausgabevektors A als Label kann der Zeitraum, in dem der zu bestimmende Öffnungs- bzw. Schließzeitpunkt liegt, in Zeitabschnitte unterteilt werden. Die Ausgabevektoren A können die Form eines Logits aufweisen, wobei der Index der Elemente der Ausgabevektoren einen entsprechenden Öffnungs- bzw. Schließzeitpunkt, d. h. die Zeitangabe, wie oben beschrieben angibt.
  • Das Training des Zeitpunktbestimmungsmodells 23 kann dann auf den so erstellten Trainingsdaten mithilfe herkömmlicher Trainingsverfahren, wie beispielsweise Backpropagation, durchgeführt werden, um so die Gewichte und ggfs. Bias-Werte der Neuronen in den Zwischenschichten und der Ausgabeschicht zu bestimmen.
  • In Schritt S6 wird der Projektionsvektor P einer Überwachungseinheit 24 zugeführt, die insbesondere den Projektionsvektor P dahingehend untersucht, ob es sich um ein bekanntes oder unbekanntes Merkmalsmuster handelt. Ein bekanntes Merkmalsmuster ergibt sich, wenn die Überwachungseinheit 24 ausgelegt ist, bisherigen, auch für das Training des Zeitpunktbestimmungsmodells 23 verwendete Auswertungspunktzeitreihen eine hohe Ähnlichkeit zuzuordnen. Diese Ähnlichkeit bestimmt den Konfidenzwert der auszuwertenden Auswertungspunktzeitreihe.
  • Insbesondere kann die Überwachungseinheit 24 in Form eines Autoencoders ausgebildet sein, der basierend auf Projektionsvektoren P, die mit real gemessenen Auswertungspunktzeitreihen erstellt worden sind, trainiert worden ist. Die hierfür real gemessenen Auswertungspunktzeitreihen sollten vorzugsweise auch die Grundlage für das Training des Zeitpunktbestimmungsmodells 23 gewesen sein.
  • Der Rekonstruktionsfehler des Autoencoders für eine auszuwertende Auswertungspunktzeitreihe kann nun als ein Konfidenzwert K verwendet werden, der angibt, inwieweit der aktuelle Projektionsvektor in das Muster von bisherigen Projektionsvektoren passt, d. h. inwieweit die zugrundeliegende Auswertungspunktzeitreihe den bisherigen real gemessenen und für das Training des Zeitpunktbestimmungsmodells verwendeten Auswertungspunktzeitreihen entspricht. Dieser Konfidenzwert K kann zusätzlich zu der Auswertung mithilfe des Zeitpunktbestimmungsmodells 23 bezüglich des resultierenden Öffnungs- und Schließzeitpunkts zugeordnet werden.
  • In einem nachfolgenden Schritt S7 wird überprüft, ob der Konfidenzwert K eine ausreichende Zuverlässigkeit des ermittelten Öffnungs- bzw. Schließzeitpunkts angibt. Dazu kann ein Schwellwertvergleich mit einer vorgegebenen Konfidenzschwelle vorgenommen werden. Ist der Konfidenzwert K geringer als die vorgegebene Konfidenzschwelle (Alternative: Ja), wird der Ausgabevektor als zuverlässig erachtet und der entsprechende Öffnungs- und Schließzeitpunkt wird als korrekter Öffnungs- und Schließzeitpunkt angenommen und in einem nachfolgenden Schritt S8 zum Betreiben des Verbrennungsmotors verwendet. Insbesondere kann auf den zu ermittelnden Öffnungs- bzw. Schließzeitpunkt die tatsächlich eingespritzte Kraftstoffmenge bestimmt und das Motorsystem entsprechend betrieben werden.
  • Ist der Konfidenzwert K des ermittelten Öffnungs- oder Schließzeitpunkts größer als die Konfidenzschwelle (Alternative: Nein), wird in Schritt S9 der Ausgabevektor A als unzuverlässig erachtet und der ermittelte Öffnungs- und Schließzeitpunkt kann verworfen werden und stattdessen ein zuvor ermittelter oder auf andere Weise ermittelter Öffnungs- oder Schließzeitpunkt als korrekter Öffnungs- und Schließzeitpunkt angenommen werden.

Claims (12)

  1. Verfahren zum Betreiben eines Einspritzsystems eines Verbrennungsmotors durch Ermitteln eines Öffnungs- oder Schließzeitpunkts des Einspritzventils (6) basierend auf einem Sensorsignal, wobei das Verfahren die folgenden Schritte umfasst: - Bereitstellen (S1, S2) einer Auswertungspunktzeitreihe (E) durch Abtasten eines Sensorsignals eines Sensors des Einspritzventils, - Verwenden (S5) eines datenbasierten Zeitpunktbestimmungsmodells (23) mit der Auswertungspunktzeitreihe (E), um eine modellierte Angabe zu einem Öffnungs- oder Schließzeitpunkt zu erhalten, wobei das Zeitpunktbestimmungsmodell (23) als künstliches neuronales Netz ausgebildet ist und trainiert ist, um abhängig von der bereitgestellten Auswertungspunktzeitreihe (E) einen Öffnungs- oder Schließzeitpunkt anzugeben, - Bestimmen (S6) eines Konfidenzwerts (K), indem die Auswertungspunktzeitreihe (E) auf einen Projektionsvektor (P) niedrigerer Dimensionalität projiziert wird und der Projektionsvektor (P) mithilfe einer Überwachungsfunktion (24) hinsichtlich einer Abweichung analysiert wird; - Betreiben des Verbrennungsmotors abhängig von dem Öffnungs- oder Schließzeitpunkt und abhängig von dem Konfidenzwert (K).
  2. Verfahren nach Anspruch 1, wobei das datenbasierte Zeitpunktbestimmungsmodell (23) ausgebildet und trainiert ist, um abhängig von einem Eingangsvektor, der die Auswertungspunktzeitreihe (E) angibt, einen Ausgabevektor auszugeben, der eine modellierte Angabe zu dem Öffnungs- oder Schließzeitpunkt darstellt.
  3. Verfahren nach Anspruch 1 oder 2, wobei das datenbasierte Zeitpunktbestimmungsmodell (23) basierend auf Trainingsdatensätzen trainiert ist, die jeweils eine Auswertungspunktzeitreihe (E) einem Öffnungs- oder Schließzeitpunkt zuordnen, wobei das Zeitpunktbestimmungsmodell (23) als neuronales Netz ausgebildet ist.
  4. Verfahren nach einem der Ansprüche 1 bis 3, wobei der Verbrennungsmotor abhängig von einem zuvor ermittelten oder auf andere Weise ermittelten Öffnungs- oder Schließzeitpunkt betrieben wird, wenn der Konfidenzwert (K) einen vorgegebenen Schwellenwert überschreitet.
  5. Verfahren nach einem der Ansprüche 1 bis 4, wobei die Überwachungsfunktion einen Rekonstruktionsfehler eines Autoencoders angibt, wobei der Autoencoder mit Projektionsvektoren trainiert ist, die sich aus realen Auswertungspunktzeitreihen (E) ergeben.
  6. Verfahren nach Anspruch 5, wobei das Zeitpunktbestimmungsmodell (23) basierend auf Trainingsdaten trainiert ist, die die realen Auswertungspunktzeitreihen (E) umfassen.
  7. Verfahren nach einem der Ansprüche 1 bis 6, wobei die Projektionsfunktion (21) einer Hauptkomponentenanalyse entspricht.
  8. Verfahren nach Anspruch 7, wobei eine Rückprojektionsfunktion (22) vorgesehen ist, um aus dem Projektionsvektor (P) die Auswertungspunktzeitreihe (E) zu rekonstruieren und die rekonstruierte Auswertungspunktzeitreihe (E) zur Auswertung dem Zeitpunktbestimmungsmodell (23) zuzuführen, um den Öffnungs- oder Schließzeitpunkt zu erhalten.
  9. Verfahren nach einem der Ansprüche 1 bis 8, wobei der Betrieb des Einspritzventils (6) abhängig von dem Öffnungs- und/oder Schließzeitpunkt durchgeführt wird, wobei der Betrieb des Einspritzventils (6) insbesondere so vorgenommen wird, dass eine Öffnungsdauer des Einspritzventils (6), die durch den ermittelten Öffnungs- und/oder Schließzeitpunkt bestimmt ist, auf eine vorgegebene Soll-Öffnungsdauer eingestellt wird.
  10. Vorrichtung zur Durchführung eines der Verfahren nach einem der Ansprüche 1 bis 9.
  11. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen.
  12. Maschinenlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, die Schritte des Verfahrens nach einem der Ansprüche 1 bis 9 auszuführen.
DE102021205590.7A 2021-06-01 2021-06-01 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren Pending DE102021205590A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102021205590.7A DE102021205590A1 (de) 2021-06-01 2021-06-01 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102021205590.7A DE102021205590A1 (de) 2021-06-01 2021-06-01 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren

Publications (1)

Publication Number Publication Date
DE102021205590A1 true DE102021205590A1 (de) 2022-12-01

Family

ID=83997076

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021205590.7A Pending DE102021205590A1 (de) 2021-06-01 2021-06-01 Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren

Country Status (1)

Country Link
DE (1) DE102021205590A1 (de)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19740608C2 (de) 1997-09-16 2003-02-13 Daimler Chrysler Ag Verfahren zur Bestimmung einer kraftstoffeinspritzbezogenen Kenngröße für einen Verbrennungsmotor mit Hochdruckspeicher-Einspritzanlage
DE102007060049A1 (de) 2007-12-13 2009-06-18 Robert Bosch Gmbh Verfahren zur Bestimmung des Einspritzverlaufs eines Injektors
DE102008001081A1 (de) 2008-04-09 2009-10-15 Robert Bosch Gmbh Verfahren und Motorsteuergerät zum Steuern eines Verbrennungsmotors
DE102017217733A1 (de) 2017-10-05 2019-04-11 Conti Temic Microelectronic Gmbh Prüfen eines neuronalen Netzes
DE102018212669A1 (de) 2018-07-30 2020-01-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Verbrennungsmotors mit einem Common-Rail-Einspritzsystem
DE102019209690A1 (de) 2018-09-10 2020-03-12 Robert Bosch Gmbh Verfahren zur Steuerung der Kraftstoffzumessung in eine Brennkraftmaschine
DE102020205688A1 (de) 2020-05-06 2021-11-11 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Auswerten einer Betriebsgröße eines Einspritzventils

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19740608C2 (de) 1997-09-16 2003-02-13 Daimler Chrysler Ag Verfahren zur Bestimmung einer kraftstoffeinspritzbezogenen Kenngröße für einen Verbrennungsmotor mit Hochdruckspeicher-Einspritzanlage
DE102007060049A1 (de) 2007-12-13 2009-06-18 Robert Bosch Gmbh Verfahren zur Bestimmung des Einspritzverlaufs eines Injektors
DE102008001081A1 (de) 2008-04-09 2009-10-15 Robert Bosch Gmbh Verfahren und Motorsteuergerät zum Steuern eines Verbrennungsmotors
DE102017217733A1 (de) 2017-10-05 2019-04-11 Conti Temic Microelectronic Gmbh Prüfen eines neuronalen Netzes
DE102018212669A1 (de) 2018-07-30 2020-01-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Verbrennungsmotors mit einem Common-Rail-Einspritzsystem
DE102019209690A1 (de) 2018-09-10 2020-03-12 Robert Bosch Gmbh Verfahren zur Steuerung der Kraftstoffzumessung in eine Brennkraftmaschine
DE102020205688A1 (de) 2020-05-06 2021-11-11 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Auswerten einer Betriebsgröße eines Einspritzventils

Similar Documents

Publication Publication Date Title
DE102019209690A1 (de) Verfahren zur Steuerung der Kraftstoffzumessung in eine Brennkraftmaschine
EP0170018A2 (de) Verfahren und Vorrichtung zur Eigendiagnose von Stellgliedern
EP3698036A1 (de) Berechnung von abgasemssionen eines kraftfahrzeugs
DE102021202287B4 (de) Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren
DE102020205688A1 (de) Verfahren und Vorrichtung zum Auswerten einer Betriebsgröße eines Einspritzventils
DE102011083481A1 (de) Verfahren zum Prüfen der Funktionsfähigkeit eines Magnetventils
DE102018213114A1 (de) Verfahren und Vorrichtung zum Betreiben eines Verbrennungsmotors mit einem Common-Rail-Einspritzsystem
WO2011039044A1 (de) Verfahren und steuergerät zum betreiben eines ventils
WO2022053626A1 (de) Verfahren und vorrichtung zum betreiben eines kraftstoffeinspritzventils mithilfe maschineller lernverfahren
DE102014209298B4 (de) Kraftstoffeinspritzeigenschaftserfassungssystem
WO2022053620A1 (de) VERFAHREN UND VORRICHTUNG ZUM TRAINIEREN EINES DATENBASIERTEN ZEITPUNKTBESTIMMUNGSMODELLS FÜR DIE BESTIMMUNG EINES ÖFFNUNGS- ODER SCHLIEßZEITPUNKTS EINES EINSPRITZVENTILS MITHILFE MASCHINELLER LERNVERFAHREN
DE102021205590A1 (de) Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren
DE102021205589B4 (de) Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren
DE102019218905A1 (de) Verfahren und vorrichtung zum lernen der öffnungszeit des injektors für fahrzeugmotor
DE102021206876A1 (de) Verfahren und Vorrichtung zum Betreiben eines Kraftstoffeinspritzventils mithilfe maschineller Lernverfahren
DE102021208280A1 (de) Verfahren und Vorrichtung zum Bereitstellen eines datenbasierten Zeitpunktbestimmungsmodells für die Bestimmung eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils mithilfe maschineller Lernverfahren
WO2022053613A1 (de) Verfahren und vorrichtung zum betreiben eines kraftstoffeinspritzventils mithilfe maschineller lernverfahren
DE102021202289A1 (de) Computerimplementiertes Verfahren und Vorrichtung zum Trainieren eines datenbasierten Zeitpunktbestimmungsmodells für die Bestimmung eines Öffnungs- oder Schließzeitpunkts eines Einspritzventils mithilfe maschineller Lernverfahren
DE102014100648A1 (de) Vorrichtung zur Erfassung einer Fehlfunktion für einen Kraftstoffdrucksensor
DE102020214953A1 (de) Verfahren und Vorrichtung zum Trainieren eines Klassifikators zur Ansteuerung eines Injektors einer Verbrennungskraftmaschine
DE102021205381A1 (de) Verfahren zum Charakterisieren von Kraftstoff
WO2022053623A1 (de) Verfahren und vorrichtung zum betreiben eines kraftstoffeinspritzventils
DE102021200789A1 (de) Computer-implementiertes Verfahren und Vorrichtung zur Manipulationserkennung für Abgasnachbehandlungssysteme mithilfe Verfahren künstlicher Intelligenz
DE102022200286A1 (de) Verfahren und Vorrichtung zum Trainieren eines Sensormodells für eine Change-Point-Detektion
DE102022200284A1 (de) Verfahren und Vorrichtung zum Bereitstellen und Auswerten eines Sensormodells für eine Change-Point-Detektion

Legal Events

Date Code Title Description
R163 Identified publications notified