EP4093962A1 - Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine - Google Patents

Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine

Info

Publication number
EP4093962A1
EP4093962A1 EP21701282.2A EP21701282A EP4093962A1 EP 4093962 A1 EP4093962 A1 EP 4093962A1 EP 21701282 A EP21701282 A EP 21701282A EP 4093962 A1 EP4093962 A1 EP 4093962A1
Authority
EP
European Patent Office
Prior art keywords
model
monotony
gaussian process
value
internal combustion
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
EP21701282.2A
Other languages
English (en)
French (fr)
Inventor
Daniel Bergmann
Knut GRAICHEN
Karsten HARDER
Jens Niemeyer
Jörg REMELE
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.)
Rolls Royce Solutions GmbH
Original Assignee
Rolls Royce Solutions 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 Rolls Royce Solutions GmbH filed Critical Rolls Royce Solutions GmbH
Publication of EP4093962A1 publication Critical patent/EP4093962A1/de
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F02D41/2477—Methods of calibrating or learning characterised by the method used for learning
    • F02D41/248—Methods of calibrating or learning characterised by the method used for learning using a plurality of learned values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D41/1406—Introducing closed-loop corrections characterised by the control or regulation method with use of a optimisation method, e.g. iteration
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
    • F02D41/2425—Particular ways of programming the data
    • F02D41/2429—Methods of calibrating or learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/30—Controlling fuel injection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1412—Introducing closed-loop corrections characterised by the control or regulation method using a predictive controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1413—Controller structures or design
    • F02D2041/1418—Several control loops, either as alternatives or simultaneous
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1413—Controller structures or design
    • F02D2041/1429—Linearisation, i.e. using a feedback law such that the system evolves as a linear one
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/02—Circuit arrangements for generating control signals
    • F02D41/14—Introducing closed-loop corrections
    • F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
    • F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D41/00—Electrical control of supply of combustible mixture or its constituents
    • F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/28—Interface circuits
    • F02D2041/286—Interface circuits comprising means for signal processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0402—Engine intake system parameters the parameter being determined by using a model of the engine intake or its components

Definitions

  • the invention relates to a method for model-based control and regulation of an internal combustion engine according to the preamble of patent claim 1.
  • the behavior of an internal combustion engine is largely determined by an engine control unit as a function of a desired output.
  • corresponding characteristic curves and maps are applied in the software of the engine control unit.
  • the manipulated variables of the internal combustion engine for example the start of injection and a required rail pressure, are calculated from the desired output.
  • These characteristic curves / maps are provided with data at the manufacturer of the internal combustion engine during a test run. However, the large number of these characteristic curves / maps and the interaction of the characteristic curves / maps with one another cause a high level of coordination effort.
  • DE 10 2018 001 727 A1 describes a model-based method in which, as a function of a target torque, the injection system target values for controlling the injection system actuators and the gas path target values for activating the gas path actuators via a gas path model are based on a combustion model be calculated.
  • An optimizer then calculates a quality measure from the target values for the injection system and the gas path and changes the target values with the aim of finding a minimum within a prediction horizon. If the minimum is found, the optimizer then sets the injection system and gas path setpoint values as decisive for setting the operating point of the internal combustion engine.
  • the combustion model is adapted during operation of the internal combustion engine as a function of a model value, the model value in turn using a first Gaussian process model for representing a basic grid and a second Gaussian process model for the representation of adaptation data points is calculated.
  • Test bench tests have now shown that the adaptation can cause local minima for the optimization in unfavorable operating situations. The result of the optimization then does not correspond to the global optimum for the operation of the internal combustion engine.
  • the invention is therefore based on the object of further developing the method described above with regard to a better quality.
  • the invention proposes a method in which the model value is monitored with regard to a predetermined monotony.
  • the method according to the invention is a supplement to the procedure known from DE 10 2018 001 727 A1.
  • the model value is calculated from the first Gaussian process model for representing the basic grid and the second Gaussian process model for representing adaptation data points.
  • Monotony is defined in the sense of a rising trend with a positive target gradient for the model value or in the sense of a falling trend with a negative target gradient for the model value.
  • the monotony is monitored by evaluating the gradient of the model value at the operating point.
  • the monotony is corrected by smoothing data points of the second Gaussian process model to achieve the monotony.
  • the data points stored in the second Gaussian process model are shifted by the smoothing until the monotony again corresponds to the specification.
  • the monotonic properties of the first Gaussian process model are left unchanged.
  • FIG. 1 is a system diagram
  • FIG. 2 is a block diagram
  • FIG. 3 is a diagram
  • Figure 5 shows a diagram of the model behavior
  • FIG. 6 is a block diagram
  • FIG. 7 shows a program flow chart
  • FIG. 1 shows a system diagram of a model-based, electronically controlled internal combustion engine 1, for example a diesel engine with a common rail system.
  • the structure of the internal combustion engine and the function of the common tail system are known, for example, from DE 102018001 727 A1.
  • the input variables of the electronic control device 2 are shown with the reference symbols EIN and MESS.
  • the reference symbol EIN summarizes, for example, the performance requirements of the operator, the libraries for determining the emission class MARPOL (Marine Pollution) of the IMO or the emission class EU IV / Tier 4 final, and the maximum mechanical component load.
  • the desired power output is specified as a target torque, a target speed or an accelerator pedal position.
  • the input variable MESS characterizes both the directly measured physical variables and the auxiliary variables calculated from them.
  • the output variables of the electronic control unit 2 are the setpoint values for the subordinate control loops and the start of injection SB and the end of injection SE.
  • a combustion model 4, an adaptation 6, a smoothing 7, a gas path model 5 and an optimizer 3 are arranged within the electronic control device 2. Both the combustion model 4 and the gas path model 5 map the system behavior of the internal combustion engine 1 as mathematical equations.
  • the combustion model 4 statically depicts the processes during the combustion.
  • the gas path model 5 depicts the dynamic behavior of the air routing and the exhaust gas routing.
  • the combustion model 4 contains individual models, for example for the formation of NOx and soot, for Exhaust gas temperature, for the exhaust gas mass flow and for the peak pressure. These individual models, in turn, are determined as a function of the boundary conditions in the cylinder and the parameters of the injection.
  • the combustion model 4 is determined for a reference internal combustion engine in a test bench run, the so-called DoE test bench run (DoE: Design of Experiments).
  • DoE test bench run operating parameters and manipulated variables are systematically varied with the aim of mapping the overall behavior of the internal combustion engine as a function of engine variables and environmental conditions.
  • the combustion model 4 is supplemented by the adaptation 6 and the smoothing 7.
  • the aim of the adaptation is to adapt the combustion model to the real behavior of the engine system.
  • the smoothing 7 in turn serves to monitor and maintain the monotony.
  • the optimizer 3 After the internal combustion engine 1 has been activated, the optimizer 3 first reads in, for example, the emission class, the maximum mechanical component loads and the target torque as the desired output. The optimizer 3 then evaluates the combustion model 4 with regard to the target torque, the emission limit values, the environmental boundary conditions, for example the humidity phi of the charge air, the operating situation of the internal combustion engine and the adaptation data points. The operating situation is defined in particular by the engine speed, the charge air temperature and the charge air pressure. The function of the optimizer 3 now consists in evaluating the injection system setpoint values for controlling the injection system actuators and the gas path setpoint values for activating the gas path actuators. Here, the optimizer 3 selects that solution in which a quality measure is minimized.
  • the quality measure J is calculated as the integral of the quadratic nominal / actual deviations within the prediction horizon. For example in the form:
  • w1, w2 and w3 mean corresponding weighting factors.
  • the nitrogen oxide emissions NOx result from the humidity of the charge air, the charge air temperature, the start of injection SB and the rail pressure.
  • the adaptation 9 intervenes in the actual actual values, for example the NOx actual value or the actual exhaust gas temperature value.
  • a detailed description of the quality measure and the termination criteria can be found in DE 10 2018001 727 A1.
  • the quality measure is minimized in that the optimizer 3 calculates a first quality measure at a first point in time, then the injection system setpoints and the gas path setpoints are varied and a second quality measure is forecast within the prediction horizon on the basis of these.
  • the optimizer 3 determines a minimum quality measure and sets this as decisive for the internal combustion engine.
  • these are the set rail pressure pCR (SL), the start of injection SB and the end of injection SE for the injection system.
  • the set rail pressure pCR (SL) is the reference variable for the subordinate rail pressure control loop 8.
  • the manipulated variable of the rail pressure control loop 8 corresponds to the PWM signal for applying the suction throttle. With the start of injection SB and the end of injection SE, the injector is acted upon immediately.
  • the optimizer 3 indirectly determines the target gas path values for the gas path.
  • these are a lambda target value LAM (SL) and an EGR target value AGR (SL) for the specification for the subordinate lambda control circuit 9 and the subordinate EGR control circuit 10.
  • LAM linear index
  • AGR EGR target value
  • the manipulated variables of the two control loops 9 and 10 correspond to the signal TBP for controlling the turbine bypass, the signal EGR for controlling the EGR actuator and the signal DK for controlling the throttle valve.
  • the measured variables MESS that are fed back are read in by the electronic control unit 2.
  • the measured variables MESS are to be understood as meaning both directly measured physical variables and auxiliary variables calculated from them.
  • the actual lambda value and the actual EGR value are read in.
  • FIG. 2 shows in a block diagram the interaction of the two Gaussian process models for adapting the combustion model and for establishing the model value E [X] Gaussian process models are known to those skilled in the art, for example from DE 10 2014225039 A1 or DE 10 2013 220 432 A1.
  • a Gaussian process is defined by a mean value function and a covariance function.
  • the mean value function is often assumed to be zero or a linear / polynomial curve is introduced.
  • the covariance function indicates the relationship between any points.
  • a first function block 11 contains the DoE data (DoE: Design of Experiments) of the full engine.
  • a second function block 12 contains data which are obtained on a single-cylinder test bench. With the single-cylinder test bench, those operating ranges can be set, for example high geodetic heights or extreme temperatures, which cannot be tested in a DoE test bench run. These few measured data serve as the basis for the parameterization of a physical model, which roughly correctly reproduces the global behavior of the combustion.
  • the physical model roughly represents the behavior of the internal combustion engine under extreme boundary conditions. The physical model is completed via extrapolation so that a normal operating range is roughly correctly described.
  • the model capable of extrapolation is identified by the reference symbol 13 in FIG. From this, in turn, the first Gaussian process model 14 (GP1) is generated to represent a basic grid.
  • the merging of the two sets of data points forms the second Gaussian process model (GP2) 15.
  • GP2 Gaussian process model
  • E [X] see reference symbol 16:
  • GP1 corresponds to the first Gaussian process model to represent the basic grid
  • GP2 to the second Gaussian process model to represent the adaptation data points and the model value E [X] of the input variable for both smoothing and for the optimizer, for example an actual NOx value or a Flue gas temperature actual value.
  • the double arrow in the figure shows two information paths.
  • the first information path identifies the data provision of the basic grid from the first Gaussian process model 14 to the model value 16.
  • the second information path identifies the readjustment of the first Gaussian process model 14 via the second Gaussian process model 15.
  • FIG. 3 the first Gaussian process model for the individual accumulator pressure pES, which is normalized to the maximum pressure pMAX, is shown in a diagram.
  • the measured NOx value is plotted on the ordinate.
  • the DoE data values determined on the full engine are marked with a cross within the diagram.
  • the data points from the first Gaussian process model are shown as a circle. These data points are generated by determining the trend from the data from the single-cylinder test bench and mapping the DoE data well. For example, these are the three data values of points A, B and C.
  • the position of the data values that is to say the trend information, is determined in relation to one another. Since the data value at point B results in a higher actual NOx value than at point A, the function in this area is monotonic. This applies analogously to the data value at point C, that is, the actual NOx value at point C is higher than at point B.
  • the trend information for data values A to C is therefore: monotonically and linearly increasing.
  • the deviation (model error) between these data values and the DoE data is minimized.
  • a mathematical function is determined which maps the DoE data values as best as possible, taking the trend information into account.
  • a function F2 is characterized by the data values A, D and E only as monotonic.
  • a function F3 is represented by the data values A, F and G.
  • the measured variables shown by way of example, individual accumulator pressure pES, fuel mass mKrSt, start of injection SB, rail pressure pCR and charge air temperature TLL correspond to function F1, that is, monotonically and linearly increasing.
  • the measured variable engine speed nIST behaves in accordance with function F3, i.e. without restriction. Unrestricted means that no trend information is available for this measured variable.
  • the charge air pressure pLL behaves in a monotonically decreasing manner.
  • intermediate values, for example the data value F1 can be extrapolated.
  • the model can therefore be extrapolated (Fig. 2: 13).
  • the determination of the first Gaussian process model is automated, that is, expert knowledge is not required.
  • FIG. 5 shows a diagram of the behavior of the combustion model.
  • a first variable X is shown on the abscissa, for example the individual accumulator pressure (FIG. 4: pES).
  • a second variable Y is shown on the ordinate, for example the NOx value.
  • the course of the first Gaussian process model GP1, that is to say of the basic grid, as a function of the first variable X and the second variable Y is shown with the reference number 17 as a dash-dotted line.
  • the dashed line 18 characterizes the course of the model value E [X] in the initial state, that is, without smoothing.
  • the model value E [X] is calculated from the sum of the first and second Gaussian process model.
  • the solid line 19 denotes a smooth curve of the model value E [X].
  • An operating point, the abscissa value AP, of the variable X is drawn in as the ordinate-parallel line 20.
  • FIG. 5 The further explanation of FIG. 5 is based on a monotony with a positively increasing trend and a positive target gradient in the first Gaussian process model.
  • the monotony property of the first Gaussian process model must not be changed by the second Gaussian process model and the monotony properties are guaranteed at the current operating point, i.e. the operating point.
  • E (AP) the model value corresponding to the working point
  • the model course E [X] is evaluated in the working point E (AP).
  • the model value curve 18 shows a falling trend with a negative actual gradient.
  • the method according to the invention now provides that the monotony of the model value is monitored and the combustion model is smoothed if a violation of the monotony is detected. Specifically, this is done by changing the Adaptation data values of the second Gaussian process model. As shown in the figure, a stored data point YD with the coordinates (xD / yD) is therefore changed in the direction of the basic grid (line 17). The abscissa value remains constant in this example. The change compared to the original data point YD is made as small as possible. This can be described as minimizing the squared deviation of the smoothed data points in the following form:
  • YD denotes the stored data point, i a run variable and YG the smoothed data point at the point xD.
  • the stored data point YD and thus the model value curve 18 are thus changed via the relationship (3) in the direction of the course 17 of the first Gaussian process model in order to achieve the specified monotonic property.
  • An offset is used to ensure that the prediction before and after smoothing is identical. See the figure.
  • FIG. 6 shows the method again in a block diagram.
  • the input variable here is the variable MESS, which characterizes the current operating point.
  • the output variable corresponds to the manipulated variable SG for the subordinate control loops.
  • the model value E [X] is calculated from the variable MESS and the data points already stored. This is determined using the first Gaussian process model for representing the basic grid and the second Gaussian process model for calculating adaptation data values.
  • a set of data values yD, a set of abscissa values xD and an inverse covariance matrix inv (KD) are passed on from the adaptation 6 to the smoothing 7 in this representation.
  • the predefined monotony is monitored via the smoothing 7 on the basis of the nominal gradient in the operating point and, if the monotony is found to be violated, the combustion model is smoothed. From the smoothing 7, the smoothed values yG, the smoothed values xG, the associated inverse covariance matrix inv (KG) and the corresponding offset are then passed on to the combustion model 4 and thus to the optimizer 3.
  • the invention is shown in a program flow chart.
  • the program schedule is a supplement to the program schedule known from DE 10 2018001 727 A1.
  • the measured values MESS are read in and at S2 a model value E [X] is calculated using the first and second Gaussian process model, here: the model value E (AP) at the operating point.
  • the actual gradient at the operating point is then determined at S3.
  • the monotony is checked on the basis of the comparison of the setpoint with the actual gradient. If the signs are the same, a branch is made back to point A. If a violation of the monotony was detected at S4, then at S5 the stored data point YD is changed via the relationship (3) with the aim of equating the sign of the gradient and while maintaining the monotony to the smoothed data point YG.
  • the offset is then calculated at S6 and a smoothed combustion model is then generated with this at S7.
  • the smoothed combustion model is an input variable of the optimizer, that is, it is returned to the main program.

Landscapes

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

Abstract

Vorgeschlagen wird ein Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine (1), bei dem in Abhängigkeit eines Sollmoments über ein Verbrennungsmodell (4) die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder bestimmt werden, bei dem das Verbrennungsmodell (4) im laufenden Betrieb der Brennkraftmaschine (1) in Abhängigkeit eines Modellwerts adaptiert wird, wobei der Modellwert aus einem ersten Gauß-Prozessmodell zur Darstellung eines Grundgitters und einem zweiten Gauß-Prozessmodell zur Darstellung von Adaptionsdatenpunkten berechnet wird, bei dem von einem Optimierer (3) ein minimiertes Gütemaß innerhalb eines Prädiktionshorizonts über eine Veränderung der Einspritzsystem-Sollwerte bestimmt wird und bei einem aufgefundenen minimierten Gütemaß die Einspritzsystem-Sollwerte als maßgeblich zur Einstellung des Betriebspunkts der Brennkraftmaschine (1) gesetzt werden. Die Erfindung ist dadurch gekennzeichnet, dass der Modellwert hinsichtlich einer vorgegebenen Monotonie überwacht wird.

Description

Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
Die Erfindung betrifft ein Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine nach dem Oberbegriff von Patentanspruch 1.
Das Verhalten einer Brennkraftmaschine wird maßgeblich über ein Motorsteuergerät in Abhängigkeit eines Leistungswunsches bestimmt. Hierzu sind in der Software des Motorsteuergeräts entsprechende Kennlinien und Kennfelder appliziert. Über diese werden aus dem Leistungswunsch die Stellgrößen der Brennkraftmaschine berechnet, zum Beispiel der Spritzbeginn und ein erforderlicher Raildruck. Mit Daten bestückt werden diese Kennlinien/Kennfelder beim Hersteller der Brennkraftmaschine bei einem Prüfstandslauf. Die Vielzahl dieser Kennlinien/Kennfelder und die Wechselwirkung der Kennlinien/Kennfelder untereinander verursachen allerdings einen hohen Abstimmungsaufwand.
In der Praxis wird daher versucht den Abstimmungsaufwand durch die Verwendung von mathematischen Modellen zu reduzieren. So beschreibt zum Beispiel die DE 10 2018 001 727 A1 ein modellbasiertes Verfahren, bei dem in Abhängigkeit eines Soll-Moments über ein Verbrennungsmodell die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder und über ein Gaspfadmodell die Gaspfad- Sollwerte zur Ansteuerung der Gaspfad-Stellglieder berechnet werden. Aus den Einspritzsystem- und den Gaspfad-Sollwerten berechnet dann ein Optimierer ein Gütemaß und verändert die Sollwerte mit dem Ziel einer Minimumfindung innerhalb eines Prädiktionshorizonts. Bei aufgefundenem Minimum setzt dann der Optimierer die Einspritzsystem- und Gaspfad-Sollwerte als maßgeblich zur Einstellung des Betriebspunkts der Brennkraftmaschine. Ergänzend ist aus dieser Fundstelle bekannt, dass das Verbrennungsmodell im laufenden Betrieb der Brennkraftmaschine in Abhängigkeit eines Modellwerts adaptiert wird, wobei der Modellwert wiederum über ein erstes Gauß-Prozessmodell zur Darstellung eines Grundgitters und über ein zweites Gauß-Prozessmodell zur Darstellung von Adaptionsdatenpunkten berechnet wird. Bei Prüfstandsversuchen hat es sich nun gezeigt, dass die Adaption in ungünstigen Betriebssituationen lokale Minima für die Optimierung verursachen kann. Das Ergebnis der Optimierung entspricht dann nicht dem globalen Optimum für den Betrieb der Brennkraftmaschine.
Der Erfindung liegt daher die Aufgabe zugrunde, das zuvor beschriebene Verfahren hinsichtlich einer besseren Güte weiterzuentwickeln.
Gelöst wird diese Aufgabe durch die Merkmale von Anspruch 1. Die Ausgestaltungen sind in den Unteransprüchen dargestellt.
Die Erfindung schlägt ein Verfahren vor, bei dem der Modellwert hinsichtlich einer vorgegebenen Monotonie überwacht wird. Das erfindungsgemäße Verfahren ist eine Ergänzung zu der aus der DE 10 2018 001 727 A1 bekannten Vorgehensweise.
Berechnet wird der Modellwert aus dem ersten Gauß-Prozessmodell zur Darstellung des Grundgitters und dem zweiten Gauß-Prozessmodell zur Darstellung von Adaptionsdatenpunkten. Definiert ist Monotonie im Sinne eines ansteigenden Trends mit positivem Soll-Gradienten für den Modellwert oder im Sinne eines abfallenden Trends mit negativem Soll-Gradienten für den Modellwert. Überwacht wird die Monotonie indem der Gradient des Modellwerts im Betriebspunkt ausgewertet wird.
Bei festgestellter Monotonieabweichung wird die Monotonie korrigiert indem Datenpunkte des zweiten Gauß-Prozessmodells zum Erreichen der Monotonie geglättet werden. Mit anderen Worten: Die im zweiten Gauß-Prozessmodell abspeicherten Datenpunkte werden durch die Glättung soweit verschoben bis die Monotonie wieder der Vorgabe entspricht. Bei einer Rückanpassung des ersten Gauß-Prozessmodells über das zweite Gauß-Prozessmodell werden die Monotonieeigenschaften des ersten Gauß- Prozessmodells unverändert gelassen.
Durch die Überwachung der Monotonie wird der Einfluss von zum Beispiel Messfehlern, also nicht korrekten Datenwerten, erheblich reduziert. Sichergestellt ist dadurch, dass das Verbrennungsmodell sich physikalisch korrekt und gutmütig verhält. Da der Optimierer auf das Verbrennungsmodell zurückgreift, sind hinreichend genau Einspritzsystem-Sollwerte und ein globales Optimum gewährleistet. Zudem bleibt die Extrapolationsfähigkeit des Verbrennungsmodells unverändert erhalten. In den Figuren ist ein bevorzugtes Ausführungsbeispiel dargestellt. Es zeigen:
Figur 1 ein Systemschaubild,
Figur 2 ein Blockschaltbild,
Figur 3 ein Diagramm,
Figur 4 eine Tabelle,
Figur 5 ein Diagramm zum Modellverhalten,
Figur 6 ein Blockschaltbild und
Figur 7 einen Programm-Ablaufplan.
Die Figur 1 zeigt ein Systemschaubild einer modellbasierten, elektronisch gesteuerten Brennkraftmaschine 1 , zum Beispiel eines Dieselmotors mit einem Common-Railsystem. Der Aufbau der Brennkraftmaschine und die Funktion des Common-Ftailsystems sind beispielsweise aus der DE 102018001 727 A1 bekannt. Die Eingangsgrößen des elektronischen Steuergeräts 2 sind mit den Bezugszeichen EIN und MESS dargestellt. Unter dem Bezugszeichen EIN sind beispielsweise der Leistungswunsch des Bedieners, die Bibliotheken zur Festlegung der Emissionsklasse MARPOL (Marine Pollution) der IMO oder der Emissionsklasse EU IV / Tier 4 final, und die maximale mechanische Bauteilbelastung zusammengefasst. Typischerweise wird der Leistungswunsch als Soll-Moment, als Soll-Drehzahl oder als eine Fahrpedalstellung vorgegeben. Die Eingangsgröße MESS kennzeichnet sowohl die unmittelbar gemessenen physikalischen Größen als auch die daraus berechneten Hilfsgrößen. Die Ausgangsgrößen des elektronischen Steuergeräts 2 sind die Sollwerte für die unterlagerten Regelkreise und der Spritzbeginn SB sowie das Spritzende SE.
Innerhalb des elektronischen Steuergeräts 2 sind ein Verbrennungsmodell 4, eine Adaption 6, eine Glättung 7, ein Gaspfadmodell 5 und ein Optimierer 3 angeordnet. Sowohl das Verbrennungsmodell 4 als auch das Gaspfadmodell 5 bilden das Systemverhalten der Brenn kraftmaschine 1 als mathematische Gleichungen ab. Das Verbrennungsmodell 4 bildet statisch die Vorgänge bei der Verbrennung ab. Im Unterschied hierzu bildet das Gaspfadmodell 5 das dynamische Verhalten der Luftführung und der Abgasführung ab. Das Verbrennungsmodell 4 beinhaltet Einzelmodelle zum Beispiel für die NOx- und Rußentstehung, für die Abgastemperatur, für den Abgasmassenstrom und für den Spitzendruck. Diese Einzelmodelle wiederum werden in Abhängigkeit der Randbedingungen im Zylinder und den Parametern der Einspritzung festgelegt. Bestimmt wird das Verbrennungsmodell 4 bei einer Referenz-Brennkraftmaschine in einem Prüfstandslauf, dem sogenannte DoE-Prüfstandslauf (DoE: Design of Experiments). Beim DoE-Prüfstandslauf werden systematisch Betriebsparameter und Stellgröße mit dem Ziel variiert, das Gesamtverhalten der Brennkraftmaschine in Abhängigkeit von motorischen Größen und Umweltrandbedingungen abzubilden. Ergänzt wird das Verbrennungsmodell 4 um die Adaption 6 und die Glättung 7. Ziel der Adaption ist es, das Verbrennungsmodell an das reale Verhalten des Motorsystems anzupassen. Die Glättung 7 wiederum dient zur Überwachung und Einhaltung der Monotonie.
Nach Aktivierung der Brenn kraftmaschine 1 liest der Optimierer 3 zunächst beispielsweise die Emissionsklasse, die maximalen mechanischen Bauteilbelastungen und das Soll-Moment als Leistungswunsch ein. Anschließend wertet der Optimierer 3 das Verbrennungsmodell 4 aus und zwar hinsichtlich des Sollmoments, der Emissionsgrenzwerte, der Umweltrandbedingungen, zum Beispiel der Feuchte phi der Ladeluft, der Betriebssituation der Brennkraftmaschine und der Adaptionsdatenpunkte. Definiert wird die Betriebssituation insbesondere durch die Motordrehzahl, die Ladelufttemperatur und den Ladeluftdruck. Die Funktion des Optimierers 3 besteht nun darin, die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder und die Gaspfad-Sollwerte zur Ansteuerung der Gaspfad-Stellglieder zu bewerten. Hierbei wählt der Optimierer 3 diejenige Lösung aus, bei der ein Gütemaß minimiert wird. Berechnet wird das Gütemaß J als Integral der quadratischen Soll-Istabweichungen innerhalb des Prädiktionshorizonts. Beispielsweise in der Form:
(1) J = i [w1 (NOx(SOLL)-NOx(IST)]2 + [w2(M(SOLL)-M(IST)]2 + [w3(....)j + ...
Hierin bedeuten w1 , w2 und w3 entsprechende Gewichtungsfaktoren. Bekanntermaßen ergeben sich die Stickoxidemission NOx aus der Feuchte der Ladeluft, der Ladelufttemperatur, dem Spritzbeginn SB und dem Raildruck. In die tatsächlichen Istwerte, zum Beispiel dem NOx-lstwert oder dem Abgastemperatur- Istwert, greift die Adaption 9 ein. Eine ausführliche Beschreibung des Gütemaßes und der Abbruchkriterien können der DE 10 2018001 727 A1 entnommen werden. Minimiert wird das Gütemaß, indem vom Optimierer 3 zu einem ersten Zeitpunkt ein erstes Gütemaß berechnet wird, anschließend die Einspritzsystem-Sollwerte sowie die Gaspfad-Sollwerte variiert werden und anhand dieser ein zweites Gütemaß innerhalb des Prädiktionshorizonts prognostiziert wird. Anhand der Abweichung der beiden Gütemaße zueinander legt dann der Optimierer 3 ein minimales Gütemaß fest und setzt dieses als maßgeblich für die Brennkraftmaschine. Für das in der Figur dargestellte Beispiel sind dies für das Einspritzsystem der Soll-Raildruck pCR(SL), der Spritzbeginn SB und das Spritzende SE. Der Soll-Raildruck pCR(SL) ist die Führungsgröße für den unterlagerten Raildruck-Regelkreis 8. Die Stellgröße des Raildruck-Regelkreises 8 entspricht dem PWM-Signal zu Beaufschlagung der Saugdrossel. Mit dem Spritzbeginn SB und dem Spritzende SE wird der Injektor unmittelbar beaufschlagt. Für den Gaspfad bestimmt der Optimierer 3 mittelbar die Gaspfad-Sollwerte. Bei dem dargestellten Beispiel sind dies ein Lambda-Sollwert LAM(SL) und ein AGR-Sollwert AGR(SL) zur Vorgabe für den unterlagerten Lambda-Regelkreis 9 und den unterlagerten AGR-Regelkreis 10. Bei Verwendung einer variablen Ventilsteuerung werden die Gaspfad-Sollwerte entsprechend angepasst. Die Stellgrößen der beiden Regelkreise 9 und 10 entsprechen dem Signal TBP zur Ansteuerung des Turbinen-Bypasses, dem Signal AGR zur Ansteuerung des AGR-Stellglieds und dem Signal DK zur Ansteuerung der Drosselklappe. Die rückgeführten Messgrößen MESS werden vom elektronischen Steuergerät 2 eingelesen. Unter den Messgrößen MESS sind sowohl unmittelbar gemessene physikalische Größen als auch daraus berechnete Hilfsgrößen zu verstehen. Bei dem dargestellten Beispiel werden der Lambda-Istwert und der AGR-Istwert eingelesen.
Die Figur 2 zeigt in einem Blockschaltbild das Zusammenwirken der beiden Gauß- Prozessmodelle zur Adaption des Verbrennungsmodells und zur Festlegung des Modellwerts E[X] Gauß-Prozessmodelle sind dem Fachmann bekannt, zum Beispiel aus der DE 10 2014225039 A1 oder der DE 10 2013 220 432 A1 . Ganz allgemein wird ein Gaußprozess definiert durch eine Mittelwertfunktion und eine Kovarianzfunktion. Die Mittelwertfunktion wird häufig zu Null angenommen oder ein linearer/polynomieller Verlauf eingeführt. Die Kovarianzfunktion gibt den Zusammenhang beliebiger Punkte an. Ein erster Funktionsblock 11 beinhaltet die DoE-Daten (DoE: Design of Experiments) des Vollmotors. Ermittelt werden diese Daten für eine Referenz-Brennkraftmaschine bei einem Prüfstandslauf, indem im stationär fahrbaren Bereich der Brennkraftmaschine alle Variationen der Eingangsgrößen über deren gesamten Stellbereich ermittelt werden. Diese Daten kennzeichnen mit hoher Genauigkeit das Verhalten der Brennkraftmaschine im stationär fahrbaren Bereich. Ein zweiter Funktionsblock 12 beinhaltet Daten, welche an einem Einzylinderprüfstand gewonnen werden. Beim Einzylinderprüfstand lassen sich diejenigen Betriebsbereiche einstellen, zum Beispiel große geodätische Höhe oder extreme Temperaturen, die bei einem DoE-Prüfstandslauf nicht abgeprüft werden können. Diese wenigen Messdaten dienen als Grundlage für die Parametrierung eines physikalischen Modells, welches das globale Verhalten der Verbrennung grob richtig wiedergibt. Das physikalische Modell stellt das Verhalten der Brennkraftmaschine in extremen Randbedingungen grob dar. Über Extrapolation wird das physikalische Modell vervollständigt, sodass ein normaler Betriebsbereich grob richtig beschrieben wird. In der Figur 2 ist das extrapolationsfähige Modell mit dem Bezugszeichen 13 gekennzeichnet. Aus diesem wiederum wird das erste Gauß- Prozessmodell 14 (GP1) zur Darstellung eines Grundgitters erzeugt.
Die Zusammenführung der beiden Mengen von Datenpunkten bildet das zweite Gauß-Prozessmodell (GP2) 15. Damit werden Betriebsbereiche der Brennkraftmaschine, welche durch die DoE-Daten beschrieben sind, auch durch diese Werte festgelegt und werden Betriebsbereiche, für die keine DoE-Daten vorliegen, durch Daten des physikalischen Modells wiedergegeben. Da das zweite Gauß-Prozessmodell 15 im laufenden Betrieb adaptiert wird, dient es zur Darstellung der Adaptionspunkte. Ganz allgemein gilt also für den Modellwert E[X], siehe Bezugszeichen 16:
(2) E[X] = GP1 + GP2
Hierbei entsprechen GP1 dem ersten Gauß-Prozellmodell zur Darstellung des Grundgitters, GP2 dem zweiten Gauß-Prozessmodell zur Darstellung der Adaptionsdatenpunkte und der Modellwert E[X] der Eingangsgröße sowohl für die Glättung als auch für den Optimierer, zum Beispiel einem NOx-lstwert oder einem Abgastemperatur-Istwert. Durch den Doppelpfeil in der Figur sind zwei Informationswege dargestellt. Der erste Informationsweg kennzeichnet die Datenbereitstellung des Grundgitters vom ersten Gauß-Prozessmodell 14 an den Modellwert 16. Der zweite Informationsweg kennzeichnet die Rückanpassung des ersten Gauß-Prozessmodells 14 über das zweite Gauß-Prozessmodell 15. In der Figur 3 ist in einem Diagramm das erste Gauß-Prozessmodell für den Einzelspeicherdruck pES, welcher auf Maximaldruck pMAX normiert ist, dargestellt. Auf der Ordinate ist der gemessene NOx-Wert aufgetragen. Innerhalb des Diagramms sind die am Vollmotor ermittelten DoE-Datenwerte mit einem Kreuz gekennzeichnet. Die Datenpunkte aus dem ersten Gauß-Prozessmodell sind als Kreis dargestellt. Erzeugt werden diese Datenpunkte, indem aus den Daten des Einzylinderprüfstands der Trend bestimmt wird und die DoE-Daten gut abgebildet werden. Beispielsweise sind dies die drei Datenwerte der Punkte A, B und C. In einem ersten Schritt wird die Lage der Datenwerte, also die Trendinformation, zueinander ermittelt. Da sich aus dem Datenwert des Punkts B ein höherer NOx- Istwert als am Punkt A ergibt, ist die Funktion in diesem Bereich monoton. Für den Datenwert am Punkt C gilt dies in analoger Betrachtungsweise, das heißt, der NOx- Istwert am Punkt C ist höher als am Punkt B. Für die Datenwerte A bis C ergibt sich daher als Trendinformation: monoton und linear ansteigend. In einem zweiten Schritt wird dann die Abweichung (Modellfehler) dieser Datenwerte zu den DoE-Daten minimiert. Mit anderen Worten: Es wird eine mathematische Funktion bestimmt, welche bestmöglich die DoE-Datenwerte unter Berücksichtigung der Trendinformation abbildet. Für die Datenwerte A, B und C ist dies die monotone, lineare und ansteigende Funktion F1 . Eine Funktion F2 ist durch die Datenwerte A, D und E nur als monoton gekennzeichnet. Eine Funktion F3 ist durch die Datenwerte A, F und G abgebildet. Mit Blick auf die Figur 4 verhalten sich die exemplarisch dargestellten Messgrößen Einzelspeicherdruck pES, Kraftstoffmasse mKrSt, Spritzbeginn SB, Raildruck pCR und Ladelufttemperatur TLL entsprechend der Funktion F1 , das heißt, monoton und linear ansteigend. Die Messgröße Motordrehzahl nIST verhält sich entsprechend der Funktion F3, also unbeschränkt. Unbeschränkt bedeutet, dass zu dieser Messgröße keine Trendinformation vorliegt. Der Ladeluftdruck pLL verhält sich monoton fallend. Wie aus der Figur 3 ebenfalls ableitbar ist, können Zwischenwerte, beispielsweise der Datenwert Fl, extrapoliert werden. Das Modell ist also extrapolationsfähig (Fig. 2: 13). Die Bestimmung des ersten Gauß-Prozessmodells erfolgt automatisiert, das heißt, Expertenwissen ist nicht erforderlich. Die automatisierte Extrapolationsfähigkeit des Modells wiederum garantiert ein hohes Maß an Robustheit, da in unbekannten Bereichen das Modell anhand der Trendinformationen keine Extrema oder sprungförmigen Reaktionen zulässt. Die Figur 5 zeigt ein Diagramm zum Verhalten des Verbrennungsmodells. In der Zeichnung ist auf der Abszisse eine erste Größe X dargestellt, beispielsweise der Einzelspeicherdruck (Fig. 4: pES). Auf der Ordinate ist eine zweite Größe Y dargestellt, beispielsweise der NOx-Wert. Mit dem Bezugszeichen 17 ist als strichpunktierte Linie der Verlauf des ersten Gauß-Prozessmodells GP1 , also des Grundgitters, in Abhängigkeit der ersten Größe X und der zweiten Größe Y dargestellt. Die strichlierte Linie 18 kennzeichnet den Verlauf des Modellwerts E[X] im Ausgangszustand, das heißt, ohne Glättung. Berechnet wird der Modellwert E[X] aus der Summe von erstem und zweitem Gauß-Prozessmodell. Die durchgezogene Linie 19 kennzeichnet einen geglätteten Verlauf des Modellwerts E[X] Als ordinatenparallele Linie 20 ist ein Arbeitspunkt, Abszissenwert AP, der Größe X eingezeichnet.
Der weiteren Erläuterung zur Figur 5 ist eine Monotonie mit einem positiv ansteigenden Trend und einem positiven Soll-Gradienten im ersten Gauß- Prozessmodell zugrunde gelegt. Ergänzend ist für das Modellverhalten festgelegt, dass die Monotonieeigenschaft des ersten Gauß-Prozessmodells durch das zweite Gauß-Prozessmodell nicht verändert werden darf und die Monotonieeigenschaften am aktuellen Arbeitspunkt, also dem Betriebspunkt, garantiert werden. Nachdem der aktuelle Arbeitspunkt AP erfasste wurde, wird der zum Arbeitspunkt korrespondierende Modellwert E[X], hier: E(AP), berechnet. Danach wird der Modellverlauf E[X] im Arbeitspunkt E(AP) ausgewertet. Im Arbeitspunkt AP zeigt der Modellwertverlauf 18 einen fallenden Trend mit negativem Ist-Gradienten. Verursacht wird dieses Verhalten durch ein lokales Maximum des Modells, was wiederum ein lokales Minimum bei der Berechnung des Gütemaßes bewirkt. In Konsequenz berechnet dann der Optimierer anhand des Modellwerts nicht passende Stellgrößen für die unterlagerten Regelkreise. Mit anderen Worten: der Modellwert E[X], welcher aus dem ersten und zweiten Gauß-Prozessmodell berechnet wird, widerspricht der geforderten Monotonieeigenschaft, sodass der Optimierer nicht den optimalen Betriebspunkt der Brennkraftmaschine einstellt.
Das Verfahren nach der Erfindung sieht nun vor, dass die Monotonie des Modellwerts überwacht wird und bei einer festgestellten Verletzung der Monotonie das Verbrennungsmodell geglättet wird. Konkret erfolgt dies über die Veränderung der Adaptionsdatenwerte des zweiten Gaußprozessmodells. Wie in der Figur dargestellt, wird daher ein gespeicherter Datenpunkt YD mit den Koordinaten (xD/yD) in Richtung des Grundgitters (Linie 17) verändert. Der Abszissenwert bleibt bei diesem Beispiel konstant. Die Veränderung gegenüber dem ursprünglichen Datenpunkt YD wird möglichst klein ausgeführt. Dies kann als Minimierung der quadratischen Abweichung der geglätteten Datenpunkte in folgender Form beschrieben werden:
(3) min YG S (YD(i) - YG(i))2 unter Berücksichtigung der
Monotonieeigenschaft
Hierin bezeichnet YD den gespeicherten Datenpunkt, i eine Laufvariable und YG den geglätteten Datenpunkt an der Stelle xD. Über die Beziehung (3) wird also der gespeicherte Datenpunkt YD und damit die Modellwertkurve 18 zur Erreichung der vorgegebenen Monotonieeigenschaft in Richtung des Verlaufs 17 des ersten Gauß- Prozessmodells verändert. Zur Sicherstellung, dass die Prädiktion vor der Glättung und nach der Glättung identisch ist, wird ein Offset genutzt. Siehe hierzu die Figur.
Die Figur 6 zeigt das Verfahren nochmals in einem Blockschaltbild. Die Eingangsgröße ist hier die Größe MESS, welche den aktuellen Betriebspunkt kennzeichnet. Die Ausgangsgröße entspricht den Stellgrößen SG für die unterlagerten Regelkreise. Im Funktionsblock Adaption 6 wird aus der Größe MESS und den bereits gespeicherten Datenpunkten der Modellwert E[X] berechnet. Bestimmt wird dieser über das erste Gauß-Prozessmodell zur Darstellung des Grundgitters und über das zweite Gauß-Prozessmodell zur Berechnung von Adaptionsdatenwerten. In Übereinstimmung mit der Figur 5 wird bei dieser Darstellung von der Adaption 6 an die Glättung 7 eine Menge von Datenwerten yD, eine Menge von Abszissenwerten xD und eine inverse Kovarianzmatrix inv(KD) weitergegeben. Über die Glättung 7 wird die vorgegebene Monotonie anhand des Soll-Gradient im Arbeitspunkt überwacht und bei festgestellter Verletzung der Monotonie das Verbrennungsmodell geglättet. Von der Glättung 7 werden dann an das Verbrennungsmodell 4 und damit an den Optimierer 3 die geglätteten Werte yG, die geglätteten Werte xG, die zugehörige inverse Kovarianzmatrix inv(KG) sowie der entsprechende Offset weitergegeben. In der Figur 7 ist die Erfindung in einem Programm-Ablaufplan dargestellt. Der Programm-Ablaufplan ist eine Ergänzung zu dem aus der DE 10 2018001 727 A1 bekannten Programm-Ablaufplan. Bei S1 werden die Messwerte MESS eingelesen und bei S2 ein Modellwert E[X] über das erste und zweite Gauß-Prozessmodell berechnet, hier: der Modellwert E(AP) im Arbeitspunkt. Anschließend wird bei S3 der Ist-Gradient am Arbeitspunkt bestimmt. Bei S4 wiederum wird die Monotonie anhand des Vergleichs des Soll- mit dem Ist-Gradient geprüft. Bei Vorzeichengleichheit wird zum Punkt A zurückverzweigt. Wurde bei S4 eine Verletzung der Monotonie erkannt, so wird bei S5 der gespeicherte Datenpunkt YD über die Beziehung (3) mit dem Ziel einer Vorzeichengleichheit des Gradienten und unter Einhaltung der Monotonie zum geglätteten Datenpunkt YG verändert. Bei S6 wird dann der Offset berechnet und hiermit anschließend bei S7 ein geglättetes Verbrennungsmodell erzeugt. Das geglättete Verbrennungsmodell wiederum ist eine Eingangsgröße des Optimierers, das heißt, es wird in das Hauptprogramm zurückgekehrt.
Bezugszeichen
1 Brennkraftmaschine
2 Elektronisches Steuergerät
3 Optimierer
4 Verbrennungsmodell
5 Gaspfadmodell
6 Adaption
7 Glättung
8 Raildruck-Regelkreis
9 Lambda-Regelkreis
10 AGR-Regelkreis
11 Erster Funktionsblock (DoE-Daten)
12 Zweiter Funktionsblock (Daten Einzylinder)
13 Modell, extrapolationsfähig
14 Erstes Gauß-Prozessmodell (GP1)
15 Zweites Gauß-Prozessmodell (GP2)
16 Modellwert
17 Verlauf GP1
18 Verlauf Modellwert, Ausgangszustand
19 Verlauf Modellwert, geglättet
20 Linie

Claims

Patentansprüche
1. Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine (1), bei dem in Abhängigkeit eines Sollmoments über ein Verbrennungsmodell (4) die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder bestimmt werden, bei dem das Verbrennungsmodell (4) im laufenden Betrieb der Brennkraftmaschine (1) in Abhängigkeit eines Modellwerts (E[X]) adaptiert wird, wobei der Modellwert (E[X]) aus einem ersten Gauß-Prozessmodell (14) zur Darstellung eines Grundgitters und einem zweiten Gauß-Prozessmodell (15) zur Darstellung von Adaptionsdatenpunkten berechnet wird, bei dem von einem Optimierer (3) ein minimiertes Gütemaß innerhalb eines Prädiktionshorizonts über eine Veränderung der Einspritzsystem-Sollwerte bestimmt wird und bei einem aufgefundenen minimierten Gütemaß die Einspritzsystem-Sollwerte als maßgeblich zur Einstellung des Betriebspunkts der Brennkraftmaschine (1) gesetzt werden, dadurch gekennzeichnet, dass der Modellwert (E[X]) hinsichtlich einer vorgegebenen Monotonie überwacht wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Monotonie im Sinne eines ansteigenden Trends mit positivem Soll-Gradienten für den Modellwert (E[X]) vorgegeben wird.
3. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Monotonie im Sinne eines abfallenden Trends mit negativem Soll-Gradienten für den Modellwert (E[X]) vorgegeben wird.
4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass zur Überwachung der Monotonie der Gradient des Modellwerts (E[X]) im Betriebspunkt ausgewertet wird.
5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass bei festgestellter Monotonieabweichung die Monotonie korrigiert wird, indem Datenpunkte des zweiten Gauß-Prozessmodells (15) zum Erreichen der vorgegebenen Monotonie geglättet werden.
6. Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass ergänzend zur Monotonie die lineare Abhängigkeit von Eingangsgrößen des Verbrennungsmodells (4) zum Modellwert (E[X]) überwacht wird.
7. Verfahren nach einem der vorausgegangenen Ansprüche, dadurch gekennzeichnet, dass bei einer Rückanpassung des ersten Gauß-Prozessmodells (14) über das zweite Gauß-Prozessmodell (15) die Monotonieeigenschaften des ersten Gauß- Prozessmodells (14) unverändert gelassen werden.
EP21701282.2A 2020-01-21 2021-01-19 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine Pending EP4093962A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020000327.3A DE102020000327B4 (de) 2020-01-21 2020-01-21 Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
PCT/EP2021/051077 WO2021148410A1 (de) 2020-01-21 2021-01-19 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine

Publications (1)

Publication Number Publication Date
EP4093962A1 true EP4093962A1 (de) 2022-11-30

Family

ID=74205845

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21701282.2A Pending EP4093962A1 (de) 2020-01-21 2021-01-19 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine

Country Status (5)

Country Link
US (1) US11846245B2 (de)
EP (1) EP4093962A1 (de)
CN (1) CN114945741A (de)
DE (1) DE102020000327B4 (de)
WO (1) WO2021148410A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022015997A (ja) * 2020-07-10 2022-01-21 ナブテスコ株式会社 エンジン特性推定装置、エンジン特性推定方法、エンジン特性推定プログラム、およびエンジン状態推定装置
GB2615843A (en) * 2022-05-26 2023-08-23 Secondmind Ltd Engine control unit calibration

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB8914273D0 (en) * 1989-06-21 1989-08-09 Rolls Royce Plc Friction bonding apparatus
AUPO094996A0 (en) * 1996-07-10 1996-08-01 Orbital Engine Company (Australia) Proprietary Limited Engine fuelling rate control
JP3992925B2 (ja) * 1998-07-17 2007-10-17 本田技研工業株式会社 排ガス浄化用触媒装置の劣化判別方法
FR2890112B1 (fr) * 2005-08-30 2007-11-30 Peugeot Citroen Automobiles Sa Systeme de controle du fonctionnement d'un moteur diesel de vehicule automobile equipe de moyens de recirculation de gaz d'echappement
DE102005049970A1 (de) * 2005-10-19 2007-04-26 Robert Bosch Gmbh Verfahren zur Steuerung eines Einspritzventils
JP2007231844A (ja) * 2006-03-01 2007-09-13 Mitsubishi Electric Corp 内燃機関の制御装置
DE102008001081B4 (de) * 2008-04-09 2021-11-04 Robert Bosch Gmbh Verfahren und Motorsteuergerät zum Steuern eines Verbrennungsmotors
US20130204508A1 (en) * 2012-02-08 2013-08-08 GM Global Technology Operations LLC System and method for controlling an engine
DE102012015493B4 (de) * 2012-08-04 2015-10-15 Mtu Friedrichshafen Gmbh Verfahren zur Ermittlung von mindestens einem tatsächlichen Einspritzparameter mindestens eines Injektors in einem Verbrennungsmotor
DE102012219725B4 (de) * 2012-10-29 2024-02-01 Robert Bosch Gmbh Verfahren zum Betreiben einer Brennkraftmaschine mit einer Mehrzahl von Zylindern in einem Homogenbetrieb
DE102013206304A1 (de) * 2013-04-10 2014-10-16 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen eines nicht parametrischen, datenbasierten Funktionsmodells
DE102013220432A1 (de) 2013-10-10 2015-04-16 Robert Bosch Gmbh Modellberechnungseinheit für einen integrierten Steuerbaustein zur Berechnung von LOLIMOT
DE102014225039A1 (de) 2014-12-05 2016-06-09 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bereitstellen von spärlichen Gauß-Prozess-Modellen zur Berechnung in einem Motorsteuergerät
DE102015203210A1 (de) 2015-02-23 2016-08-25 Volkswagen Ag Verfahren zum Regeln einer Regelstrecke, Vorrichtung zur Erzeugung von Reglerparametern und Steuergerät
DE102015204218A1 (de) 2015-03-10 2016-09-15 Robert Bosch Gmbh Verfahren und Vorrichtung zum Berechnen eines Funktionswerts eines invertierten datenbasierten Funktionsmodells
DE102016208980A1 (de) * 2016-05-24 2017-11-30 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben eines Verbrennungsmotors
US10586110B2 (en) * 2016-11-03 2020-03-10 Netflix, Inc. Techniques for improving the quality of subjective data
US10371071B2 (en) * 2016-11-09 2019-08-06 Fev North America, Inc. Systems and methods for non-intrusive closed-loop combustion control of internal combustion engines
DE102017009582B3 (de) * 2017-10-16 2018-07-26 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
US10963817B2 (en) * 2017-10-30 2021-03-30 Equifax Inc. Training tree-based machine-learning modeling algorithms for predicting outputs and generating explanatory data
DE102018001727B4 (de) * 2018-03-05 2021-02-11 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
AU2019264923B2 (en) * 2018-05-10 2024-07-25 Equifax Inc. Training or using sets of explainable machine-learning modeling algorithms for predicting timing of events
DE102018006312B4 (de) 2018-08-10 2021-11-25 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102018007647B4 (de) * 2018-09-27 2021-06-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine mit einem SCR-Katalysator
DE102020001323A1 (de) * 2020-02-28 2021-09-02 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102020003174B4 (de) * 2020-05-27 2022-03-24 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine

Also Published As

Publication number Publication date
US20220356852A1 (en) 2022-11-10
US11846245B2 (en) 2023-12-19
CN114945741A (zh) 2022-08-26
WO2021148410A1 (de) 2021-07-29
DE102020000327B4 (de) 2024-06-27
DE102020000327A1 (de) 2021-07-22

Similar Documents

Publication Publication Date Title
DE102018001727B4 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102020116488B3 (de) Verfahren zum Betreiben einer Brennkraftmaschine, Steuergerät und Brennkraftmaschine
EP1228301A2 (de) Verfahren zum überprüfen eines abgaskatalysators einer brennkraftmaschine
EP3698032B1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102017005783B4 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
EP2148070A2 (de) Verfahren zur Bestimmung der eingespritzten Kraftstoffmasse einer Einzeleinspritzung und Vorrichtung zur Durchführung des Verfahrens
DE102006000329A1 (de) Kraftstoffeinspritzsteuerungsvorrichtung einer Brennkraftmaschine
WO2019076501A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2021148410A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2007104608A1 (de) Adaptionsverfahren für streuungen in zylinderselektiven einspritzmengen einer direkteinspritzanlage und verfahren zur zylinderselektiven einspritzsteuerung
DE102016006327A1 (de) Verfahren und Vorrichtung zum Adaptieren eines Abgasrückführventils
EP1481153B1 (de) Verfahren zum steuern einer brennkraftmaschine
WO2007012542A1 (de) Verfahren und vorrichtung zum anpassen des erfassens eines messsignals einer abgassonde
WO2009013058A1 (de) Verfahren zur bestimmung der eingespritzten kraftstoffmasse einer voreinspritzung
DE102018006312B4 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102006008051B3 (de) Adaptives Positionierverfahren eines Stellglieds
DE4322319C2 (de) Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
WO2005010333A1 (de) Verfahren zum regeln einer brennkraftmaschine sowie eine vorrichtung zum regeln einer brennkraftmaschine
EP2019195B1 (de) Verfahren zur Bestimmung der eingespritzten Kraftstoffmenge
EP4111044A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
EP1741910A1 (de) Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
DE10244540A1 (de) Verfahren zum Regeln der Position eines Nockenwellenstellers
WO2021037643A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2024184013A1 (de) Verfahren zum betreiben einer katalysatoreinrichtung, katalysatoreinrichtung, verbrennungskraftmaschine, steuerungsverfahren zum steuern der verbrennungskraftmaschine und kraftfahrzeug
EP3686415A1 (de) Verfahren zur korrektur von abweichungen einer luftmasse oder abgasrückführrate und einspritzmenge in einem verbrennungsmotor

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

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

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

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

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

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20220822

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
P01 Opt-out of the competence of the unified patent court (upc) registered

Effective date: 20230531

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

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20240731