JP2022032827A - エンジンモデル構築方法、プログラム、および装置 - Google Patents
エンジンモデル構築方法、プログラム、および装置 Download PDFInfo
- Publication number
- JP2022032827A JP2022032827A JP2020137059A JP2020137059A JP2022032827A JP 2022032827 A JP2022032827 A JP 2022032827A JP 2020137059 A JP2020137059 A JP 2020137059A JP 2020137059 A JP2020137059 A JP 2020137059A JP 2022032827 A JP2022032827 A JP 2022032827A
- Authority
- JP
- Japan
- Prior art keywords
- engine
- engine model
- test pattern
- test
- model
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 81
- 238000012360 testing method Methods 0.000 claims abstract description 162
- 230000008859 change Effects 0.000 claims abstract description 46
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 73
- 230000008569 process Effects 0.000 claims description 69
- 238000012937 correction Methods 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000006403 short-term memory Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 13
- 230000004044 response Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 28
- 238000013461 design Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/41855—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication by local area network [LAN], network structure
-
- 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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3676—Test management for coverage analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3692—Test management for test results analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—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
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
- F02D41/2425—Particular ways of programming the data
- F02D41/2429—Methods of calibrating or learning
- F02D41/2477—Methods of calibrating or learning characterised by the method used for learning
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Testing Of Engines (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
[構築装置100の機能構成]
まず、本願の開示するエンジンモデル構築方法を実施する構築装置100の機能構成について説明する。図1は、実施例1にかかる構築装置100の機能構成を示す機能ブロック図である。図1に示すように、構築装置100は、通信部110、記憶部120、および制御部130を有する。
次に、実施例1にかかるエンジンモデル構築処理の流れを説明する。図9は、実施例1にかかるエンジンモデル構築処理の流れを示すフローチャートである。
上述したように、構築装置100は、エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成し、操作変数の取りうる第1の空間の第1の網羅率と操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて試験パターンを修正し、修正された試験パターンによるエンジン試験を実施して操作変数の操作量と操作変数に対する被制御量との時系列データを取得し、修正された試験パターンを入力、および時系列データを正解とする教師データを機械学習してエンジンモデルを構築する。
上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更できる。また、実施例で説明した具体例、分布、数値などは、あくまで一例であり、任意に変更できる。
上述した構築装置100のハードウェア構成について説明する。図10は、ハードウェア構成例を示す図である。図10に示すように、構築装置100は、通信部100a、HDD(Hard Disk Drive)100b、メモリ100c、およびプロセッサ100dを有する。また、図10に示した各部は、バスなどで相互に接続される。
さて、これまで本発明の実施例について説明したが、本発明は上述した実施例以外にも、種々の異なる形態および構成にて実施されてよいものである。例えば、構築装置100は、以下で説明する構成であってもよい。
エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成し、
操作変数の取りうる第1の空間の第1の網羅率と操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて試験パターンを修正し、
修正された試験パターンによるエンジン試験を実施して操作変数の操作量と操作変数に対する被制御量との時系列データを取得し、
修正された試験パターンを入力、および時系列データを正解とする教師データを機械学習してエンジンモデルを構築する
処理を実行することを特徴とするエンジンモデル構築方法。
エンジンモデルを用いてエンジンモデルのモデルパラメータをキャリブレーションするための物理法則に基づく数式を用いて第2のエンジンモデルを作成する
処理をさらに実行することを特徴とする付記3に記載のエンジンモデル構築方法。
エンジンモデルを線形化し、第2のエンジンモデルを作成する
処理をさらに実行することを特徴とする付記1に記載のエンジンモデル構築方法。
エンジンモデルを用いて被制御量を予測する第2のコンピュータに、第2のエンジンモデルを送信する
処理をさらに実行することを特徴とする付記4または5に記載のエンジンモデル構築方法。
第1の空間から、操作変数のとってはいけない領域を除外する処理と、
第2の空間から、変化速度値のとってはいけない領域を除外する処理と
の少なくとも1つの処理をさらに実行することを特徴とする付記1に記載のエンジンモデル構築方法。
空気過剰率に基づいて試験パターンを修正する
処理をさらに実行することを特徴とする付記1に記載のエンジンモデル構築方法。
エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成し、
操作変数の取りうる第1の空間の第1の網羅率と操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて試験パターンを修正し、
修正された試験パターンによるエンジン試験を実施して操作変数の操作量と操作変数に対する被制御量との時系列データを取得し、
修正された試験パターンを入力、および時系列データを正解とする教師データを機械学習してエンジンモデルを構築する
処理を実行させることを特徴とするプログラム。
エンジンモデルを用いてエンジンモデルのモデルパラメータをキャリブレーションするための物理法則に基づく数式を用いて第2のエンジンモデルを作成する
処理をさらに実行させることを特徴とする付記11に記載のプログラム。
エンジンモデルを線形化し、第2のエンジンモデルを作成する
処理をさらに実行させることを特徴とする付記9に記載のプログラム。
エンジンモデルを用いて被制御量を予測する第2のコンピュータに、第2のエンジンモデルを送信する
処理をさらに実行させることを特徴とする付記12または13に記載のプログラム。
第1の空間から、操作変数のとってはいけない領域を除外する処理と、
第2の空間から、変化速度値のとってはいけない領域を除外する処理と
の少なくとも1つの処理をさらに実行させることを特徴とする付記9に記載のプログラム。
空気過剰率に基づいて試験パターンを修正する
処理をさらに実行させることを特徴とする付記9に記載のプログラム。
操作変数の取りうる第1の空間の第1の網羅率と操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて試験パターンを修正する修正部と、
修正された試験パターンによるエンジン試験を実施して操作変数の操作量と操作変数に対する被制御量との時系列データを取得する取得部と、
修正された試験パターンを入力、および時系列データを正解とする教師データを機械学習してエンジンモデルを構築する構築部と
を有することを特徴とする装置。
第1の空間から、操作変数のとってはいけない領域を除外する処理と、
第2の空間から、変化速度値のとってはいけない領域を除外する処理と
の少なくとも1つの処理をさらに実行することを特徴とする付記17に記載の装置。
空気過剰率に基づいて試験パターンを修正する
処理をさらに実行することを特徴とする付記17に記載の装置。
プロセッサに動作可能に接続されたメモリと
を備えた装置であって、プロセッサは、
エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成する生成部と、
操作変数の取りうる第1の空間の第1の網羅率と操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて試験パターンを修正する修正部と、
修正された試験パターンによるエンジン試験を実施して操作変数の操作量と操作変数に対する被制御量との時系列データを取得する取得部と、
修正された試験パターンを入力、および時系列データを正解とする教師データを機械学習してエンジンモデルを構築する構築部と
を有することを特徴とする装置。
50-1~50-n 時系列データ
51-1~51-n 被制御量
70 運転条件
71 制御目標値
80 エンジンモデル
81 設計用モデル
90-1~90-n 操作量
100 構築装置
100a 通信部
100b HDD
100c メモリ
100d プロセッサ
110 通信部
120 記憶部
121 操作変数マスタ
122 試験パターンテーブル
123 試験条件マスタ
124 エンジンモデルDB
130 制御部
131 生成部
132 修正部
133 取得部
134 構築部
135 送信部
200 予測制御器
300 実エンジン
Claims (10)
- コンピュータが、
エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成し、
前記操作変数の取りうる第1の空間の第1の網羅率と前記操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて前記試験パターンを修正し、
前記修正された試験パターンによる前記エンジン試験を実施して前記操作変数の操作量と前記操作変数に対する被制御量との時系列データを取得し、
前記修正された試験パターンを入力、および前記時系列データを正解とする教師データを機械学習してエンジンモデルを構築する
処理を実行することを特徴とするエンジンモデル構築方法。 - 前記生成する処理は、前記試験パターンとして、前記操作変数の時系列変化を示すChirp信号を生成する処理を含むことを特徴とする請求項1に記載のエンジンモデル構築方法。
- 前記構築する処理は、前記エンジンモデルとして、中間層を2層以上有する、RNN(Recurrent Neural Network)またはLSTM(Long Short Term Memory)による機械学習モデルを構築する処理を含むことを特徴とする請求項1に記載のエンジンモデル構築方法。
- 前記コンピュータが、
前記エンジンモデルを用いて前記エンジンモデルのモデルパラメータをキャリブレーションするための物理法則に基づく数式を用いて第2のエンジンモデルを作成する
処理をさらに実行することを特徴とする請求項3に記載のエンジンモデル構築方法。 - 前記コンピュータが、
前記エンジンモデルを線形化し、第2のエンジンモデルを作成する
処理をさらに実行することを特徴とする請求項1に記載のエンジンモデル構築方法。 - 前記コンピュータが、
前記エンジンモデルを用いて前記被制御量を予測する第2のコンピュータに、前記第2のエンジンモデルを送信する
処理をさらに実行することを特徴とする請求項4または5に記載のエンジンモデル構築方法。 - 前記コンピュータが、
前記第1の空間から、前記操作変数のとってはいけない領域を除外する処理と、
前記第2の空間から、前記変化速度値のとってはいけない領域を除外する処理と
の少なくとも1つの処理をさらに実行することを特徴とする請求項1に記載のエンジンモデル構築方法。 - 前記コンピュータが、
空気過剰率に基づいて前記試験パターンを修正する
処理をさらに実行することを特徴とする請求項1に記載のエンジンモデル構築方法。 - コンピュータに、
エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成し、
前記操作変数の取りうる第1の空間の第1の網羅率と前記操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて前記試験パターンを修正し、
前記修正された試験パターンによる前記エンジン試験を実施して前記操作変数と前記操作変数に対する被制御量との時系列データを取得し、
前記修正された試験パターンを入力、および前記時系列データを正解とする教師データを学習してエンジンモデルを構築する
処理を実行させることを特徴とするプログラム。 - エンジン試験に用いる複数の操作変数が時系列に沿って変化する試験パターンを生成する生成部と、
前記操作変数の取りうる第1の空間の第1の網羅率と前記操作変数の変化速度値の取りうる第2の空間の第2の網羅率とに基づいて前記試験パターンを修正する修正部と、
前記修正された試験パターンによる前記エンジン試験を実施して前記操作変数と前記操作変数に対する被制御量との時系列データを取得する取得部と、
前記修正された試験パターンを入力、および前記時系列データを正解とする教師データを学習してエンジンモデルを構築する構築部と
を有することを特徴とする装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020137059A JP7444732B2 (ja) | 2020-08-14 | 2020-08-14 | エンジンモデル構築方法、プログラム、および装置 |
EP21184740.5A EP3955075A1 (en) | 2020-08-14 | 2021-07-09 | Engine model construction method, program, and apparatus |
US17/374,117 US11537507B2 (en) | 2020-08-14 | 2021-07-13 | Engine model construction method, engine model constructing apparatus, and computer-readable recording medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020137059A JP7444732B2 (ja) | 2020-08-14 | 2020-08-14 | エンジンモデル構築方法、プログラム、および装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022032827A true JP2022032827A (ja) | 2022-02-25 |
JP7444732B2 JP7444732B2 (ja) | 2024-03-06 |
Family
ID=76859481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020137059A Active JP7444732B2 (ja) | 2020-08-14 | 2020-08-14 | エンジンモデル構築方法、プログラム、および装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11537507B2 (ja) |
EP (1) | EP3955075A1 (ja) |
JP (1) | JP7444732B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023032108A (ja) * | 2021-08-26 | 2023-03-09 | 株式会社トランストロン | エンジン試験方法、エンジン試験プログラム、およびエンジン試験装置 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7164117B2 (en) * | 1992-05-05 | 2007-01-16 | Automotive Technologies International, Inc. | Vehicular restraint system control system and method using multiple optical imagers |
US7663502B2 (en) * | 1992-05-05 | 2010-02-16 | Intelligent Technologies International, Inc. | Asset system control arrangement and method |
JPS5974345A (ja) | 1982-10-20 | 1984-04-26 | Mazda Motor Corp | エンジンの気筒数制御装置 |
JP2674167B2 (ja) * | 1988-12-14 | 1997-11-12 | 横河電機株式会社 | 神経回路網モデルを用いたプロセス制御方法 |
US6662091B2 (en) | 2001-06-29 | 2003-12-09 | Battelle Memorial Institute | Diagnostics/prognostics using wireless links |
DE10133555A1 (de) | 2001-07-11 | 2003-01-30 | Bosch Gmbh Robert | Verfahren zum zylinderindividuellen Abgleich der Einspritzmenge bei Brennkraftmaschinen |
JP3706335B2 (ja) | 2001-12-12 | 2005-10-12 | 本田技研工業株式会社 | 内燃機関の故障判定装置 |
DE50304678D1 (de) * | 2003-12-02 | 2006-09-28 | Ford Global Tech Llc | Verbesserung der Wiederholbarkeit bei Verbrauchsmessungen durch Normierung |
JP4235116B2 (ja) | 2004-01-09 | 2009-03-11 | 日野自動車株式会社 | 内燃機関の過渡特性試験装置および方法 |
JP4067025B2 (ja) | 2006-09-11 | 2008-03-26 | いすゞ自動車株式会社 | 多段ターボチャージャの制御装置 |
EP2058493A1 (en) | 2007-11-12 | 2009-05-13 | Iveco Motorenforschung AG | A diagnostic method for a vehicle engine apparatus, provided with sensors |
DE102007062097A1 (de) | 2007-12-21 | 2009-06-25 | Mahle International Gmbh | Diagnoseverfahren für Zusatzventile |
JP2011145081A (ja) | 2010-01-12 | 2011-07-28 | A & D Co Ltd | エンジン試験方法及び装置 |
US8594906B2 (en) | 2010-03-26 | 2013-11-26 | Mazda Motor Corporation | Diagnosis for multiple cylinder engine |
BR112015024894B1 (pt) | 2013-03-27 | 2022-10-04 | Volvo Truck Corporation | Método para determinar a mescla de combustível em uma mistura de combustível duplo e veículo que compreende um motor de combustão interna controlado por tal método |
DE102013206297A1 (de) | 2013-04-10 | 2014-10-16 | Robert Bosch Gmbh | Verfahren zum Bereitstellen von Eingangssignalen für einen Prüfstand sowie Vorrichtung hierzu |
DE102015207252A1 (de) | 2015-04-21 | 2016-10-27 | Avl List Gmbh | Verfahren und Vorrichtung zur modellbasierten Optimierung einer technischen Einrichtung |
JP2017220043A (ja) | 2016-06-08 | 2017-12-14 | 富士通株式会社 | 入力データ生成装置、方法、及びプログラム |
JP6933585B2 (ja) | 2018-01-12 | 2021-09-08 | 株式会社豊田中央研究所 | 情報処理装置、情報処理方法、コンピュータプログラム、制御装置 |
US11468273B2 (en) * | 2018-09-20 | 2022-10-11 | Cable Television Laboratories, Inc. | Systems and methods for detecting and classifying anomalous features in one-dimensional data |
-
2020
- 2020-08-14 JP JP2020137059A patent/JP7444732B2/ja active Active
-
2021
- 2021-07-09 EP EP21184740.5A patent/EP3955075A1/en not_active Withdrawn
- 2021-07-13 US US17/374,117 patent/US11537507B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3955075A1 (en) | 2022-02-16 |
US20220050768A1 (en) | 2022-02-17 |
JP7444732B2 (ja) | 2024-03-06 |
US11537507B2 (en) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Matinnejad et al. | Search-based automated testing of continuous controllers: Framework, tool support, and case studies | |
US11371696B2 (en) | System and method for configuring boiler combustion model | |
Palmé et al. | Gas turbine sensor validation through classification with artificial neural networks | |
Deshmukh et al. | Stochastic local search for falsification of hybrid systems | |
EP2498154A1 (en) | Method of creating a physically-based crank-resolved simplified computer implementable engine model | |
Binh et al. | A novel fitness function of metaheuristic algorithms for test data generation for simulink models based on mutation analysis | |
Iqbal et al. | Combining search-based and adaptive random testing strategies for environment model-based testing of real-time embedded systems | |
JP7444732B2 (ja) | エンジンモデル構築方法、プログラム、および装置 | |
Rainer et al. | Iterative DoE-improved emission models and better optimisation results within a shortened measurement time | |
Nanjundaswamy et al. | Development and calibration of on-board-diagnostic strategies using a micro-HiL approach | |
Damji et al. | Automated Model-Based Calibration for Drivability Using a Virtual Engine Test Cell | |
EP3954887A1 (en) | Engine test method, computer program, and device | |
Pelegrin et al. | Exposing attention-decision-learning cycles in engineering project teams through collaborative design experiments | |
Nebel et al. | Global dynamic models for XiL-based calibration | |
JP2022157893A (ja) | エンジン制御装置、方法、およびプログラム | |
Hafner et al. | Dynamical identification and control of combustion engine exhaust | |
Rudnicki et al. | Problems of modelling toxic compounds emitted by a marine internal combustion engine in unsteady states | |
Issondj Banta et al. | Simulation of performance and emissions related parameters in a thermal engine using a deep learning approach | |
Subramaniam et al. | An artificial neural network-based approach for virtual NOx Sensing | |
Gutjahr | Performance Analysis of Data-Driven Plant Models on Embedded Systems | |
JP2023032108A (ja) | エンジン試験方法、エンジン試験プログラム、およびエンジン試験装置 | |
Soltanalizadeh et al. | Automatic smooth map generation of internal combustion engines via local-global model based calibration technique | |
JP4213049B2 (ja) | エンジンの過渡試験装置および方法 | |
Alenezi et al. | Data-driven Predictive Model of Windows 10's Vulnerabilities | |
Tosso et al. | Spark Ignition Engine Modeling Using Optimized Artificial Neural Network. Energies 2022, 15, 6587 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230428 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240124 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7444732 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |