EP1693553A2 - Verfahren zur Ansteuerung einer Motorölpumpe - Google Patents

Verfahren zur Ansteuerung einer Motorölpumpe Download PDF

Info

Publication number
EP1693553A2
EP1693553A2 EP06001076A EP06001076A EP1693553A2 EP 1693553 A2 EP1693553 A2 EP 1693553A2 EP 06001076 A EP06001076 A EP 06001076A EP 06001076 A EP06001076 A EP 06001076A EP 1693553 A2 EP1693553 A2 EP 1693553A2
Authority
EP
European Patent Office
Prior art keywords
neural network
control
oil pressure
oil pump
engine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
EP06001076A
Other languages
English (en)
French (fr)
Other versions
EP1693553B1 (de
EP1693553A3 (de
Inventor
Peter Scholl
Oliver Grunwald
Hubert Dr. Keller
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.)
KELLER, HUBERT B.
Dr Ing HCF Porsche AG
Original Assignee
Dr Ing HCF Porsche AG
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 Dr Ing HCF Porsche AG filed Critical Dr Ing HCF Porsche AG
Publication of EP1693553A2 publication Critical patent/EP1693553A2/de
Publication of EP1693553A3 publication Critical patent/EP1693553A3/de
Application granted granted Critical
Publication of EP1693553B1 publication Critical patent/EP1693553B1/de
Ceased legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01M—LUBRICATING OF MACHINES OR ENGINES IN GENERAL; LUBRICATING INTERNAL COMBUSTION ENGINES; CRANKCASE VENTILATING
    • F01M1/00—Pressure lubrication
    • F01M1/16—Controlling lubricant pressure or quantity

Definitions

  • the invention is based on a device for regulating the lubricating oil pressure of an internal combustion engine, as is known, for example, from DE 101 41 786 A1.
  • an oil pressure control valve is assigned to an oil pump, the valve body is acted upon by a front side by the oil pressure in an opening direction, wherein the opening characteristic of the oil pressure control valve in response to various operating parameters and operating conditions is adjustable.
  • the opening characteristic of the valve can be changed in a simple manner by applying oil pressure to the piston rear side via a hydraulic line leading from the pressure side to the rear side of the piston.
  • the inventive method has the advantage that by an intelligent control of the oil pressure with the involvement of an intelligent mitvertenden structure, the control of the oil pump a variety of factors such as the speed, the current speed curve, the oil viscosity, the oil temperature, manufacturing tolerances within the oil pump and the engine and considered possible leakage due to wear and aging of the engine.
  • an intelligent learning structure By using an intelligent learning structure, a high quality of control with low computing power is guaranteed. It has also proven to be advantageous to use a neural network, such as a Kohonen network, as a learning intelligent structure.
  • the control of the oil pump valve motor unit via a neural network offers the advantage of a self-learning algorithm with the ability to make permanent corrections in the nodes of such a network, to make the input area multi-dimensional and allow interpolation over several manipulated variables, creating a certain smoothness in the control is given and no jumps in the control of the oil pump, which have a negative effect on the behavior occur.
  • the use of neural networks for controlling various methods is already known in principle, as can be seen, for example, from DE 43 33 698 A1.
  • the advantage of the present method is to integrate this methodology of processing and determining various control variables in the engine control and in the control of the engine oil pump so that there is a technical improvement of the behavior during driving.
  • the method for controlling an engine oil pump by incorporating an intelligent mitvertenden structure also has the advantage that the change in the parameters can be logged during operation.
  • the detection of state changes is to be evaluated in the sense of a diagnosis and the quality of the control process is improved.
  • the inventive method for controlling an oil pump with an intelligent mitlindenden structure for controlling the oil pump consists essentially of two phases. A first phase, in which the intelligent learning structure is determined, and a second phase, in which this learning structure is implemented in the control process in the vehicle.
  • FIG. 1 shows the first phase, which can also be referred to as the preparation phase or training phase.
  • This training phase for the intelligent learning structure is carried out on a computer and not directly on the vehicle.
  • input variables 10 such as the rotational speed n, the rotational speed difference ⁇ n, the oil temperature T (oil) and the engine torque Mm, are entered from predefined reference measurements.
  • These various operating parameters were recorded in advance in the operation of an internal combustion engine, for example on a test bench or by measurements during various journeys and stored as representative quantities. They indicate the driving behavior of the internal combustion engine under various conditions.
  • the input quantities 10 are fed to a neural network 11.
  • the neural network 11 is in an initial state before it is calculated for use in the vehicle.
  • the Kohonen network 11 outputs, after a corresponding evaluation and weighting of the input variables 10, an output quantity AG which is fed to the input of the MLP network 12.
  • the MLP network 12 simulates the behavior of the internal combustion engine, so that at the output of this MLP network 12 is a size for the corresponding actual oil pressure is available, as in a real operation of an internal combustion engine with the corresponding inputs and the neural network 11 output size for the control of the engine oil pump, would occur.
  • This quantity of the actual oil pressure is compared with the desired oil pressure to be taken from the characteristic map 13 on the basis of the corresponding operating variables. This is in the figure 1 with the Processing stage 14 shown.
  • an adaptation of the Kohonen network 12 is performed.
  • This adaptation essentially represents an iteration method, in which, by the feedback of the reactions to the previously output output variable AG, the Kohonen network 12 learns to react to changes in the operation of the internal combustion engine.
  • the neural network is an intelligent learning structure whose points of support are not even defined and then adapted by applying a characteristic field, but the neural network itself learns and outputs directly the optimal control variable.
  • This learning or training phase is the basis for the later implementation of this neural network 12 in the control of the engine oil pump.
  • FIG. 2 shows how the control of the engine oil pump works using the neural network 11.
  • the input variables 20 essentially correspond to the input variables 10 from FIG. 1. However, these input variables 20 are not measured by a computer, but directly by the sensors of the internal combustion engine, not shown, and made available to the method for controlling the engine oil pump via a data bus 21, for example.
  • the data supplied by the data bus 21 are processed in a preparation unit 22, so that they are then forwarded directly as input variables 20 to the Kohonen network 11 and to the characteristic map 13 for determining the desired oil pressure.
  • the Kohonen network 11 determines the control variable SG, which is then output for controlling the engine oil pump, on the basis of the operating parameters available as input variables 20.
  • the control of the engine oil pump in turn influences the operation of the internal combustion engine and the actual oil pressure.
  • an adaptation of the neural network takes place in analogy to the training phase, so that this neural network is constantly learning in actual operation Medium represents.
  • the actual calculation within the neural network concerns already known computational algorithms and methodologies.
  • Essential to the invention is the integration of a known neural network in the processes within the control of an internal combustion engine for controlling the engine oil pump.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Lubrication Of Internal Combustion Engines (AREA)
  • Lubrication Details And Ventilation Of Internal Combustion Engines (AREA)

Abstract

Es wird ein Verfahren zur Ansteuerung einer Motorölpumpe einer Brennkraftmaschine mit zumindest einer Steuereinheit, welcher die von Sensoren erfassten Betriebsparameter zugeführt sind, wobei in der Steuereinheit ein neuronales Netz (11) zur Bestimmung der Steuergröße zur Ausgabe an die Motorölpumpe implementiert ist, vorgeschlagen. Das neuronale Netz (11) wird vor seiner Implementierung in die Steuereinheit in einer Trainingsphase während der Applikation dahingehend angelernt, dass es eine intelligente mitlernende Struktur darstellt, die bei der Ansteuerung der Motorölpumpe während des Fahrbetriebs einen Regelkreis schließt, der über eine Rückkopplung der ausgegebenen Steuergröße und die Erfassung des Ist-Öldruckes und einen Vergleich mit einem vorgegebenen Soll-Öldruckes eine Anpassung der Steuergröße in der Art vornimmt, dass in dem neuronalen Netz jeweils die aktuell auszugebende Steuergröße laufend neu berechnet wird.

Description

  • Die Erfindung geht aus von einer Einrichtung zur Regelung des Schmieröldruckes einer Brennkraftmaschine, wie sie beispielsweise aus der DE 101 41 786 A1 bekannt ist.
  • Bei dieser bekannten Einrichtung zur Regelung des Schmieröldruckes einer Brennkraftmaschine ist einer Ölpumpe ein Öldruckregelventil zugeordnet, dessen Ventilkörper von einer Vorderseite durch den Öldruck in eine Öffnungsrichtung beaufschlagt wird, wobei die Öffnungscharakteristik des Öldruckregelventils in Abhängigkeit verschiedener Betriebsparameter und Betriebszustände einstellbar ist. Die Öffnungscharakteristik des Ventils kann auf einfache Art und Weise dadurch geändert werden, dass über eine von der Druckseite auf die Rückseite des Kolbens führende Hydraulikleitung Öldruck auf die Kolbenrückseite aufgebracht wird. Durch eine entsprechende Steuerung des über die erhöhte Hydraulikleitung in den Gehäuseraum des Kolbenventils geführten Schmieröls können entsprechend den verschiedenen Betriebszuständen des Motors unterschiedliche Öldrücke eingestellt werden.
  • Das erfindungsgemäße Verfahren hat den Vorteil, dass durch eine intelligente Regelung des Öldruckes unter Einbindung einer intelligenten mitlernenden Struktur die Ansteuerung der Ölpumpe die verschiedensten Faktoren, wie die Drehzahl, der momentane Drehzahlverlauf, die Ölviskosität, die Öltemperatur, Fertigungstoleranzen innerhalb der Ölpumpe und des Motors und eine mögliche Leckage durch Verschleiß und Alterung des Motors berücksichtigt. Durch das Nutzen einer intelligenten mitlernenden Struktur ist eine hohe Regelgüte mit geringer Rechenleistung gewährleistet.
    Es hat sich ferner als vorteilhaft erwiesen, als mitlernende intelligente Struktur ein neuronales Netz, wie beispielsweise ein Kohonen-Netz einzusetzen. Die Ansteuerung der Ölpumpe-Ventil-Motor-Einheit über ein neuronales Netz bietet den Vorteil eines selbstlernenden Algorithmus mit der Möglichkeit, permanent Korrekturen in den Stützstellen eines solchen Netzes vorzunehmen, den Eingangsbereich mehrdimensional zu gestalten und eine Interpolation über mehrere Stellgrößen zuzulassen, wodurch eine gewisse Glattheit in der Ansteuerung gegeben ist und keine Sprünge bei der Ansteuerung der Ölpumpe, die sich negativ auf das Verhalten auswirken, auftreten.
  • Die Verwendung neuronaler Netze zur Steuerung verschiedener Verfahren ist prinzipiell bereits bekannt, wie dies beispielsweise der DE 43 33 698 A1 zu entnehmen ist. Der Vorteil bei dem vorliegenden Verfahren besteht darin, diese Methodik der Verarbeitung und Bestimmung verschiedener Steuergrößen so in die Motorsteuerung und in die Ansteuerung der Motorölpumpe zu integrieren, dass sich eine technische Verbesserung des Verhaltens im Fahrbetrieb ergibt.
  • Das Verfahren zur Ansteuerung einer Motorölpumpe unter Einbindung einer intelligenten mitlernenden Struktur hat ferner den Vorteil, dass die Veränderung der Parameter im laufenden Betrieb protokolliert werden kann. Das Erfassen von Zustandsänderungen ist im Sinne einer Diagnose auszuwerten und die Qualität des Regelprozesses wird verbessert.
  • Ein Ausführungsbeispiel der Erfindung ist in der Zeichnung dargestellt und in der nachfolgenden Beschreibung näher erläutert.
    Es zeigt
    • Fig. 1
    die Trainingsphase zum Anlernen des Kohonen-Netzes,
    Fig. 2
    das im Fahrzeug implementierte Regelverfahren mit dem integrierten Kohonen-Netz.
  • Das erfindungsgemäße Verfahren zur Regelung einer Ölpumpe mit einer intelligenten mitlernenden Struktur zur Regelung der Ölpumpe besteht im Wesentlichen aus zwei Phasen. Einer ersten Phase, in welcher die intelligente mitlernende Struktur bestimmt wird, und einer zweiten Phase, in welcher diese mitlernende Struktur in das Regelverfahren im Fahrzeug implementiert wird.
  • Figur 1 zeigt die erste Phase, welche auch als Vorbereitungsphase oder Trainingsphase bezeichnet werden kann.
    Diese Trainingsphase für die intelligente mitlernende Struktur wird auf einem Rechner und nicht direkt am Fahrzeug durchgeführt. Hierzu werden von vordefinierten Referenzmessungen verschiedenen Eingangsgrößen 10, wie die Drehzahl n, die Drehzahldifferenz Δn, die Öltemperatur T(öl) und das Motormoment Mm, eingegeben. Diese verschiedenen Betriebsparameter wurden im Vorfeld beim Betrieb einer Brennkraftmaschine beispielsweise auf einem Prüfstand oder durch Messungen während verschiedenster Fahrten erfasst und als repräsentative Größen abgespeichert. Sie geben das Fahrverhalten der Brennkraftmaschine unter den verschiedensten Bedingungen an. Wie der Figur 1 zu entnehmen, werden die Eingangsgrößen 10 an ein neuronales Netz 11 geführt. In dieser in Figur 1 dargestellten Trainingsphase befindet sich das neuronale Netz 11 in einem Ausgangszustand, bevor es für den Einsatz im Fahrzeug berechnet wird.
    Parallel zu der Weiterleitung der Betriebsparameter 10 an das neuronale Netz 11 sind diese Eingangsdaten an ein MLP-Netz 12 geführt, welches den Betrieb der Brennkraftmaschine simuliert, und an ein Kennfeld 13 für den Soll-Öldruck geführt.
    Als neuronales Netz 11 wird bei diesem Verfahren ein Kohonen-Netz verwendet, wobei ein solches Kohonen-Netz bereits bekannt ist (vgl. "Maschinelle Intelligenz" Hubert B. Keller, ISBN 35280548911) und hier nicht im einzelnen erläutert werden soll.
  • Das Kohonen-Netz 11 gibt nach einer entsprechenden Bewertung und Wichtung der Eingangsgrößen 10 eine Ausgangsgröße AG aus, die an den Eingang des MLP-Netzes 12 geführt ist. Das MLP-Netz 12 simuliert das Verhalten der Brennkraftmaschine, so dass am Ausgang dieses MLP-Netzes 12 eine Größe für den entsprechenden Ist-Öldruck zur Verfügung steht, wie er bei einem realen Betrieb einer Brennkraftmaschine mit den entsprechenden Eingangsgrößen und der von dem neuronalen Netz 11 ausgegebenen Größe für die Ansteuerung der Motorölpumpe, auftreten würde. Diese Größe des Ist-Öldruckes wird mit dem aufgrund der entsprechenden Betriebsgrößen aus dem Kennfeld 13 zu entnehmenden Soll-Öldruck verglichen. Dies ist in der Figur 1 mit der Verarbeitungsstufe 14 dargestellt. Aufgrund der in der Verarbeitungsstufe 14 ermittelten Abweichung zwischen Ist-Öldruck und Soll-Öldruck wird eine Adaption des Kohonen-Netzes 12 durchgeführt. Diese Adaption stellt im Wesentlichen ein Iterationsverfahren dar, in welchem durch die Rückkopplung der Reaktionen auf die vorher ausgegebene Ausgangsgröße AG das Kohonen-Netzes 12 lernt, auf Veränderungen im Betrieb der Brennkraftmaschine zu reagieren. Nach der Trainingsphase ist das neuronale Netz eine intelligente mitlernende Struktur, dessen Stützstellen nicht einmal festgelegt und dann durch Beaufschlagen eines Kennfeldes dieses adaptieren, sondern das neuronale Netz selber lernt und gibt jeweils direkt die optimale Steuergröße aus. Diese Lern- oder Trainingsphase ist die Grundlage für die spätere Implementierung dieses neuronalen Netzes 12 in die Steuerung der Motorölpumpe.
  • In Figur 2 ist dargestellt, wie die Ansteuerung der Motorölpumpe unter Nutzung des neuronalen Netzes 11 arbeitet. Die Eingangsgrößen 20 entsprechen im Wesentlichen den Eingangsgrößen 10 aus Figur 1. Nur werden diese Eingangsgrößen 20 hier nicht von einem Rechner, sondern direkt von den nicht dargestellten Sensoren der Brennkraftmaschine gemessen und beispielsweise über einen Datenbus 21 dem Verfahren zur Ansteuerung der Motorölpumpe zur Verfügung gestellt. Zur Vorbereitung werden die vom Datenbus 21 gelieferten Daten in einer Vorbereitungseinheit 22 aufbereitet, so dass sie anschließend direkt als Eingangsgrößen 20 an das Kohonen-Netz 11 und an das Kennfeld 13 zur Bestimmung des Soll-Öldruck weitergeleitet werden. Das Kohonen-Netz 11 bestimmt aufgrund der als Eingangsgrößen 20 zur Verfügung stehenden Betriebsparameter die Steuergröße SG, die dann zur Ansteuerung der Motorölpumpe ausgegeben wird.
    Die Ansteuerung der Motorölpumpe beeinflusst wiederum den Betrieb der Brennkraftmaschine und den Ist-Öldruck. Durch die Erfassung des Ist-Ölsruckes und einen Vergleich des Ist-Öldruckes mit dem Soll-Öldruck in der Vergleichsstufe 14 erfolgt analog zur Trainingsphase eine Adaption des neuronalen Netzes (Kohonen-Netz), so dass dieses neuronale Netz auch im eigentlichen Betrieb ein ständig mitlernendes Medium darstellt.
  • Wesentlich ist sowohl in der Trainingsphase als auch bei der eigentlichen Umsetzung des Verfahrens zur Ansteuerung einer Motorölpumpe, dass eine Rückinformation nach einer Steuergrößenausgabe über eine Erfassung des Ist-Öldruckes und des Soll-Öldruckes erfolgt.
  • Die eigentliche Berechnung innerhalb des neuronalen Netzes betrifft bereits bekannte Rechenalgorithmen und Methodiken. Erfindungswesentlich ist die Einbindung eines an sich bekannten neuronalen Netzes in die Vorgänge innerhalb der Ansteuerung einer Brennkraftmaschine zur Ansteuerung der Motorölpumpe.
  • Die vorstehende Beschreibung führt aus, dass die intelligente mitlernende Struktur während der Trainingsphase angelernt und dann in die Steuereinheit implementiert ist. Es ist jedoch genauso möglich, diese Trainingsphase im laufenden Betrieb der Brennkraftmaschine durchzuführen. Die verschiedenen Eingangsgrößen zur Bestimmung der Ansteuerung des Motorölpumpe sowie die dazu gehörende Reaktion der Brennkraftmaschine sind bekannt, so dass mit diesen Größen ein Nachlernen des neuronalen Netzes durchgeführt werden kann. Eine Protokollierung dieses Nachlernprozessen ermöglicht es außerdem, Veränderungen zu diagnostizieren um so Rückschlüsse auf beispielsweise Alterungsprozesse und/oder Defekte der einzelnen Komponenten zu erfassen.

Claims (5)

  1. Verfahren zur Ansteuerung einer Motorölpumpe einer Brennkraftmaschine mit zumindest einer Steuereinheit, welcher die von Sensoren erfassten Betriebsparameter (20) zugeführt sind, wobei in der Steuereinheit ein neuronales Netz (11) zur Bestimmung der Steuergröße zur Ausgabe an die Motorölpumpe implementiert ist, wobei das neuronale Netz vor seiner Implementierung in die Steuereinheit in einer Trainingsphase während der Applikation dahingehend angelernt wird, dass es eine intelligente mitlernende Struktur darstellt, die bei der Ansteuerung der Motorölpumpe während des Fahrbetriebs einen Regelkreis schließt, der über eine Rückkopplung der ausgegebenen Steuergröße und die Erfassung des Ist-Öldruckes und einen Vergleich mit einem vorbestimmten Soll-Öldruckes eine Anpassung der Steuergröße (SG) in der Art vornimmt, dass in dem neuronalen Netz (11) jeweils die aktuell auszugebende Steuergröße laufend neu berechnet wird.
  2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die auszugebenden Steuergrößen (SG) keine fest abgespeicherten Adaptionswerte sind.
  3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass als neuronales Netz ein Kohonen-Netz verwendet wird.
  4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass während der Trainingsphase das neuronale Netz mit einem weitern neuronalen Netz zur Simulation des Betriebs einer Brennkraftmaschine verbunden ist und dieses weitere neuronale Netz einen Wert für den zu erwartenden Ist-Öldruck ausgibt, wobei der Ist-Öldruck mit einem aus einem Kennfeld (13) entnommenen Soll-Öldruck verglichen wird und das Ergebnis dieser Bewertung dem neuronalen Netz zugeführt wird, so dass das neuronale Netz aktiv lernt auf Veränderungen zu reagieren.
  5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Anpassung der Steuergröße (SG), die in dem neuronalen Netz (11) jeweils aktuell neu berechnet wird, protokolliert wird und für Diagnose ausgelesen werden kann.
EP20060001076 2005-02-18 2006-01-19 Verfahren zur Ansteuerung einer Motorölpumpe Ceased EP1693553B1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE200510007406 DE102005007406A1 (de) 2005-02-18 2005-02-18 Verfahren zur Ansteuerung einer Motorölpumpe

Publications (3)

Publication Number Publication Date
EP1693553A2 true EP1693553A2 (de) 2006-08-23
EP1693553A3 EP1693553A3 (de) 2010-05-26
EP1693553B1 EP1693553B1 (de) 2011-07-27

Family

ID=36369911

Family Applications (1)

Application Number Title Priority Date Filing Date
EP20060001076 Ceased EP1693553B1 (de) 2005-02-18 2006-01-19 Verfahren zur Ansteuerung einer Motorölpumpe

Country Status (2)

Country Link
EP (1) EP1693553B1 (de)
DE (1) DE102005007406A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2963257A1 (de) * 2014-07-01 2016-01-06 FPT Motorenforschung AG Schmierölsystem für einen Verbrennungsmotor, insbesondere für industrielle und kommerzielle Fahrzeuge
WO2021122718A1 (de) * 2019-12-21 2021-06-24 Robert Bosch Gmbh Verfahren zum steuern eines hydraulischen zylinders einer arbeitsmaschine

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7424328B2 (ja) * 2021-02-26 2024-01-30 トヨタ自動車株式会社 変速機制御装置
CN113464235B (zh) * 2021-06-16 2023-03-14 东风汽车集团股份有限公司 一种机油泵变排装置及发动机
DE102022209422A1 (de) 2022-09-09 2024-03-14 Volkswagen Aktiengesellschaft Betriebsverfahren zum Betrieb eines Ölpumpenregelventils

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6269788B1 (en) 2000-03-13 2001-08-07 Robert L. Kachelek Programmable computer controlled electric oil pump drive for engines
DE10141786A1 (de) 2001-08-25 2003-03-20 Porsche Ag Einrichtung zur Regelung des Schmieröldruckes einer Brennkraftmaschine

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT1265U1 (de) * 1995-07-19 1997-01-27 Matthias Budil Lernregel für neuronale netze
JPH11343916A (ja) * 1998-06-02 1999-12-14 Yamaha Motor Co Ltd エンジン制御におけるデータ推定方法
AT407563B (de) * 1998-02-26 2001-04-25 Tcg Unitech Ag Ölpumpe für eine brennkraftmaschine mit innerer verbrennung
DK173533B1 (da) * 1999-01-18 2001-02-05 Man B & W Diesel As Fremgangsmåde til smøring af en cylinder i en forbrændingsmotor samt cylindersmøresystem og tilslutningselement
DE19915737A1 (de) * 1999-04-08 2000-10-12 Bayerische Motoren Werke Ag Verfahren zum Regeln der Schmierung, vorzugsweise bei Verbrennungsmotoren und Anordnung zum Regeln gemäß dem Verfahren
DE10113538B4 (de) * 2001-03-20 2012-03-01 Bayerische Motoren Werke Aktiengesellschaft Regelvorrichtung und Regelverfahren

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6269788B1 (en) 2000-03-13 2001-08-07 Robert L. Kachelek Programmable computer controlled electric oil pump drive for engines
DE10141786A1 (de) 2001-08-25 2003-03-20 Porsche Ag Einrichtung zur Regelung des Schmieröldruckes einer Brennkraftmaschine

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2963257A1 (de) * 2014-07-01 2016-01-06 FPT Motorenforschung AG Schmierölsystem für einen Verbrennungsmotor, insbesondere für industrielle und kommerzielle Fahrzeuge
US9593604B2 (en) 2014-07-01 2017-03-14 Fpt Motorenforschung Ag Lubricating oil system for a combustion engine, in particular for industrial and commercial vehicles
AU2015203645B2 (en) * 2014-07-01 2019-07-04 Fpt Motorenforschung Ag Lubricating oil system for a combustion engine, in particular for industrial and commercial vehicles
RU2697786C2 (ru) * 2014-07-01 2019-08-19 Фпт Моторенфоршунг Аг Система масляной смазки для двигателя внутреннего сгорания, в частности для промышленных и коммерческих транспортных средств
WO2021122718A1 (de) * 2019-12-21 2021-06-24 Robert Bosch Gmbh Verfahren zum steuern eines hydraulischen zylinders einer arbeitsmaschine

Also Published As

Publication number Publication date
EP1693553B1 (de) 2011-07-27
DE102005007406A1 (de) 2006-08-24
EP1693553A3 (de) 2010-05-26

Similar Documents

Publication Publication Date Title
DE102007025619B4 (de) Verfahren und Vorrichtung zur Steuerung eines hydraulischen Stellers
DE3825749C2 (de)
EP1693553B1 (de) Verfahren zur Ansteuerung einer Motorölpumpe
DE102011103594A1 (de) Verfahren zur Regelung technischer Prozesse sowie Verfahren zur Durchführung von Versuchen auf Prüfständen
DE19524669C2 (de) Steuer- und Regeleinrichtung zur Inbetriebnahme eines Fahrzeuges mit automotivem hydrostatischem Getriebe
EP1095319B1 (de) Verfahren zum betreiben einer regelungseinrichtung und vorrichtung zur durchführung des verfahrens
DE602005004781T2 (de) Verfahren zur steuerung eines eingestellten drehmoments für räder eines automatikgetriebes für ein kraftfahrzeug und entsprechende vorrichtung
DE102020206309A1 (de) Vorrichtung und Verfahren zum Erkennen und Reduzieren einer Störschwingung bei einem Fahrzeug
DE4342057A1 (de) Verfahren zur Adaption der Regelparameter einer elektrohydraulischen Achse
DE3932763C1 (de)
DE10035005B4 (de) Verfahren und Vorrichtung zur Regelung der Übersetzung eines Getriebes mit stufenlos veränderbarer Übersetzung
EP0418787A2 (de) Verfahren zur Überwachung des Betriebs einer Werkzeugmaschine
DE102012113091A1 (de) System und Verfahren zur Steuerung von Hydraulikdruck einer Dämpferkupplung
EP1279851B1 (de) Verfahren zum Steuern einer automatischen Kraftfahrzeugkupplung
DE102007048903A1 (de) Verfahren zum Betreiben einer Niveauregulierung eines Straßenkraftfahrzeugs
EP2366567B1 (de) Verfahren zum Steuern eines Dämpfers für einen Kraftwagen
DE102021124395A1 (de) Öldruckschätzvorrichtung und speichermedium
EP1262760A1 (de) Verfahren zum Bestimmen der Viskosität einer Betriebsflüssigkeit einer Brennkraftmaschine
DE19807763A1 (de) Vorrichtung und Verfahren zur Regelung oder Steuerung eines Stellgliedes
DE102018217230A1 (de) Verfahren und Vorrichtung zur Ansteuerung einer Fluidpumpe
DE102015201549A1 (de) Verfahren und Vorrichtung zum Betreiben eines Hybridantriebssystems in einem Kraftfahrzeug mit optimierter Wahl der Fahrstufe
DE10351957A1 (de) Dämpfungssystem mit einem LOLIMOT-Modell gegen Antriebs-strangschwingungen
EP3292444A1 (de) Verfahren zum betreiben eines elektrischen oder fluidischen stellantriebs und bewegungssteuerung für einen stellantrieb
DE10312840B4 (de) Adaptiver Regler sowie Verfahren zur Bestimmung von dessen Parametern
DE102022108962B4 (de) Ventilanordnung und Verfahren

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A2

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK YU

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: KELLER, HUBERT B.

Owner name: DR. ING. H.C. F. PORSCHE AKTIENGESELLSCHAFT

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: KELLER, HUBERT B.

Owner name: DR. ING. H.C. F. PORSCHE AKTIENGESELLSCHAFT

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: KELLER, HUBERT B.

Owner name: DR. ING. H.C. F. PORSCHE AG

PUAL Search report despatched

Free format text: ORIGINAL CODE: 0009013

AK Designated contracting states

Kind code of ref document: A3

Designated state(s): AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LI LT LU LV MC NL PL PT RO SE SI SK TR

AX Request for extension of the european patent

Extension state: AL BA HR MK YU

RIC1 Information provided on ipc code assigned before grant

Ipc: F02D 41/14 20060101ALI20100419BHEP

Ipc: F01M 1/16 20060101AFI20060524BHEP

17P Request for examination filed

Effective date: 20101126

AKX Designation fees paid

Designated state(s): DE FR GB IT

RIC1 Information provided on ipc code assigned before grant

Ipc: F02D 41/14 20060101ALI20110111BHEP

Ipc: F01M 1/16 20060101AFI20110111BHEP

GRAP Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOSNIGR1

GRAS Grant fee paid

Free format text: ORIGINAL CODE: EPIDOSNIGR3

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): DE FR GB IT

REG Reference to a national code

Ref country code: GB

Ref legal event code: FG4D

Free format text: NOT ENGLISH

REG Reference to a national code

Ref country code: DE

Ref legal event code: R096

Ref document number: 502006009878

Country of ref document: DE

Effective date: 20110915

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed

Effective date: 20120502

REG Reference to a national code

Ref country code: DE

Ref legal event code: R097

Ref document number: 502006009878

Country of ref document: DE

Effective date: 20120502

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 11

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 12

REG Reference to a national code

Ref country code: FR

Ref legal event code: PLFP

Year of fee payment: 13

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: GB

Payment date: 20180119

Year of fee payment: 13

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20180129

Year of fee payment: 13

Ref country code: FR

Payment date: 20180119

Year of fee payment: 13

GBPC Gb: european patent ceased through non-payment of renewal fee

Effective date: 20190119

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: FR

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20190131

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20190119

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20190119

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DE

Payment date: 20200115

Year of fee payment: 15

REG Reference to a national code

Ref country code: DE

Ref legal event code: R119

Ref document number: 502006009878

Country of ref document: DE

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20210803