DE602005005708T2

DE602005005708T2 - Verbessertes verfahren und system zur schätzung der abgastemperatur und verbrennungsmotor mit einem solchen system

Info

Publication number: DE602005005708T2
Application number: DE602005005708T
Authority: DE
Inventors: Pascal Barillon; Fabrice Gauvin; Marc Lucea; Emmanuel Poilane
Original assignee: Renault SAS
Current assignee: Renault SAS
Priority date: 2004-10-06
Filing date: 2005-10-05
Publication date: 2009-04-16
Anticipated expiration: 2025-10-06
Also published as: ATE390545T1; FR2876152A1; DE602005005708D1; US7664593B2; EP1799983A1; FR2876152B1; US20080082289A1; EP1799983B1; KR20070061568A; JP2008516141A; WO2006037926A1

Description

Das Gebiet der Erfindung ist dasjenige der Steuerung eines Verbrennungsmotors, und genauer der Auspuffanlagen, die hinter dem Auspuffkrümmer des Motors montiert sind.
Die Erfindung betrifft genauer ein Verfahren und ein System zur Schätzung einer Temperatur der Abgase, sowie einen Verbrennungsmotor und ein Fahrzeug, die mit einem solchen System ausgestattet sind.
Um auf die Emissionen von Abgasschadstoffen der Kraftfahrzeuge zu reagieren, werden im Allgemeinen Nachbehandlungssysteme der Gase in der Auspuffanlage des Motors angeordnet.
Diese Systeme sind vorgesehen, um sowohl die Emissionen des Kohlenmonoxids, der unverbrannten Kohlenwasserstoffe, als auch diejenigen der Partikel und der Stickoxide zu reduzieren.
Bestimmte dieser Systeme arbeiten diskontinuierlich oder alternativ insofern als sie Phasen der Speicherung der Schadstoffe und Phasen der Regenerierung der Fallen (d. h. der Umwandlung der gespeicherten Schadstoffe in unschädliche Substanzen) abwechseln.
Um die Behandlung der Gesamtheit der Schadstoffe zu optimieren, ist es notwendig, diese Speicher- und Regenerierungsphasen bestmöglich zu steuern. Es ist insbesondere notwendig, im Lauf der Zeit die eingeschlossenen Massen (d. h. die Partikel im Fall des Partikelfilters, die Stickoxide im Fall der Stickoxidfalle) zu schätzen.
In gleicher Weise ist es notwendig, die Entwicklung im Lauf der Zeit der während der Regenerierungsphasen umgewandelten Massen zu kennen.
Die Entwicklung dieser Massen während der Speicher- und/oder Regenerierungsphasen hängt aber direkt von der Temperatur des Trägers dieser Fallen und der Gase ab, die sie durchqueren. Man versucht also, die Temperatur der Gase, die in diese Fallen eindringen, zu kennen, sogar zu steuern.
Außerdem erfordert die Erhöhung der Komplexität der Motoren und ihrer Betriebsweisen immer anspruchsvollerer elektronischer Steuermittel und dadurch immer mehr Mess- oder Schätzeinrichtungen. Es stellt sich aber heraus, dass viele physikalische Größen nicht direkt messbar sind, oder dass die notwendigen Sensoren zu teuer oder ungeeignet sind.
Es stellt sich also als notwendig heraus, für die Steuerung der Regenerierung der Fallen und für die Steuerung des Motors selbst die Temperatur der Abgase des Motors zu kennen. Der Erhalt einer genauen Schätzung der Temperatur der Abgase am Eingang eines hinter der Turbine eines Auflademotors angeordneten Nachbehandlungssystems kann sich so als besonders nützlich erweisen.
Um die Temperatur der Gase vor einer Vorrichtung zur physikalischen und/oder chemischen Behandlung der Abgase zu kennen, greift man heute entweder auf einen Temperatursensor oder auf ein Schätzmodell dieser Temperatur zurück, das von einem an Bord befindlichen elektronischen Rechner eingesetzt wird.
Es sind aber mehrere Nachteile mit der Verwendung eines in der Auspuffanlage angeordneten Sensors verbunden.
Die Präzision eines Sensors ist nämlich umgekehrt proportional zum Nutzfeld. Das heißt, dass je mehr man die Temperatur in einem großen Nutzbereich messen möchte, die Präzision dieser Messung umso mittelmäßiger ist. Diese Präzision kann außerdem bei der Hitzealterung oder der Verschmutzung des Sensors abweichen.
Außerdem können die Nutzungskosten eines Sensors sich als hoch herausstellen. Man muss nämlich zu den Eigenkosten des Sensors diejenigen der Schaltungsverbindungen, des Eingangsports in den Rechner und des Softwaretreibers hinzufügen.
Außerdem stellt es sich ebenfalls als notwendig heraus, über geeignete Mittel zu verfügen, um den Betriebszustand des Sensors zu diagnostizieren.
Die Verwendung von Modellen hat ebenfalls Nachteile. Wenn diese Modelle allgemein beim Dauergasbetrieb zuverlässig sind, so erweisen sie sich als eher mittelmäßig beim Übergangsbetrieb. Außerdem sind viele für diese Modelle notwendige Parameter (physikalische Parameter, Zustandsvariable) in einem Motor schwierig identifizierbar oder messbar.
Außerdem sind diese Modelle meist "zu gefräßig" bezüglich der Rechenlast oder der Speicherressource, um in einem Rechner zur elektronischen Motorsteuerung eingesetzt zu werden.
Es wurde eine andere Lösung vorgeschlagen, die darin besteht, die Temperatur der Abgase durch Anwendung eines statischen neuronalen Netzes zu schätzen. Man kann sich auf die französische Patentanmeldung der Anmelderin beziehen, die am 19. Dezember 2003 unter der Nummer FR 0315112 angemeldet wurde.
Die in dieser Druckschrift beschriebene Lösung ermöglicht aber nur eine Teilberücksichtigung des Status des Systems. Die durchgeführte Schätzung der Temperatur sowohl im Dauerbetrieb als auch im dynamischen Betrieb ist dann wenig präzise.
Die vorliegende Erfindung hat zum Ziel, die Kenntnis einer Temperatur der Abgase zu verbessern, und insbesondere der Temperatur vor einer Vorrichtung zur physikalischen und/oder chemischen Behandlung der Abgase.
Zu diesem Zweck schlägt die Erfindung ein Verfahren zur Schätzung einer Temperatur der Abgase eines Motors vor, dadurch gekennzeichnet, dass es eine Schätzfunktion mit neuronalem Netz anwendet, das über eine Rückkopplungsschleife verfügt, die eine oder mehrere der am Ausgang des Netzes verfügbaren Größen direkt oder indirekt an den Eingang des Netzes zurückführt.
Bestimmte bevorzugte, aber nicht einschränkende Aspekte des erfindungsgemäßen Verfahrens sind folgende:

– am Eingang der Schätzfunktion wird eine Information betreffend die Temperatur der Gase vor der auf der Auspuffanlage des Motors angeordneten Turbine geliefert, wobei die Schätzfunktion am Ausgang die Schätzung der Temperatur der Abgase hinter der Turbine liefert;
– das Verfahren kann eine Nachbearbeitung der Temperaturschätzung anwenden, die vom neuronalen Netz durchgeführt wird;
– das Verfahren kann eine Rückkopplung der geschätzten Temperatur durchführen, die am Ausgang des Nachbearbeitungsmoduls verfügbar ist;
– das Verfahren kann eine Vorbearbeitung einer oder mehrerer der Variablen am Eingang der Schätzfunktion anwenden, indem Berechnungen durchgeführt werden, die auf bekannten physikalischen Beziehungen beruhen;
– das Verfahren kann eine Wiederbearbeitung bestimmter der Größen am Ausgang des Netzes anwenden, ehe diese gemäß einer sozusagen indirekten Rückkopplung zum Eingang des Netzes zurückgeführt werden;
– das Verfahren kann einen vorhergehenden Lernschritt der Schätzfunktion mit Hilfe einer Bank von Daten aufweisen, die für interessante Betriebszonen repräsentativ sind.

Gemäß einem anderen Aspekt betrifft die Erfindung ein System zur Schätzung einer Temperatur der Abgase eines Motors, dadurch gekennzeichnet, dass es eine Schätzfunktion mit neuronalem Netz aufweist, das über eine Rückkopplungsschleife verfügt, die eine oder mehrere der Ausgangsvariablen des Netzes direkt oder indirekt an den Eingang des Netzes zurückführt.
Gemäß noch anderen Aspekten betrifft die Erfindung einen Verbrennungsmotor sowie ein Kraftfahrzeug, die mit einem erfindungsgemäßen System zur Schätzung einer Temperatur der Abgase ausgestattet sind.
Andere Aspekte, Ziele und Vorteile der Erfindung gehen aus der folgenden ausführlichen Beschreibung ihrer bevorzugten Ausführungsformen hervor, die nicht einschränkend zu verstehen ist und sich auf die beiliegenden Zeichnungen bezieht. Es zeigen:
1 eine schematische Ansicht eines Verbrennungsmotors gemäß einem Aspekt der Erfindung;
2 eine schematische Ansicht eines Schätzsystems einer Abgastemperatur gemäß einem Aspekt der Erfindung;
3 ein Diagramm, das die Schritte des Schätzverfahrens einer Abgastemperatur gemäß einem Aspekt der Erfindung zeigt.
In 1 sind nur die für das Verständnis der Erfindung notwendigen Elemente dargestellt. Ein Verbrennungsmotor 1 ist dazu bestimmt, ein Fahrzeug wie ein Automobil auszustatten. Der Motor 1 ist zum Beispiel ein von einem Turbolader aufgeladener Dieselmotor mit vier Zylindern in Reihe und direkter Kraftstoffeinspritzung. Der Motor 1 weist einen Ansaugkreis, der seine Luftversorgung gewährleistet, einen Motorkontrolle-Rechner 3, eine Druckkraftstoffanlage 4 und eine Auspuffanlage 5 der Gase auf. Die Einspritzung des Kraftstoffs in die Zylinder wird von nicht dargestellten Einspritzventilen gewährleistet, die in die Brennkammern münden und vom Rechner 3 ausgehend von der Anlage 4 gesteuert werden.
Am Ausgang des Motors 1 durchqueren die in die Auspuffanlage 5 abgeführten Abgase eine oder mehrere Nachbehandlungsvorrichtungen 6 (zum Beispiel Partikelfilter, Stickoxidfilter). Ein Turbolader 7 weist einen Kompressor, der auf dem Ansaugkreis 2 angeordnet ist, und eine Turbine auf, die auf der Auspuffanlage 5 angeordnet ist. Zwischen dem Kompressor und dem Motor 1 weist der Ansaugkreis 2 einen Wärmetauscher 8, der es ermöglicht, die Druckluft am Ausgang des Kompressors zu kühlen und so ihre Volumenmasse zu erhöhen, eine Luftansaugklappe 9, die vom Rechner 3 gesteuert wird, und einen Drucksensor 10 auf, der mit dem Rechner 3 verbunden ist.
Am Ausgang des Motors 1 vor der Turbine weist die Auspuffanlage 5 außerdem geeignete Mittel 30 auf, um eine Information bezüglich der Temperatur der Abgase vor der Turbine zu liefern. Die Mittel 30 bestehen zum Beispiel aus einer Temperaturmesssonde oder auch aus einer Schätzfunktion, die vorgesehen ist, um eine Schätzung der Temperatur der Gase vor der Turbine zu liefern.
Der Motor 1 weist ebenfalls einen Rückführkreislauf der Abgase 11 auf, der mit einem Ventil 12 ausgestattet ist, dessen Öffnung vom Rechner 3 gesteuert wird; so kann man Abgase wieder in den Ansaugkreis 2 einführen. Ein Durchflussmesser 13 ist im Ansaugkreis 2 vor dem Kompressor angeordnet, um an den Rechner 3 Informationen bezüglich des Durchsatzes der Ansaugluft zu liefern, die den Motor speist. Sensoren 14, zum Beispiel Druck- oder Temperatursensoren, können ebenfalls vorgesehen werden.
Der Rechner 3 weist klassisch einen Mikroprozessor oder Zentraleinheit, Speicherzonen, Analog/Digital-Wandler und verschiedene Eingangs- und Ausgangsschnittstellen auf. Der Mikroprozessor des Rechners weist die Elektronikschaltungen und die geeigneten Softwareprogramme auf, um die von den verschiedenen Sensoren kommenden Signale zu bearbeiten, daraus die Zustände des Motors abzuleiten und die geeigneten Steuersignale für die verschiedenen gesteuerten Stellglieder wie die Einspritzventile zu erzeugen.
Der Rechner 3 steuert so den Druck des Kraftstoffs in der Anlage 4 und das öffnen der Einspritzventile, und dies ausgehend von den Informationen, die von den verschiedenen Sensoren geliefert werden, und insbesondere der angesaugten Luftmasse, der Motordrehzahl, sowie von gespeicherten Kalibrierungen, die es ermöglichen, die gewünschten Verbrauchs- und Leistungspegel zu erreichen.
Der Rechner 3 weist außerdem eine Schätzfunktion 15 mit neuronalen Netzen auf, die vorgesehen ist, um eine Schätzung der Temperatur der Abgase vor der oder den Nachbehandlungsvorrichtungen durchzuführen.
Aus Gründen der Vereinfachung und der gemeinsamen Nutzung einer gewissen Anzahl von Ressourcen, insbesondere Rechen- und Speicherressourcen, ist es besonders vorteilhaft, die Schätzfunktion 15 innerhalb des Rechners 3 anzuordnen.
Wie dies in 2 dargestellt ist, weist die Schätzfunktion 15 einen Vorbearbeitungsmodul 16, ein neuronales Netz 17 und einen Nachbearbeitungsmodul 18 auf. Die Schätzfunktion 15 weist außerdem eine Rückkopplungsschleife auf, die vorgesehen ist, um an den Eingang des neuronalen Netzes eine oder mehrere Variable am Ausgang des Netzes zurückzuführen.
Die Schätzfunktion 15 weist außerdem ein Eingangssignal bezüglich der Temperatur der Abgase vor der Turbine auf, wie sie zum Beispiel von den Mitteln 30 geliefert wird.
Die Schätzfunktion kann ebenfalls ein oder mehrere andere Eingangssignale bezüglich physikalischer Größen aufweisen, die für den Zustand des Motors repräsentativ sind, wie zum Beispiel:

– der Gasdurchsatz,
– der Druck der Gase vor der Turbine,
– der Gegendruck der Gase hinter der Turbine,
– die Stellung der Flügel des Turboladers,
– die Geschwindigkeit des Fahrzeugs,
– die Temperatur der Umgebungsluft,
– die Stellung des Rückführventils der Abgase,
– der Aufladedruck, gemessen vom hinter dem Kompressor angeordneten Drucksensor, dem Wärmetauscher und der Luftansaugklappe,
– die Temperatur der Luft im Ansaugkreis.

Die Schätzfunktion kann ebenfalls am Eingang die Motordrehzahl, den Kraftstoffdurchsatz, den Luftdurchsatz empfangen.
Das neuronale Netz 17 besteht aus einer bestimmten Anzahl von Neuronen, die durch ihre Parameter (Gewicht, Bias) und durch ihre Aktivierungsfunktionen definiert sind. Das Ausgangssignal s eines Neurons ist mit den Eingangssignalen (e₁, e₂, ..., e_n) des Neurons durch s = F(e₁·w₁+e₂·w₂+ ... + e_n·w_n + b) verbunden, wobei F die Aktivierungsfunktion des Neurons, w₁, w₂, ... w_n die Gewichte sind und b das Bias ist.
Die Anzahl von Neuronen des Netzes, die Werte der Gewichte und das Bias der verschiedenen Neuronen sind kalibrierfähige Parameter, die insbesondere in einer Lernphase bestimmt werden können, die weiter unten beschrieben wird.
Der Vorbearbeitungsmodul 16 ermöglicht es, eine oder mehrere der Variablen am Eingang der Schätzfunktion zu bearbeiten, indem Berechnungen durchgeführt werden, die auf bekannten physikalischen Beziehungen basieren. Der Vorbearbeitungsmodul 16 ermöglicht es insbesondere, die Anzahl von Eingangsignalen des neuronalen Netzes 17 zu verringern, indem eine oder mehrere Variablen α₁, α₂, die je für eine oder mehrere physikalische Größe(n), messbar oder nicht, am Eingang des Rechners 3 nicht vorhanden, repräsentativ sind, ausgehend von mehreren Eingangsvariablen berechnet werden. Der Modul 16 ermöglicht es auch, bestimmte Eingangssignale zu filtern, die abweichende Werte annehmen können.
Das neuronale Netz 17 verfügt über einen Ausgangskanal bezüglich der gewünschten Temperaturschätzung, sowie ggf. über einen oder mehrere weitere Ausgangskanäle bezüglich nicht messbarer Zustandsgrößen, die dazu bestimmt sind, direkt oder indirekt zum Eingang des Netzes 17 rückgekoppelt zu werden.
Der Nachbearbeitungsmodul 18 ermöglicht es, die am Ausgang des neuronalen Netzes 17 verfügbare Temperaturschätzung zu bearbeiten, um ein Signal S einer geschätzten Temperatur am Ausgang der Schätzfunktion zu senden, zur Verfügung des Rechners 3. Diese Bearbeitung kann zum Beispiel eine Filterung sein, die es ermöglich, die Schätzfunktion robust zu machen, indem die Rückkehr eines abweichenden Datenwerts zum Eingang begrenzt wird.
Wie vorher erwähnt, folgen eine oder mehrere der Variablen am Ausgang des Netzes einer Rückkopplungsschleife und werden an den Eingang des neuronalen Netzes zurückgebracht.
Bestimmte der Variablen am Ausgang des Netzes können bearbeitet werden (zum Beispiel gefiltert, verzögert oder anderen Eingängen im Vorbearbeitungsmodul zugeordnet werden), ehe sie zum Eingang des Netzes zurückgebracht werden.
Unter Bezug auf 2 wurde der Fall dargestellt, in dem am Ausgang des Netzes 17 verfügbare Zustandsgrößen β₁, β₂, β₃ (nicht messbar und nur beim Lernen bekannt) zum Eingang des Netzes 17 rückgekoppelt werden.
Es wurde auch der Fall dargestellt, in dem das Ausgangssignal S der Schätzfunktion (d. h. die Schätzung der Temperatur hinter der Turbine, die auf der Auspuffanlage der Gase angeordnet ist), das am Ausgang des Nachbearbeitungsmoduls 18 verfügbar ist (und dessen Wert hier beim Lernen messbar ist), einerseits direkt zum Eingang des Netzes 17 rückgekoppelt wird, und andererseits, nachdem es verzögert wurde (siehe Verzögerungsglied, das durch das Symbol z^–1 dargestellt ist), zum Eingang des Netzes 17 rückgekoppelt wird.
Indem eine solche Rückkopplung einer oder mehrerer der Variablen am Ausgang des neuronalen Netzes angewendet wird, nutzt das Netz am Eingang seiner Schätzfunktion einen oder mehrere der in den Schritten der vorhergehenden Berechnungen durch diese selbe Schätzfunktion vorhergesagten Werte, und dies unabhängig davon, ob diese Werte in der Lernphase gemessen wurden oder nicht.
Eine solche Rückkopplung hat den Vorteil, die Berücksichtigung von stark dynamischen Phänomenen zu erlauben.
Die Verwendung von nicht-linearen Aktivierungsfunktionen im neuronalen Netz ermöglicht außerdem die Berücksichtigung nicht-linearer Phänomene.
Das neuronale Netz 17 kann als rekurrent oder dynamisch eingestuft werden und unterscheidet sich in dieser Hinsicht von der Lösung mit statischem Netz, die in der oben erwähnten französischen Patentanmeldung Nummer FR 03 15112 dargelegt wurde.
Die Schätzfunktion 15 erlaubt es schließlich, eine Schätzung der Temperatur hinter der Turbine und vor einer Nachbearbeitungsvorrichtung zu erhalten. Die Schätzfunktion kann so als eine Transferfunktion anwendend angesehen werden, die am Eingang eine Information bezüglich der Temperatur vor der Turbine, sowie ggf. eine oder mehrere Informationen bezüglich physikalischer Größen abgreift, um am Ausgang die gewünschte Temperaturschätzung zu liefern.
Die nachfolgende Beschreibung betrifft die Gestaltung und das Lernen der Schätzfunktion 15.
Wenn die Schätzfunktion erarbeitet ist und zum Beispiel in der Software der elektronischen Steuerung des Motors ausgeführt wird, geht es darum, das neuronale Netz zu wählen, insbesondere durch Bestimmung der Anzahl von Neuronen und Kalibrierung der Parameter (Gewicht, Bias).
Der Lernvorgang des neuronalen Netzes kann im Computer ausgehend von im Fahrzeug gesammelten Daten durchgeführt werden.
Das neuronale Netz kann Gegenstand eines Lernvorgangs durch eine Lernalgorithmusmethode sein, insbesondere mit Hilfe einer Datenbank 19.
Die Datenbank 19 kann ausgehend von realen Ergebnissen von Testfahrten eines Fahrzeugs, mit Tests bei verschiedenen Übersetzungsverhältnissen eines Schaltgetriebes, mit verschiedenen Beschleunigungen und Verlangsamungen, gespeist werden, wobei das Ganze gewählt wird, um für normale Betriebsbedingungen des Fahrzeugs repräsentativ zu sein. Außerdem kann man vorsehen, die Datenbank, die ausgehend von den Testfahrten gespeist wird, in eine Lerndatenbank und eine Testdatenbank aufzuspalten, um die Größe der Datenbank 19 zu reduzieren, die die Lerndatenbank bildet. Die während der Lernphase bestimmten Parameter (oder Kalibrierungen) können im Speicher des Rechners 3 gespeichert werden. Alternativ ist die Datenbank 19 eine vom Fahrzeug getrennte Datenbank, die bei Initialisierungsvorgängen des Fahrzeugs oder auch bei Wartungsvorgängen verwendet wird.
In 3 sind die Schritte der Gestaltung und des Lernens der Schätzfunktion mit neuronalem Netz dargestellt.
Im Schritt 20 werden Versuche durchgeführt, die es ermöglichen, die Daten zu erzeugen, um die Datenbank 19 zu informieren (siehe Pfeil in Richtung der Bank 19 in 2), wobei die Daten für interessante Betriebszonen repräsentativ sind. Es geht nämlich darum, auf repräsentative Weise den Veränderungsraum (oder zumindest einen Teil davon) der Eingangssignale und Ausgangssignale der Schätzfunktion zu durchlaufen.
Es kann nützlich sein, eine Datenreinigung durch Bearbeitung des Signals durchzuführen, zum Beispiel um die abweichenden Punkte zu unterdrücken, um die redundanten Punkte zu unterdrücken, um neu zu synchronisieren oder um die Daten zu filtern.
Im Schritt 21 werden die Daten in zwei Teile geteilt, um eine Testbank und eine Lernbank zu formen. Im Schritt 22 werden die Vorbearbeitungen bestimmt, die vom Vorbearbeitungsmodul 16 ausgeführt werden müssen, und das neuronale Netz 17 führt die Lernvorgänge ausgehend von der Lerndatenbank durch. Im Schritt 23 wird die Betriebsleistung mit einem oder mehreren Validierungskriterien an der Testbank und an der Lernbank getestet. Im Schritt 24 wird die Wahl des neuronalen Netzes 17 durchgeführt, und im Schritt 25 werden die Charakterisierungen der Betriebsleistungen und der Tests am Fahrzeug durchgeführt.
Der aus der Bank 19 in 2 kommende Pfeil stellt dar, wie die Daten der Bank 19 für den Lernvorgang und die Validierung der Schätzfunktion 15 verwendet werden.
Zwischen den Schritten 23 und 24 kann eine Rückkopplung 26 vorgesehen werden, die es ermöglicht, vor den Schritt 22 zurückzugehen, um eine gewisse Anzahl von Iterationen mit möglichen Veränderungen an der Anzahl von Neuronen, den Eingangssignalen, den Ausgangssignalen, dem Zerteilen in eine Anzahl von Netzen, der Architektur des oder der neuronalen Netze 17, dem Typ des Lernens, den Optimierungskriterien usw. durchzuführen.
Dieser iterative Prozess (Rückkopplung 26) ermöglicht es, die gewünschte Schätzfunktion zu erarbeiten (Präzision, Robustheit), zu geringeren Kosten (Anzahl von Eingangssignalen, Anzahl von Berechnungen, Anzahl und Schwierigkeit der Tests, usw.).
Zwischen den Schritten 24 und 25 kann eine Rückkopplung 27 vorgesehen sein, wenn es sich herausstellt, dass die im Schritt 20 erzeugten Daten unzureichend sind. Man geht dann zurück zum Schritt 20, um neue Daten zu erzeugen, die dazu bestimmt sind, die vorher erfassten Daten zu ersetzen oder sie zu vervollständigen, um eine ausreichende Anzahl von Messpunkten zu erstellen.
Zum Beispiel kann man 5000 Messpunkte in der Lernbank vorsehen.
Im Testschritt 23 kann man Wahlkriterien vorsehen, um den Satz von Parametern zu wählen, der die präziseste Schätzung erlaubt (zum Beispiel durch Unterdrückung der Punkte, deren Fehler größer ist als 50°C, indem ein Fehlermittelwert nahe 5°C gesucht wird, oder auch durch Suche eines geringen gleitenden mittleren Fehlers).
Schließlich verbraucht die Anwendung der Erfindung für die Schätzung der Temperatur der Abgase wenig Ressourcen des Rechners (Rechenlast, notwendiger Speicher), verwendet eine reduzierte Anzahl von Parametern, und kann so leicht ausgeführt werden.
Außerdem, wenn die für das Lernen nützliche Datenbank ausreichend repräsentativ ist für die Gesamtheit der späteren Nutzungsbedingungen, kann die Temperatur der Gase am Ausgang der Turbine oder vor dem Nachbehandlungssystem präzise geschätzt werden (in der Größenordnung von einigen Grad), und dies unabhängig davon, ob im Dauerbetrieb oder im Übergangsbebtrieb.

Claims

Verfahren zur Schätzung einer Temperatur der Abgase eines Motors (1), dadurch gekennzeichnet, dass es einen Schätzer (15) mit Neuronennetz (17) aufweist, der über eine Rückkopplungsschleife verfügt, die direkt oder indirekt an den Eingang des Netzes eine oder mehrere der am Ausgang des Netzes verfügbaren Größen rückkoppelt.
Verfahren nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass an den Eingang des Schätzers (15) eine Information betreffend die Temperatur der Gase vor der Turbine (7), die auf der Auspuffanlage (5) des Motors angeordnet ist, geliefert wird, wobei der Schätzer am Ausgang die Schätzung der Temperatur der Abgase hinter der Turbine liefert.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es eine Nachbearbeitung der Temperaturschätzung anwendet, die vom Neuronennetz durchgeführt wird.
Verfahren nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass eine Rückkopplung der geschätzten Temperatur (S) durchgeführt wird, die am Ausgang der Nachbearbeitungsmoduls verfügbar ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es eine Vorverarbeitung einer oder mehrerer der Variablen am Eingang des Schätzers anwendet, indem es Berechnungen durchführt, die auf bekannten physikalischen Beziehungen beruhen.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es eine Wiederverarbeitung bestimmter der Größen am Ausgang des Netzes anwendet, ehe diese gemäß einer als indirekt bezeichneten Rückkopplung zum Eingang des Netzes zurückgeführt werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass es einen vorhergehenden Lernschritt des Schätzers mit Hilfe einer Bank von Daten (19) aufweist, die für interessante Betriebszonen repräsentativ sind.
System zur Schätzung einer Temperatur der Abgase eines Motors (1), dadurch gekennzeichnet, dass es einen Schätzer (15) mit Neuronennetz (17) aufweist, der über eine Rückkopplungsschleife verfügt, die direkt oder indirekt an den Eingang des Netzes eine oder mehrere der am Ausgang des Netzes verfügbaren Größen rückkoppelt.
System nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass der Schätzer über einen Eingang verfügt, der vorgesehen ist, um eine Information bezüglich der Temperatur der Abgase vor der Turbine (7) zu empfangen, die auf der Auspuffanlage (5) des Motors angeordnet ist, wobei der Schätzer am Ausgang die Schätzung der Abgase hinter der Turbine liefert.
System nach einem der Ansprüche 8 oder 9, dadurch gekennzeichnet, dass der Schätzer einen Nachbearbeitungsmodul (18) aufweist, der hinter dem Neuronennetz (17) angeordnet und geeignet ist, die vom Neuronennetz durchgeführte Temperaturschätzung zu bearbeiten.
System nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass es eine Rückkopplung der geschätzten Temperatur (S) aufweist, die am Ausgang des Nachbearbeitungsmoduls verfügbar ist.
System nach einem der Ansprüche 8 bis 11, dadurch gekennzeichnet, dass der Schätzer einen Vorbearbeitungmodul (16) aufweist, der vor dem Neuronennetz (17) angeordnet und geeignet ist, um eine oder mehrere der Variablen am Eingang des Schätzers (15) zu verarbeiten, indem er auf bekannten physikalischen Beziehungen beruhende Berechnungen durchführt.
Verbrennungsmotor (1), der ein System zur Schätzung einer Temperatur der Abgase nach einem der Ansprüche 8 bis 12 aufweist.
Kraftfahrzeug, das ein System zur Schätzung einer Temperatur der Abgase nach einem der Ansprüche 8 bis 12 aufweist.