FR2747429A1 - Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones - Google Patents
Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones Download PDFInfo
- Publication number
- FR2747429A1 FR2747429A1 FR9604744A FR9604744A FR2747429A1 FR 2747429 A1 FR2747429 A1 FR 2747429A1 FR 9604744 A FR9604744 A FR 9604744A FR 9604744 A FR9604744 A FR 9604744A FR 2747429 A1 FR2747429 A1 FR 2747429A1
- Authority
- FR
- France
- Prior art keywords
- engine
- neural network
- values
- control system
- speed
- 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
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
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/16—Introducing closed-loop corrections for idling
-
- 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
- F02D41/02—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
- F02D2041/1409—Introducing closed-loop corrections characterised by the control or regulation method using at least a proportional, integral or derivative 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
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
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)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
L'invention concerne un système de contrôle du régime d'un moteur thermique au ralenti commandé par un calculateur électronique (7) comprenant un dispositif de commande non linéaire du régime moteur au ralenti doté d'un réseau de neurones, conçu par émulation d'un algorithme linéaire proportionnel intégral dérivé avec un apprentissage statique ou par modélisation du fonctionnement non linéaire du moteur à partir d'un simulateur neuronal, avec un apprentissage dynamique. Ce réseau de neurones (28) délivre le rapport cyclique d'ouverture (R.C.O.) de la vanne d'air (12), avec ou sans l'avance à l'allumage (Av) et le temps d'injection (Ti ) et est composé d'une couche (22) de neurones d'entrée constitués au moins par le régime moteur (N) et la température d'eau (teau ), d'au moins une couche (23) de neurones cachée et d'une couche (24) de neurones de sortie constitués au moins par le rapport cyclique d'ouverture de la vanne.
Description
SYSTEME DE CONTROLE DU MOTEUR D'UN VEHICULE AUTOMOBILE
PAR RESEAUX DE NEURONES
L'invention concerne un système de contrôle du moteur thermique d'un véhicule automobile, en particulier lors de la phase de régulation du régime au ralenti, utilisant au moins un réseau de neurones.
PAR RESEAUX DE NEURONES
L'invention concerne un système de contrôle du moteur thermique d'un véhicule automobile, en particulier lors de la phase de régulation du régime au ralenti, utilisant au moins un réseau de neurones.
L'objectif du système de contrôle d'un moteur automobile selon l'invention est d'assurer une alimentation correcte du moteur en mélange air-essence pendant toutes les phases de fonctionnement, en particulier lors de la phase de régulation du régime au ralenti définie quand la vitesse du véhicule est très faible ou nulle et que le régime du moteur est bas, sans câlage, la pédale d'accélérateur étant autour de la position "pied levé". La régulation du régime au ralenti doit assurer le démarrage du moteur indépendamment de la température extérieure , réguler le régime à une consigne de régime stable et aussi faible que possible pour limiter la consommation de carburant, assurer une régulation souple lors des phases transitoires en accélération et décélération sans risque de calage, notamment lors de l'enclenchement d'éléments qui induisent un couple résistant sur le moteur et font ainsi chuter le régime au ralenti - la direction assistée, la climatisation, les consommateurs électriques par exemple -. Un autre objectif de la régulation du régime au ralenti est le respect des normes anti-pollution, qui impose d'adopter des stratégies, comme la boucle de richesse, pour permettre la meilleure élimination possible des substances polluantes en utilisant les propriétés chimiques du pot catalytique.
Actuellement, les systèmes qui gèrent cette admission du mélange air-essence sont
- d'une part le carburateur, dont le réglage mécanique permettant au moteur de ne pas caler au ralenti, a pour inconvénient d'être approximatif, d'entraîner une consommation d'essence élevée et une pollution importante contraire aux normes actuelles
- d'autre part le calculateur électronique d'injection, contrôlant les quantités d'essence et d'air admises ainsi que l'avance à l'allumage. En régulation de ralenti, le calculateur détermine la valeur du rapport cyclique d'ouverture par un algorithme P.I.D. (Proportionnel Intégral Dérivé) linéaire, dont le principal inconvénient est une mise au point longue et difficile et une calibration importante, de l'ordre de 300 paramètres pour une calibration du régime au ralenti. Un autre inconvénient réside dans la mauvaise maîtrise des transitoires et des à-coups en raison de la linéarité du contrôle autour de nombreux points de fonctionnement couvrant toute la plage de fonctionnement du moteur qui est par contre un système physique non linéaire, et des difficultés de jonction des modèles et des contrôleurs aux frontières des zones.
- d'une part le carburateur, dont le réglage mécanique permettant au moteur de ne pas caler au ralenti, a pour inconvénient d'être approximatif, d'entraîner une consommation d'essence élevée et une pollution importante contraire aux normes actuelles
- d'autre part le calculateur électronique d'injection, contrôlant les quantités d'essence et d'air admises ainsi que l'avance à l'allumage. En régulation de ralenti, le calculateur détermine la valeur du rapport cyclique d'ouverture par un algorithme P.I.D. (Proportionnel Intégral Dérivé) linéaire, dont le principal inconvénient est une mise au point longue et difficile et une calibration importante, de l'ordre de 300 paramètres pour une calibration du régime au ralenti. Un autre inconvénient réside dans la mauvaise maîtrise des transitoires et des à-coups en raison de la linéarité du contrôle autour de nombreux points de fonctionnement couvrant toute la plage de fonctionnement du moteur qui est par contre un système physique non linéaire, et des difficultés de jonction des modèles et des contrôleurs aux frontières des zones.
Pour résoudre les problèmes de contrôle non linéaire du moteur, l'invention propose d'utiliser la technique des réseaux de neurones.
Une utilisation actuelle de réseaux de neurones dans le contrôle automobile est décrite dans le brevet américain US 5 361 213 au nom de HITACHI. Les principaux objectifs visés dans ce brevet sont tout d'abord la réalisation par un réseau de neurones de filtrage de données délivrées par un capteur, de cliquetis par exemple, pour obtenir un indicateur utilisable par un système de commande; ensuite l'obtention d'une mesure objective du confort automobile subjectif perçu par le conducteur, à partir des différents paramètres moteur mis en entrée d'un deuxième réseau; enfin, le contrôle de l'avance à l'allumage pour compenser le cliquetis par l'utilisation des réseaux de neurones en apprentissage statique. Les réseaux de neurones utilisés dans le brevet sont statiques et non récurrents, de taille relativement grande ce qui réduit leur efficacité, et implantés dans une électronique spécifique.
Le but de l'invention est de réguler le régime moteur au ralenti dans toutes les conditions de fonctionnement du moteur, notamment en gérant efficacement la dynamique des transitoires. Pour cela, le système selon l'invention, qui est un système de contrôle moteur pression-régime, et non débimétrique, utilise un réseau de neurones délivrant la commande d'au moins un actionneur physique du moteur telle que le rapport cyclique d'ouverture, l'avance à l'allumage ou le temps d'injection. Dans un premier cas, le réseau neuronal est conçu par émulation d'un algorithme linéaire P.I.D. avec un apprentissage statique, et dans un second cas, le réseau neuronal est conçu par modélisation avec un apprentissage dynamique, nécessitant alors l'utilisation d'un autre réseau de neurones pour élaborer un simulateur du moteur qui soit prédicteur de régime moteur au ralenti. Dans ces deux cas, il délivre en sortie le rapport cyclique d'ouverture, avec ou sans l'avance à l'allumage et le temps d'injection.
Selon une caractéristique essentielle de l'invention, le système de contrôle du régime d'un moteur thermique au ralenti, comprenant un calculateur électronique de commande du moteur relié à un capteur de régime et à un capteur de température d'eau et délivrant les commandes des actionneurs physiques du moteur, dont le rapport cyclique d'ouverture d'une vanne d'air additionnel, l'avance à l'allumage et le temps d'injection, pour réguler le régime du moteur au ralenti autour d'une valeur de consigne, est tel que le calculateur électronique comprend un dispositif électronique de commande non linéaire du régime moteur au ralenti constitué par
- un module de pré-traitement des données fournies par les capteurs;
- un réseau de neurones contrôleur recevant les données pré-traitées, composé d'une couche de neurones d'entrée constitués par des valeurs représentatives du régime moteur et par la température d'eau, d'au moins une couche de neurones cachée et d'une couche de neurones de sortie constitués par le rapport cyclique d'ouverture R.C.O. de la vanne avec ou sans l'avance à l'allumage Av et le temps d'injection Ti;
- un module de post-traitement relié à la sortie du réseau de neurones et délivrant la commande d'au moins un actionneur physique du moteur, soit le rapport cyclique d'ouverture R.C.O..
- un module de pré-traitement des données fournies par les capteurs;
- un réseau de neurones contrôleur recevant les données pré-traitées, composé d'une couche de neurones d'entrée constitués par des valeurs représentatives du régime moteur et par la température d'eau, d'au moins une couche de neurones cachée et d'une couche de neurones de sortie constitués par le rapport cyclique d'ouverture R.C.O. de la vanne avec ou sans l'avance à l'allumage Av et le temps d'injection Ti;
- un module de post-traitement relié à la sortie du réseau de neurones et délivrant la commande d'au moins un actionneur physique du moteur, soit le rapport cyclique d'ouverture R.C.O..
Selon une autre caractéristique de l'invention, le réseau de neurones est conçu par émulation d'un algorithme linéaire proportionnel dérivé intégral avec un apprentissage statique, et délivre le rapport cyclique d'ouverture à une vanne d'air additionnel, avec ou sans l'avance à l'allumage.
Selon une autre caractéristique de l'invention, le réseau de neurones est conçu par modélisation du fonctionnement non linéaire du moteur avec un apprentissage dynamique, et délivre le rapport cyclique d'ouverture à une vanne d'air additionnel, l'avance à l'allumage au module de puissance d'allumage et le temps d'injection aux injecteurs.
D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description suivante d'un exemple particulier de réalisation du système , cette description étant faite en relation avec les dessins joints dans lesquels
- la figure 1 est un schéma de principe de l'action des différentes variables de contrôle d'un moteur
- la figure 2 est un exemple de cartographie de temps d'injection;
- les figures 3 et 4 sont les schémas d'un réseau de neurones respectivement non bouclé et bouclé, contrôleur du régime moteur et conçu par émulation selon l'invention;
- la figure 5 est la représentation graphique de la fonction d'activation non linéaire d'un neurone;
- la figure 6 est le schéma de principe de l'apprentissage statique d'un contrôleur neuronal conçu par émulation selon l'invention;
- la figure 7 est le synoptique d'un premier exemple de réalisation du système neuronal de contrôle du moteur selon l'invention
- la figure 8 est le schéma d'un réseau de neurones non bouclé, contrôleur du régime moteur et conçu par modélisation selon l'invention;
- la figure 9 est le schéma de principe de l'apprentissage dynamique d'un contrôleur neuronal conçu par modélisation selon l'invention;
- la figure 10 est le schéma d'un simulateur neuronal du comportement d'un moteur;
- la figure 11 est le synoptique d'un deuxième exemple de réalisation du système neuronal de contrôle du moteur selon l'invention ;
- la figure 12 est le tableau représentatif du domaine de fonctionnement en régulation ralenti du moteur commandé par le système de contrôle selon l'invention;
- les figures 13a à 13c sont les représentations d'acquisitions successives de données pour différentes valeurs de réactions des commandes du moteur.
- la figure 1 est un schéma de principe de l'action des différentes variables de contrôle d'un moteur
- la figure 2 est un exemple de cartographie de temps d'injection;
- les figures 3 et 4 sont les schémas d'un réseau de neurones respectivement non bouclé et bouclé, contrôleur du régime moteur et conçu par émulation selon l'invention;
- la figure 5 est la représentation graphique de la fonction d'activation non linéaire d'un neurone;
- la figure 6 est le schéma de principe de l'apprentissage statique d'un contrôleur neuronal conçu par émulation selon l'invention;
- la figure 7 est le synoptique d'un premier exemple de réalisation du système neuronal de contrôle du moteur selon l'invention
- la figure 8 est le schéma d'un réseau de neurones non bouclé, contrôleur du régime moteur et conçu par modélisation selon l'invention;
- la figure 9 est le schéma de principe de l'apprentissage dynamique d'un contrôleur neuronal conçu par modélisation selon l'invention;
- la figure 10 est le schéma d'un simulateur neuronal du comportement d'un moteur;
- la figure 11 est le synoptique d'un deuxième exemple de réalisation du système neuronal de contrôle du moteur selon l'invention ;
- la figure 12 est le tableau représentatif du domaine de fonctionnement en régulation ralenti du moteur commandé par le système de contrôle selon l'invention;
- les figures 13a à 13c sont les représentations d'acquisitions successives de données pour différentes valeurs de réactions des commandes du moteur.
La solution proposée par l'invention est un procédé, fonctionnant en temps réel, de contrôle/commande dynamique à multicritères et à multivariables, utilisant des réseaux de neurones, adaptés à l'émulation ou à la modélisation dynamique d'un processus non linéaire comme celui d'un moteur automobile.
Le contrôle d'un moteur réel de véhicule automobile est à plusieurs variables, représentées schématiquement sur la figure 1, comme le temps d'injection ou durée d'ouverture des injecteurs 1 représentant la quantité d'essence injectée dans l'air pour former un mélange air-essence inflammable, et l'alimentation en air du mélange air-essence, assurée d'une part par le papillon 2 lié à la pédale d'accélérateur actionnée par le conducteur et d'autre part par la vanne d'air additionnel 3 permettant d'optimiser le mélange par un apport d'air commandé par un calculateur électronique de contrôle-commande. La commande de la vanne d'air additionnel s'appelle le rapport cyclique d'ouverture,
R.C.O., correspondant au débit d'air passant la vanne.
R.C.O., correspondant au débit d'air passant la vanne.
Une autre commande principale est l'avance à l'allumage, Av, correspondant à l'instant d'éclatement de l'étincelle à l'extrémité des bougies 4, avant que le piston 5 ne soit remonté complètement dans le cylindre 6, afin d'obtenir un meilleur rendement mécanique de l'explosion. Cette commande est fournie au module de puissance d'allumage qui gère le système d'allumage.
Le contrôle du moteur est aussi multidimensionnel, l'état du moteur étant décrit par le régime, la pression dans le collecteur, les températures d'eau et d'air... Une fois déterminées, les calibrations des paramètres de contrôle constituent les cartographies du moteur. La figure 2 montre un exemple de cartographie de temps d'injection Ti en fonction du régime moteur et de la pression dans le collecteur d'admission. Pour dix points sur l'axe du régime N et dix points sur l'axe de la pression P, il y a cent points de fonctionnement pour le moteur. Dans la solution antérieure utilisant un contrôleur linéaire par morceaux, proportionnel intégral dérivé P.I.D., ayant dix paramètres par point de fonctionnement, on aboutit à mille paramètres à calibrer pour le temps d'injection et environ 3000 pour le contrôle global du moteur.
Le contrôleur selon l'invention étant modélisé par une fonction de transfert unique non linéaire, il n'est pas nécessaire de linéariser le comportement du moteur autour de points de fonctionnement. Le but de ce contrôleur réalisé à partir d'un réseau de neurones est de réguler le régime moteur au ralenti au moins par la commande de la vanne d'air additionnel autrement dit le rapport cyclique d'ouverture R.C.O., la régulation pouvant avoir lieu également par l'avance à l'allumage ou le temps d'injection. L'invention propose deux types différents de conception d'un réseau de neurones destinés à réguler le régime au ralenti, un premier type par émulation d'un algorithme linéaire proportionnel dérivé intégral et un second type par modélisation du fonctionnement non linéaire du moteur.
Selon le premier type de conception du contrôleur neuronal par émulation, celui-ci est dédié aux réactions du moteur en réponse aux perturbations survenant dans son fonctionnement et détermine les variables de contrôle/commande - le rapport cyclique d'ouverture R.C.O., l'avance à l'allumage ou le temps d'injection - à partir du régime N, de la température d'eau t eau et parfois de la dérivée dN du régime. Ce contrôleur, d'architecture très simple et dont le nombre de neurones cachés est le plus réduit possible, est implanté sur le calculateur d'injection. Ce réseau 18, réalisé par émulation d'un algorithme P.I.D. et qui peut être non bouclé (figure 3) ou bouclé (figure 4), se compose donc d'une couche 22 de neurones d'entrée constitués au moins par les valeurs du régime moteur N, et de la température d'eau teau, auxquels on peut ajouter des valeurs significatives du régime moteur telles que la dérivée du régime dN par exemple ou la moyenne sur le régime, d'au moins une couche 23 de neurones cachée et d'une couche 24 de neurones de sortie constitués par le rapport cyclique d'ouverture
R.C.O. et l'avance à l'allumage Av par exemple. Dans le cas d'un réseau bouclé ou récurrent, comme représenté sur la figure 4, les valeurs du rapport cyclique d'ouverture et de l'avance à l'allumage, délivrées en sortie, sont rebouclées avec un certain retard, sur la couche d'entrée du réseau. Chaque neurone est composé d'une fonction d'activation non linéaire F(u) , telle qu'une tangente hyperbolique ou une sigmoïde décrite sur la figure 5, et possède un seuil d'activation variable. La sortie du neurone est la somme pondérée par les poids des activations des neurones qui lui sont connectés, passée à travers la fonction d'activation non linéaire F. Les neurones sont reliés entre eux par des connexions 25 à poids variables dont la valeur, ainsi que le nombre de couches et de neurones du réseau, sont déterminés par simulation informatique à partir de bases de données recueillies sur véhicule ou sur banc moteur. La détermination des poids des connexions constitue la phase d'apprentissage du réseau de neurones pendant laquelle il apprend à extraire les informations nécessaires à la résolution du problème, soit la régulation du régime au ralenti, à partir de bases de données de comportement du moteur. La figure 6 est le schéma de principe de l'apprentissage statique d'un contrôleur neuronal à partir d'un algorithme linéaire proportionnel intégral dérivé P.I.D., cette phase d'apprentissage étant conduite par un algorithme dit de "rétropropagation de l'erreur". Cette erreur E est calculée point par point par comparaison entre les valeurs R1 des commandes délivrées par le P.I.D. 26 et les valeurs R2 des commandes délivrées par le contrôleur neuronal 18, pour les mêmes valeurs de paramètres moteur que sont le régime N et la température d'eau t eau
La figure 7 montre le synoptique d'un exemple particulier de réalisation du système neuronal de contrôle du moteur selon l'invention, par le rapport cyclique d'ouverture R.C.O.. Le calculateur 7 électronique de commande du moteur comprend trois dispositifs électroniques de commande, l'un 8 pour la gestion de l'injection d'essence, c'est-à-dire la durée d'ouverture des injecteurs 1, le second 9 pour la gestion de l'avance à l'allumage 10 et le troisième 11 pour la gestion de l'admission de l'air par la vanne d'air additionnel 12, ces trois dispositifs tenant compte des informations de régime moteur et de température d'eau délivrées respectivement par deux capteurs 13 et 14. Le calculateur peut être de plus relié à un capteur de pression collecteur. Les injecteurs, les bougies d'allumage et la vanne d'air permettent le fonctionnement optimal du moteur 15.
R.C.O. et l'avance à l'allumage Av par exemple. Dans le cas d'un réseau bouclé ou récurrent, comme représenté sur la figure 4, les valeurs du rapport cyclique d'ouverture et de l'avance à l'allumage, délivrées en sortie, sont rebouclées avec un certain retard, sur la couche d'entrée du réseau. Chaque neurone est composé d'une fonction d'activation non linéaire F(u) , telle qu'une tangente hyperbolique ou une sigmoïde décrite sur la figure 5, et possède un seuil d'activation variable. La sortie du neurone est la somme pondérée par les poids des activations des neurones qui lui sont connectés, passée à travers la fonction d'activation non linéaire F. Les neurones sont reliés entre eux par des connexions 25 à poids variables dont la valeur, ainsi que le nombre de couches et de neurones du réseau, sont déterminés par simulation informatique à partir de bases de données recueillies sur véhicule ou sur banc moteur. La détermination des poids des connexions constitue la phase d'apprentissage du réseau de neurones pendant laquelle il apprend à extraire les informations nécessaires à la résolution du problème, soit la régulation du régime au ralenti, à partir de bases de données de comportement du moteur. La figure 6 est le schéma de principe de l'apprentissage statique d'un contrôleur neuronal à partir d'un algorithme linéaire proportionnel intégral dérivé P.I.D., cette phase d'apprentissage étant conduite par un algorithme dit de "rétropropagation de l'erreur". Cette erreur E est calculée point par point par comparaison entre les valeurs R1 des commandes délivrées par le P.I.D. 26 et les valeurs R2 des commandes délivrées par le contrôleur neuronal 18, pour les mêmes valeurs de paramètres moteur que sont le régime N et la température d'eau t eau
La figure 7 montre le synoptique d'un exemple particulier de réalisation du système neuronal de contrôle du moteur selon l'invention, par le rapport cyclique d'ouverture R.C.O.. Le calculateur 7 électronique de commande du moteur comprend trois dispositifs électroniques de commande, l'un 8 pour la gestion de l'injection d'essence, c'est-à-dire la durée d'ouverture des injecteurs 1, le second 9 pour la gestion de l'avance à l'allumage 10 et le troisième 11 pour la gestion de l'admission de l'air par la vanne d'air additionnel 12, ces trois dispositifs tenant compte des informations de régime moteur et de température d'eau délivrées respectivement par deux capteurs 13 et 14. Le calculateur peut être de plus relié à un capteur de pression collecteur. Les injecteurs, les bougies d'allumage et la vanne d'air permettent le fonctionnement optimal du moteur 15.
Selon l'invention, le dispositif de commande de l'admission d'air comprend un module 16 de prétraitement des données, réalisant par exemple la normalisation des valeurs d'entrée entre 0 et 1 et la moyenne glissante de certaines données, un réseau de neurones 18, avec ou sans bouclage retardé 19 des commandes du moteur et un module 17 de post-traitement réalisant par exemple la dénormalisation des valeurs en sortie du réseau neuronal et l'adaptation linéaire aux caractéristiques des actionneurs. Les dispositifs électroniques 8 et 9, assurant respectivement la gestion de l'injection et de l'avance, ne se servent pas du réseau de neurones mais d'un logiciel 20 qui utilise les calibrations 21 constituant les cartographies du moteur.
Selon l'invention, le contrôleur neuronal peut être un réseau de neurones non bouclé conçu par modélisation, recevant en entrée les valeurs du régime
N, de sa dérivée dN et de la température d'eau, qui fournit la commande du rapport cyclique d'ouverture
R.C.O. et d'avance à l'allumage Av. La figure 8 montre une réalisation structurelle de ce réseau neuronal 28 non bouclé tenant compte des variations de la température d'eau teau Dans ce cas, le contrôleur comprend un premier réseau de neurones 280 opérant à température d'eau constante et un second réseau de neurones 30, dont la couche des neurones d'entrée reçoit les valeurs de la température d'eau t eau et les valeurs du rapport cyclique d'ouverture R.C.O. fournies par le premier réseau 280 et dont la couche de sortie fournit de nouvelles valeurs du R.C.O. après correction en fonction de la température.
N, de sa dérivée dN et de la température d'eau, qui fournit la commande du rapport cyclique d'ouverture
R.C.O. et d'avance à l'allumage Av. La figure 8 montre une réalisation structurelle de ce réseau neuronal 28 non bouclé tenant compte des variations de la température d'eau teau Dans ce cas, le contrôleur comprend un premier réseau de neurones 280 opérant à température d'eau constante et un second réseau de neurones 30, dont la couche des neurones d'entrée reçoit les valeurs de la température d'eau t eau et les valeurs du rapport cyclique d'ouverture R.C.O. fournies par le premier réseau 280 et dont la couche de sortie fournit de nouvelles valeurs du R.C.O. après correction en fonction de la température.
Pour la mise au point de ce contrôleur neuronal, il faut définir une erreur sur les sorties du réseau qui constituent les commandes du moteur que l'on veut contrôler. C'est pourquoi une autre caractéristique de l'invention consiste à concevoir un simulateur du moteur grâce auquel on va pouvoir mesurer l'effet des commandes et définir une erreur sur celles-ci, à partir des différences entre le comportement obtenu par le simulateur et le comportement souhaité du moteur défini par un gabarit de contrôle.
La figure 9 est le schéma de principe de l'apprentissage d'un contrôleur neuronal 28, conçu par modélisation à partir d'un simulateur 31 du fonctionnement dynamique du moteur, dont la précision vis-à-vis du processus réel de fonctionnement du moteur permet d'obtenir une bonne qualité. Les poids entre les neurones du réseau contrôleur du moteur sont obtenus à partir de la comparaison entre la courbe de comportement observée N(t) en sortie du simulateur 31 et la courbe de comportement N réf du gabarit délivrée par un modèle 32 de référence d'apprentissage.
Le simulateur 31 modélisant ainsi le comportement du moteur au ralenti, même dans les zones non linéaires difficiles, et représenté schématiquement sur la figure 10, est caractérisé par le fait qu'il est constitué d'un réseau de neurones bouclé comportant cinq ou six entrées, le régime No et sa dérivée dNo dans l'état de départ, la température d'eau teaU, le rapport cyclique d'ouverture R.C.O. et l'avance à l'allumage Av, et parfois le temps d'injection Ti, une sortie qui donne le régime N(t) sur 15 points morts hauts (pmhs) successifs en bouclant sur l'entrée les variables d'état Ei représentant l'état interne du système. Le simulateur peut également fournir la pression P(t) dans le collecteur. Lors de l'apprentissage du contrôleur neuronal 28, l'erreur e entre la courbe de comportement observée N(t) et la courbe Nréf du gabarit est rétropropagée à travers le simulateur 31 sur un horizon temporel de 15 pmhs en moyenne, pour corriger les commandes du moteur, soit le R.C.O., l'avance Av et le temps d'injection Ti, calculées par le contrôleur et modifier en conséquence les poids du contrôleur neuronal 28. Cet horizon temporel de 15 pmhs est défini par la physique des délais du système de contrôle confirmée par expérimentation. Pour réguler le moteur au ralenti, il faut stabiliser le régime autour d'une valeur de consigne, la plus faible possible, afin de réduire la consommation, tout en maintenant une bonne régulation du régime lors de l'enclenchement d'éléments qui induisent un couple résistant sur le moteur et font ainsi chuter le régime.
La figure ll représente le synoptique d'un second exemple de réalisation du système neuronal de contrôle du moteur selon l'invention, régulant le régime au ralenti non seulement par la commande de la vanne 12 d'air additionnel, soit le rapport cyclique d'ouverture
R.C.O., mais aussi par l'avance à l'allumage et parfois le temps d'injection. Dans ce cas, les trois dispositifs de commande de l'injection d'essence, de l'avance à l'allumage et de l'admission d'air sont constitués par un module 27 de pré-traitement des données, dont la sortie est reliée à un contrôleur neuronal 28, lui-même connecté à un module 29 de posttraitement qui délivre en sortie les commandes des injecteurs, du module d'allumage et de la vanne d'air additionnel.
R.C.O., mais aussi par l'avance à l'allumage et parfois le temps d'injection. Dans ce cas, les trois dispositifs de commande de l'injection d'essence, de l'avance à l'allumage et de l'admission d'air sont constitués par un module 27 de pré-traitement des données, dont la sortie est reliée à un contrôleur neuronal 28, lui-même connecté à un module 29 de posttraitement qui délivre en sortie les commandes des injecteurs, du module d'allumage et de la vanne d'air additionnel.
Les trois principales commandes ou paramètres de contrôle du moteur que sont le temps d'injection Ti, le rapport cyclique d'ouverture R.C.O. de la vanne et l'avance à l'allumage Av n'ont pas la même influence sur le régime. L'avance Av induit une variation très rapide du couple et agit sur le régime rapidement mais de façon éphémère. Une modification du R.C.O. ou du temps d'injection Ti agit sur la richesse et la pression du mélange présent dans le collecteur, influençant moins rapidement mais plus durablement le régime. Le simulateur selon l'invention a pour objectif de simuler des phases de fonctionnement du moteur correspondant aux réponses à des variations de commandes et plus particulièrement aux variations brutales ou créneaux de celles-ci entraînant des écarts importants du régime par rapport au régime de consigne.
Aussi, le simulateur neuronal du moteur doit être conçu avec précision à partir d'une base de données informatisée de l'enregistrement du comportement statique et dynamique réel du moteur sur banc moteur et sur véhicule, sur toute une plage de fonctionnement au ralenti définie selon le tableau de la figure 12. Pour cela, on enregistre les réactions du moteur (figure 13a) quand il est dans un état de régime et de variation de régime déterminés, à différentes valeurs des variables de commande R.C.O. et Av, à température d'eau constante. Puis on enregistre les données pour plusieurs valeurs ou plages de température d'eau correspondant à des comportements moteur différents, sachant qu'au ralenti, par exemple, plus le moteur est froid, moins il est stable. Dans un premier temps, on impose des valeurs déterminées du R.C.O. ( figure 13b) et de l'avance Av (figure 13c) pour faire monter le régime jusqu'à une valeur désirée, 1050 tours/minute par exemple. L'ajustement de ces commandes permet de choisir la valeur de la dérivée du régime dN lorsque le créneau des variables de commandes R.C.O. et avance à l'allumage Av sera déclenché. Quand la valeur du régime
N souhaitée est atteinte, on envoie des valeurs de
R.C.O. et d'avance Av appartenant au domaine de fonctionnement à couvrir, dont on souhaite tester l'influence sur le régime qui chute ou qui monte, et dès que ce dernier passe en dessous de 800 tr/mn, on le stabilise à nouveau. On parcourt ainsi le domaine souhaité en changeant le régime N, les commandes de contrôle provoquant la montée ou la chute du régime N pour changer de régime. L'ensemble des figures 13a à 13c représente une succession d'acquisitions de données pour différentes valeurs de réaction.
N souhaitée est atteinte, on envoie des valeurs de
R.C.O. et d'avance Av appartenant au domaine de fonctionnement à couvrir, dont on souhaite tester l'influence sur le régime qui chute ou qui monte, et dès que ce dernier passe en dessous de 800 tr/mn, on le stabilise à nouveau. On parcourt ainsi le domaine souhaité en changeant le régime N, les commandes de contrôle provoquant la montée ou la chute du régime N pour changer de régime. L'ensemble des figures 13a à 13c représente une succession d'acquisitions de données pour différentes valeurs de réaction.
Une fois établie la base de données, on sélectionne un nombre de phases couvrant le domaine de fonctionnement du moteur égale à 25, en limitant la fenêtre temporelle de l'algorithme de rétropropagation de l'erreur à 15 pmhs, dans un exemple de réalisation.
On impose en plus un nombre de gabarits réalistes pour assurer le contrôle du moteur, par exemple 50 associant à 50 couples régime-dérivée du régime (N,dN) indiquant l'état du moteur, des valeurs de R.C.O. et d'avance à l'allumage Av.
Pour les valeurs de couple (N,dN) en dehors du domaine de validité du simulateur neuronal, on définit des valeurs de R.C.O. et Av d'après les observations du contrôle de série et des réactions du moteur, en imposant par exemple, autour de la valeur de consigne du régime N , une variation de l'avance Av dépendant fortement de la dérivée dN et une variation de R.C.O.
relativement faible. Ce simulateur neuronal du moteur constitue une calibration unique à la fois statique et dynamique du moteur.
Un avantage très important de l'invention est la réduction considérable du nombre de calibrations du moteur entraînant la réduction, voire la suppression, des temps de calibration et de mise au point moteur.
Un autre avantage est la bonne gestion des transitoires en phase de régulation du régime au ralenti, conduisant à une bonne robustesse vis à vis des perturbations extérieures, comme la mise en marche des consommateurs électriques - la direction assistée, la climatisation, le chauffage du pare-brise...
Ainsi, certains calages intempestifs au ralenti sont supprimés, ce qui augmente l'agrément de conduite pour le conducteur.
La réduction de la consommation en carburant est un troisième avantage, dû au maintien du régime moteur à une valeur de consigne indépendante de la température d'eau et plus faible qu'avec les systèmes de régulation actuels.
De plus, le procédé selon l'invention étant un procédé d'optimisation multi-critères, il est possible de concevoir le dispositif de contrôle pour stabiliser le régime à une valeur de consigne tout en minimisant les émissions de polluants.
Claims (10)
1. Système de contrôle du régime d'un moteur thermique au ralenti, comprenant un calculateur électronique de commande du moteur relié à un capteur de régime et à un capteur de température d'eau et délivrant les commandes des actionneurs physiques du moteur, dont le rapport cyclique d'ouverture d'une vanne d'air additionnel, l'avance à l'allumage et le temps d'injection pour réguler le régime du moteur au ralenti autour d'une valeur de consigne, caractérisé en ce que le calculateur électronique (7) comprend un dispositif électronique de gestion non linéaire du régime moteur au ralenti constitué par:
- un module (16) de pré-traitement des données fournies par les capteurs;
- un réseau (18) de neurones recevant les données pré-traitées, composé d'une couche de neurones d'entrée constitués au moins par les valeurs représentatives du régime moteur (N) et par la température d'eau (teau), d'au moins une couche de neurones cachée et d'une couche de neurones de sortie constitués au moins par le rapport cyclique d'ouverture (R.C.O.) de la vanne
- un module (17) de post-traitement relié à la sortie du réseau de neurones et délivrant la commande d'au moins un actionneur physique du moteur, le rapport cyclique d'ouverture de la vanne (R.C.O.).
2. Système de contrôle selon la revendication 1, caractérisé en ce que le réseau de neurones est conçu par émulation d'un algorithme linéaire proportionnel dérivé intégral avec un apprentissage statique.
3. Système de contrôle selon la revendication 1, caractérisé en ce que le réseau de neurones est conçu par modélisation du fonctionnement non linéaire du moteur avec un apprentissage dynamique.
4. Système de contrôle selon la revendication 2, caractérisé en ce que l'apprentissage statique du réseau de neurones (18) conçu par émulation consiste, à partir d'un algorithme linéaire proportionnel intégral dérivé P.I.D.(26), à calculer l'erreur (E) point par point entre les valeurs (R1) des commandes du moteur délivrées par l'algorithme P.I.D. et les valeurs (R2) des commandes du moteur délivrées par le réseau de neurone (18), pour les mêmes valeurs du régime moteur (N) et de la température d'eau (tau)
5. Système de contrôle selon la revendication 2, caractérisé en ce que le réseau de neurones (18) du dispositif de commande du moteur au ralenti est récurrent, par rebouclage, sur la couche d'entrée du réseau, au moins des valeurs du rapport cyclique d'ouverture délivrées en sortie du réseau.
6. Système de contrôle selon la revendication 3, caractérisé en ce que le réseau de neurones (28) reçoit en entrée les données pré-traitées du régime (N) et de sa dérivée (dN) et délivre en sortie au moins l'avance à l'allumage (Av) et le rapport cyclique d'ouverture (R.C.O.) qui est envoyé sur la couche d'entrée d'un second réseau (29) de neurones, recevant également la température d'eau (teau) et qui délivre en sortie les valeurs du rapport cyclique d'ouverture corrigées en fonction de la température d'eau.
7. Système de contrôle selon la revendication 3 caractérisé en ce que le réseau de neurones (28) du calculateur électronique (7) est conçu par modélisation à partir d'un simulateur (31) constitué par un réseau de neurones récurrent, composé d'une couche de neurones d'entrée constitués par les valeurs du rapport cyclique d'ouverture (R.C.O.) de la vanne et de l'avance à l'allumage (Av), ainsi que du régime du moteur (No) et de sa dérivée (dNo) à l'instant de départ, d'au moins une couche de neurone cachée et d'une couche de neurones de sortie constitués par les valeurs du régime (N), et ayant des variables d'état (Ei) caractéristiques de l'étant interne du moteur et rebouclées sur l'entrée du simulateur neuronal (31).
8. Système de contrôle selon la revendication 7, caractérisé en ce que l'apprentissage dynamique du réseau de neurones (28) conçu par modélisation consiste, à partir d'un modèle de référence (32) délivrant des gabarits de comportement souhaités, à calculer les valeurs du rapport cyclique d'ouverture (R.C.O.) de la vanne et de l'avance à l'allumage (Av) en sortie du réseau neuronal (28) et à les appliquer au simulateur (31) du moteur pour obtenir les valeurs N(t) du régime, puis à calculer une erreur (e) sur ces valeurs du régime par rapport aux gabarits et à la rétropropager dans le temps à travers le simulateur pour obtenir une erreur sur le rapport cyclique d'ouverture (R.C.O.) et l'avance à l'allumage (Av) entraînant une modification des poids des connexions (25) du réseau de neurones (28).
9. Système de contrôle selon les revendications 2 ou 3, caractérisé en ce que le réseau de neurones délivre le rapport cyclique d'ouverture à une vanne d'air additionnel (12) et en ce que le calculateur électronique (7) de commande comprend un dispositif électronique (8) pour la gestion de l'injection et un dispositif électronique (9) pour la gestion de l'avance à l'allumage.
10. Système de contrôle selon les revendications 2 ou 3, caractérisé en ce que le réseau de neurones délivre le rapport cyclique d'ouverture à une vanne d'air additionnel (12), l'avance à l'allumage au module de puissance d'allumage (10) et le temps d'injection aux injecteurs (1).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9604744A FR2747429B1 (fr) | 1996-04-16 | 1996-04-16 | Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR9604744A FR2747429B1 (fr) | 1996-04-16 | 1996-04-16 | Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2747429A1 true FR2747429A1 (fr) | 1997-10-17 |
| FR2747429B1 FR2747429B1 (fr) | 1998-05-22 |
Family
ID=9491248
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR9604744A Expired - Fee Related FR2747429B1 (fr) | 1996-04-16 | 1996-04-16 | Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR2747429B1 (fr) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2772427A1 (fr) * | 1997-12-12 | 1999-06-18 | Renault | Systeme de controle du moteur d'un vehicule par reseaux de neurones |
| FR2867519A1 (fr) * | 2003-12-10 | 2005-09-16 | Renault Sas | Dispositif de pilotage de moteur comprenant un reseau de neurones |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0441522A2 (fr) * | 1990-02-09 | 1991-08-14 | Hitachi, Ltd. | Appareil de commande pour automobile |
| US5477825A (en) * | 1993-02-26 | 1995-12-26 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for vehicle |
-
1996
- 1996-04-16 FR FR9604744A patent/FR2747429B1/fr not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0441522A2 (fr) * | 1990-02-09 | 1991-08-14 | Hitachi, Ltd. | Appareil de commande pour automobile |
| US5477825A (en) * | 1993-02-26 | 1995-12-26 | Toyota Jidosha Kabushiki Kaisha | Driving power control apparatus for vehicle |
Non-Patent Citations (1)
| Title |
|---|
| PUSKORIUS G V ET AL: "AN AUTOMOTIVE ENGINE IDLE SPEED CONTROL WITH RECURRENT NEURAL NETWORKS", PROCEEDINGS OF THE AMERICAN CONTROL CONFERENCE, SAN FRANCISCO, JUNE 2 - 4, 1993, vol. 1 OF 3, 2 June 1993 (1993-06-02), INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS, pages 311 - 316, XP000411249 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2772427A1 (fr) * | 1997-12-12 | 1999-06-18 | Renault | Systeme de controle du moteur d'un vehicule par reseaux de neurones |
| FR2867519A1 (fr) * | 2003-12-10 | 2005-09-16 | Renault Sas | Dispositif de pilotage de moteur comprenant un reseau de neurones |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2747429B1 (fr) | 1998-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6360726B1 (en) | Fuel volatility detection and compensation during cold engine start | |
| US20060047406A1 (en) | Predictive engine combustion management | |
| WO2006041867A2 (fr) | Systeme de commande de moteur s'adaptant aux proprietes du carburant dote d'un classificateur de carburant embarque | |
| EP1644627A1 (fr) | PROCEDE DE DETERMINATION EN TEMPS REEL DE LA CARACTERISTIQUE DE DEBIT D’INJECTEUR DE CARBURANT | |
| FR2838164A1 (fr) | Procede et dispositif de commande d'un moteur | |
| FR2759117A1 (fr) | Procedes et dispositifs pour la commande d'un moteur a combustion interne | |
| EP0705381B1 (fr) | Procede et dispositif d'optimisation du remplissage en air d'un cylindre de moteur a combustion interne | |
| FR2528909A1 (fr) | Procede de commande du fonctionnement d'un moteur a combustion interne au demarrage | |
| EP0954689B1 (fr) | Dispositif de commande d'un moteur a combustion interne a allumage commande et injection directe | |
| FR2746853A1 (fr) | Procede pour la determination de la masse de carburant a apporter dans la tubulure d'admission ou dans le cylindre d'un moteur a combustion interne | |
| FR2747429A1 (fr) | Systeme de controle du moteur d'un vehicule automobile par reseaux de neurones | |
| EP1115965B1 (fr) | Procede et dispositif de commande du mode de combustion d'un moteur a combustion interne | |
| FR2678684A1 (fr) | Procede et systeme de calcul de la masse d'air frais dans un cylindre de moteur a combustion interne. | |
| FR2805001A1 (fr) | Moteur a combustion interne et procede de mise en oeuvre | |
| EP0886055B1 (fr) | Procédé et dispositif de contrôle d'un moteur à combustion interne, à allumage commandé | |
| EP1597468B1 (fr) | Procede de determination du gain d'un injecteur de carburant | |
| FR2908460A1 (fr) | Procede de gestion d'un moteur a combustion interne | |
| FR2912183A1 (fr) | Systeme de controle pour moteur a allumage commande de vehicule automobile comportant un module de controle de la temperature des gaz d'echappement de ce moteur | |
| EP2256322A1 (fr) | Influence de la régulation des NOx sur le contrôle du bruit moteur dans un moteur à combustion interne | |
| FR3129983A1 (fr) | procédé et un dispositif de contrôle moteur | |
| Bober et al. | Image processing-based methodology for optimizing automotive ignition timing | |
| FR2772427A1 (fr) | Systeme de controle du moteur d'un vehicule par reseaux de neurones | |
| FR2532686A1 (fr) | Procede et dispositif de regulation de la vitesse de ralenti d'un moteur thermique | |
| WO1998038424A1 (fr) | Procede de regulation de la richesse d'un moteur thermique a injection indirecte | |
| FR2855220A1 (fr) | Procede et dispositif de gestion d'un moteur a combustion interne |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| TP | Transmission of property | ||
| ST | Notification of lapse |