JP2008516141A - 改良された排気ガスの温度推定方法及び装置並びに排気ガスの温度推定装置が装備された内燃エンジン - Google Patents
改良された排気ガスの温度推定方法及び装置並びに排気ガスの温度推定装置が装備された内燃エンジン Download PDFInfo
- Publication number
- JP2008516141A JP2008516141A JP2007535215A JP2007535215A JP2008516141A JP 2008516141 A JP2008516141 A JP 2008516141A JP 2007535215 A JP2007535215 A JP 2007535215A JP 2007535215 A JP2007535215 A JP 2007535215A JP 2008516141 A JP2008516141 A JP 2008516141A
- Authority
- JP
- Japan
- Prior art keywords
- exhaust gas
- engine
- gas temperature
- neural network
- estimator
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 56
- 238000011144 upstream manufacturing Methods 0.000 claims description 17
- 238000012805 post-processing Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012958 reprocessing Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 abstract description 38
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 12
- 238000012360 testing method Methods 0.000 description 11
- 239000000446 fuel Substances 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 7
- 239000000356 contaminant Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000008929 regeneration Effects 0.000 description 5
- 238000011069 regeneration method Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
- F02B77/00—Component parts, details or accessories, not otherwise provided for
- F02B77/08—Safety, indicating, or supervising devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
- F02B37/00—Engines characterised by provision of pumps driven at least for part of the time by exhaust
-
- 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
- F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
- F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
- F02D41/1446—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being exhaust temperatures
- F02D41/1447—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being exhaust temperatures with determination means using an estimation
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- 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
- F02D41/0002—Controlling intake air
- F02D41/0007—Controlling intake air for control of turbo-charged or super-charged engines
-
- 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
- F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
- F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
- F02D41/1446—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being exhaust temperatures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/12—Improving ICE efficiencies
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
- Exhaust Gas After Treatment (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本発明は、エンジン（１）の排気ガスの温度推定方法において、ニューラル ネットワーク（１７）を有する推定機（１５）が使用され、ニューラル ネットワーク（１７）に、ニューラル ネットワーク（１７）の出力において利用可能な１または複数の値を、ニューラル ネットワーク（１７）の入力へ直接または間接的に戻すフィードバックループが設けられたことを特徴とする、エンジンの排気ガスの温度推定方法に関する。また本発明は、排気ガスの温度推定装置と、排気ガスの温度推定装置が装備された自動車にも関する。
Description
本発明は内燃エンジンの制御の分野に関し、特に、内燃エンジンの排気マニホールドの下流に装着された排気装置に関する。
特に本発明は、排気ガスの温度推定方法及び装置、並びに排気ガスの温度推定装置が装備された内燃エンジンおよび自動車に関する。
一般に、自動車の汚染ガスの排出を処理するために、排気ガスの後処理装置が、エンジンの排気ラインに設けられる。
これらの装置は、一酸化炭素、不燃焼炭化水素、粒子状物質および窒素酸化物の排出を減少させるためのものである。
これらの装置のあるものは、汚染物質蓄積フェーズと、トラップ再生フェーズ（蓄積された汚染物質の非汚染物質への変換フェーズ）とを交互に繰り返すという意味において、断続的あるいは交互に作動する。
全ての汚染物質の処理を最適化するためには、これらの汚染物質蓄積フェーズとトラップ再生フェーズをできるだけ正確に制御する必要がある。汚染物質蓄積フェーズ中に捕捉される質量（すなわち、粒子フィルタの場合には粒子状物質の質量、窒素酸化物トラップの場合には窒素酸化物の質量）を推定することが特に必要である。
同様に、再生フェーズ中に変換される質量を決定する必要がある。
汚染物質蓄積フェーズとトラップ再生フェーズとの少なくとも一方の間における質量の変化は、これらのトラップの支持体の温度と、トラップを通過する排気ガスの温度に直接依存する。したがって、これらのトラップへ流入する排気ガスの温度を、制御しなとしても、知ることが企てられている。
また、エンジンおよびエンジンの操作モードの複雑さが増加し、より複雑な電子制御手段、したがって、多数の測定および推定手段が必要になってきている。しかしながら、多くの物理量は、直接には測定不可能であり、必要なセンサは高価であり過ぎて不適当である。
トラップの再生を制御し、エンジン自身を制御するためには、エンジンの排気ガスの温度を知ることが必要である。したがって、エンジンの過給機のタービンの下流に配置された後処理装置へ流入する排気ガスの温度を正確に推定することは特に有益である。
排気ガスの物理的処理と化学的処理との少なくとも一方のための装置の上流における排気ガスの温度を知るために、今日では、温度センサ、または車載コンピュータによって実行するための温度推定モデルが用いられている。
しかしながら、排気ラインの中に配置されたセンサの使用には、いくつかの問題がある。
センサの精度は、作動範囲に逆比例する。すなわち、測定温度の範囲が広いほど、測定値の精度は低い。また、この精度は、センサの熱による劣化、またはセンサの汚れによって悪化する。
さらに、センサの使用費用は高価であることが分かっている。センサの使用費用としては、センサに固有の費用と、コンピュータの入力ポートおよびソフトウエアのドライバーへの接続の費用を合算する必要があるからである。
さらに、センサの作動状態を診断する適当な手段を設ける必要がある。
温度推定モデルの使用にも問題がある。これらのモデルは、一般に定常状態においては信頼性があるが、非定常状態においては劣っている。さらに、これらのモデルに必要な多くのパラメータ（物理的なパラメータ、状態の変数）は、エンジンにおいて確認または測定することが困難である。
さらに、これらのモデルは多くの場合、計算負荷すなわちエンジンの電子制御計算機に組み込むメモリリソースが大きすぎる。
提案されている他の方法は、半導体ニューラル ネットワーク（ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を使用して、排気ガスの温度を推定することからなる。これについては、２００３年１２月１９日に出願された本出願人のＦＲ ０３ １５１１２を参照することができる。
しかしながら、この文献に記載された方法は、システムの記録を部分的にしか考慮に入れることを可能にしない。したがって、定常状態と非定常状態における温度についてなされる推定は、不正確である。
ＦＲ ０３ １５１１２
本発明は、排気ガスの温度、特に、排気ガスの物理的処理と化学的処理との少なくとも一方のための装置の上流における、排気ガスの温度の推定を改善することを目的とする。
上記目的を達成するため、本発明は、エンジンの排気ガスの温度推定方法において、ニューラル ネットワークを有する推定機が使用され、上記ニューラル ネットワークに、上記ニューラル ネットワークの出力において利用可能な１または複数の値を、上記ニューラル ネットワークの入力へ直接または間接的に戻すフィードバックループが設けられたことを特徴とする、エンジンの排気ガスの温度推定方法を提供する。
本発明の、望ましいが、非限定的な特徴は以下のとおりである：
−上記推定機の入力に、上記エンジンの排気ラインに配置されたタービンの上流における排気ガスの温度に関するデータが供給され、上記推定機は、上記タービンの下流における上記排気ガスの温度の推定値を出力として供給し；
−上記方法は、上記ニューラル ネットワークによって作られた上記排気ガスの温度の上記推定値に後処理を施し；
−上記方法は、後処理モジュールの出力において使用可能な上記温度の上記推定値のフィードバックを行い；
−上記方法は、既知の物理方程式に基づく計算を実行することによって、上記推定機の１または複数の入力変数の処理を実行することができ；
−上記方法は、上記ニューラル ネットワークの上記入力へフィードバックされる前に、上記ニューラル ネットワークの上記出力における、間接的にフィードバックする幾つかの量の再処理を実行することができ；
−上記方法は、関係する動作領域を表すデータベースを使用する、上記推定機の先行する学習ステップを含むことができる。
−上記推定機の入力に、上記エンジンの排気ラインに配置されたタービンの上流における排気ガスの温度に関するデータが供給され、上記推定機は、上記タービンの下流における上記排気ガスの温度の推定値を出力として供給し；
−上記方法は、上記ニューラル ネットワークによって作られた上記排気ガスの温度の上記推定値に後処理を施し；
−上記方法は、後処理モジュールの出力において使用可能な上記温度の上記推定値のフィードバックを行い；
−上記方法は、既知の物理方程式に基づく計算を実行することによって、上記推定機の１または複数の入力変数の処理を実行することができ；
−上記方法は、上記ニューラル ネットワークの上記入力へフィードバックされる前に、上記ニューラル ネットワークの上記出力における、間接的にフィードバックする幾つかの量の再処理を実行することができ；
−上記方法は、関係する動作領域を表すデータベースを使用する、上記推定機の先行する学習ステップを含むことができる。
他の特徴によれば、本発明は、エンジンの排気ガスの温度推定装置において、ニューラル ネットワークを有する推定機を含み、上記ニューラル ネットワークに、上記ニューラル ネットワークの出力において利用可能な１または複数の値を、上記ニューラル ネットワークの入力へ直接または間接的に戻すフィードバックループが設けられたことを特徴とする、エンジンの排気ガスの温度推定装置に関する。
更に他の特徴によれば、本発明は、エンジンの排気ガスの温度推定装置が装備された内燃エンジンと自動車に関する。
本発明のその他の特徴、目的及び利点は、非限定的な例として示され、添付図面を参照する、本発明の望ましい実施の形態の以下の詳細な説明を読むことによって明らかとなるであろう。これらの図面において：
−図１は、本発明の１特徴による内燃エンジンの模式図であり；
−図２は、本発明の１特徴による排気ガスの温度の推定機の模式図であり；
−図３は、本発明の１特徴による排気ガスの温度の推定方法のステップを示す流れ図である。
−図１は、本発明の１特徴による内燃エンジンの模式図であり；
−図２は、本発明の１特徴による排気ガスの温度の推定機の模式図であり；
−図３は、本発明の１特徴による排気ガスの温度の推定方法のステップを示す流れ図である。
図１には、本発明の理解に必要な部品のみが示されている。内燃型のエンジン１は、自動車に搭載するためのものである。エンジン１は、例えば、直列の４シリンダを有し、燃料直接噴射型の、過給機によって過給される、ディーゼルエンジンである。エンジン１は、空気供給のための吸気回路２と、エンジン制御用のコンピュータ３と、加圧燃料回路４と、排気ライン５を含む。加圧燃料回路４からシリンダの中への燃料の噴射は、燃焼室へ向かって開口し、コンピュータ３によって制御される噴射機（図示しない）によって実行される。
エンジン１の出口において、排気ライン５へ排出される排気ガスは、１または複数の後処置装置６（例えば、粒子状物質フィルタ、窒素酸化物フィルタ）を通過する。過給機７は、吸気回路２に配置されたコンプレッサと、排気ライン５に配置されたタービンを含む。吸気回路２は、コンプレッサとエンジン１との間に、コンプレッサの出口における加圧空気を冷却して空気密度を増加させるための熱交換器８と、コンピュータ３によって制御される吸気弁９と、コンピュータ３へ接続された圧力センサ１０を有する。
排気ライン５は、エンジン１の出口における過給機７のタービンの上流に、タービンの上流の排気ガスの温度に関するデータを供給するための手段３０を更に含む。この手段３０は、例えば、温度測定プローブまたは、タービンの上流の排気ガスの温度の推定値を供給するために設けられた推定機からなる。
また、エンジン１は、バルブ１２が装着された排気リサイクル回路１１を含む。バルブ１２の開口は、コンピュータ３によって制御され、これによって、排気ガスが吸気回路２の中へ再導入される。空気流量計１３が、過給機７のコンプレッサの上流の吸気回路２に設けられ、エンジンへの吸入空気流量に関するデータを、コンピュータ３へ供給する。例えば圧力または温度センサであるセンサ１４も設けることができる。
コンピュータ３は、従来と同様に、マイクロプロセッサまたはＣＰＵ（中央処理ユニット）、記録領域、アナログ−ディジタル変換機、および様々な入出力インタフェースを含む。コンピュータのマイクロプロセッサは、様々なセンサからの信号を処理し、そこからエンジンの状態を決定し、例えば噴射機のような様々な制御アクチュエータの適当な制御信号を発生するための、電子回路と適当なソフトウエアを含む。
コンピュータ３は、様々なセンサによって発生されるデータ、特に吸入空気の質量、エンジンの回転数、所望の燃料消費と性能レベルに達することを可能にする記録された較正値から、加圧燃料回路４における燃料の圧力と、噴射機の開口を制御する。
コンピュータ３は、更に、後処理装置の上流の排気ガスの温度の推定値を作るために設けられたニューラル ネットワーク（ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を有する推定機１５を有する。
簡単化と、多くのリソース、特に計算とメモリのリソースの共有のために、推定機１５をコンピュータ３の中に有することが特に有利である。
図２に示すように推定機１５は、前処理モジュール１６と、ニューラル ネットワーク１７と、後処理モジュール１８を含む。また、推定機１５は、ニューラル ネットワークの１または複数の変数を、ニューラル ネットワークの入力へ戻すための、フィードバックループを有する。
更に、推定機１５は、例えば手段３０（図１）から供給されるような、タービンの上流の排気ガスの温度に関するデータのための入力を有する。
また、推定機１５は、例えば下記のような、エンジンの状態を表す物理的な量に関する１または複数のその他の入力も含むことができる：
−排気ガスの流量、
−タービンの上流の排気ガスの圧力、
−タービンの下流の排気ガスの背圧、
−過給機のフィンの位置、
−自動車の速度、
−外気温度、
−排気ガスリサイクルバルブの位置、
−コンプレッサ、熱交換器および吸気弁の下流に配置された圧力センサによって測定される過給圧力、
−吸気回路内の空気の温度。
−排気ガスの流量、
−タービンの上流の排気ガスの圧力、
−タービンの下流の排気ガスの背圧、
−過給機のフィンの位置、
−自動車の速度、
−外気温度、
−排気ガスリサイクルバルブの位置、
−コンプレッサ、熱交換器および吸気弁の下流に配置された圧力センサによって測定される過給圧力、
−吸気回路内の空気の温度。
また、推定機１５は、エンジンの回転数と、燃料の流量と、空気の流量を入力に受けることができる。
ニューラル ネットワーク１７は、パラメータ（重み（ｗｅｉｇｈｔ）、バイアス（ｂｉａｓ））と活性化関数とによって定義される、多数のニューロン（ｎｅｕｒｏｎｓ）から構成される。１つのニューロンの出力ｓは；
ｓ＝Ｆ（ｅ１・ｗ１＋ｅ２・ｗ２＋…＋ｅｎ・ｗｎ＋ｂ）
（ここに、Ｆはニューロン活性化関数、ｗ１，ｗ２，…ｗｎは重み、ｂはバイアスである。）によって、ニューロンの入力（ｅ１，ｅ２，…ｅｎ）へ接続される。
ｓ＝Ｆ（ｅ１・ｗ１＋ｅ２・ｗ２＋…＋ｅｎ・ｗｎ＋ｂ）
（ここに、Ｆはニューロン活性化関数、ｗ１，ｗ２，…ｗｎは重み、ｂはバイアスである。）によって、ニューロンの入力（ｅ１，ｅ２，…ｅｎ）へ接続される。
ニューラル ネットワークの中のニューロンの数、様々ニューロンの重みとバイアスの値は、後に詳細に説明する、特に学習フェーズの間に決定される較正可能なパラメータである。
前処理モジュール１６は、既知の物理方程式に基づく計算を実行することによって、推定機の１または複数の入力の変数を処理することを可能にする。特に、前処理モジュール１６は、幾つかの入力変数から、コンピュータ３の入力に存在しない、それぞれ１または複数の、測定可能または測定可能でない、物理量を表す、１または複数の変数α１、α２を計算することによって、ニューラル ネットワーク１７の入力の数を減らすことを可能にする。また、前処理モジュール１６は、異常な値をとる幾つかの入力をフィルタすることを可能にする。
ニューラル ネットワーク１７は、所望の温度の推定に関する出力チャネルと、直接または間接的にニューラル ネットワーク１７の入力へフィードバックするための、測定不可能な状態の量に関する１または複数のその他の出力チャネルを有する。
後処理モジュール１８は、推定機の出力として推定温度の信号Ｓをコンピュータ３へ発信するために、ニューラル ネットワーク１７の出力において利用可能な温度の推定値を処理することを可能にする。この処理は、例えば、異常なデータが入力へ戻ることを制限することによって、推定機をロバスト（ｒｏｂｕｓｔ（堅固））にすることを可能にするフィルタリングである。
先に述べたように、ニューラル ネットワークの１または複数の出力変数は、フィードバックループを辿ってニューラル ネットワークの入力へ戻される。
ニューラル ネットワークの幾つかの出力変数は、ニューラル ネットワークの入力へ戻される前に処理される（例えば、フィルタされるか、遅延されるか、あるいは後処理モジュールの中の他の入力と組み合わされる）。
図２は、ニューラル ネットワーク１７の出力において利用可能な状態変数β１、β２、β３（測定不能で、学習フェーズにおいてのみ知られる）が、ニューラル ネットワーク１７の入力へ戻される場合を示す。
また図２には、後処理モジュール１８の出力において利用可能な（且つ、その値が学習フェーズにおいて可測の）推定機の出力Ｓ（すなわち、排気ラインに配置されたタービンの下流の温度の推定値）が、一方では、ニューラル ネットワーク１７の入力へ直接戻され、他方では、ニューラル ネットワーク１７の入力へ遅延（遅延器が記号Ｚ−１によって図示されている）された後に戻される場合が示されている。
ニューラル ネットワークの１または複数の出力変数のこのようなフィードバックを実行することによって、ニューラル ネットワークは、その推定関数の入力として、同じ推定関数によって先行する計算ステップにおいて予想され、学習フェーズにおいて測定されたか、または測定されなかった１または複数の値を使用する。
このようなフィードバックループは、極めて動的な現象を考慮に入れることを可能にするという利点を有する。
ニューラル ネットワークにおける非線形活性化関数の使用は、非線形な現象を考慮に入れることも可能にする。
ニューラル ネットワーク１７は、このように、回帰的または動的であると称することができ、この点において先に言及したフランス国特許出願ＦＲ ０３ １５１１２に記載された静的なネットワークの方法と異なる。
推定機１５は、タービンの下流で、後処理装置の上流の温度の推定値を最終的に得ることを可能にする。したがって、推定機は、入力としてタービンの上流における温度に関する情報と、場合によっては１または複数の、特に物理的な値に関するその他の情報を使用して、出力として所望の温度の推定値を供給する、変換関数（ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）を使用するとみなすことができる。
以下の説明は、推定機１５の設計および学習に関する。
推定機が準備され、例えばエンジンの電子管理ソフトウエアの中へ導入されたら、特にニューロンの数を決定し、パラメータ（重み、バイアス）を較正することによって、ニューラル ネットワークを選択する必要がある。
ニューラル ネットワークの学習は、自動車について集められたデータに基づいて、コンピュータ上で実行することができる。
ニューラル ネットワークは、特にデータベース１９を使用する、学習アルゴリズム方法による学習の対象になる。
データベース１９は、自動車の実際の走行テストの結果から得ることができる。このテストは、変速機の様々なギヤ比を使用し、さまざまな加速と減速に関して行われる。テストの全ての条件は、自動車の正常な作動状態を表すように選ばれる。さらに、走行テストから得られたデータベースは、学習データベースを形成するデータベース１９のサイズを小さくするように、学習データベースとテストデータベースとに分割することができる。学習フェーズの際に決定されたパラメータ（すなわち較正値）は、コンピュータ３のメモリに記録することができる。あるいは、データベース１９は、自動車の初期化作業の際、または整備作業の際に使用される、その自動車のものとは別のものでもよい。
図３に、ニューラル ネットワークを有する推定機の設計および学習ステップを示す。
ステップ２０においては、データベース１９へ入れるデータを生成することを可能にするテストが実行され（図２のデータベース１９へ向かう矢印を参照）、このデータは、関係する動作領域を表す。推定機の入力と出力の変化範囲（または少なくともその一部分）を代表的にスキャンすることが実際に重要である。
例えば、異常な点を削除するため、冗長な点を削除するため、データを再同期するため、またはフィルタするために、信号処理によってデータを整える。
ステップ２１においては、テストデータベースと学習データベースを形成するために、データは２つの部分に分割される。ステップ２２においては、前処理モジュール１６によって実行されるべき処理が決定され、ニューラル ネットワーク１７は、学習データベースに基づいて学習を実行する。ステップ２３においては、１または複数の確認基準を用い、テストデータベースと学習データベースに基づいて性能がテストされる。ステップ２４においては、ニューラル ネットワーク１７の選択が実行され、ステップ２５においては、自動車に関する性能とテストの特性記述が実行される。
図２におけるデータベース１９から出る矢印は、推定機１５の学習と確認のためにデータベース１９が使用される経路を表す。
ステップ２３とステップ２４の間に、場合によってはニューロンの数、入力、出力、ネットワークの分割数、１または複数のニューラル ネットワーク１７の構造、学習のタイプ、最適化の規準、等に関する変更を伴う幾つかの回数の繰り返しを実行するために、ステップ２２の上流へ遡行することを可能にするフィードバックループ２６を設けることができる。
この繰り返しプロセス（フィードバックループ２６）は、より少ないコスト（入力の数、計算の回数、テストの回数および困難性、等の点で）で、所望（精度とロバストネス（ｒｏｂｕｓｔｎｅｓｓ（堅固性））について）の推定値を得ることを可能にする。
ステップ２４とステップ２５の間に、ステップ２０において生成されたデータが不十分であることが明らかとなったときの、フィードバックループ２７を設けることができる。この場合、前に得られたデータを置き換えるか、充分な数の測定点を設定するために前に得られたデータを補足するのに必要な、新しいデータを生成するために、ステップ２０が繰り返される。
例えば、学習データベースの中に５０００測定点を設けることができる。
テストのステップ２３の際に、最も正確な推定を可能にするパラメータのセットを選択するための選択基準を設けることができる（例えば、誤差が５０℃以上の点を削除し、５℃に近い平均誤差を探求し、あるいは、小さいスライド平均誤差を探求することによって）。
最後に、排気ガスの温度推定のための本発明の使用は、コンピュータのリソース（計算の負荷、必要なメモリ）を僅かしか使用せず、限られた数のパラメータを使用し、したがって容易に実行可能である。
更に、学習のために使用可能なデータベースが、後の動作状態の全てを表すのに充分になると、直ちに、タービンの出口または後処理装置の上流における排気ガスの温度が良好な精度（数度内の）で、定常状態にあるか非定常状態にあるかに係わらず、推定可能になる。
Claims (14)
- エンジン（１）の排気ガスの温度推定方法において、ニューラル ネットワーク（１７）を有する推定機（１５）が使用され、上記ニューラル ネットワーク（１７）に、上記ニューラル ネットワーク（１７）の出力において利用可能な１または複数の値を、上記ニューラル ネットワーク（１７）の入力へ直接または間接的に戻すフィードバックループが設けられたことを特徴とする、エンジンの排気ガスの温度推定方法。
- 上記推定機（１５）の入力に、上記エンジンの排気ライン（５）に配置されたタービン（７）の上流における排気ガスの温度に関するデータが供給され、上記推定機（１５）は、上記タービンの下流における上記排気ガスの温度の推定値を出力として供給することを特徴とする、請求項１に記載のエンジンの排気ガスの温度推定方法。
- 上記ニューラル ネットワーク（１７）によって作られた上記排気ガスの温度の上記推定値に後処理を施すことを特徴とする、請求項１または２に記載のエンジンの排気ガスの温度推定方法。
- 後処理モジュールの出力において使用可能な上記温度の上記推定値のフィードバックを行うことを特徴とする、請求項３に記載のエンジンの排気ガスの温度推定方法。
- 既知の物理方程式に基づく計算を実行することによって、上記推定機（１５）の１または複数の入力変数の処理を実行することを特徴とする、請求項１〜４のいずれか１つに記載のエンジンの排気ガスの温度推定方法。
- 上記ニューラル ネットワークの上記入力へフィードバックされる前に、上記ニューラル ネットワークの上記出力における、間接的にフィードバックする幾つかの量の再処理を実行することを特徴とする、請求項１〜５のいずれか１つに記載のエンジンの排気ガスの温度推定方法。
- 関係する動作領域を表すデータベース（１９）を使用する、上記推定機の先行する学習ステップを含むことを特徴とする、請求項１〜６のいずれか１つに記載のエンジンの排気ガスの温度推定方法。
- エンジン（１）の排気ガスの温度推定装置において、ニューラル ネットワーク（１７）を有する推定機（１５）を含み、上記ニューラル ネットワーク（１７）に、上記ニューラル ネットワーク（１７）の出力において利用可能な１または複数の値を、上記ニューラル ネットワーク（１７）の入力へ直接または間接的に戻すフィードバックループが設けられたことを特徴とする、エンジンの排気ガスの温度推定装置。
- 上記推定機（１５）は、上記エンジンの排気ライン（５）に配置されたタービン（７）の上流における排気ガスの温度に関するデータを受けるための入力を有し、上記推定機（１５）は、上記タービンの下流における上記排気ガスの温度の推定値を出力として供給することを特徴とする、請求項８に記載のエンジンの排気ガスの温度推定装置。
- 上記推定機（１５）は、上記ニューラル ネットワーク（１７）の下流に配置され、上記ニューラル ネットワーク（１７）によって作られた上記排気ガスの温度の上記推定値を処理することが可能な、後処理モジュール（１８）を含むことを特徴とする、請求項８または９に記載のエンジンの排気ガスの温度推定装置。
- 上記後処理モジュールの出力において使用可能な、上記温度の上記推定値（Ｓ）のフィードバックループを含むことを特徴とする、請求項１０に記載のエンジンの排気ガスの温度推定装置。
- 上記推定機（１５）は、上記ニューラル ネットワーク（１７）の上流に配置され、既知の物理方程式に基づく計算を実行することによって、上記推定機（１５）の１または複数の入力変数の処理を実行することが可能な、前処理モジュール（１６）を含むことを特徴とする、請求項８〜１１のいずれか１つに記載のエンジンの排気ガスの温度推定装置。
- 請求項８〜１２のいずれか１つに記載のエンジンの排気ガスの温度推定装置を含むことを特徴とする内燃エンジン（１）。
- 請求項８〜１２のいずれか１つに記載のエンジンの排気ガスの温度推定装置を含むことを特徴とする自動車。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0410523A FR2876152B1 (fr) | 2004-10-06 | 2004-10-06 | Procede et systeme ameliores d'estimation d'une temperature des gaz d'echappement et moteur a combustion interne equipe d'un tel systeme |
| PCT/FR2005/050811 WO2006037926A1 (fr) | 2004-10-06 | 2005-10-05 | Procede et systeme ameliores d'estimation d'une temperature des gaz d'echappement et moteur a combustion interne equipe d'un tel systeme |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008516141A true JP2008516141A (ja) | 2008-05-15 |
Family
ID=34949911
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007535215A Withdrawn JP2008516141A (ja) | 2004-10-06 | 2005-10-05 | 改良された排気ガスの温度推定方法及び装置並びに排気ガスの温度推定装置が装備された内燃エンジン |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US7664593B2 (ja) |
| EP (1) | EP1799983B1 (ja) |
| JP (1) | JP2008516141A (ja) |
| KR (1) | KR20070061568A (ja) |
| AT (1) | ATE390545T1 (ja) |
| DE (1) | DE602005005708T2 (ja) |
| FR (1) | FR2876152B1 (ja) |
| WO (1) | WO2006037926A1 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8855894B2 (en) * | 2008-11-04 | 2014-10-07 | GM Global Technology Operations LLC | Exhaust temperature and pressure modeling systems and methods |
| EP2246755A1 (de) * | 2009-04-22 | 2010-11-03 | Powitec Intelligent Technologies GmbH | Regelkreis |
| US8727744B2 (en) | 2010-02-26 | 2014-05-20 | Entegris, Inc. | Method and system for optimizing operation of a pump |
| US20120078567A1 (en) * | 2010-09-24 | 2012-03-29 | General Electric Company | Combustion reference temperature estimation |
| US8857157B2 (en) | 2010-08-30 | 2014-10-14 | GM Global Technology Operations LLC | Temperature estimation systems and methods |
| US9416741B2 (en) | 2014-11-24 | 2016-08-16 | GM Global Technology Operations LLC | Exhaust system component input pressure estimation systems and methods |
| WO2018094929A1 (zh) * | 2016-11-24 | 2018-05-31 | 华为技术有限公司 | 一种估算温度的方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0828358A (ja) * | 1994-07-19 | 1996-01-30 | Yamaha Motor Co Ltd | 内燃機関用気化器の空燃比推定装置および空燃比制御装置 |
| JPH0874627A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JPH0874626A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JPH0874635A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JP2003328837A (ja) * | 2002-05-15 | 2003-11-19 | Caterpillar Inc | カスケード式ニューラルネットワークを用いたエンジン制御システム |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2031765C (en) * | 1989-12-08 | 1996-02-20 | Masahide Nomura | Method and system for performing control conforming with characteristics of controlled system |
| SE509805C2 (sv) * | 1994-08-11 | 1999-03-08 | Mecel Ab | Metod och system för reglering av förbränningsmotorer |
| US5832421A (en) * | 1996-12-13 | 1998-11-03 | Siemens Corporate Research, Inc. | Method for blade temperature estimation in a steam turbine |
| US6405122B1 (en) * | 1997-10-14 | 2002-06-11 | Yamaha Hatsudoki Kabushiki Kaisha | Method and apparatus for estimating data for engine control |
| US6067800A (en) * | 1999-01-26 | 2000-05-30 | Ford Global Technologies, Inc. | Control method for a variable geometry turbocharger in a diesel engine having exhaust gas recirculation |
| DE19914910A1 (de) * | 1999-04-01 | 2000-10-26 | Bayerische Motoren Werke Ag | Hybridmodell zur Modellierung eines Gesamtprozesses in einem Fahrzeug |
| US6401457B1 (en) * | 2001-01-31 | 2002-06-11 | Cummins, Inc. | System for estimating turbocharger compressor outlet temperature |
| DE10203920A1 (de) * | 2002-01-31 | 2003-09-04 | Bayerische Motoren Werke Ag | Verfahren zur Bestimmung der Abgastemperatur einer Brennkraftmaschine mit neuronalen Netzen |
| US6687597B2 (en) * | 2002-03-28 | 2004-02-03 | Saskatchewan Research Council | Neural control system and method for alternatively fueled engines |
| US7216071B2 (en) * | 2002-04-23 | 2007-05-08 | United Technologies Corporation | Hybrid gas turbine engine state variable model |
| US6882929B2 (en) * | 2002-05-15 | 2005-04-19 | Caterpillar Inc | NOx emission-control system using a virtual sensor |
-
2004
- 2004-10-06 FR FR0410523A patent/FR2876152B1/fr active Active
-
2005
- 2005-10-05 JP JP2007535215A patent/JP2008516141A/ja not_active Withdrawn
- 2005-10-05 KR KR1020077009793A patent/KR20070061568A/ko active IP Right Grant
- 2005-10-05 US US11/576,695 patent/US7664593B2/en not_active Expired - Fee Related
- 2005-10-05 EP EP05810701A patent/EP1799983B1/fr not_active Not-in-force
- 2005-10-05 WO PCT/FR2005/050811 patent/WO2006037926A1/fr active IP Right Grant
- 2005-10-05 DE DE602005005708T patent/DE602005005708T2/de active Active
- 2005-10-05 AT AT05810701T patent/ATE390545T1/de not_active IP Right Cessation
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0828358A (ja) * | 1994-07-19 | 1996-01-30 | Yamaha Motor Co Ltd | 内燃機関用気化器の空燃比推定装置および空燃比制御装置 |
| JPH0874627A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JPH0874626A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JPH0874635A (ja) * | 1994-09-01 | 1996-03-19 | Matsushita Electric Ind Co Ltd | 空燃比制御装置 |
| JP2003328837A (ja) * | 2002-05-15 | 2003-11-19 | Caterpillar Inc | カスケード式ニューラルネットワークを用いたエンジン制御システム |
Also Published As
| Publication number | Publication date |
|---|---|
| DE602005005708D1 (de) | 2008-05-08 |
| EP1799983A1 (fr) | 2007-06-27 |
| US7664593B2 (en) | 2010-02-16 |
| ATE390545T1 (de) | 2008-04-15 |
| US20080082289A1 (en) | 2008-04-03 |
| FR2876152B1 (fr) | 2006-12-15 |
| FR2876152A1 (fr) | 2006-04-07 |
| WO2006037926A1 (fr) | 2006-04-13 |
| DE602005005708T2 (de) | 2009-04-16 |
| EP1799983B1 (fr) | 2008-03-26 |
| KR20070061568A (ko) | 2007-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635976B2 (en) | Machine learning system for estimating a temperature of an exhaust purification catalyst | |
| CN111120059B (zh) | 用于监控颗粒过滤器的功能的方法和控制装置 | |
| EP1705353B1 (en) | Method and device for estimating the inlet air flow in a combustion chamber of a cylinder of an internal combustion engine | |
| US10991174B2 (en) | Machine learning device of amount of unburned fuel, machine learning method, learned model, electronic control unit, method of production of electronic control unit, and machine learning system | |
| US7188512B1 (en) | Apparatus, system, and method for calibrating a particulate production estimate | |
| JP2008516141A (ja) | 改良された排気ガスの温度推定方法及び装置並びに排気ガスの温度推定装置が装備された内燃エンジン | |
| US20100018186A1 (en) | Fault detection system for pm trapper | |
| CN111016920A (zh) | 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型和机器学习系统 | |
| US20140109570A1 (en) | Control device and method for air system of diesel engine | |
| CN111022206A (zh) | 车辆用驱动装置的控制装置及控制方法、车载电子控制单元、已学习模型、机器学习系统 | |
| CN101292081A (zh) | 用于内燃机的排气净化设备 | |
| Fischer | Transient NOx estimation using artificial neural networks | |
| Sediako et al. | Heavy duty diesel engine modeling with layered artificial neural network structures | |
| Ekinci et al. | Model based diagnosis of oxygen sensors | |
| Betta et al. | ANN-based sensor fault accommodation techniques | |
| FR2898936A1 (fr) | Procede d'estimation de la richesse d'un melange air/carburant | |
| US11840974B2 (en) | Intelligent mass air flow (MAF) prediction system with neural network | |
| Pachner et al. | Comparison of Sensor Sets for Real-Time EGR Flow Estimation | |
| Antory | Fault diagnosis application in an automotive diesel engine using auto-associative neural networks | |
| FR2901840A1 (fr) | Procede et systeme de controle d'un dispositif de post-traitement des gaz d'echappement | |
| US20220351022A1 (en) | Method and Arrangement for Predicting Engine Out Nitrogen Oxides (EONOx) using a Neural Network | |
| US20240044275A1 (en) | Verfahren zur diagnose eines partikelfilters für einen verbrennungsmotor | |
| JP2005337040A (ja) | 内燃機関の排気浄化装置 | |
| FR2893983A1 (fr) | Procede et systeme d'estimation d'une temperature des gaz d'echappement et moteur a combustion interne equipe d'un tel systeme | |
| FR2893982A1 (fr) | Procede et systeme d'estimation d'une temperature des gaz d'echappement en interne d'un systeme de post traitement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20081003 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20101006 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20101104 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101130 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110223 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110302 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20111122 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120301 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20120308 |
|
| A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20120518 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20121009 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20121012 |
|
| A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20130204 |