JP6741087B1 - 内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 - Google Patents
内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 Download PDFInfo
- Publication number
- JP6741087B1 JP6741087B1 JP2019017146A JP2019017146A JP6741087B1 JP 6741087 B1 JP6741087 B1 JP 6741087B1 JP 2019017146 A JP2019017146 A JP 2019017146A JP 2019017146 A JP2019017146 A JP 2019017146A JP 6741087 B1 JP6741087 B1 JP 6741087B1
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- input
- input parameters
- network model
- output
- 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.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D41/1405—Neural network control
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D29/00—Controlling engines, such controlling being peculiar to the devices driven thereby, the devices being other than parts or accessories essential to engine operation, e.g. controlling of engines by signals external thereto
- F02D29/02—Controlling engines, such controlling being peculiar to the devices driven thereby, the devices being other than parts or accessories essential to engine operation, e.g. controlling of engines by signals external thereto peculiar to engines driving vehicles; peculiar to engines driving variable pitch propellers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using essentially read only memories
- F02D41/2425—Particular ways of programming the data
- F02D41/2429—Methods of calibrating or learning
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/2406—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
- F02D41/2451—Methods of calibrating or learning characterised by what is learned or calibrated
-
- 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
-
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/02—Circuit arrangements for generating control signals
- F02D41/14—Introducing closed-loop corrections
- F02D41/1401—Introducing closed-loop corrections characterised by the control or regulation method
- F02D2041/1433—Introducing closed-loop corrections characterised by the control or regulation method using a model or simulation of the system
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Automation & Control Theory (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Feedback Control In General (AREA)
Abstract
Description
最初に、図1〜図9を参照して、本発明の第一実施形態について説明する。
図1は、第一実施形態に係る内燃機関の制御装置が適用される内燃機関を概略的に示す図である。図1に示される内燃機関1は、圧縮自着火式内燃機関(ディーゼルエンジン)であり、車両に搭載される。
内燃機関1を搭載する車両には、電子制御ユニット(ECU)61が設けられている。内燃機関1の各種制御は、内燃機関1に設けられた各種センサの出力等に基づいてECU61によって実行される。ECU61は内燃機関の制御装置の一例である。なお、本実施形態では、一つのECU61が設けられているが、機能毎に複数のECUが設けられていてもよい。
最初に、図3を参照して、ニューラルネットワークモデルの概要について説明する。図3は、単純な構成を有するニューラルネットワークモデルの一例を示す。
本実施形態では、誤差逆伝播法を用いて、ニューラルネットワークモデルにおける各重みwの値及び各バイアスbの値が学習される。誤差逆伝播法は周知であるため、誤差逆伝播法の概要について、以下に簡単に説明する。なお、バイアスbは重みwの一種なので、以下の説明では、バイアスbは重みwの一つとされている。
上述したようなニューラルネットワークモデルは一つの入力層を含み、出力層から出力される出力パラメータ(出力値)と相関する異なる種類の入力パラメータ(入力値)が入力層の各ノードに入力される。この結果、複数の入力パラメータから生成される中間の状態量が中間層において順次変換され、最終的に出力層から出力パラメータが出力される。
これに対して、本実施形態では、見掛け上の入力パラメータの数を増加させるべく、ニューラルネットワークモデルは複数の入力層を含む。具体的には、ニューラルネットワークモデルは、複数のニューラルネットワーク部と、複数のニューラルネットワーク部の出力に基づいて少なくとも一つの出力パラメータを出力する出力層とを含む。複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含む。複数のニューラルネットワーク部は例えば同一の構成(入力層のノードの数、中間層の数、各中間層のノードの数)を有する。
R2=(出力パラメータの算出値の偏差平方和)/(出力パラメータの実測値の偏差平方和)
ここで、出力パラメータの算出値は、学習済みのニューラルネットワークモデルにより出力された値であり、出力パラメータの実測値はセンサ等を用いて実際に検出された値である。
図9は、第一実施形態における内燃機関の制御の制御ルーチンを示すフローチャートである。本制御ルーチンはECU61によって所定の実行間隔で繰り返し実行される。所定の実行間隔は例えば内燃機関1の一回のサイクルの時間である。
第二実施形態に係る機械学習システムに用いられる電子制御ユニットの構成及び制御は、基本的に第一実施形態における電子制御ユニットと同様である。このため、以下、本発明の第二実施形態について、第一実施形態と異なる部分を中心に説明する。
第三実施形態に係る機械学習システムの構成及び制御は、基本的に第二実施形態における機械学習システムと同様である。このため、以下、本発明の第三実施形態について、第二実施形態と異なる部分を中心に説明する。
第四実施形態に係る内燃機関の制御装置の構成及び制御は、基本的に第一実施形態における内燃機関の制御装置と同様である。このため、以下、本発明の第四実施形態について、第一実施形態と異なる部分を中心に説明する。
以上、本発明に係る好適な実施形態を説明したが、本発明はこれら実施形態に限定されるものではなく、特許請求の範囲の記載内で様々な修正及び変更を施すことができる。例えば、車載電子制御ユニット(ECU61)において用いられるニューラルネットワークモデルの対象は、車両に関するものである限り、上述した内燃機関1以外であってもよい。
61 電子制御ユニット(ECU)
81 パラメータ取得部
82 演算部
83 制御部
91 通信装置
100 車両
200 サーバ
300 機械学習システム
Claims (8)
- 複数の入力パラメータを取得するパラメータ取得部と、
ニューラルネットワークモデルを用いて、前記パラメータ取得部によって取得された前記複数の入力パラメータに基づいて少なくとも一つの出力パラメータを算出する演算部と、
前記演算部によって算出された前記少なくとも一つの出力パラメータに基づいて内燃機関を制御する制御部と
を備え、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、内燃機関の制御装置。 - 前記複数の入力パラメータの数がnであり、前記ニューラルネットワークモデルは、該複数の入力パラメータから選択されたnCkの組合せの入力パラメータが入力されるnCk個のニューラルネットワーク部を含み、nは3以上であり、kは2〜n−1である、請求項1に記載の内燃機関の制御装置。
- 前記内燃機関を搭載する車両において前記ニューラルネットワークモデルの学習を行う学習部を更に備え、
前記パラメータ取得部は前記複数の入力パラメータ及び前記少なくとも一つの出力パラメータを取得し、前記学習部は、前記パラメータ取得部によって取得された前記複数の入力パラメータ及び前記少なくとも一つの出力パラメータの組合せから成る訓練データセットを用いて前記ニューラルネットワークモデルの学習を行う、請求項1又は2に記載の内燃機関の制御装置。 - 複数の入力パラメータを取得するパラメータ取得部と、
車両の外部のサーバから該車両に送信されたニューラルネットワークモデルを用いて、前記パラメータ取得部によって取得された前記複数の入力パラメータに基づいて少なくとも一つの出力パラメータを算出する演算部と
を備え、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、車載電子制御ユニット。 - 車両に設けられた電子制御ユニットと、前記車両に設けられた通信装置と、前記車両の外部のサーバとを備えた機械学習システムであって、
前記電子制御ユニットは、
複数の入力パラメータ及び少なくとも一つの出力パラメータを取得すると共に、該複数の入力パラメータ及び該少なくとも一つの出力パラメータを前記通信装置を介して前記サーバに送信するパラメータ取得部と、
前記サーバから送信されたニューラルネットワークモデルを用いて、前記パラメータ取得部によって取得された前記複数の入力パラメータに基づいて前記少なくとも一つの出力パラメータを算出する演算部とを備え、
前記サーバは、前記パラメータ取得部によって取得された前記複数の入力パラメータ及び前記少なくとも一つの出力パラメータの組合せから成る訓練データセットを用いて前記ニューラルネットワークモデルの学習を行い、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、機械学習システム。 - 複数の入力パラメータを取得することと、
ニューラルネットワークモデルを用いて、前記複数の入力パラメータに基づいて少なくとも一つの出力パラメータを算出することと、
前記少なくとも一つの出力パラメータに基づいて内燃機関を制御することと
を含み、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、内燃機関の制御方法。 - 複数の入力パラメータの実測値及び該実測値に対応する少なくとも一つの出力パラメータの実測値の組合せから成る訓練データセットを用いてニューラルネットワークモデルの学習を行うことと、
前記ニューラルネットワークモデルを電子制御ユニットに実装することと
を含み、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、電子制御ユニットの製造方法。 - 複数の入力パラメータを取得するパラメータ取得部と、
ニューラルネットワークモデルを用いて、前記パラメータ取得部によって取得された前記複数の入力パラメータに基づいて少なくとも一つの出力パラメータを算出する演算部と
を備え、
前記ニューラルネットワークモデルは、複数のニューラルネットワーク部と、該複数のニューラルネットワーク部の出力に基づいて前記少なくも一つの出力パラメータを出力する出力層とを含み、
前記複数のニューラルネットワーク部は、それぞれ、一つの入力層と、少なくとも一つの中間層とを含み、
前記複数のニューラルネットワーク部に入力される入力パラメータの総数が前記複数の入力パラメータの数よりも多くなるように、該複数の入力パラメータから選択された異なる組合せの入力パラメータが前記複数のニューラルネットワーク部の入力層のそれぞれに入力される、出力パラメータ算出装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017146A JP6741087B1 (ja) | 2019-02-01 | 2019-02-01 | 内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 |
EP19218719.3A EP3690558B1 (en) | 2019-02-01 | 2019-12-20 | Control device of internal combustion engine, in-vehicle electronic control unit, machine learning system, control method of internal combustion engine, manufacturing method of electronic control unit, and output parameter calculation device |
CN201911326104.0A CN111520241B (zh) | 2019-02-01 | 2019-12-20 | 内燃机控制装置和方法、车载电控单元和制造方法、机器学习系统及输出参数计算装置 |
US16/726,069 US11230985B2 (en) | 2019-02-01 | 2019-12-23 | Control device of internal combustion engine, in-vehicle electronic control unit, machine learning system, control method of internal combustion engine, manufacturing method of electronic control unit, and output parameter calculation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017146A JP6741087B1 (ja) | 2019-02-01 | 2019-02-01 | 内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6741087B1 true JP6741087B1 (ja) | 2020-08-19 |
JP2020125694A JP2020125694A (ja) | 2020-08-20 |
Family
ID=69005252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019017146A Active JP6741087B1 (ja) | 2019-02-01 | 2019-02-01 | 内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11230985B2 (ja) |
EP (1) | EP3690558B1 (ja) |
JP (1) | JP6741087B1 (ja) |
CN (1) | CN111520241B (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6848949B2 (ja) * | 2018-10-25 | 2021-03-24 | トヨタ自動車株式会社 | 制御支援装置、車両、および制御支援システム |
JP7231144B2 (ja) * | 2019-07-17 | 2023-03-01 | 株式会社トランストロン | エンジン制御装置及びそれが有するニューラルネットワークプログラム |
JP6896037B2 (ja) * | 2019-10-02 | 2021-06-30 | 三菱電機株式会社 | 内燃機関の制御装置及び制御プログラム |
KR20210073882A (ko) * | 2019-12-11 | 2021-06-21 | 현대자동차주식회사 | 빅데이터 기반 운행 정보 제공 시스템 및 방법 |
US11459962B2 (en) * | 2020-03-02 | 2022-10-04 | Sparkcognitton, Inc. | Electronic valve control |
CN112668243A (zh) * | 2021-01-05 | 2021-04-16 | 株洲中车时代电气股份有限公司 | 一种轨道列车的电机滤网堵塞预警方法、装置及相关设备 |
CN112883653B (zh) * | 2021-03-19 | 2022-06-24 | 广西玉柴机器股份有限公司 | 基于人工智能的发动机实时模型的建模方法 |
CN114492187B (zh) * | 2022-01-25 | 2022-12-02 | 中国空气动力研究与发展中心空天技术研究所 | 基于仿人自抗扰的超声速燃烧室脉冲喷注控制方法及系统 |
WO2024004583A1 (ja) * | 2022-06-30 | 2024-01-04 | コニカミノルタ株式会社 | 予測装置、予測システムおよび予測プログラム |
JP7304475B1 (ja) | 2022-07-11 | 2023-07-06 | アクタピオ,インコーポレイテッド | 情報処理方法、情報処理装置および情報処理プログラム |
DE102022209341A1 (de) * | 2022-09-08 | 2024-03-14 | Zf Friedrichshafen Ag | Erzeugen eines Steuersignals für ein elektronisches Modul mittels eines neuronalen Netzwerks |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3033314B2 (ja) * | 1992-01-14 | 2000-04-17 | トヨタ自動車株式会社 | 車両の走行特性制御装置 |
JPH07146852A (ja) * | 1993-11-24 | 1995-06-06 | Ricoh Co Ltd | ニューラルネットワークの構造簡略化方法 |
SE509805C2 (sv) * | 1994-08-11 | 1999-03-08 | Mecel Ab | Metod och system för reglering av förbränningsmotorer |
JPH1185719A (ja) * | 1997-09-03 | 1999-03-30 | Matsushita Electric Ind Co Ltd | パラメータ推定装置 |
JPH11224106A (ja) * | 1998-02-06 | 1999-08-17 | Matsushita Electric Ind Co Ltd | パラメータ推定装置 |
JP2002182706A (ja) * | 2000-12-18 | 2002-06-26 | Yamaha Motor Co Ltd | 学習機能付き制御系 |
JP3852303B2 (ja) * | 2001-02-05 | 2006-11-29 | トヨタ自動車株式会社 | 多気筒内燃機関の制御装置 |
JP2002251598A (ja) * | 2001-02-23 | 2002-09-06 | Yamaha Motor Co Ltd | 最適解探索装置、制御対象の制御装置及び最適解探索プログラム |
JP2003049702A (ja) * | 2001-08-07 | 2003-02-21 | Mazda Motor Corp | 車載の自動車用制御ゲイン変更装置、自動車の制御ゲイン変更方法、及び、自動車の制御ゲイン変更用プログラム |
US7035834B2 (en) * | 2002-05-15 | 2006-04-25 | Caterpillar Inc. | Engine control system using a cascaded neural network |
JP2007500379A (ja) * | 2003-07-25 | 2007-01-11 | ヤマハ発動機株式会社 | インテリジェント制御システムのソフト演算最適化装置 |
US7526463B2 (en) * | 2005-05-13 | 2009-04-28 | Rockwell Automation Technologies, Inc. | Neural network using spatially dependent data for controlling a web-based process |
US7499842B2 (en) * | 2005-11-18 | 2009-03-03 | Caterpillar Inc. | Process model based virtual sensor and method |
US7593796B2 (en) * | 2006-11-27 | 2009-09-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Torque estimator for internal combustion engine |
US7917333B2 (en) * | 2008-08-20 | 2011-03-29 | Caterpillar Inc. | Virtual sensor network (VSN) based control system and method |
GB2484745A (en) * | 2010-10-18 | 2012-04-25 | Gm Global Tech Operations Inc | A method for feed-forward controlling fuel injection into a cylinder of an internal combustion engine |
JP5234085B2 (ja) * | 2010-11-11 | 2013-07-10 | 富士電機株式会社 | ニューラルネットワークの学習方法 |
KR101703163B1 (ko) * | 2011-03-22 | 2017-02-07 | 한국전자통신연구원 | 차량의 복합 고장을 예측하기 위한 장치 및 방법 |
CN106321265A (zh) * | 2016-09-13 | 2017-01-11 | 北京理工大学 | 一种对掺混燃油中生物柴油含量鉴定方法及系统 |
US11216722B2 (en) * | 2016-12-31 | 2022-01-04 | Intel Corporation | Hardware accelerator template and design framework for implementing recurrent neural networks |
KR101974357B1 (ko) * | 2017-04-17 | 2019-09-05 | 현대자동차주식회사 | 하이브리드 자동차 및 그를 위한 엔진 제어 방법 |
JP6524144B2 (ja) | 2017-06-02 | 2019-06-05 | 本田技研工業株式会社 | 車両制御システム及び方法、並びに走行支援サーバ |
CN108960426B (zh) * | 2018-07-09 | 2021-05-14 | 吉林大学 | 基于bp神经网络的道路坡度综合估计系统 |
JP6690743B1 (ja) * | 2019-01-23 | 2020-04-28 | トヨタ自動車株式会社 | 機械学習装置 |
-
2019
- 2019-02-01 JP JP2019017146A patent/JP6741087B1/ja active Active
- 2019-12-20 CN CN201911326104.0A patent/CN111520241B/zh active Active
- 2019-12-20 EP EP19218719.3A patent/EP3690558B1/en active Active
- 2019-12-23 US US16/726,069 patent/US11230985B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3690558B1 (en) | 2022-05-04 |
EP3690558A1 (en) | 2020-08-05 |
CN111520241B (zh) | 2022-04-26 |
US11230985B2 (en) | 2022-01-25 |
CN111520241A (zh) | 2020-08-11 |
JP2020125694A (ja) | 2020-08-20 |
US20200248641A1 (en) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6741087B1 (ja) | 内燃機関の制御装置、車載電子制御ユニット、機械学習システム、内燃機関の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 | |
JP6702390B2 (ja) | 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 | |
JP6702389B2 (ja) | 車両用駆動装置の制御装置、車載電子制御ユニット、学習済みモデル、機械学習システム、車両用駆動装置の制御方法、電子制御ユニットの製造方法及び出力パラメータ算出装置 | |
EP1682764B1 (en) | Method for controlling combustion in an internal combustion engine and predicting performance and emissions | |
JP6501018B1 (ja) | 未燃燃料量の機械学習装置 | |
WO2010109667A1 (ja) | プラントの制御装置 | |
CN113153551B (zh) | 空气流量计的异常诊断装置 | |
JP5853891B2 (ja) | 内燃機関の熱発生率波形作成装置および燃焼状態診断装置 | |
JP2019135393A (ja) | 内燃機関の制御装置および出力値を出力する装置 | |
JP6702380B2 (ja) | 内燃機関の制御装置 | |
US10371071B2 (en) | Systems and methods for non-intrusive closed-loop combustion control of internal combustion engines | |
CN102383906A (zh) | 温度估计系统和方法 | |
CN102889124B (zh) | 估计内燃机进气充量温度的系统和方法 | |
JP2020062914A (ja) | 情報提供装置 | |
JP2014227904A (ja) | 内燃機関の熱発生率波形作成装置および燃焼状態診断装置 | |
Uppalapati et al. | Development and validation of engine calibration using 1d predictive models | |
JP5536562B2 (ja) | プラントの制御装置 | |
Schaub et al. | Robust Emission Compliance and Reduction of System Cost by advanced emission-based Diesel engine air management | |
JP2020045821A (ja) | 内燃機関の制御装置 | |
Cook et al. | Opportunities in automotive powertrain control applications | |
Matulić et al. | Multi-zone engine combustion model calibration using genetic algorithms | |
JP2014190306A (ja) | 内燃機関の制御装置 | |
JP2016133044A (ja) | 内燃機関の制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200203 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200203 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200331 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200623 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200706 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6741087 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |