KR100428322B1

KR100428322B1 - 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의추정방법

Info

Publication number: KR100428322B1
Application number: KR10-2002-0001636A
Authority: KR
Inventors: 김제영; 선우명호
Original assignee: 현대자동차주식회사
Priority date: 2002-01-11
Filing date: 2002-01-11
Publication date: 2004-04-28
Also published as: KR20030060703A

Abstract

가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법이 개시된다. 개시된 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법은, (a) 가솔린 엔진에서 상사점을 중심으로 일정 크랭크 간격으로 다수의 연소 압력 위치를 측정하는 단계와; (b) 상기 단계 (a)에서 측정된 데이터를 입력으로 하고, 상기 가솔린 엔진 연소실 내의 최고압력과 상기 최고압력의 발생위치를 출력으로 하는 신경회로망의 학습을 수행하는 단계와; (c) 상기 가솔린 엔진에서 실시간으로 상기 최고압력과 상기 최고압력의 발생위치를 추정하는 단계;를 포함하는 것을 그 특징으로 한다. 본 발명에 따르면, 가솔린 엔진의 연소압력으로부터 최고압력과 최고압력 발생위치를 계산하는데 있어 필요로 하는 A/D 변환주기를 감소시킴으로써, 연소압력 센서를 차량에 장착시에 엔진 제어기의 하드웨어 및 소프트웨어 설계에 유용하게 사용될 수 있는 이점이 있다.

Description

가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법{METHOD OF ESTIMATING PEAK PRESSURE AND THE LOCATION OF PEAK PRESSURE IN THE COMBUSTION CHAMBER FOR GASOLINE ENGINE}

본 발명은 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법에 관한 것으로서, 보다 상세하게는 사이클 당 5회의 연소압력(combustion pressure)측정만으로 최고압력과 최고압력 발생위치를 실시간으로 추정하여 연소압력 센서의 양산적용시에 엔진 제어기의 하드웨어 및 소프트웨어 설계에 유용하게 사용될 수있도록 하기 위한 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법에 관한 것이다.

가솔린 엔진의 연소실 내의 압력은 대부분의 엔진 개발 또는 시험과정에서 측정되어지며, 이러한 측정으로 연소과정을 용이하게 파악할 수 있다. 이에 따라 엔진의 성능을 평가하고 이를 설계 자료로 활용하는데 있어 유용하다.

현재 세계 유수의 자동차 회사의 연구소에서는 실제 양산차량에 연소압력 측정용 센서를 장착하여 엔진의 성능을 향상시키려는 노력을 하고 있으며, 이에 따라 측정된 연소압력의 효율적인 처리방법이 요구되고 있다.

한편, 연소압력은 엔진의 한 사이클마다 유사한 형태가 반복되고, 한 사이클동안의 연소압력을 측정하여 사이클마다의 최고압력(PP; Peak Pressure)과 이 최고압력 발생위치(LPP; Location of Peak Pressure)를 측정할 수 있으며, 이 두 가지 변수는 연소상황을 파악하는데 있어서 유용하게 사용되어 지고 있다.

그리고 대부분의 경우 연소압력은 압력센서의 전압신호를 A/D 컨버터를 통하여 측정하게 되며, 기존의 측정방법의 경우 측정되는 최고압력과 최고압력 발생위치의 정확도는 압력센서로부터 출력되는 전압신호의 측정 주기에 따라 정해지게 된다. 일반적인 경우 크랭크축의 회전각도로 1°이하의 주기로 측정하게 된다.

그러나 이 방법의 경우 빠른 속도(엔진 회전속도 6000rpm일 경우, 크랭크각 1°주기: 약 2.8×10^-5초)의 A/D 컨버터를 필요로 할뿐만 아니라, 측정된 연소압력으로부터 유용한 변수들을 계산하기 위해 많은 양의 데이터를 실시간으로 처리할수 있는 고성능의 연산장치가 필요로 하게 된다. 이러한 문제점은 압력센서를 차량의 엔진 제어에 이용하고자 할 경우 특히 문제가 된다.

본 발명은 상기와 같은 문제점을 해결하기 위하여 창출된 것으로서, A/D 컨버터나 고성능의 연산장치가 소요되지 않고도 다양한 운전조건에서 측정한 연소압력 데이터를 이용하여 최고압력과 최고압력 발생위치를 추정토록 한 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법을 제공하는데 그 목적이 있다.

도 1은 본 발명에 따른 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법을 순차적으로 나타내 보인 개략적인 플로차트.

도 2는 최고압력과 최고압력 발생위치 추정을 위한 연소압력 측정위치를 나타내 보인 그래프.

도 3은 최고압력과 최고압력 발생위치 추정에 이용된 신경회로망의 개략적인 구조를 나타내 보인 도면.

도 4는 최고압력과 최고압력 발생위치 추정결과를 나타내 보인 그래프.

상기와 같은 목적을 달성하기 위한 본 발명의 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법은, (a) 가솔린 엔진에서 상사점을 중심으로 일정 크랭크 간격으로 다수의 연소 압력 위치를 측정하는 단계와; (b) 상기 단계 (a)에서 측정된 데이터를 입력으로 하고, 상기 가솔린 엔진 연소실 내의 최고압력과 상기 최고압력의 발생위치를 출력으로 하는 신경회로망의 학습을 수행하는 단계와; (c) 상기 가솔린 엔진에서 실시간으로 상기 최고압력과 상기 최고압력의 발생위치를 추정하는 단계;를 포함하는 것을 그 특징으로 한다.

이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.

도 1에는 본 발명에 따른 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법을 순차적으로 나타낸 개략적인 플로차트가 도시되어 있다.

도면을 참조하면, 본 발명에 따른 가솔린 엔진 연소실 내의 최고압력 및 그발생위치의 추정방법은, 가솔린 엔진의 연소압력으로부터 최고압력과 최고압력 발생위치를 계산하는데 있어 필요로 하는 A/D 변환주기를 감소시키기 위하여 신경회로망(neural network)을 이용하는 것으로, 이를 상술하면 다음과 같다.

우선, 가솔린 엔진에서 상사점(TDC; Top Dead Center)을 중심으로 일정 크랭크 각(crank angle) 간격으로 다수의 연소 압력 위치를 측정한다.(단계 110)

상기 단계 110에서 측정된 데이터를 입력으로 하고, 상기 가솔린 엔진 연소실 내의 최고압력과, 이 최고압력의 발생위치를 출력으로 하는 신경회로망의 학습을 수행한다.(단계 120)

이어서, 가솔린 엔진에서 실시간(real time)으로 최고압력과, 최고압력의 발생위치를 추정한다.(단계 130)

상기 단계 110에서, 상기 크랭크 각은 도 2에 도시된 바와 같이, 20°간격으로 이루어진다. 그리고 상기 압력 위치는 5지점의 압력(P1,P2,P3,P4,P5)으로 이루어진다.

그리고 상기 단계 120에서, 상기 신경회로망은 도 3에 도시된 바와 같이, 은닉층(hidden layer)에 5개의 시그모이드 뉴런(sigmoid neuron)과, 출력층(output layer)에 두개의 선형 뉴런(linear neuron)을 포함하여 구성된다.

또한 상기 단계 120에서, 가솔린 엔진의 엔진회전수, 부하, 공연비, 및 점화시기의 조건을 변화시키면서 학습을 수행토록 하고, 각 운전조건마다 수집된 연소압력의 사이클 평균을 상기 신경회로망 학습에 이용토록 한다.

상기한 바와 같이 본 발명에 따른 가솔린 엔진 연소실 내의 최고압력 및 그발생위치의 추정방법은, 사이클 당 5회의 연소압력 측정만으로 최고압력과, 이 최고압력의 발생위치를 추정하는 방법이다. 이를 위하여 사이클마다 측정된 5지점의 압력을 입력으로 하는 신경회로망을 구성하였으며, 이 신경회로망은 폭 넓은 범위의 운전조건에서 측정한 연소압력 데이터를 이용하여 최고압력과 최고압력 발생위치를 추정하도록 학습되었다.

우선, 도 2에 도시된 바와 같이 최고압력과, 이 최고압력 발생위치의 추정을 위해 측정되는 연소압력의 위치를 크랭크 각 기준으로 나타낸 것으로, 상사점을 중심으로 크랭크각 20°간격으로 5지점의 압력(P1, P2, P3, P4, P5)을 측정하게 되며, 이것을 신경회로망의 입력으로 사용한다.

그리고 도 3에 도시된 바와 같이, 최고압력과, 이 최고압력의 발생위치 추정을 위해 설계된 신경회로망은 전술한 바와 같이, 각 측정위치에서 측정된 5지점의 연소압력(P1, P2, P3, P4, P5)을 입력으로 하며, 최고압력과, 이 최고압력의 발생위치를 출력으로 한다.

상기한 신경회로망은 함수 근사(function approximation)에 널리 활용되고 있는 것으로, 은닉층(hidden layer)에 5개의 시그모이드 뉴런(sigmoid neuron), 출력층(output layer)에 두개의 선형 뉴런(linear neuron)을 포함하여 구성하고 있다.

넓은 범위의 엔진 운전조건에서 측정된 연소압력을 이용하여 이 신경회로망의 학습을 수행하고, 학습에 사용된 연소압력 데이터의 수집은 엔진의 회전수, 부하, 공연비, 점화시기 등의 4가지 운전조건을 변화시키면서 수행한다. 그리고 각운전조건마다 수집된 연소압력의 사이클 평균을 실제 신경회로망 학습에 이용한다.

도 4는 상기한 신경회로망을 이용하여 과도운전 상태의 엔진에서 실시간으로 최고압력과, 이 최고압력의 발생위치를 추정한 결과를 그래프로 나타내 보인 것으로,

도시된 바와 같이, 최고압력과 최고압력 발생위치가 사이클마다 효과적으로 추정되고 있음을 알 수 있고, 추정오차의 실효값(RMS; Root Mean Square)은 약 1.0정도이며, 이는 실시간 폐루프(closed loop) 제어에 사용될 수 있을 정도로 충분히 작은 값이다

상술한 바와 같이 본 발명에 따른 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법은 다음과 같은 효과를 갖는다.

가솔린 엔진의 연소압력으로부터 최고압력과 최고압력 발생위치를 계산하는데 있어 필요로 하는 A/D 변환주기를 감소시킴으로써, 연소압력 센서를 차량에 장착시에 엔진 제어기의 하드웨어 및 소프트웨어 설계에 유용하게 사용될 수 있다.

그리고 연소압력을 이용한 실시간 엔진제어로 엔진의 성능을 향상시킬 수 있다.

또한 이러한 실시간 연소압력 제어시 큰 제약이었던 A/D 컨버팅 주기와 데이터의 연산부하를 줄임으로써 하드웨어 및 제어기의 원가절감이 이루어질 수 있다.

본 발명은 도면에 도시된 일 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술 분야에서 통상의 지식을 가진 자라면 이로부터 다양한변형 및 균등한 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 보호 범위는 첨부된 특허청구범위에 의해서만 정해져야 할 것이다.

Claims

(a) 가솔린 엔진에서 상사점을 중심으로 일정 크랭크 간격으로 다수의 연소 압력 위치를 측정하는 단계와;

(b) 상기 단계 (a)에서 측정된 데이터를 입력으로 하고, 상기 가솔린 엔진 연소실 내의 최고압력과 상기 최고압력의 발생위치를 출력으로 하는 신경회로망의 학습을 수행하는 단계와;

(c) 상기 가솔린 엔진에서 실시간으로 상기 최고압력과 상기 최고압력의 발생위치를 추정하는 단계;를 포함하는 것을 특징으로 하는 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법.
제1항에 있어서, 상기 단계 (a)에서,

상기 크랭크 각은 20°간격으로 이루어지고, 상기 압력 위치는 5지점으로 이루어진 것을 특징으로 하는 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법.
제1항에 있어서, 상기 단계 (b)에서,

상기 신경회로망은 은닉층(hidden layer)에 5개의 시그모이드 뉴런(sigmoid neuron), 출력층(output layer)에 두개의 선형 뉴런(linear neuron)을 포함하는 것을 특징으로 하는 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법.
제1항에 있어서, 상기 단계 (b)에서,

상기 가솔린 엔진의 엔진회전수, 부하, 공연비, 및 점화시기의 조건을 변화시키면서 상기 학습을 수행토록 하고, 각 운전조건마다 수집된 연소압력의 사이클 평균을 상기 신경회로망 학습에 이용토록 하는 것을 특징으로 하는 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의 추정방법.