FR2936015A1 - Estimation de variables d'etat d'un moteur a combustion interne. - Google Patents

Abstract

Système d'estimation d'au moins une variable d'état d'un moteur (1) à combustion interne comprenant au moins un cylindre (2), un piston mobile (3) entraîné par l'intermédiaire d'un vilebrequin (5), des moyens (20, 21) pour mesurer les variations temporelles de l'angle du vilebrequin et de la pression interne du cylindre, au moins un modèle physique (231) pour calculer une pluralité de variables temporelles intermédiaires à partir desdites mesures de l'angle du vilebrequin et de la pression interne du cylindre et à partir d'une mesure d'au moins un paramètre d'état du moteur, un moyen (24) pour créer des tables de variables temporelles discrétisées à partir desdites variables temporelles intermédiaires, et un réseau (25) de neurones de type multicouche pour estimer au moins une variable d'état du moteur (1) à partir desdites tables de variables temporelles discrétisées.

Description

DEMANDE DE BREVET B08-0083FR AXC/CRA

Société par actions simplifiée dite : RENAULT s.a.s. Estimation de variables d'état d'un moteur à combustion interne Invention de : LUCEA Marc TALON Vincent Estimation de variables d'état d'un moteur à combustion interne

L'invention concerne l'estimation de variables d'état d'un moteur à combustion interne comprenant une pluralité de cylindres.

En particulier, l'invention concerne l'estimation de variables d'état d'un moteur à combustion interne effectuée à partir d'une mesure de la pression interne d'un cylindre du moteur. Les normes antipollution et la baisse de la consommation deviennent des enjeux de plus en plus importants pour les constructeurs automobiles. Il est donc nécessaire de maîtriser la consommation des véhicules ainsi que les rejets d'émissions polluantes telles que les oxydes d'azotes NOS, le dioxyde de carbone CO2, le monoxyde de carbone CO, les carburants imbrûlés HC et les particules PM, notamment pour les moteurs diesel. Ceci passe obligatoirement par une maîtrise parfaite de la combustion. Il est donc nécessaire de connaître les grandeurs de différentes variables d'état du moteur, qui sont par exemple : - le remplissage iv (quantité de gaz frais admis dans les cylindres) - le couple du moteur Cmot - le régime du moteur Nmot - la température en sortie du cylindre Tavt - la pression en sortie du cylindre Pavt - les émissions d'oxyde d'azote NOS - les émissions de monoxyde de carbone CO - les émissions de dioxyde de carbone CO2 - les émissions de carburants imbrûlés HC - les émissions de particules PM - le taux de gaz brûlés Xgb Grâce à l'estimation de ces grandeurs il est possible de connaître les quantités d'émissions polluantes rejetées avec des gains en terme de délai et de coût de mise au point du moteur. De telles estimations permettent également de faciliter la mise en oeuvre des différentes stratégies de contrôle des éléments de post-traitement des émissions polluantes. Cette maîtrise des émissions polluantes peut être effectuée grâce à des dispositifs de post-traitement comme des filtres à particules ou des pièges à NOS, ou encore, grâce à une mise au point optimisée du moteur.

Comme on le sait, de nombreux capteurs sont généralement embarqués dans les véhicules pour la mesure d'une pluralité de grandeurs et de variables d'état, ce qui entraîne un coût non négligeable dans la fabrication des véhicules. On pourra se référer par exemple à la demande de brevet européen publiée sous le numéro EP 1 367 248, dans laquelle une estimation de l'émission d'oxydes d'azote NOS est réalisée à partir d'un modèle mathématique dit capteur virtuel et d'une pluralité de mesures de variables d'état du moteur. Mais la mise en oeuvre de ce modèle nécessite la mesure de nombreuses variables d'état. On pourra également se référer par exemple à la demande de brevet américain publiée sous le numéro US 2004/0073381, dans laquelle est décrit un moyen pour estimer l'émission d'oxydes d'azote NOS à partir de la corrélation entre une pluralité de mesures de variables de contrôle du moteur et d'une table de grandeurs statiques établie en fonction d'une moyenne des températures d'oxydes d'azote. Mais ce moyen nécessite également la mesure de nombreuses variables d'état et présente l'inconvénient d'utiliser des tables statiques qui sont coûteuses en temps de conception. Un des buts de l'invention est donc de fournir un système et un procédé pour estimer les débits instantanés des différentes émissions polluantes, ainsi que d'autres variables d'état d'un moteur à combustion, permettant de répondre aux besoins évoqués précédemment. Un autre but de l'invention est de proposer un système et un procédé d'estimation de ces variables d'état qui permettent de supprimer certains capteurs très coûteux comme celui qui mesure la pression à la sortie du cylindre Pavt, ou celui qui mesure la température à la sortie du cylindre Tavt, ou encore celui qui mesure directement le taux d'oxydes d'azote rejetés.

Dans un mode de réalisation, il est proposé un système d'estimation d'au moins une variable d'état d'un moteur à combustion interne comprenant au moins un cylindre, un piston mobile entraîné par l'intermédiaire d'un vilebrequin, des moyens pour mesurer les variations temporelles de l'angle du vilebrequin et de la pression interne du cylindre. Ce système comprend au moins un modèle physique pour calculer une pluralité de variables temporelles intermédiaires à partir desdites mesures de l'angle du vilebrequin et de la pression interne du cylindre et à partir d'une mesure d'au moins un paramètre d'état du moteur, et un moyen pour créer des tables de variables temporelles discrétisées à partir desdites variables temporelles intermédiaires. Ce système comprend également un réseau de neurones de type multicouche pour estimer au moins une variable d'état du moteur à partir desdites tables de variables temporelles discrétisées. Ainsi, on peut utiliser un réseau de neurones comme un modèle d'apprentissage pour estimer une variable d'état du moteur. Un réseau de neurones de type multicouche permet en outre d'établir une relation non linéaire entre la sortie du réseau, correspondant à l'estimation de la variable d'état, et les entrées du réseau correspondant aux tables de variables temporelles discrétisées. Cette relation non linéaire permet d'approximer toutes les variables d'état du moteur, entre autres les variables d'état ayant un comportement non linéaire vis-à-vis des variables temporelles discrétisées.

Selon un autre mode de réalisation, le réseau de neurones de type multicouche comprend : une couche d'entrée qui comprend une pluralité de modules d'entrée aptes à recevoir une variable temporelle discrétisée ; une couche intermédiaire qui comprend une pluralité de moyens intermédiaires de sommation aptes à élaborer chacun un signal intermédiaire égal à une fonction non linéaire d'une somme desdites variables temporelles discrétisées pondérée par un premier type de paramètres ajustables ; et une couche de sortie qui comprend un moyen final de sommation apte à calculer une somme desdits signaux intermédiaires pondérée par un deuxième type de paramètres ajustables. Grâce à une telle structure, on utilise un nombre réduit d'opérations et de paramètres ajustables, permettant ainsi de réduire, lorsqu'un réseau de neurones est embarqué dans un calculateur, la taille de la mémoire du calculateur et la taille du calculateur lui-même. Selon encore un autre mode de réalisation, ledit moyen pour créer des tables de variables temporelles discrétisées comprend : un premier moyen d'échantillonnage pour échantillonner les variables temporelles intermédiaires en fonction de l'angle du vilebrequin ; un moyen de sélectionner une variable échantillonnée ; et un deuxième moyen d'échantillonnage paramétrable pour ré-échantillonner lesdites variables temporelles intermédiaires en fonction d'un nombre ajustable de valeurs de la variable sélectionnée.

Grâce à un ré-échantillonnage des variables temporelles intermédiaires, on peut ajuster le nombre d'entrées du réseau de neurones de type multicouche. I1 est nécessaire de contrôler ce nombre car plus le nombre d'entrées est grand et plus le temps de calcul sera long. En ajustant le nombre d'entrées du réseau de neurones de type multicouche on peut diminuer le temps de calcul pour estimer une variable d'état. Avantageusement, le système comprend un moyen pour initialiser le réseau de neurones de type multicouche par la réalisation d'opérations préalables.

Ces opérations préalables permettent d'optimiser les premier et deuxième types de paramètres ajustables de manière à ce que la sortie d'un réseau de neurones de type multicouche approxime correctement la valeur réelle de la variable d'état correspondante. Selon une autre caractéristique optionnelle du système, le nombre de moyens intermédiaires de sommation est compris entre 1 et 10. En ajustant le nombre de moyens intermédiaires de sommation on peut influencer à la fois la précision de l'estimation et le temps de calcul de cette estimation. En effet, plus le nombre de moyens intermédiaires de sommation est grand, plus la complexité du réseau de neurones de type multicouche augmente et plus l'estimation de la variable d'état est précise. Cette augmentation de la précision se fait au détriment d'une augmentation du nombre d'opérations à effectuer et donc entraîne une augmentation du temps de calcul. Cette augmentation du nombre d'opérations entraîne également une diminution de la capacité du réseau obtenu à estimer correctement la variable d'état considérée pour des variables d'entrée inconnues. Le réseau de neurones de type multicouche est optimisé, lorsqu'une précision d'estimation requise est obtenue avec un minimum de moyens intermédiaires de sommation. Selon un autre aspect, il est proposé un procédé d'estimation d'au moins une variable d'état d'un moteur à combustion interne comprenant au moins un cylindre, un piston mobile entraîné par l'intermédiaire d'un vilebrequin, comprenant une première étape de mesure des variations temporelles de l'angle du vilebrequin et de la pression interne du cylindre. Ce procédé comprend une deuxième étape de calcul, par l'intermédiaire d'au moins un modèle physique, d'une pluralité de variables temporelles intermédiaires à partir desdites mesures de l'angle du vilebrequin et de la pression interne du cylindre et à partir d'une mesure d'au moins un paramètre d'état du moteur et une troisième étape de discrétisation desdites variables temporelles intermédiaires, destinée à la création de tables de variables temporelles discrétisées. Ce procédé comprend également une quatrième étape d'estimation, par l'intermédiaire d'un réseau de neurones de type multicouche, d'au moins une variable d'état du moteur à partir desdites tables de variables temporelles discrétisées.

Selon un autre mode de mise en oeuvre, la quatrième étape d'estimation comprend : une étape de sommation intermédiaire où l'on élabore une pluralité de signaux intermédiaires à partir d'une fonction non linéaire d'une somme desdites variables temporelles discrétisées pondérée par un premier type de paramètres ajustables ; et une étape de sommation finale où l'on calcule une somme desdits signaux intermédiaires pondérée par un deuxième type de paramètres ajustables. Selon encore un autre mode de mise en oeuvre, lors de la troisième étape de discrétisation, on échantillonne les variables temporelles intermédiaires en fonction de l'angle du vilebrequin, on sélectionne une variable échantillonnée et l'on ré-échantillonne les variables temporelles intermédiaires en fonction d'un nombre ajustable de valeurs de la variable sélectionnée.

Selon une autre caractéristique optionnelle du procédé, l'étape d'estimation peut comprendre une étape d'initialisation du réseau de neurones de type multicouche par la réalisation d'opérations préalables. On notera que l'étape d'initialisation, considérée comme une étape d'apprentissage, permet de déterminer les paramètres optimaux du réseau et elle précède nécessairement l'étape d'estimation d'une variable d'état. Selon encore une autre caractéristique optionnelle du procédé, lors de la troisième étape de discrétisation, les valeurs de la variable sélectionnée sont choisies sur un cycle du moteur et lors de l'étape d'estimation on estime au moins une variable d'état du moteur à la fin du cycle du moteur. D'autres buts, caractéristiques et avantages de l'invention apparaîtront à la lecture de la description suivante, donnée uniquement à titre d'exemple non limitatif, et faite en référence aux dessins annexés, sur lesquels : - la figure 1 illustre un système conforme à l'invention destiné à estimer certaines variables d'état d'un moteur ; - la figure 2 est une vue schématique d'un moyen pour créer des tables de variables temporelles discrétisées ; et - la figure 3 est une vue schématique d'un réseau de neurones de type multicouche. Sur la figure 1, on a représenté schématiquement, un système d'estimation des variables d'état d'un moteur 1 à combustion interne.

Le moteur 1 à combustion interne comprend un cylindre 2 dans lequel se déplace un piston 3 par l'intermédiaire d'une bielle 4 reliant le piston 3 à un vilebrequin 5 d'entraînement de la bielle 4. Une chambre 6 de combustion est délimitée par ledit cylindre 2, ledit piston 3 et une culasse 7. La culasse 7 est munie d'au moins deux soupapes 8 et 9 qui permettent de relier la chambre 6 de combustion avec respectivement un collecteur 10 d'admission, pour de l'air éventuellement mélangé avec une partie des gaz d'échappement, et un collecteur 11 d'échappement des gaz. Le moteur 1 comprend également un injecteur de carburant 12 disposé de façon à injecter du carburant dans la chambre 6 de combustion. Le système d'estimation comprend deux capteurs de mesure 20 et 21 ainsi qu'un calculateur 22 qui comprend trois modules : un module 23 de calcul, un module 24 de discrétisation et un réseau 25 de neurones de type multicouche. Le capteur 20 permet de mesurer à tout instant l'angle O du vilebrequin 5. Le capteur 21 permet de mesurer à tout instant la pression interne P,yi du cylindre 2 qui correspond à la pression à l'intérieur de la chambre 6 de combustion. Ces capteurs 20 et 21 émettent chacun un signal de mesure temporel, transmis respectivement par des connexions 28 et 29, en direction du module 23 de calcul et du module 24 de discrétisation. Le module 23 de calcul comprend plusieurs modèles physiques 231 à 236 qui permettent de calculer un certain nombre de variables temporelles intermédiaires à partir des signaux temporels d'entrée 0, P,yi et à partir des mesures de certains paramètres d'état du moteur 1, amenées par une connexion 27 à l'entrée du module 23 de calcul. La pression interne P,yi du cylindre 2 est utilisée pour construire des variables temporelles intermédiaires et en déduire certaines variables d'état du moteur 1. Cette construction des variables temporelles s'effectue par l'intermédiaire de modèles physiques 231 à 236 qui ne se basent que sur des variables temporelles, à l'exclusion de toute variable d'espace.

Une liste, non exhaustive, de onze variables temporelles intermédiaires utiles pour l'estimation des variables d'état du moteur peut par exemple comprendre : - 9 : l'angle du vilebrequin 5 - Pcyl : la pression interne du cylindre 2 - Xb : la fraction massique de gaz brûlés - Q : le dégagement de chaleur - k : le coefficient polytropique en phase de compression - Mgb: la masse de gaz brûlés - Mgf : la masse de gaz frais - Mcarb: la masse de carburant sous la forme liquide - Mcarb_vap: la masse de carburant sous la forme vapeur - Vcyl : le volume de la chambre 6 de combustion - Tcyl : la température dans la chambre 6 de combustion Les variables temporelles intermédiaires mesurées 0, Pcyl, et calculées Xb, Q, k, Mgb, Mgf, Mcarbliq, Mcarb_vap, Vcyl, Tcyl sont ensuite transmises, respectivement par les connexions 28, 29 et des connexions 30 à 38, en direction du module 24 de discrétisation. On a représenté sur la figure 1 certains modèles physiques et certaines variables temporelles intermédiaires, mais le module 23 de calcul peut comprendre d'autres modèles physiques pour calculer d'autres variables temporelles intermédiaires. Le modèle physique 231 permet de calculer les variable Vcyl et Tcyl , et de les transmettre directement, respectivement par les connexions 37 et 38, au module 24 de discrétisation. Le modèle physique 232 permet de calculer la variable Q et de la transmettre, comme entrée, aux modèles physiques 233, 234 et 235, respectivement par les connexions 42 à 44, ainsi qu'au module 24 de discrétisation, de manière directe par la connexion 31. Le modèle physique 233 permet de calculer la variable Xb et de la transmettre directement au module 24 de discrétisation par la connexion 30. Le modèle physique 234 permet de calculer les variables Mcarbliq et Mcarbvap et de les transmettre directement au module 24 de discrétisation, respectivement par les connexions 35 et 36. Le modèle physique 235 permet de calculer les variables Mgb et Mgf et de les transmettre directement au module 24 de discrétisation, respectivement par les connexions 33 et 34. Le modèle physique 236 permet de calculer la variable k et de la transmettre directement au module 24 de discrétisation par la connexion 32. Les paramètres d'état du moteur 1 amenés par la connexion 27 sont, par exemple, des paramètres comme les phasages ço=nj des injections de carburant. Ce sont des variables distinctes des variables temporelles intermédiaires mesurées ou calculées.

Comme il a été décrit précédemment, les modèles 231 à 236 reçoivent comme entrées les variables P,yi, O et certains paramètres d'état amenés par la connexion 27. I1 est possible également qu'un modèle physique puisse utiliser comme entrée une pluralité de variables temporelles intermédiaires, amenées par des connexions 42 à 44, qui sont le résultat d'un calcul effectué par un autre modèle, augmentant ainsi le nombre de combinaisons de calculs de variables intermédiaires. Toutes ces variables temporelles intermédiaires, qui dépendent de la mesure de la variable P,yi et de l'angle O du vilebrequin 5 associé, ne sont calculées que lorsque les soupapes 8 et 9 sont fermées, c'est-à-dire à un moment où aucun transvasement gazeux n'est effectué dans, ou à partir de la chambre 6 de combustion. Sur la figure 1, on a représenté, à titre d'exemple, certains modèles physiques 231 à 236 du module 23 de calcul, les exemples donnés n'étant pas limitatifs. Les calculs effectués par les différents modèles physiques sont décrits ci-dessous : Modèle • h si s ue 231 : calcul de la tem. érature dans la chambre de combustion Twr_ La température dans la chambre 6 de combustion peut être 30 calculée grâce à la loi des gaz parfaits : T cyl cyl cyl Mt r où : - Pcyi est la pression interne du cylindre 2 - Vcyi est le volume de la chambre 6 de combustion - Mt est la masse totale enfermée dans la chambre 6 de combustion - r est la constante des gaz parfaits, r = 287 J/(kg.K) La masse totale Mt peut être déterminée par une cartographie en fonction du régime du moteur et de la pression du collecteur 10 d'admission.

Le volume du cylindre Vcyi est déterminé grâce à la mesure de l'angle O du vilebrequin 5. Une loi analytique permet de déterminer Vcyi en fonction de 0: V,l [01= Vm + Spi • + Lb, û Rvi • cos(0) û Rvi2 • sin(0 )2 Où : - V2 est le volume mort - Spi est la surface du piston 3 - Rvi est le rayon du vilebrequin 5 - Lbi est la longueur de la bielle 4 Modèle 232 : calcul du dégagement de chaleur Q. Le dégagement de chaleur Q représente les échanges de chaleur entre le gaz et l'extérieur, lors des réactions chimiques qui ont lieu pendant la phase de combustion du carburant. La valeur Q représente la somme de la chaleur dégagée par la combustion moins celle perdue aux parois. Le dégagement de chaleur Q peut être calculé de la façon suivante:

dQ = 1 dP l+ y dVcyl d6 y-1 d6 y-1 cy` d6 Où : - O est l'angle du vilebrequin 530 - y est le rapport des chaleurs spécifiques C'1,/C,, où CI, et Cv sont les chaleurs massiques, respectivement à pression et volume constant D'une manière générale, on prend y égal à 1,4.

Modèle 233 : calcul de la fraction massique de gaz brûlés Xb. La fraction massique de gaz brûlés Xb évolue au cours de la combustion. Une image de Xb peut être obtenue grâce au dégagement de chaleur Q. En effet la chaleur dégagée est proportionnelle à la masse de carburant brûlée. Donc l'intégrale de la chaleur Q est directement liée à la masse de carburant déjà brûlée. Cette intégrale est normalisée entre 0 et 1. Elle représente alors l'évolution de la combustion. Elle est appelée Xb. Xb = Norm f ddew.dt Où w est la vitesse angulaire du moteur 1 en radian par seconde. Modèle 234 : calcul de la masse de carburant sous la forme liquide Mcarbliq et de la masse de carburant sous la forme vapeur Mcarb vat), Parmi les paramètres d'état du moteur transmis par la connexion 27, on peut citer les phasages çoznj de chaque injection de carburant, la masse Minh de carburant introduite pour chaque injection, ainsi que la durée Ting de chaque injection. Grâce à ces paramètres, on peut reconstruire le débit d'injection dans le cylindre 2. Ce qui permet de calculer : dMcarb_liq dt = Qmin~ ù Qmvap dMcarbvap _ dt = Qmvap ù Qmcomb Où : - Q inj est le débit de carburant injecté - Qmval, est le débit de carburant vaporisé - Qmcomb est le débit de combustion du carburant En outre : 1 dQ °°m - b PCI d6 Où PCI est le pouvoir calorifique inférieur (environ 43500 kJ/kg pour du gazole).

Le débit de combustion étant directement proportionnel au dégagement de chaleur Q, il peut être calculé à partir du modèle physique 232 précédent.

A chaque instant les masses de carburant sous la forme liquide et sous la forme vapeur présentent dans la chambre 6 de combustion peuvent ainsi être connues.

Modèle 235 : calcul de la masse de az frais M. et de la masse de gaz brûlés M

Les gaz brûlés ont deux origines : une partie (appelée EGR) sont les gaz d'échappement partiellement recyclés depuis le collecteur 11 d'échappement vers le collecteur 10 d'admission, une autre partie (appelée GBR) sont les gaz résiduels du cycle précédant qui n'ont pas été vidangés.

A l'instant initial, lorsque la soupape 8 d'admission est fermée, on connaît la masse Mgf i initiale de gaz frais, mélange d'oxygène et d'azote, et la masse Mgb i initiale de gaz brûlés, mélange de dioxyde de carbone, d'eau et d'azote. L'évolution des gaz frais vers les gaz brûlés est dépendante du dégagement de chaleur Q. En effet la

combustion se déroule toujours localement à la richesse 1, c'est-à-dire que lorsque l'on brûle 1 gramme de carburant on brûle en moyenne 14,7 grammes de gaz frais.

Or on a vu que: 1 dQ = b PCI d6 Soit Qmgf _gb = PCO • Qmcomb Où : - PCO est le pouvoir de combustion (14,7 environ) - Qmgfgb est le débit d'air Ce qui permet de calculer : dM gf = _Qmgfùgb dMgb dt gfùgb Modèle 236 : calcul du coefficient polytropique en phase de compression k.

20 En phase de compression, entre la fermeture de la soupape 8 d'admission et le début de la combustion, on calcule le coefficient polytropique k. Ce coefficient k permet notamment de modéliser les transformations adiabatiques (aucun échange de chaleur et de matière avec l'extérieur) grâce à la formule suivante :

25 k Pcy) 'Vcy) = A Où A est une constante.

La valeur de k est identifiée tout au long de la phase de 30 compression grâce à la formule : 1415 log(P 1[0~ +00])-log(P,~[e]) k=-log(J/1[e, +o0])-log(Vwl[e]) Où: - 9t est l'angle du vilebrequin 5 courant - AO est l'intervalle de calcul Cet intervalle de calcul AO peut correspondre au minimum à un pas d'échantillonnage du signal de la pression interne du cylindre P,yi en fonction de l'angle O du vilebrequin 5. D'une manière générale, l'intervalle est pris de l'ordre de dix pas d'échantillonnage dudit signal. Les variables temporelles intermédiaires ainsi calculées sont ensuite discrétisées par l'intermédiaire du module 24 de discrétisation pour générer des tables de variables temporelles discrétisées. Lesdites tables obtenues sont les entrées du réseau 25 de neurones de type multicouche. Le réseau 25 de neurones de type multicouche reçoit ces tables de variables temporelles discrétisées, par un ensemble 40 de connexions d'entrée, afin d'estimer les variables d'état recherchées, comme par exemple le remplissage qv ou la température en sortie du cylindre Tavt• En outre, le système d'estimation peut comprendre une pluralité de réseaux de neurones où chaque réseau de neurones est apte à produire une estimation d'une variable d'état du moteur. Les estimations produites par les réseaux 25 de neurones de type multicouche sont émises par un ensemble 41 de connexions de sortie.

Sur la figure 2, on a représenté une vue schématique d'un exemple de moyen pour créer des tables de variables temporelles discrétisées. On a reporté sur la figure 2 certains éléments précédemment décrits à la figure 1. Le module 24 de discrétisation comprend des premier 50 et deuxième 51 moyens d'échantillonnage et un moyen 52 de sélection. Le premier moyen 50 d'échantillonnage échantillonne les variables temporelles intermédiaires en fonction de l'angle O du vilebrequin 5. Ce premier échantillonnage permet de produire des variables échantillonnées en direction du deuxième moyen 51 d'échantillonnage et du moyen 52 de sélection. Le premier moyen 50 d'échantillonnage reçoit les valeurs de l'angle O du vilebrequin 5, par la connexion 28 en provenance du capteur 20, et peut ainsi échantillonner les variables temporelles intermédiaires, reçues par les connexions 28 à 38 (figure 1), en fonction de cet angle O. Cette discrétisation des signaux s'effectue à des instants précis pour certaines mesures d'angles O du vilebrequin 5 au cours d'un cycle du moteur 1.

A titre d'exemple, on a représenté, sur la figure 2, trois variables Xb(t), Mgf(t) et Tcyi(t) temporelles intermédiaires reçues par le premier moyen 50 d'échantillonnage, respectivement par les connexions 30, 34 et 38. Le premier moyen 50 d'échantillonnage échantillonne la variable temporelle intermédiaire Xb(t) pour produire la variable échantillonnée Xb(0) qu'il émet, par une connexion 53. Le premier moyen 50 d'échantillonnage échantillonne également la variable temporelle intermédiaire Mgf(t) pour produire la variable échantillonnée Mgf(0) qu'il émet, par une connexion 54. Le premier moyen 50 d'échantillonnage échantillonne, entre autre, la variable temporelle intermédiaire Tcyi(t) pour produire la variable échantillonnée Tcyi(0) qu'il émet, par une connexion 55. Le moyen 52 de sélection comprend un moyen 56 de présélection et un moyen 57 d'ajustement du pas de ré-échantillonnage.

Le moyen 56 de présélection reçoit les variables temporelles intermédiaires échantillonnées issues du premier moyen 50 d'échantillonnage. A titre d'exemple, le moyen 56 de présélection reçoit les variables Xb(0), Mgf(0) et Tcyi(0) échantillonnées, respectivement par les connexions 53 à 55. Ce moyen 56 de présélection sélectionne une des variables échantillonnées reçues, par exemple la variable Xb(0), et transmet la variable échantillonnée sélectionnée par une connexion 58 en direction du moyen 57 d'ajustement.

Le moyen 57 d'ajustement permet de fournir un pas de ré-échantillonnage pour le deuxième moyen 51 d'échantillonnage. Ce moyen 57 d'ajustement peut, lors d'une première étape, retenir certaines valeurs de ladite variable échantillonnée sélectionnée, par exemple à l'aide d'une table de valeurs préalablement déterminée. Lesdites valeurs retenues correspondent à des angles distincts du vilebrequin 5. Puis, lors d'une deuxième étape, le moyen 57 d'ajustement transmet lesdits angles déterminés, par une connexion 59, en direction du deuxième moyen 51 d'échantillonnage. Le pas de ré- échantillonnage correspond donc aux angles du vilebrequin 5 qui correspondent aux valeurs retenues de la variable échantillonnée sélectionnée. Comme le nombre de valeurs de la variable échantillonnée sélectionnée est ajustable, le pas de ré-échantillonnage est également ajustable.

Le deuxième moyen 51 d'échantillonnage permet de ré-échantillonner les variables temporelles intermédiaires en fonction du pas de ré-échantillonnage, c'est-à-dire en fonction des angles déterminés, afin de diminuer le nombre d'entrées du réseau 25 de neurones. Le nombre de valeurs échantillonnées par variable temporelle intermédiaire étant élevé, le ré-échantillonnage des variables temporelles intermédiaires permet de retenir seulement certaines valeurs caractéristiques pour chaque variable échantillonnée et de cette façon, limiter le nombre des entrées du réseau 25 de neurones. Le deuxième moyen 51 d'échantillonnage comprend une pluralité de modules de ré-échantillonnage, dont trois (60 à 62) ont été représentés sur la figure 2. Chaque module 60 à 62 de ré-échantillonnage reçoit en entrée une variable échantillonnée, respectivement par les connexions 53 à 55, ainsi que les valeurs d'angle du vilebrequin 5 déterminées transmises par la connexion 59.

Les modules 60 à 62 de ré-échantillonnage, ré-échantillonnent les variables temporelles intermédiaires et produisent, respectivement les tables 63 à 65 de variables temporelles discrétisées qui seront des entrées pour le réseau 25 de neurones. Chaque valeur d'une table de variables temporelles discrétisées correspond à une entrée du réseau 25 de neurones. On a représenté sur la figure 2, à titre d'exemple, la construction de trois tables 63 à 65, respectivement des variables Xb(0), Mgf(0) et Tcyi(0) temporelles discrétisées. Par exemple, au cours d'un cycle du moteur 1, la variable échantillonnée sélectionnée peut être la variable Xb(0) de la fraction massique de gaz brûlés pour laquelle le moyen 57 d'ajustement retient les trois valeurs suivantes Xb(01)=0,2 , Xb(02) =0,5 et Xb(03) =0,8. Les valeurs 01, 82 et 03 distinctes d'angle sont ensuite transmises, par la connexion 59, en direction du deuxième moyen 51 d'échantillonnage. Le module 60 de ré-échantillonnage produit la table 63 de la variable Xb(0) temporelle discrétisée qui comprend les trois valeurs suivantes : Xb(01)=0,2 Xb(02)=0,5 et Xb(03)=0,8. Selon un autre exemple, la table 63 peut contenir les angles pour lesquels la variable Xb(0) est égale aux valeurs retenues. Par exemple, la table 63 pourra contenir les trois angles 01, 82 et 03. De manière similaire, le module 61 de ré-échantillonnage produit la table 64 de la variable Mgf(0) temporelle discrétisée qui comprend les trois valeurs suivantes : Mgf(01) , Mgf(O') et Mgf(03). Par ailleurs, le module 62 de ré-échantillonnage produit la table 65 de la variable Tcyi(0) temporelle discrétisée qui comprend les trois valeurs suivantes : Tcyi(01) ; Tcyi(02) et Tcyi(03). Les valeurs des tables de variables temporelles discrétisées sont ensuite transmises par l'ensemble 40 des connexions d'entrée en direction du réseau 25 de neurones. Par exemple, lorsqu'on utilise les onze variables temporelles intermédiaires décrites précédemment, avec le pas de ré-échantillonnage 01, 82 et 03, on obtiendra 3*11=33 entrées pour le réseau 25 de neurones. Selon un autre exemple, le nombre de valeurs de la variable sélectionnée étant ajustable, on pourra par exemple retenir les quatre valeurs suivantes X b (01) = 0, 2 ; Xb (02) = 0, 4 ; Xb(03)=0,6 et Xb(04)=0,8. Dans ce cas, on obtiendra 4*11=44 entrées pour le réseau de neurones. Le ré-échantillonnage des variables temporelles intermédiaires permet donc d'ajuster le nombre d'entrées du réseau 25 de neurones. Sur la figure 3 on a représenté une vue schématique d'un exemple de réseau de neurones de type multicouche. On a également reporté sur la figure 3 certains éléments décrits précédemment dans les figures 1 et 2. Le réseau 25 de neurones de type multicouche comprend trois couches : une couche C l d'entrée, une couche C2 intermédiaire et une couche C3 de sortie. La couche Cl d'entrée comprend un nombre Ne+1 de modules d'entrée référencés de ME 0 à ME Ne. Le nombre Ne est un nombre entier et le nombre Ne+1 représente le nombre d'entrées du réseau 25 de neurones. Le module MEJ d'entrée correspond au jème module d'entrée, avec j un nombre entier compris entre 0 et Ne. Chacun des modules d'entrée ME 1 à ME Ne est apte à recevoir, par une des connexions de l'ensemble 40 des connexions d'entrée, une variable temporelle discrétisée. Le module d'entrée ME _0 est apte à recevoir, par une connexion 75, un signal d'entrée constant égal à 1. Ce module ME _0 est également appelé module de biais. On notera la jeme variable temporelle discrétisée par la référence U;(8) avec Uo(8)=l.

Le deuxième module ME_1 d'entrée reçoit une première variable temporelle discrétisée UI (8), qui peut être par exemple la variable Xb(81) de la fraction massique de gaz brûlés considérée au temps discret 81. Le dernier module ME Ne d'entrée reçoit une dernière variable temporelle discrétisée UNe(0), qui peut être par exemple la variable Tcyi(83) de la température de la chambre de combustion considérée au temps discret 03. Le jème module ME_j d'entrée reçoit une jème variable temporelle discrétisée U;(8), qui peut être par exemple la variable Mgf(OI) de la masse de gaz frais considérée au temps discret 01.

La couche C2 intermédiaire comprend un nombre Ncc de moyens intermédiaires de sommation référencés de MCC_1 à MCC_Ncc. Le nombre Ncc est un nombre entier et représente le nombre de moyens intermédiaires de sommation et le nombre de réalisation d'une fonction non linéaire f. Les moyens intermédiaires de sommation sont également appelés les neurones cachés du réseau 25 de neurones. Le moyen MCC_i correspond à un ième moyen intermédiaire de sommation et de réalisation d'une fonction non linéaire f où i est un nombre entier compris entre 1 et Ncc.

En outre, les modules ME 0 à ME Ne d'entrée de la couche C l d'entrée fonctionnent comme des multiplexeurs et sont aptes à transmettre leurs entrées en direction de plusieurs moyens MCC l à MCC Ncc intermédiaires de sommation et de réalisation d'une fonction non linéaire f. Le premier module ME _0 d'entrée transmet le signal constant Uo(0) égal à 1, par des connexions 76, en direction de chaque moyens MCC l à MCC_Ncc intermédiaires de sommation et de réalisation d'une fonction non linéaire f. Le deuxième module ME_1 d'entrée transmet la première variable temporelle discrétisée UI (9), par des connexions 70, en direction de chaque moyens MCC l à MCC Ncc intermédiaires de sommation et de réalisation d'une fonction non linéaire f. De la même manière, le dernier module ME Ne d'entrée transmet la dernière variable temporelle discrétisée UNe(0), par des connexions 71, en direction de chaque moyens MCC l à MCC Ncc intermédiaires de sommation et de réalisation d'une fonction non linéaire f. De manière générale, le jème module MEJ d'entrée transmet la jème variable temporelle discrétisée U;(9), par des connexions 72, en direction de chaque moyens MCC 1 à MCC Ncc intermédiaires de sommation et de réalisation d'une fonction non linéaire f.

Les moyens MCC l à MCC_Ncc intermédiaires de sommation de la couche C2 intermédiaire sont aptes à élaborer des signaux ZI à ZNcc. On a représenté sur la figure 3 les fonctionnalités principales des moyens intermédiaires de sommation. Le signe Lp correspond à une sommation pondérée des entrées d'un moyen intermédiaire de sommation et également d'un moyen MF final de sommation. Le signe f désigne une fonction mathématique non linéaire qui est appliquée au résultat de la sommation pondérée effectuée par un moyen intermédiaire de sommation. Chacun des signaux ZI à ZNc, intermédiaires élaborés sont égaux à une fonction f non linéaire d'une somme des variables Uo(0) à UNe(9) temporelles discrétisées pondérée par un premier type wi,i de paramètres ajustables. De manière générale, le ième moyen intermédiaire de sommation 5 élabore le signal Zi par le calcul suivant : ZZ(xo)=.f avec : 10 - Zi : le ième signal intermédiaire - xo : l'instant où l'on effectue le calcul des signaux intermédiaires Zi, et où l'on effectue l'estimation de la variable d'état, comme par exemple le remplissage 11,,, cet instant xo étant différent des temps discrets O 15 - f : une fonction non linéaire, on pourra prendre par exemple la fonction tangente hyperbolique, notée tanh - U;(9) : la jème variable temporelle discrétisée - wi,i : le premier type de paramètres ajustables correspondant à la connexion entre la jème entrée du réseau et le ième moyen 20 MCC i intermédiaire de sommation - 1<_i<_Ncc - 1<_ jNe On notera que les variables temporelles discrétisées sont produites au cours d'un cycle du moteur, c'est-à-dire pour une 25 pluralité de valeurs de l'angle O du vilebrequin 5, tandis que les signaux intermédiaires, et par la suite les variables d'état à estimer, ne sont calculées qu'une fois par cycle à l'instant xo. Lorsque i est égal à 1, alors le premier moyen MCC_1 intermédiaire de sommation élabore le signal ZI par le calcul suivant 30 Ne ZI(xo)=f Lw~J.u1(e) avec : - ZI : le premier signal intermédiaire - wl,i : premier type de paramètres ajustables correspondant à la connexion entre la jeme entrée du réseau et le premier moyen MCCl intermédiaire de sommation La couche C3 de sortie comprend un moyen MF final de sommation apte à recevoir les signaux ZI à ZNc, intermédiaires reçus, respectivement par des connexions 73, provenant respectivement des moyens MCCl à MCC_Ncc intermédiaires de sommation. En outre, le module ME _0 d'entrée émet un signal de biais constant de valeur b, transmis par une connexion 74, en direction du moyen MF final de sommation.

Le signal de biais b permet de ne pas surcharger l'étape d'initialisation en nombre d'opérations lorsque le signal de sortie ÿ(x0) et/ou les variables temporelles discrétisées U;(9) ont une valeur moyenne non nulle. Ce signal de biais b permet également de garantir que l'étape d'initialisation d'un réseau de neurones de type multicouche peut déterminer des paramètres optimaux pour estimer une variable d'état du moteur. Le moyen MF final de sommation élabore un signal ÿ(x0) par le calcul de la somme pondérée suivante : Ncc L \ i=1 (Nec 5(x0) EX, Zi(xo) +b= Ne . f Lwi,1 .u1(0) +b 0=0 // avec : - ÿ(x0) : le signal de sortie du réseau 25 de neurones, ou encore l'estimation d'une variable d'état du moteur - b : un signal constant de valeur b, appelé biais. Cette valeur b peut être ajustée - 2i : le deuxième type de paramètres ajustables correspondant à la connexion entre le ième moyen MCC_i intermédiaire de sommation et le moyen MF final de sommation Les paramètres de premier type wi,1 et de deuxième type 2i sont ajustés lors d'opérations préalables. Les opérations préalables consistent à modifier les paramètres ajustables de manière à ce que le signal de sortie approche correctement, c'est-à-dire avec une précision suffisante, une sortie mesurée correspondante. Les opérations préalables s'effectuent en trois étapes, une première étape d'apprentissage, une deuxième étape de validation et une troisième étape de test. Pour identifier le modèle, il faut des opérations préalables. L'estimation de nouveaux points repose ensuite sur ces opérations. Les réseaux 25 de neurones sont donc préalablement identifiés sur des essais réalisés au banc moteur ou sur véhicule. La première phase d'apprentissage consiste à optimiser les différents paramètres wi,1, 2 , b ajustables du réseau 25 de neurones de manière à ce que les sorties du réseau 25 de neurones, grâce à une base de données d'apprentissage, approchent correctement les mesures de la sortie concernée. Cette phase d'apprentissage peut être réalisée au moyen d'un algorithme d'optimisation de Levenberg-Marquardt. La deuxième phase de validation consiste, après la phase d'apprentissage, à sélectionner le réseau de neurones présentant la meilleure capacité de généralisation, c'est-à-dire la capacité à prédire correctement des points de mesure non utilisés pendant la phase d'apprentissage. Cette meilleure capacité de généralisation permet de sélectionner un réseau de neurones parmi l'ensemble des réseaux de neurones élaborés, par exemple en faisant varier le nombre Ncc de moyens intermédiaires de sommation.

La troisième phase de test consiste, après la phase de validation, à tester le réseau sélectionné à partir de nouvelles données différentes de celles utilisées lors des phases d'apprentissage et de validation.

On notera que le nombre Ne de modules d'entrée dépend du nombre de variables U;(9) intermédiaires discrétisées sélectionnées pour effectuer l'estimation de la variable d'état. Par ailleurs, le nombre Ncc de moyens intermédiaires de sommation est ajustable.

Lors des opérations préalables, on augmente progressivement le nombre Ncc jusqu'à ce que la complexité du réseau de neurones soit suffisante pour approximer correctement les valeurs correspondantes mesurées. De manière générale, le nombre Ncc varie de 1 à 10 suivant le variable d'état à estimer. Le nombre de dix moyens intermédiaires de sommation n'est pas limitatif. Suivant les cas il peut s'avérer nécessaire d'avoir davantage de moyens intermédiaires de sommation. On notera qu'au-delà de dix moyens intermédiaires de sommation, le réseau de neurones de type multicouche est très complexe avec des temps de calcul très longs. Le système d'estimation ainsi décrit peut utiliser un réseau de neurones par variable d'état à estimer. Un tel système peut comprendre plusieurs réseaux de neurones ayant le même nombre d'entrées, mais dont les valeurs des paramètres ajustables ainsi que le nombre de moyens intermédiaires de sommation diffèrent selon le variable d'état du moteur à estimer.

Claims (10)

1. REVENDICATIONS1. Système d'estimation d'au moins une variable d'état d'un moteur (1) à combustion interne comprenant au moins un cylindre (2), un piston mobile (3) entraîné par l'intermédiaire d'un vilebrequin (5), des moyens (20, 21) pour mesurer les variations temporelles de l'angle du vilebrequin et de la pression interne du cylindre, au moins un modèle physique (231) pour calculer une pluralité de variables temporelles intermédiaires à partir desdites mesures de l'angle du vilebrequin et de la pression interne du cylindre et à partir d'une mesure d'au moins un paramètre d'état du moteur, et un moyen (24) pour créer des tables de variables temporelles discrétisées à partir desdites variables temporelles intermédiaires, caractérisé en ce qu'il comprend un réseau (25) de neurones de type multicouche pour estimer au moins une variable d'état du moteur (1) à partir desdites tables de variables temporelles discrétisées.
2. 2. Système d'estimation selon la revendication 1, dans lequel le réseau (25) de neurones de type multicouche comprend : une couche (Cl) d'entrée qui comprend une pluralité de modules d'entrée aptes à recevoir une variable temporelle discrétisée ; une couche intermédiaire (C2) qui comprend une pluralité de moyens intermédiaires de sommation aptes à élaborer chacun un signal intermédiaire égal à une fonction non linéaire d'une somme desdites variables temporelles discrétisées pondérée par un premier type de paramètres ajustables ; et une couche de sortie (C3) qui comprend un moyen final de sommation apte à calculer une somme desdits signaux intermédiaires pondérée par un deuxième type de paramètres ajustables.
3. 3. Système selon l'une des revendications 1 et 2, dans lequel ledit moyen (24) pour créer des tables de variables temporelles discrétisées comprend : un premier moyen (50) d'échantillonnage pour échantillonner les variables temporelles intermédiaires en fonction de l'angle du vilebrequin ; un moyen (52) de sélectionner une variable échantillonnée ; et un deuxième moyen (51) d'échantillonnage paramétrable pour ré-échantillonner lesdites variables temporellesintermédiaires en fonction d'un nombre ajustable de valeurs de la variable sélectionnée.
4. 4. Système selon l'une des revendications 2 et 3, comprenant un moyen pour initialiser le réseau (25) de neurones de type multicouche par la réalisation d'opérations préalables.
5. 5. Système selon l'une des revendications 2 à 4, dans lequel le nombre de moyens intermédiaires de sommation est compris entre 1 et 10.
6. 6. Procédé d'estimation d'au moins une variable d'état d'un moteur (1) à combustion interne comprenant au moins un cylindre (2), un piston mobile (3) entraîné par l'intermédiaire d'un vilebrequin (5), comprenant : une première étape de mesure des variations temporelles de l'angle du vilebrequin et de la pression interne du cylindre ; une deuxième étape de calcul, par l'intermédiaire d'au moins un modèle physique (231), d'une pluralité de variables temporelles intermédiaires à partir desdites mesures de l'angle du vilebrequin et de la pression interne du cylindre et à partir d'une mesure d'au moins un paramètre d'état du moteur ; une troisième étape de discrétisation desdites variables temporelles intermédiaires, destinée à la création de tables de variables temporelles discrétisées, caractérisé en ce qu'il comprend une quatrième étape d'estimation, par l'intermédiaire d'un réseau (25) de neurones de type multicouche, d'au moins une variable d'état du moteur (1) à partir desdites tables de variables temporelles discrétisées.
7. 7. Procédé d'estimation selon la revendication 6, dans lequel la quatrième étape d'estimation comprend : une étape de sommation intermédiaire où l'on élabore une pluralité de signaux intermédiaires à partir d'une fonction non linéaire d'une somme desdites variables temporelles discrétisées pondérée par un premier type de paramètres ajustables ; et une étape de sommation finale où l'on calcule une somme desdits signaux intermédiaires pondérée par un deuxième type de paramètres ajustables.
8. 8. Procédé d'estimation selon l'une des revendications 6 à 7, dans lequel, lors de la troisième étape de discrétisation, onéchantillonne les variables temporelles intermédiaires en fonction de l'angle du vilebrequin, on sélectionne une variable échantillonnée et l'on ré-échantillonne les variables temporelles intermédiaires en fonction d'un nombre ajustable de valeurs de la variable sélectionnée.
9. 9. Procédé selon l'une des revendications 6 à 8, dans lequel l'étape d'estimation comprend une étape d'initialisation du réseau (25) de neurones de type multicouche par la réalisation d'opérations préalables.
10. 10. Procédé selon l'une des revendications 6 à 8, dans lequel, lors de la troisième étape de discrétisation, les valeurs de la variable sélectionnée sont choisies sur un cycle du moteur et lors de l'étape d'estimation on estime au moins une variable d'état du moteur (1) à la fin du cycle du moteur.15