KR102271210B1 - 엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법 - Google Patents

엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법 Download PDF

Info

Publication number
KR102271210B1
KR102271210B1 KR1020160038374A KR20160038374A KR102271210B1 KR 102271210 B1 KR102271210 B1 KR 102271210B1 KR 1020160038374 A KR1020160038374 A KR 1020160038374A KR 20160038374 A KR20160038374 A KR 20160038374A KR 102271210 B1 KR102271210 B1 KR 102271210B1
Authority
KR
South Korea
Prior art keywords
engine
event
time
engine event
feature vectors
Prior art date
Application number
KR1020160038374A
Other languages
English (en)
Other versions
KR20160120203A (ko
Inventor
브레트 알렉산더 매튜스
제프리 제이콥 비접
이야드 바탈
프레데릭 윌슨 휠러
Original Assignee
에이아이 알파인 유에스 비드코 인크.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 에이아이 알파인 유에스 비드코 인크. filed Critical 에이아이 알파인 유에스 비드코 인크.
Publication of KR20160120203A publication Critical patent/KR20160120203A/ko
Application granted granted Critical
Publication of KR102271210B1 publication Critical patent/KR102271210B1/ko

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
    • 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
    • F02B77/085—Safety, indicating, or supervising devices with sensors measuring combustion processes, e.g. knocking, pressure, ionization, combustion flame
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01L—CYCLICALLY OPERATING VALVES FOR MACHINES OR ENGINES
    • F01L1/00—Valve-gear or valve arrangements, e.g. lift-valve gear
    • F01L1/34—Valve-gear or valve arrangements, e.g. lift-valve gear characterised by the provision of means for changing the timing of the valves without changing the duration of opening and without affecting the magnitude of the valve lift
    • F01L1/344—Valve-gear or valve arrangements, e.g. lift-valve gear characterised by the provision of means for changing the timing of the valves without changing the duration of opening and without affecting the magnitude of the valve lift changing the angular relationship between crankshaft and camshaft, e.g. using helicoidal gear
    • F01L1/34403—Valve-gear or valve arrangements, e.g. lift-valve gear characterised by the provision of means for changing the timing of the valves without changing the duration of opening and without affecting the magnitude of the valve lift changing the angular relationship between crankshaft and camshaft, e.g. using helicoidal gear using helically teethed sleeve or gear moving axially between crankshaft and camshaft
    • 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
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F02D35/027—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions using knock sensors
    • 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
    • F02D41/22—Safety or indicating devices for abnormal conditions
    • F02D41/221—Safety or indicating devices for abnormal conditions relating to the failure of actuators or electrically driven elements
    • 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
    • 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
    • F02D41/2464—Characteristics of actuators
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L23/00—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid
    • G01L23/22—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines
    • G01L23/221—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L23/00—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid
    • G01L23/22—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines
    • G01L23/221—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines
    • G01L23/222—Devices or apparatus for measuring or indicating or recording rapid changes, such as oscillations, in the pressure of steam, gas, or liquid; Indicators for determining work or energy of steam, internal-combustion, or other fluid-pressure engines from the condition of the working fluid for detecting or indicating knocks in internal-combustion engines; Units comprising pressure-sensitive members combined with ignitors for firing internal-combustion engines for detecting or indicating knocks in internal combustion engines using piezoelectric devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/12—Testing internal-combustion engines by monitoring vibrations
    • 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
    • F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
    • F02D41/28—Interface circuits
    • F02D2041/286—Interface circuits comprising means for signal processing
    • F02D2041/288—Interface circuits comprising means for signal processing for performing a transformation into the frequency domain, e.g. Fourier transformation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/025—Engine noise, e.g. determined by using an acoustic sensor
    • 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
    • Y02T10/30—Use of alternative fuels, e.g. biofuels
    • 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
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Output Control And Ontrol Of Special Type Engine (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

엔진 이벤트가 발생할 시기를 추정하는 시스템 및 방법에 대해 기술한다. 본 시스템은 컨트롤러를 포함하고, 이 컨트롤러는, 연소 엔진에 연결된 적어도 하나의 노크 센서(knock sensor)로부터 제1 신호를 수신하고, 상기 연소 엔진에 연결된 적어도 하나의 엔진 크랭크샤프트 센서로부터 제2 신호를 수신하며, 다변수 변환 알고리즘을 이용하여 상기 제1 및 제2 신호를 복수의 특징 벡터로 변환하고, 통계 모델로 엔진 이벤트의 예상 윈도우를 결정하며, 상기 복수의 특징 벡터의 일부를 상기 예상 윈도우 주변에 센터링하고, 상기 통계 알고리즘을 이용하여, 상기 엔진 이벤트가 발생한 시기에 대응하는, 상기 예상 윈도우 내의 시간을 추정하고, 상기 시간에 기초하여 상기 연소 엔진의 동작을 조정하도록 구성된다.

Description

엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법{SYSTEMS AND METHODS FOR ESTIMATING A TIME OF AN ENGINE EVENT}
본 명세서에 개시하는 발명의 대상은 연소 엔진에서 엔진 이벤트의 타이밍을 추정하기 위한 시스템 및 방법에 관한 것이다.
연소 엔진은 통상 천연가스, 가솔린, 디젤 등의 탄소질 연료를 태워서, 엔진의 소정의 부품(예, 실린더 내에 배치된 피스톤)에 힘을 가하여 그 부품을 일정 거리 이동시키는 고온 및 고압 가스의 상응하는 팽창을 이용한다. 각각의 실린더는 탄소질 연료의 연소와 연동하여 개폐하는 하나 이상의 밸브를 포함할 수 있다. 예를 들어, 흡기 밸브가 공기 등의 옥시던트(oxidant)를 실린더로 지향시킬 수 있다. 연료가 옥시던트와 혼합해 연소하여(예, 스파크를 통한 점화) 연소 유체(예, 고온 가스)를 생성한 다음, 배기 밸브를 통해 실린더로부터 배출시킨다.
일부 엔진 이벤트(예, 흡기 및/또는 배기 밸브의 부적절한 개폐, 또는 기계 고장)가 엔진 성능에 유해할 수 있다. 유감스럽게도 이러한 이벤트의 발생 여부 및/또는 발생 시기를 모니터링하기가 곤란할 수 있다.
본 명세서에 개시하는 소정의 실시형태의 개요에 대해 이하에서 설명한다. 이들 양태는 독자에게 이들 실시형태의 간단한 개요를 제공하기 위해 제시될 뿐이며, 이들 양태는 이 개시내용의 범위를 한정하는 것을 목적으로 하지 않는 것이 이해되어야 한다. 사실상, 본 개시내용은 이하에서 설명하지 않은 다양한 양태들을 포함할 수 있다.
일 실시형태에 있어서, 엔진 이벤트가 발생할 시기를 추정하는 시스템은 컨트롤러를 포함한다. 컨트롤러는, 연소 엔진(combustion engine)에 연결된 적어도 하나의 노크 센서(knock sensor)로부터 제1 신호를 수신하고, 상기 연소 엔진에 연결된 적어도 하나의 엔진 크랭크샤프트 센서로부터 제2 신호를 수신하며, 다변수 변환 알고리즘을 이용하여 상기 제1 및 제2 신호를 복수의 특징 벡터로 변환하고, 통계 알고리즘으로 엔진 이벤트의 예상 윈도우를 결정하며, 상기 복수의 특징 벡터의 일부를 상기 예상 윈도우 주변에 센터링하고, 상기 통계 알고리즘을 이용하여, 상기 엔진 이벤트가 발생한 시기에 대응하는, 상기 예상 윈도우 내의 시간을 추정하고, 상기 시간에 기초하여 상기 연소 엔진의 동작을 조정하도록 구성된다.
다른 실시형태에 있어서, 엔진 이벤트의 타이밍을 추정하도록 컨트롤러를 트레이닝하는 방법은 적어도 하나의 노크 센서로부터 신호를 수신하는 단계를 포함하고, 상기 신호는 엔진 이벤트에 대응하는 데이터를 갖는다. 상기 방법은, 다변수 변환 알고리즘을 이용하여 상기 신호를 복수의 특징 벡터로 변환하는 단계와, 상기 복수의 특징 벡터를 제1 상태와 제2 상태로 정렬(sorting)시키는 단계를 더 포함한다. 제1 상태는 상기 엔진 이벤트 이전의 시간에 대응하고, 제2 상태는 상기 엔진 이벤트 이후의 시간에 대응한다. 상기 방법은, 상기 제1 상태를 이용하여 제1 통계 모델을 형성하는 단계와, 상기 제2 상태를 이용하여 제2 통계 모델을 형성하는 단계를 더 포함한다. 마지막으로, 상기 방법은 상기 제1 통계 모델과 제2 통계 모델을 제3 통계 모델로 조합하는 단계를 포함하고, 상기 제3 통계 모델은 통상 엔진 동작중에 상기 엔진 이벤트가 발생할 시기를 예측하도록 구성된다.
다른 실시형태에 있어서, 엔진 이벤트의 시간을 추정하는 방법은, 연소 엔진에 연결된 적어도 하나의 노크 센서로부터 제1 신호를 수신하는 단계와, 적어도 하나의 엔진 크랭크샤프트 센서로부터 제2 신호를 수신하는 단계를 포함한다. 상기 방법은, 상기 제1 및 제2 신호를 복수의 특징 벡터로 변환하는 단계와, 통계 알고리즘으로 엔진 이벤트의 예상 윈도우를 결정하는 단계를 더 포함한다. 상기 방법은, 엔진 이벤트의 예상 윈도우 주변에 상기 복수의 특징 벡터의 일부를 센터링하는 단계와, 상기 통계 알고리즘을 이용하여 상기 엔진 이벤트의 시간을 추정하는 단계를 더 포함한다. 마지막으로, 상기 방법은 상기 엔진 이벤트의 시간에 기초하여 적어도 상기 연소 엔진에 대한 제어 액션을 출력한다.
본 개시내용의 상기한 그리고 기타 특징, 양태, 및 효과는 도면 전체에서 같은 부분에 같은 부호를 사용하는 첨부 도면을 참조한 이하의 상세한 설명으로부터 더욱 잘 이해될 것이다.
도 1은 본 개시내용의 양태에 따른, 왕복 내연 엔진을 구비한 엔진 구동력 발생 시스템의 일부의 블록도이다.
도 2는 본 개시내용의 양태에 따른, 도 1의 왕복 엔진의 실린더 내에 배치된 피스톤을 구비한 피스톤-실린더 어셈블리의 횡단면도이다.
도 3은 본 개시내용의 양태에 따른, 도 1 및 도 2의 엔진 등의 엔진의 통상 동작중에 엔진 이벤트가 발생한 시기에 대응하는 시간을 추정하는 방법의 흐름도이다.
도 4는 본 개시내용의 양태에 따른, 통계 모델을 개발하여, 도 3의 방법 등의, 엔진 이벤트가 발생한 시기에 대응하는 시간을 추정하는 방법을 실행하도록 제어 유닛을 트레이닝하는 방법의 흐름도이다.
도 5는 본 개시내용의 양태에 따른, 노크 센서에 의해 측정된 엔진 잡음 플롯과, 다변수 변환 알고리즘을 엔진 잡음 플롯에 적용하여 형성된 스펙트로그램 플롯의 실시형태를 도시하는 도면이다.
도 6은 본 개시내용의 양태에 따른, 도 5의 스펙트로그램 플롯 등의 스펙트로그램 플롯으로부터 결정된 복수의 특징 벡터를 도시하는 도면이며, 이 특징 벡터는 엔진 이벤트 주변에 센터링되어 있다.
도 7은 본 개시내용의 양태에 따른, 엔진 이벤트의 예상 타이밍 윈도우 주변에 센터링된 가능한 특징 벡터의 시퀀스를 도시하는 도면이다.
도 8은 본 개시내용의 양태에 따른, 개발된 상이한 통계 알고리즘에 대한 표준 편차의 그래픽도이다.
도 9는 본 개시내용의 양태에 따른, 통계 알고리즘을 이용한, 엔진 이벤트의 추정 시간과 엔진 이벤트의 실제 시간 사이의 비교에 관한 값의 표이다.
본 개시내용의 하나 이상의 특정 실시형태에 대해 이하에 설명한다. 이들 실시형태의 간결한 설명을 제공하기 위해, 실제 구현의 모든 특징을 명세서에 기술하지는 않는다. 임의의 엔지니어링 또는 설계 프로젝트와 같은, 임의의 그러한 실제 구현의 개발에 있어서, 다수의 구현에 따른 결정이, 시스템 관련 및 사업 관련 제약의 추종 등의, 개발자의 특정 목표을 달성하도록 이루져야만 하므로 어느 한 구현과 다른 구현이 다를 수 있음이 이해되어야 한다. 또한, 그러한 개발 노력이 복잡하고 시간 소모적이지만, 그럼에도 본 개시내용의 효과를 아는 당업자에게는 설계, 제작 및 제조의 일련의 작업이 될 것임이 이해되어야 한다.
본 개시내용의 다양한 실시형태의 요소를 소개할 때에, 관사("a", "an", "the", 및 "said")는 이들 요소가 하나 이상 존재함을 의미하기 위한 것이다. 용어 "포함하다("comprising", "including") 및 "구비하다("having")는 총괄적인 것으로 의도되며, 나열되는 요소 외의 추가 요소가 있을 수 있음을 의미한다.
본 개시내용의 시스템 및 방법은 노크 센서 등의 하나 이상의 센서를 이용하여, 왕복 내연 엔진에서 돌발 발생 이벤트를 검출하는 것에 관한 것이다. 노크 센서는 음향 또는 사운드 센서, 진동 센서, 또는 이들의 임의의 조합을 포함할 수 있다. 예를 들어, 노크 센서는 압전 가속도계, MEMS(microelectromechanical system) 센서, 홀효과 센서, 자왜(magnetostrictive) 센서, 및/또는 진동, 가속도, 음향, 사운드 및/또는 움직임을 감지하도록 설계된 기타 센서일 수 있다. 노크 센서는 노크 상태(knock condition)(예, 통상의 연소 시간 윈도우에 속하지 않는 비예상 시간에서의 연소), 또는 엔진 실린더에서 음향 및/또는 진동 변화를 생성할 수 있는 기타 엔진 상태(예, 밸브 폐쇄 또는 엔진 내의 느슨한 카운터웨이트)를 검출하기 위해 엔진에서 연소와 연관된 음향 및/또는 진동을 모니터링할 수 있다. 다른 실시형태에 있어서, 센서는 노크 센서가 아니라, 진동, 압력, 가속도, 편향(deflection), 또는 움직임을 감지할 수 있는 임의의 센서일 수도 있다.
소정의 경우에 있어서, 통상 엔진 동작중에 발생하는 다양한 엔진 이벤트(예, 배기 및/또는 흡기 밸브(62)의 폐쇄)와, 잠재적인 엔진 오동작 또는 엔진 고장을 예상할 수 있는 이벤트를 검출하는 것이 바람직할 수 있다. 이러한 이벤트의 검출은, 예기되는 엔진 고장의 방지를 도울 뿐만 아니라, 엔진의 효율성에 관한 정보를 제공할 수도 있다. 그러므로, 사용자 또는 컨트롤러는 엔진 성능을 최적화하기 위해 검출된 동작 상태 정보에 기초하여 다양한 파라미터를 조정할 수 있다.
연소 엔진의 충격성(percussive nature) 때문에, 노크 센서는 엔진 실린더의 외부에 탑재될 때에 진동, 충격, 및/또는 음향적 특징을 검출할 수 있다. 그러나, 노크 센서는 하나 이상의 실린더 내에 또는 그 부근의 다양한 위치에 배치될 수도 있다. 노크 센서는 노크 센서에 의해 제공되는, 실린더의 1차원 프로파일(예, 사운드 또는 진동)을, 실린더 내의 연소 상태를 결정하기 위한 유용한 파라미터로 변환할 수 있다. 예를 들어, 노크 센서는 실린더의 내부에서 또는 그 근접부에서 진동을 검출하고, 진동 프로파일을 나타내는 신호를 컨트롤러에 전달한다. 노크 센서 신호는 1차원 진동 프로파일일 수도 있으며, 더욱이 노크 센서 신호의 주파수 성분은 실린더 내의 다양한 교란요소(disruption)를 특성화할 수 있다.
통상 엔진 동작 이벤트(예, 흡기 밸브(62)의 폐쇄) 또는 유해한 엔진 이벤트(예, 엔진 내의 느슨한 카운터웨이트)를 나타내는 노크 센서 신호를 분석 및 모델링하여 그러한 이벤트가 컨트롤러나 기타 컴퓨터에 의해 예측될 수 있게 하는 것이 바람직할 수 있다. 통계 모델은 신호 내의 충격 또는 진동 주파수를 특정 엔진 이벤트와 연관시킬 수 있다. 또한, 통계 모델은 그러한 이벤트의 전조(precursor)로서 다양한 주파수 범위를 특성화할 수 있다. 이에, 통계 모델은 엔진이 시정 액션(예, 셧다운)을 취할 수 있도록 그 이벤트가 발생할 시기를 예측할 수 있다.
도면으로 돌아가면, 도 1은 왕복 내연 엔진을 구비한 엔진 구동력 발생 시스템의 일부의 실시형태의 블록도를 도시하고 있다. 이하에서 상세하게 설명하겠지만, 시스템(8)은 하나 이상의 연소 챔버(12)(예, 1, 2, 3, 4, 5, 6, 7, 8, 10, 12, 14, 16, 18, 20개 이상의 연소 챔버(12))를 구비한 엔진(10)(예, 왕복 내연 엔진)을 포함한다. 옥시던트 공급원(14)(예, 공기 공급원)은 공기, 산소, 산소 풍부 공기, 산소 저감 공기, 또는 이들의 임의의 조합 등의 가압 옥시던트(16)를 각각의 연소 챔버(12)에 제공하도록 구성된다. 또한, 연소 챔버(12)는 연료 공급원(19)으로부터 연료(18)(예, 액상 및/또는 가스상 연료)를 받도록 구성되며, 각각의 연소 챔버(12) 내에서 연료-공기 혼합물이 점화되어 연소된다. 고온의 가압 연소 가스가 각각의 연소 챔버(12)에 인접한 피스톤(20)을 실리더(26) 내에서 선형 이동하게 하고, 그 가스에 의해 여기된 압력을 회전 운동으로 변환하여 샤프트(22)를 회전시킨다. 또한, 샤프트(22)는 부하(24)에 연결될 수 있으며, 부하는 그 샤프트(22)의 회전을 통해 동력을 공급받는다. 예를 들어, 부하(24)는 발전기 등의, 시스템(10)의 회전 출력을 통해 전력을 생성할 수 있는 임의의 적절한 장치일 수 있다. 부가적으로, 이하의 설명에서는 옥시던트(16)로서 공기를 언급하지만, 개시하는 실시형태에는 임의의 적절한 옥시던트가 이용될 수 있다. 마찬가지로, 연료(18)는, 예컨대 천연가스, 관련된 석유가스, 프로판, 바이오가스, 하수 가스, 매립지 가스, 탄광 가스 등의 임의의 적절한 가스상 연료일 수 있다. 연료(18)는 또한 가솔린 또는 디젤 연료 등의 각종의 액상 연료를 포함할 수도 있다.
본 명세서에 개시하는 시스템(8)은 고정식 용도(예, 산업용 동력 발생 엔진) 또는 이동식 용도(예, 자동차 또는 항공기)로 이용하도록 채택될 수 있다. 엔진(10)은 2행정 엔진, 3행정 엔진, 4행정 엔진, 5행정 엔진, 또는 6행정 엔진일 수 있다. 엔진(10)은 또한 임의 개의 연소 챔버(12), 피스톤(20), 및 연관된 실린더(26)(예, 1-24개)를 포함할 수 있다. 예를 들어, 소정의 실시형태에 있어서, 시스템(8)은 실린더(26) 내에서 왕복 운동하는 4, 6, 8, 10, 16, 24개 이상의 피스톤(20)을 구비한 대형의 산업용 왕복 엔진을 포함할 수 있다. 일부 그러한 경우에, 실린더(26) 및/또는 피스톤(20)은 대략 13.5 - 34 센티미터(cm) 사이의 직경을 가질 수 있다. 일부 실시형태에 있어서, 실린더(26) 및/또는 피스톤(20)은 대략 10-40 cm 사이, 15-25 cm 사이, 또는 약 15 cm의 직경을 가질 수 있다. 시스템(8)은 10 kW 내지 10 MW의 범위의 동력을 발생시킬 수 있다. 일부 실시형태에 있어서, 엔진(10)은 대략 18000 회전수(RMP) 미만으로 동작할 수 있다. 일부 실시형태에 있어서, 엔진(10)은 대략 2000 RPM, 1900 RPM, 1700 RPM, 1600 RPM, 1500 RPM, 1400 RPM, 1300 RPM, 1200 RPM, 1000 RPM, 900 RPM, 또는 750 RPM 미만으로 동작할 수 있다. 일부 실시형태에 있어서, 엔진(10)은 대략 750-2000 RPM 사이, 900-1800 RPM 사이, 또는 1000-1600 RPM 사이로 동작할 수 있다. 일부 실시형태에 있어서, 엔진(10)은 대략 1800 RPM, 1500 RPM, 1200 RPM, 1000 RPM, 또는 900 RPM으로 동작할 수 있다. 예시적인 엔진(10)은 예컨대 General Electric사의 Jenbacher Engine(예, Jenbacher Type 2, Type 3, Type 4, Type 6 또는 J920 FleXtra) 또는 Waukesha Engine(예, Waukesha VGF, VHP, APG, 275GL)을 포함할 수 있다.
구동력 발생 시스템(8)은 엔진 노크("knock")를 검출하기에 적절한 하나 이상의 노크 센서(23)를 포함할 수 있다. 노크 센서(23)는 디토네이션(detonation), 조기 점화, 및/또는 핑잉(pinging)으로 인한 진동, 음향 또는 사운드 등의, 엔진(10)에서 연소로 인해 발생하는 진동, 음향, 또는 사운드를 감지할 수 있다. 또한, 진동, 음향, 또는 사운드는 엔진(10)의 흡기 또는 배기 밸브의 폐쇄, 또는 기계 고장(예, 느슨한 피스톤, 파손된 밸브, 느슨한 연결용 로드 볼트(rod bolt) 등)과 같은 돌발 발생 이벤트로 인한 것일 수 있다. 이에, 노크 센서(23)는 음향 또는 사운드 센서, 진동 센서, 또는 이들의 조합을 포함할 수 있다. 예를 들어, 노크 센서(23)는 압전 진동 센서를 포함할 수 있다. 노크 센서(23)는 노크 상태, 예컨대 통상의 연소 시간 윈도우에 속하지 않는 비예상 시간에서의 연소를 검출하기 위해 엔진(10)의 연소와 연관된 음향 및/또는 진동을 모니터링할 수 있다. 노크 센서(23)는 엔진 제어 유닛(ECU, engine control unit)(25) 등의 제어 시스템 또는 컨트롤러(25)에 통신 가능하게 연결되는 것으로 도시된다. 동작중에, 노크 센서(23)로부터의 신호가 ECU(25)에 전달된다. 그런 다음, ECU(25)는 수신한 신호를 조작하고 그에 따라 소정의 엔진(10) 파라미터를 조정할 수 있다. 예를 들어, EUC(25)는 엔진 성능을 향상시키기 위해 점화 타이밍 및/또는 연료/옥시던트 비율을 조정할 수 있다.
도 2는 왕복 엔진(10)의 실린더(26)(예, 엔진 실린더) 내에 배치된 피스톤(20)을 구비하는 피스톤-실린더 어셈블리의 실시형태의 횡단면도이다. 실린더(26)는 원통형 캐비티(30)(예, 보어)를 형성하는 내부 환형 벽(28)을 갖는다. 피스톤(20)은 축 방향 또는 축(34), 반경 방향 또는 축(36), 및 원주 방향 또는 축(36)으로 규정될 수 있다. 피스톤(20)은 상부(40)(예, 톱 랜드)를 포함한다. 상부(40)는 일반적으로, 피스톤(20)의 왕복 운동중에 연료(18)와 공기(16) 또는 연료-공기 혼합물(32)이 연소 챔버(12)로부터 탈출하는 것을 막는다.
도시하는 바와 같이, 피스톤(20)은 연결용 로드(56)와 핀(58)을 통해 크랭크샤프트(54)에 부착된다. 크랭크샤프트(54)는 피스톤(24)의 왕복 선형 운동을 회전 운동으로 평행이동시킨다. 피스톤(20)이 이동할 때에, 크랭크샤프트(54)는 전술한 바와 같이, 회전하여 부하(24)(도 1에 도시)에 동력을 공급한다. 도시하는 바와 같이, 연소 챔버(12)는 피스톤(24)의 톱 랜드(40)에 인접해 배치된다. 연료 분사기(60)가 연소 챔버(12)에 연료(18)를 제공하고, 흡기 밸브(62)가 연소 챔버(12)에의 옥시던트(예, 공기(16)) 전달을 제어한다. 배기 밸브(64)가 엔진(10)으로부터의 배기 가스의 배출을 제어한다. 그러나, 연료(18)와 공기(16)를 연소 챔버(12)에 공급하고/하거나 배기 가스를 배출하기 위한 임의의 적절한 엘리먼트 및/또는 기술을 이용할 수도 있으며, 일부 실시형태에서는 연료 분사를 이용하지 않음이 이해되어야 한다. 동작에 있어서, 연료 챔버(12)에서 연료(18)와 옥시던트(16)가 연소됨으로써, 피스톤(20)이 실린더(26)의 캐비티(30) 내에서 축방향(34)으로 왕복식으로(예, 전진 및 후퇴) 이동할 수 있다.
동작중에, 피스톤(20)이 실린더(26)의 최상단에 있을 때 피스톤은 상사점(top dead center, TDC)이라고 불리는 위치에 있다. 피스톤이 실린더(26)의 최하단에 있을 때 피스톤은 하사점(bottom dead center, BDC)이라고 불리는 위치에 있다. 피스톤(20)이 TDC에서 BDC로 또는 BDC에서 TDC로 이동할 때에, 크랭크샤프트(54)는 1회전의 반회전을 한다. TDC에서 BDC로 또는 BDC에서 TDC로의 피스톤(20)의 각 이동을 행정(stroke)이라고 하며, 실시형태의 엔진(10)은 2행정 엔진, 3행정 엔진, 4행정 엔진, 5행정 엔진, 6행정 엔진 이상을 포함할 수 있다.
엔진(10)이 동작하는 중에, 흡입 프로세스, 압축 프로세스, 파워 프로세스, 및 배출 프로세스를 포함하는 시퀀스가 통상 발생한다. 흡입 프로세스는 연료(18)와 옥시던트(16)(예, 공기) 등의 가연성 혼합물이 실린더(15) 내로 당겨지게 하여 흡기 밸브(62)가 개방되고 배기 밸브(64)는 폐쇄되게 할 수 있다. 압축 프로세스는 가연성 혼합물을 더 작은 공간 내로 압축하여, 흡기 밸브(62)와 배기 밸브(64) 양쪽이 폐쇄되게 한다. 파워 프로세스는 압축된 연료-공기 혼합물을 점화시키며, 스파크 플러그 시스템을 통한 스파크 점화 및/또는 압축열을 통한 압축 점화를 포함할 수 있다. 연소로부터 그렇게 생성된 압력이 피스톤(20)을 BDC에 있게 한다. 배출 프로세스는 통상, 배기 밸브(64)를 개방 상태로 유지하면서 피스톤(20)을 TDC로 복귀시킨다. 이에 배출 프로세스는 소비된 연료-공기 혼합물을 배기 밸브(64)를 통해 배출한다. 실린더(26)마다 복수의 흡기 밸브(62)와 배기 밸브(64)가 이용될 수 있음에 주목해야 한다.
도시하는 엔진(10)은 크랭크샤프트 센서(66), 노크 센서(23), 및 엔진 제어 유닛(ECU)(25)을 포함할 수 있고, ECU는 프로세서(72)와 메모리 유닛(74)을 포함한다. 크랭크샤프트 센서(66)는 크랭크샤프트(54)의 위치 및/또는 회전 속도를 감지한다. 따라서, 크랭크 각 또는 크랭크 타이밍 정보가 크랭크샤프트 센서(66)로부터 도출될 수 있다. 즉, 연소 엔진을 모니터링할 때에, 타이밍은 크랭크샤프트 각도로 빈번하게 표현된다. 예를 들면, 4행정 엔진(10)의 완전 사이클은 720° 사이클로서 측정될 수 있다. 노크 센서(23)는 압전 가속도계, MEMS(microelectromechanical system) 센서, 홀효과 센서, 자왜(magnetostrictive) 센서, 및/또는 진동, 가속도, 음향, 사운드 및/또는 움직임을 감지하도록 설계된 기타 센서일 수 있다. 다른 실시형태에 있어서, 센서(23)는 노크 센서가 아니라, 진동, 압력, 가속도, 편향(deflection), 또는 움직임을 감지할 수 있는 임의의 센서일 수도 있다.
엔진(10)의 충격성 때문에, 노크 센서(23)는 실린더(26)의 외부에 탑재되더라도 특징(signature)을 검출할 수 있다. 그러나, 노크 센서(23)는 실린더(26) 내에 또는 그 부근의 다양한 위치에 배치될 수도 있다. 부가적으로, 일부 실시형태에 있어서, 예컨대 하나 이상의 인접한 실린더들(26) 사이에서 단일 노크 센서(23)를 공유할 수도 있다. 다른 실시형태에서는 각각의 실린더가 하나 이상의 노크 센서(23)를 포함할 수도 있다. 크랭크샤프트 센서(66)와 노크 센서(23)는 ECU(예, 컨트롤러)(25)와 전자 통신 관계인 것으로 도시되어 있다. ECU(25)는 본 명세서에 개시하는 기술을 구현하기 위해 머신 판독 가능한 매체(예, 메모리 유닛(74))에 저장되어 프로세서(예, 프로세서(72))에 의해 이용되는 비일시적 코드 또는 명령어를 포함한다. 메모리는 프로세서(72)에 의해 실행될 수 있는 컴퓨터 명령어를 저장할 수 있다. 또한, 메모리는 룩업 테이블 및/또는 기타 관련 데이터도 저장할 수 있다. ECU(25)는, 예컨대 점화 타이밍, 밸브(62, 64)의 개폐 타이밍을 조정하고, 연료와 옥시던트(예, 공기)의 전달을 조정 등을 함으로써, 엔진(10)의 동작을 모니터링하여 제어한다.
소정의 실시형태에서는, 다른 센서도 시스템(8)에 포함되어 ECU(25)에 연결될 수 있다. 예를 들어, 센서는 압력 센서, 온도 센서, 속도 센서 등의 대기(atmospheric) 및 엔진 센서를 포함할 수 있다. 예를 들어, 센서는 노크 센서, 크랭크샤프트 센서, 산소 또는 람다 센서, 엔진 흡기 온도 센서, 엔진 흡기 압력 센서, 재킷수(jacket water) 온도 센서, 엔진 배기 온도 센서, 엔진 배기 압력 센서, 및 배기 가스 조성 센서를 포함할 수 있다. 기타 센서는 온도 및 압력에 대한 압축기 입구 및 출구 센서도 포함할 수 있다.
노크 센서 및 기타 센서는 엔진 성능에 관한 유용한 데이터를 제공할 수 있다. 일부 경우에 있어서, 그러한 데이터는 특정 엔진 이벤트 발생 시기에 대응하는 시간을 추정하는데 이용될 수 있다. 소정의 실시형태에 있어서, 그러한 이벤트는 단기간의 고 에너지 이벤트(예, 단기간 임펄스 이벤트)일 수 있다. 단기간의 고 에너지 이벤트는 100 밀리세건드 미만일 수 있고, 그래서 노크 센서(32)로부터 수신된 신호에서 쉽게 검출할 수 있는데, 그러한 이벤트가 신호의 크기에 있어서 짧지만 명확한 변화를 초래할 수 있기 때문이다. 예컨대 그러한 이벤트의 타이밍이 최적의 엔진 성능과 상관하는지의 여부를 결정하기 위해 엔진(10)의 흡기 밸브(62)가 폐쇄되는 시기 및/또는 여부를 결정하는 것이 유리할 수 있다. 또한, 잠재적으로 해로운 엔진 이벤트(예, 느슨하거나 오정렬된 피스톤, 밸브 또는 연결용 로드 볼트)가 추후 동작중에 예측되어 방지될 수 있도록 이들 이벤트가 발생할 시기를 결정하는 것이 바람직할 수 있다.
도 3은 통상 엔진 동작중에 엔진 이벤트의 시간을 추정하는 것에 관한 본 개시내용의 실시형태의 블록도(100)를 도시하고 있다. 다시 말해, 블록도(100)에서는, 엔진(10)에 연결된 센서로부터의 입력을 이용하여, 엔진이 정상적으로 동작하고 있는 중에(예, 부하에 동력 공급시에) 특정 엔진 이벤트(예, 흡기 밸브(62) 폐쇄)가 발생하는 시기 및/또는 여부를 결정하고자 한다.
블록 102에서, ECU(25)(예, 컨트롤러 또는 기타 컴퓨팅 디바이스)는 노크 센서(23)로부터 엔진(10)의 적어도 하나의 실린더(26) 내의 진동, 음향, 충격 등에 관한 제1 신호를 수신한다. 노크 센서 신호 자체에 대해서는 도 5를 참조하여 더욱 상세하게 설명하기로 한다. 블록 104에서, ECU(25)(예, 컨트롤러)는 또한 크랭크샤프트 센서(66)로부터 크랭크샤프트(54)의 위치에 관한 제2 신호를 수신한다. 예를 들어, 크랭크샤프트 센서(66)는 0°와 270° 사이에 크랭크샤프트(54)의 각도를 포함하는 신호를 송신할 수 있다. 노크 센서(23)로부터의 신호와 크랭크샤프트 센서(66)로부터의 신호를 둘다 취득함으로써, ECU(25)은 진동, 사운드, 음향 등의 변화를 특정 크랭크샤프트 각도(예, 엔진 타이밍)와 결부시킬 수 있다.
블록 106에서, ECU(25)(예, 컨트롤러)는 블록 102에서의 제1 신호와 블록 104에서의 제2 신호를 복수의 특징 벡터로 변환하도록 프로그래밍될 수 있다. 소정의 실시형태에 있어서, 블록 106의 변환은 2단계로 행해질 수 있다. 제1 단계에서, ECU(25)의 메모리 유닛(74)에 저장된 다변수 변환 알고리즘이 노크 센서(23)로부터의 신호와 크랭크샤프트 센서(66)로부터의 신호를 스펙트로그램(spectrogram)(예, 도 5에 도시)으로 변환하는데 이용될 수 있다. 스펙트로그램은 예컨대 시간(예, 크랭크샤프트 각도)에 따른 노크 센서 신호의 임의의 표현을 나타낼 수 있다. 소정의 실시형태에 있어서, 다변수 변환 알고리즘(108)은 단시간 푸리에 변환("STFT", short-time Fourier Transform)이다. 다른 실시형태에 있어서, 다변수 변환 알고리즘(108)은 다른 유형의 푸리에 변환, 라플라스 변환, 멜린(Mellin) 변환, 하틀리(Hartley) 변환, 첩릿(Chirplet) 변환, 한켈(Hankel) 변환, "MFCCs"(Mel-frequency cepstral coefficients), "LPC"(linear prediction coefficients), 또는 이들의 임의의 조합이다. 또 다른 실시형태에 있어서, 원래의 1차원 노크 신호가 다변수 변환 알고리즘(108)에 의해 변환되지 않아 스펙트로그램이 생성되지 않을 수도 있다. 제2 단계에서는, 스펙트로그램이 복수의 특징 벡터로 변환될 수 있다. 소정의 실시형태에 있어서, 복수의 특징 벡터는 예컨대 스펙트로그램의 행들에 걸쳐(예컨대, 엔진 시간의 범위에 따라) 노크 센서(23)로부터의 신호의 평균 주파수를 취득함으로써 그 스펙트로그램으로부터 결정될 수 있다. 복수의 특징 벡터는 각각의 특징 벡터가 나타내는 품질 또는 특성의 수와 상관되는 일정한 길이("D")를 가질 수 있다. 소정의 실시형태에 있어서, 그 특징은 진폭, 주파수 강도에 관한 카테고리(예, 스펙트로그램 상에 보이는 색상), 또는 벡터에 포함된 기타 품질 또는 특성을 포함할 수 있다.
소정의 실시형태에서는 ECU(25)가 스펙트로그램을 물리적으로 생성하지 않을 수도 있음을 주목해야 한다. 그보다, ECU(25)는 노크 센서(23)로부터의 신호를 복수의 특징 센서로 직접 변환할 수 있다. 다른 실시형태에 있어서, ECU(25)는 스펙트로그램이 절대 사용자에게 디스플레이되거나 입수될 수 없도록, 프로세서(72)에 의해 수행되고/되거나 메모리 유닛(74)에 저장된 처리 단계에서의 스펙트로그램에 의해 제공된 기능을 인캡슐레이션, 즉 숨길 수 있다. 부가적으로, 스펙트로그램은 시간에 따른 노크 센서 신호의 주파수를 절대적으로 또는 질적으로 나타내는 것을 목적으로 한 임의의 데이터, 데이터 테이블, 알고리즘, 그래프, 차트 등을 나타낼 수도 있다.
다른 실시형태에 있어서, 특징 벡터로의 제1 및 제2 신호의 변환은 단일 단계로 행해질 수도 있다(예, 스펙트로그램이 생성되지 않는다). 또 다른 실시형태에 있어서, 전술한 특징 벡터로의 제1 및 제2 신호의 2단계 변환은 동시에 일어날 수도 있다.
블록 110에서, ECU(25)는 검출될 엔진 이벤트의 예상 타이밍 윈도우를 결정하도록 구성될 수 있다. 예상 타이밍 윈도우는 통계 알고리즘(112)에 기초하여 ECU(25)에 의해 결정된다. 통계 알고리즘(112)은 특정 엔진 유형에 대한 특정 엔진 이벤트가 발생한 시기 및/또는 여부를 검출하도록 트레이닝된 수학식 또는 알고리즘일 수 있다. 예를 들어, 통계 알고리즘(112)은 특정 엔진 이벤트를 나타내는 다양한 주파수 패턴을 실시간 노크 센서 신호와 연관시킴으로써 특정 엔진 이벤트의 예상 타이밍 윈도우를 예측하는 통계 모델을 이용할 수 있다. 따라서, 통계 알고리즘(112)은 예상 타이밍 윈도우를 결정하기 위해 이력 데이터, 경험 데이터, 지식 기반 데이터 등을 이용할 수 있다. 다시 말해, 통계 알고리즘(112)은, 노크 센서(23)로부터의 제1 신호를 분석하고 특정 엔진 이벤트가 발생할 수 있음을 나타내는 다양한 예측 주파수 패턴을 찾음으로써 특정 엔진 이벤트의 예상 타이밍 윈도우를 추정할 수 있다. 예를 들어, 통계 알고리즘(112)은 제1 엔진 상태와 제2 엔진 상태 간의 천이를 검출하여 그 천이를 특정 엔진 이벤트의 발생과 상관시키도록 트레이닝될 수 있다. 이 상관으로 통계 알고리즘(112)이 예상 타이밍 윈도우를 결정할 수 있다. 다른 실시형태에 있어서, 통계 알고리즘(112)은 특정 엔진 상태를 특정 엔진 이벤트와 상관시키도록 트레이닝되어 예상 타이밍 윈도우가 특정 엔진 상태에 기초하여 결정될 수 있다.
소정의 실시형태에 있어서, 통계 알고리즘(112)은 가우스 혼합 모델(Gaussian Mixture Model, "GMM")일 수도 있다. 다른 실시형태에 있어서, 통계 알고리즘(112)은 다른 통계 혼합 모델, 베이지안(Bayesian) 모델, 그래픽 모델, 머신 학습 모델, 은닉 마르코프(hidden Markov) 모델, 또는 특정 엔진 이벤트(예, 흡기 밸브(62)의 폐쇄)의 알려진 주파수 패턴을 통상 엔진 동작중에 수신된 신호(예, 노크 센서 신호)와 연관시키도록 구성된 기타 모델일 수 있다. 통계 알고리즘(112)의 형성에 대해서는 도 4를 참조하여 더욱 상세하게 설명하기로 한다.
본 명세서에서 사용되는 "특정 엔진 이벤트"는 검출하기에 바람직할 수 있는 엔진(10)에서 발생하는 사건에 관한 것이다. 예를 들어, 잠재적인 엔진 고장을 예측할 수 있는 사건 또는 통상 엔진 동작중에 발생하는 사건(예, 밸브 폐쇄)를 검출하는 것이 바람직할 수도 있다. 따라서, 흡기 밸브(62)가 교착 상태인지의 여부를 결정하여, 옥시던트(16)를 실린더에 더 많이 또는 더 적게 허용하기 위해 흡기 밸브(62)의 폐쇄 시기를 검출하는 것이 바람직할 수 있다. 부가적으로, 배기 밸브(64)가 교착 상태인지의 여부를 결정하여, 실린더(26) 내에 연소 가스를 가두거나 실린더(26)에서 옥시던트(16)와 연료(18)의 압축을 막기 위하여 배기 밸브(64)의 폐쇄 시기를 검출하는 것이 바람직할 수 있다. 또한, 느슨하거나 오조정된 엔진 부품, 실린더(26)에 접촉하는 피스톤(26), 파손된 배기 밸브(64)나 흡기 밸브(62), 느슨한 연결용 로드(56) 볼트 등의, 엔진(10)의 기계적 고장을 검출하는 것도 바람직할 수 있다. 소정의 실시형태에 있어서, 통계 알고리즘(112)은 하나의 특정 엔진 이벤트를 포함한다고 알려진, ECU(25)에 의해 수신된 신호로부터 학습함으로써 그 하나의 특정 엔진 이벤트를 검출하도록 트레이닝될 수 있다. 다른 실시형태에 있어서, 통계 알고리즘(112)은 복수의 특정 엔진 이벤트를 검출하도록 트레이닝될 수도 있다. 예를 들어, 통계 알고리즘(112)은 ECU(25)에 의해 수신되는 신호에 포함된 상이한 크기에 기초하여 통상 엔진 동작중에 발생하는 사건(예, 밸브 폐쇄)과 잠재적인 엔진 고장을 예측하는 사건을 구별할 수 있다.
블록 114에서, ECU(25)는 블록 110에서 결정된 예상 타이밍 윈도우 주변에 복수의 특징 벡터를 센터링할 수 있다. 예상 타이밍 윈도우 주변에 복수의 특징 벡터를 센터링하는 것은, 각각의 특징 벡터를 통계 알고리즘(112)의 특정 상태(예, 제1 그룹 또는 제2 그룹 중 하나)에 대응하는 것으로서 특성화하는 것을 수반할 수 있다. 소정의 실시형태에 있어서, 제1 상태(예, 제1 그룹)은 특정 엔진 이벤트가 발생하기 이전의 타이밍과 연관될 수 있고, 제2 상태(예, 제2 그룹)은 특정 엔진 이벤트가 발생한 이후의 타이밍과 연관될 수 있다. 다른 실시형태에 있어서, 통계 알고리즘(112)은 임의 개(예, 1, 3, 4, 5, 6, 7, 8, 9, 10개 이상)의 상태를 포함할 수 있다. 그러나, ECU(25)는 특정 특징 벡터가 대응하는 상태를 알지 못할 수도 있다. 소정의 실시형태에 있에서, ECU(25)는 예상 타이밍 윈도우 주변에 특징 벡터 전부를 센터링할 수 있다. 다른 실시형태에 있어서, ECU(25)는 신호로부터의 특징 벡터의 일부만을 예상 타이밍 윈도우 주변에 센터링할 수도 있다. 예를 들어, ECU(25)는 예상 타이밍 윈도우 부근에 센터링할 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22, 24, 26, 28, 30, 40, 또는 50개의 특징 벡터만 선택할 수 있다.
블록 116에서, ECU(25)는 예상 타이밍 윈도우 내에서 특정 엔진 이벤트가 발생한 시간을 추정할 수 있다. ECU(25)가 특징 벡터를 통계 모델의 임의 개의 엔진 상태에 속하는 것으로 분류할 수 있기 때문에, ECU(25)는 어떤 시퀀스가, 그래서 특정 이벤트의 어떤 타이밍이 가장 발생할 가능성이 높은지를 결정하기 위해 특징 벡터의 유한 개(매우 많을 가능성이 있더라도)의 가능성 있는 시퀀스를 검색할 수 있다. 예를 들어, 예상 타이밍 주변에 6개의 특징 벡터가 센터링되면, 제2 상태에 속하는 특징 벡터가 제1 상태에 속하는 특징 벡터를 뒤따르기 때문에(예, 도 7), 7개의 시퀀스만 가능하다. 소정의 실시형태에 있어서, 특징 벡터의 각각의 시퀀스는, 예컨대 얼마나 많은 특징 벡터가 제1 상태와 제2 상태에 속하는지에 기초하여, 특정 엔진 이벤트의 가능성 있는 타이밍에 대응한다. ECU(25)는 통계 알고리즘(112)을 이용하여 각각의 시퀀스마다 개별 가능성을 산출할 수 있으며, 가능성이 가능 높은 시퀀스가 특정 엔진 이벤트의 추정 시간에 대응할 수 있다.
블록 118에서, ECU(25)는 특정 엔진 이벤트의 추정 시간에 기초하여, 시정 액션을 취하기 위해 액추에이터 또는 기타 장치에 신호를 송신 또는 출력할 수 있다. 예를 들어, ECU(25)가 예측치보다 늦은 흡기 밸브(62)의 추정 폐쇄 시간을 산출하면, ECU(25)는 엔진(10)의 점화 타이밍(예, 스파크가 실린더에 도입되는 클랭크샤프트 각도)를 조정하는 신호를 송신할 수 있다. 더욱이, 엔진 이벤트가 엔진 고장(예, 흡기 밸브(62)의 손상 또는 파손)을 초래할 경우, ECU(25)는 흡기 밸브(62)를 교체 또는 수리할 수 있도록 엔진(10)에 완전 셧다운 동작을 명령하는 신호를 송신할 수도 있다.
도 4는 엔진(10)의 오프라인 동안에(예, 통상 엔진 동작중이 아닌 경우에) 통계 알고리즘(112)을 형성하는 것에 관한 본 개시내용의 실시형태의 블록도(130)를 도시하고 있다. 소정의 실시형태에 있어서, 블록도(130)는 통계 알고리즘(112)에 의해 추정된 시간과 특정 엔진 이벤트의 실제 시간(예, 센서를 통해 검출) 사이의 타이밍 에러(예, 차이)가 소정치(예, 0.5°미만)에 도달할 때까지 반복될 수 있다. 또한, 블록도(130)는 소정의 엔진 유형 특유의 통계 알고리즘(112)을 생성할 수 있다. 이에, 블록도(130)는 특정 엔진 이벤트를 초래할 수 있는 각각의 엔진 유형마다 수행될 수 있다.
블록 132에서, ECU(25), 또는 기타 컴퓨팅 디바이스(예, 통계 소프트웨어를 구비한 컴퓨터)가 노크 센서(23)로부터 신호를 수신할 수 있다. 노크 센서(23)로부터 송신된 신호는 특정 엔진 이벤트(예, 흡기 밸브(62)의 폐쇄)에 관한 주파수 데이터를 포함한다. 예를 들어, 특정 엔진 이벤트가 흡기 밸브(62)의 폐쇄라면, 노크 센서(23)로부터 수신된 신호는 흡기 밸브(62)의 폐쇄중에 수집된 것으로 알려져 있는 주파수 데이터를 포함한다. 블록도(100)와 마찬가지로, 블록 134에서, 노크 센서(23)로부터 수신된 신호가 복수의 특징 센서로 변환된다. 소정의 실시형태에 있어서, 이 변환은 2단계로 일어날 수 있다. 첫번째, 다변수 변환 알고리즘(108)을 이용하여, 노크 센서(23)로부터의 신호가 스펙트로그램으로 변환될 수 있다. 이 변환은 ECU(25) 또는 컴퓨팅 디바이스의 메모리 유닛(74)에 저장된 다변수 변환 알고리즘(108)을 이용해서 행해질 수 있다. 소정의 실시형태에 있어서, 다변수 변환 알고리즘(108)은 단시간 푸리에 변환("STFT", short-time Fourier Transform)이다. 다른 실시형태에 있어서, 다변수 변환 알고리즘(108)은 다른 유형의 푸리에 변환, 라플라스 변환, 멜린(Mellin) 변환, 하틀리(Hartley) 변환, 첩릿(Chirplet) 변환, 한켈(Hankel) 변환, "MFCCs"(Mel-frequency cepstral coefficients), "LPC"(linear prediction coefficients), 또는 이들의 임의의 조합이다. 두번째, 스펙트로그램이 복수의 특징 벡터로 변환될 수 있다. 또 다른 실시형태에 있어서, 원래의 1차원 노크 신호가 다변수 변환 알고리즘(108)에 의해 변환되지 않아 스펙트로그램이 생성되지 않을 수도 있다. 복수의 특징 벡터는 각각의 특징 벡터가 나타내는 품질 또는 특성의 수와 상관되는 일정한 길이("D")를 가질 수 있다. 소정의 실시형태에 있어서, 그 특징은 진폭, 색상(예, 스펙트로그램 상에 보이는 색상), 또는 벡터에 포함된 기타 품질 또는 특성을 포함할 수 있다. 다른 실시형태에 있어서, 노크 센서로부터의 신호를 복수의 특징 벡터로 변환하는 것은 단일 단계로 일어날 수도 있고, 또는 제1 단계와 제2 단계가 동시에 일어날 수도 있다.
노크 센서 신호에 포함되는 특정 엔진 이벤트의 실제 시간은, 특정 엔진 이벤트를 검출하도록 구성된 다른 센서(예, 압력 센서, 밸브 각 센서 등)로부터 수신된 제2 신호(136)와, 크랭크샤프트 센서(66)로부터의 클랭크샤프트 각도에 대응하는 제3 신호(138)를 통해, ECU(25) 또는 컴퓨팅 디바이스에 의해 알려질 수 있다. 이들 알려진 입력은, 블록 140에서 복수의 특징 벡터를 제1 상태와 제2 상태로 정렬시키기 위해 ECU(25) 또는 컴퓨팅 디바이스에 의해 이용될 수 있다. 소정의 실시형태에 있어서, 제1 상태는 특정 엔진 이벤트가 발생하기 바로 직전의 타이밍에 대응하는 특징 벡터를 포함하고, 제2 상태는 특정 엔진 이벤트가 발생한 직후의 타이밍에 대응하는 특징 벡터를 포함한다. ECU(25) 또는 컴퓨팅 디바이스는 신호(136, 138)를 이용하여 엔진 이벤트의 실제 타이밍을 결정한 다음, 특정 엔진 이벤트 직전의 시간이 특정 엔진 이벤트 직후의 시간과 분리되어 특성화될 수 있도록, 복수의 특징 벡터를 그에 따라 분류한다.
블록 142에서, ECU(25) 또는 컴퓨팅 디바이스는 제1 상태의 특징 벡터를 특정 엔진 이벤트 발생 직전 시간에 연관시키도록 재프로그래밍되거나 구성(예, "트레이닝)된다. 다시 말해, 제1 상태의 특징 벡터를 이용하여 제1 통계 모델이 형성된다. 제1 통계 모델은 특징 벡터 내에 포함된 특성을 비교함으로써, 통상 엔진 동작중에 수신된 추후 특징 벡터(예, 블록도(100)의 것 등)가 특정 엔진 이벤트가 발생하기 직전의 시간에 대응하는지의 여부를 결정할 수 있다.
마찬가지로, 블록 144에서, ECU(25) 또는 컴퓨팅 디바이스는 제2 상태의 특징 벡터를 특정 엔진 이벤트 발생 직후의 시간에 연관시키도록 재프로그래밍되거나 구성(예, "트레이닝)된다. 제2 상태의 특징 벡터를 이용하여 제2 통계 모델이 생성된다. 제2 통계 모델은 특징 벡터 내에 포함된 특성을 비교함으로써, 통상 엔진 동작중에 수신된 특징 벡터(예, 블록도(100)의 것 등)가 특정 엔진 이벤트가 발생하기 직후의 시간에 대응하는지의 여부를 결정할 수 있다.
블록 146에서, ECU(25) 또는 컴퓨팅 디바이스는 제1 통계 모델을 제2 통계 모델과 조합하여 제3의 전체 통계 모델(예, 통계 알고리즘(112))을 형성하며, 이 제3의 전체 통계 모델은 수신된 특징 벡터(예, 블록도(100)의 것 등)를 특정 엔진 이벤트 직전 시간 또는 직후 시간 중 하나와 연관시킴으로써 특정 엔진 이벤트의 시간을 추정한다.
소정의 실시형태에 있어서, 제3 통계 모델은 특징 벡터의 유한개의 가능한 시퀀스의 각각의 시퀀스가 특정 엔진 이벤트의 실제 타이밍에 대응할 가능성을 산출할 수 있다. 이 프로세스에 대해서 도 7을 참조하여 더욱 상세하게 설명하기로 한다.
도 5는 노크 센서(23)에 의해 측정된 엔진 잡음 플롯(170)(예, 노크 신호)의 실시형태, 및 다변수 변환 알고리즘(108)을 엔진 잡음 플롯(170)에 적용한 후에 생성된 스펙트로그램 플롯(172)의 실시형태이다. 도 5에 도시하는 바와 같이, 엔진 잡음 플롯(170)(예, 노크 신호)는 1차원 신호를 포함한다. 소정의 실시형태에 있어서, 엔진 잡음 플롯(170)은 엔진 타이밍(예, 크랭크샤프트 각도)에 따라 노크 센서 전압을 측정한다. 다른 실시형태에 있어서, 엔진 잡음 플롯(170)은 저항, 또는 엔진 실린더(26)에서의 진동, 가속도 또는 음향에 대응할 수 있는 기타 출력일 수도 있다.
엔진 잡음 플롯(170)은 또한 검출되는 특정 엔진 이벤트(예, 흡기 밸브(62) 폐쇄)의 실제 타이밍(174)을 보여주고 있다. 도 5에서 볼 수 있는 바와 같이, 엔진 잡음 플롯(170)의 신호는 엔진 이벤트의 발생과 동시에 유의하게 변하지 않는다. 그보다는, 그 신호는 엔진 이벤트 발생 후에 크랭크샤프트의 대략 5°의 크기에서 유의한 점프가 이루어진다. 이에, 노크 센서 신호의 지연 때문에 신호 크기의 변화의 최대 레이트의 결정이 반드시 특정 엔진 이벤트의 실제 시간의 정확한 추정치를 제공하지는 않을 것이다. 엔진 잡음 플롯(170)은 또한 특정 엔진 이벤트 발생 후에 신호의 크기가 결국에 어떻게 같은 수준으로 되는지를 보여주고 있다. 이에, 엔진 잡음 플롯(170)으로부터, 특정 엔진 이벤트가 노크 신호의 크기에 유의한 변화를 일으키지만 그 변화는 일시적(예, 100 밀리세컨드 미만)일 뿐임이 분명하다.
도 5에는 엔진 잡음 플롯(170)을 나타내는 스펙트로그램 플롯(170)의 실시형태도 나타내고 있다. 스펙트로그램은 엔진 잡음 플롯(170)에 포함된 주파수의, 시각적 또는 다른 식의, 표현 또는 데이터 구조(data construct)일 수 있다. 예를 들면, 스펙트로그램 플롯(172)은 주파수 강도에 따라 엔진 잡음 플롯(170)의 상이한 주파수를 분류한다(예, 시각적으로 표현될 때에 스펙트로그램 플롯(170) 상에서의 상이한 음영들은 주어진 주파수의 상이한 강도들을 나타낸다). 스펙트로그램 플롯(172)은 다변수 변환 알고리즘(180)을 엔진 잡음 플롯(170)에 적용함으로써 생성될 수 있다. 소정의 실시형태에 있어서, 다변수 변환 알고리즘(108)은 단시간 푸리에 변환("STFT", short-time Fourier Transform)이다. 다른 실시형태에 있어서, 다변수 변환 알고리즘(108)은 다른 유형의 푸리에 변환, 라플라스 변환, 멜린(Mellin) 변환, 하틀리(Hartley) 변환, 첩릿(Chirplet) 변환, 한켈(Hankel) 변환, "MFCCs"(Mel-frequency cepstral coefficients), "LPC"(linear prediction coefficients), 또는 이들의 임의의 조합이다. 또 다른 실시형태에 있어서, 원래의 1차원 노크 신호가 다변수 변환 알고리즘(108)에 의해 변환되지 않아 스펙트로그램이 생성되지 않을 수도 있다. 특정 엔진 이벤트의 시간을 추정하기 위해, 스펙트로그램은 복수의 특징 벡터로 변환될 수 있다. 특징 벡터는 임의의 주어진 시간에 신호의 주파수에 관한 가치있는 정보를 제공할 수 있다.
이 경우에도, 소정의 실시형태에 있어서 ECU(25)가 스펙트로그램 플롯(172)을 물리적으로 생성하지 않을 수도 있음을 주목해야 한다. 오히려, ECU(25)는 노크 센서(23)로부터의 신호를 특징 벡터로 직접 변환할 수 있거나, 또는 본 명세서에서 설명하는 단계들 중 몇몇을 간소화하기 위해 스펙트로그램에 의해 제공된 기능을 하나 이상의 변환 함수 또는 필적하는 수학적 구조로 통합할 수 있다. 부가적으로, 스펙트로그램 플롯(172)(또는 그것의 데이터 구조 등가물)은 도 5에 도시하는 실시형태에 제한되어서는 안 된다. 다른 실시형태에 있어서, 스펙트로그램 플롯(172)은 시간에 따른 노크 센서 신호의 주파수 및 그 주파수의 강도를 나타내는 것을 목적으로 한 임의의 데이터, 데이터 테이블, 알고리즘, 그래프, 차트 등일 수도 있다. 예를 들어, 스펙트로그램 플롯(172)은 색상 외 다른 방식(예, 형상, 문자, 숫자, 음영 등)으로 주파수의 강도를 분류할 수 있다.
도 6은 스펙트로그램 플롯(172)을 이용하여 생성된 복수의 특징 벡터(190)의 실시형태를 도시하고 있다. 블록도(130)의 블록 140에 따라, 특징 벡터(190)는 제1 엔진 이벤트(192)와 제2 엔진 이벤트(194) 주변에 센터링된다. 소정의 실시형태에 있어서, 제1 엔진 이벤트(192)와 제2 엔진 이벤트(194)는 동일한 특정 엔진 이벤트이다. 도 6에 도시하는 바와 같이, 특징 벡터(190)는 제1 엔진 이벤트(192) 이전과 제1 엔진 이벤트(192) 이후에 특징 벡터(190)의 수가 동일하도록 제1 엔진 이벤트(192) 주변에 센터링될 수 있다. 이에, 도시하는 실시형태에 있어서, 제1 벡터(190)는 제1 엔진 이벤트(192) 이전의 시간에 대응하는 제1 상태(196)와, 제1 엔진 이벤트(192) 이후의 시간에 대응하는 제2 상태(198)로 정렬된다. 유사한 프로세스가 제2 엔진 이벤트(194)에도 수행되는 것에 주목해야 한다. 제1 엔진 이벤트(192)의 시간과 제2 엔진 이벤트(194)의 시간은, ECU(25) 또는 기타 컴퓨팅 디바이스가 그러한 정보를 제공하는 다른 센서로부터 신호를 수신할 수도 있기 때문에 알려질 수 있다. 복수의 특징 벡터(190)가 제1 상태(196)와 제2 상태(198)로 정렬되었다면, ECU(25) 또는 기타 컴퓨팅 디바이스는, 특징 벡터가 특정 엔진 이벤트 직전의 시간을 나타낼 때를 예측하기 위해 제1 통계 알고리즘이 형성될 수 있도록 제1 상태(196)의 특성과 품질을 연관시키기 시작할 수 있다. 마찬가지로, ECU(25) 또는 기타 컴퓨팅 디바이스는, 특징 벡터가 특정 엔진 이벤트 직후의 시간을 나타낼 때를 예측하기 위해 제2 통계 알고리즘이 형성될 수 있도록 제2 상태(198)의 특성과 품질을 연관시킬 수 있다. 마지막으로, ECU(25) 또는 기타 컴퓨팅 디바이스는, 제1 통계 알고리즘과 제2 통계 알고리즘을 조합하여, 특정 엔진 이벤트의 시간을 추정하는데 이용될 수 있는 통계 알고리즘(112)을 형성할 수 있다.
소정의 실시형태에 있어서, 통상 상태하에서 엔진(10)이 동작하고 있을 때에, 복수의 특징 벡터는 전술한 바와 같이 예상 타이밍 윈도우 부근에 센터링될 수 있다. 통상 동작중에는, 엔진 이벤트의 실제 시간이 알려지지 않고, 그래서 특징 벡터가 2개의 같은 부분으로 정렬되지 않을 수 있다. 제1 엔진 이벤트(192)의 예상 타이밍 윈도우는 ECU(25) 또는 기타 컴퓨팅 디바이스에 의해, 엔진의 오프라인 구동시(예, 비통상 동작 상태중)에 생성된 통계 알고리즘(112)을 이용하여 추정될 수 있다. 예를 들어, 통계 알고리즘(112)은 이력 데이터, 경험 데이터, 지식 기반 데이터 등에 기초하여 예상 윈도우를 추정할 수 있다. 전술한 바와 같이, 통계 알고리즘(112)은 제1 엔진 상태와 제2 엔진 상태 간의 천이를 검출하여 그 천이를 특정 엔진 이벤트의 발생과 상관시키도록 트레이닝될 수 있다. 이 상관으로 통계 알고리즘(112)이 예상 타이밍 윈도우를 결정할 수 있다. 다른 실시형태에 있어서, 통계 알고리즘(112)은 특정 엔진 상태를 특정 엔진 이벤트와 상관시키도록 트레이닝되어 예상 타이밍 윈도우가 특정 엔진 상태에 기초하여 결정될 수 있다.
그런 다음 ECU(25) 또는 컴퓨팅 디바이스는 예상 타이밍 윈도우 주변에 특징 벡터(190)를 센터링한다. 그리고, 예상 타이밍 윈도우 주변에 센터링된 복수의 특징 벡터(190)는 제1 상태(196) 또는 제2 상태(198)로 분류될 수 있지만, 사실상 특징 벡터(190)가 어떤 상태(196, 198)에 대응하는지는 알려지지 않는다. 소정의 실시형태에 있어서, 예상 타이밍 윈도우 주변에 센터링된 복수의 특징 벡터(190)는 모두 제1 상태(196)에 속할 수도 있고, 모두 제2 상태(198)에 속할 수도 있으며, 또는 일부는 제1 상태(196)에 일부는 제2 상태(198)에 속할 수도 있다. 다른 실시형태에 있어서, 2개보다 많은 상태의 통계 알고리즘(112)이 포함될 수도 있다. 임의의 이벤트에 있어서, 각각의 특징 벡터는 하나의 상태(예, 제1 상태(196) 또는 제2 상태(198) 중 하나)에만 속할 수 있기 때문에, 특징 벡터(190)의 유한 개의 가능한 시퀀스가 형성될 수 있다. 더욱이, 제1 상태(196)에 속하는 특징 벡터(190)가 시간적으로 더 빠르기 때문에 제2 상태(198)에 속하는 특징 벡터 뒤에 제1 상태(196)에 속하는 특징 벡터가 있을 수는 없다.
도 7은 총 6개의 특징 벡터가 존재할 경우에 특정 엔진 이벤트의 예상 타이밍 윈도우 주변에 센터링되는 특징 벡터의 가능한 시퀀스의 실시형태(210)를 도시하고 있다. 도 7에서, 6개의 특징 벡터가 통계 알고리즘(112)에 이용될 때의 7개의 가능한 시퀀스를 도시하고 있지만, 임의 개의 특징 벡터가 이용될 수 있음에 주목해야 한다. 예를 들어, 통계 알고리즘(112)은 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 14, 16, 18, 20, 25, 30, 35, 40, 45, 50개 이상의 특징 벡터를 이용할 수 있다. 특징 벡터의 수는 "N"으로 표현될 수 있다. 얼마나 많은 특징 벡터가 통계 알고리즘에 의해 이용되는지에 관계 없이, 특징 벡터의 가능한 시퀀스의 수는 N+1일 수 있다.
전술한 바와 같이, 도 7에서는, 소정의 실시형태에 있어서, 어떻게 통계 알고리즘(112)의 제2 상태(198)(예, "2"가 표시된 박스들)에 속하는 특징 벡터 뒤에 제1 상태(196)(예, "1"이 표시된 박스들)에 속하는 특징 벡터가 있을 수 없는지를 도시하고 있다. 이 경우에도, 제2 상태(198)에 속하는 특징 벡터가 제1 상태(196)에 속하는 특징 벡터보다 시간적으로 늦기 때문에, 상기한 가능한 시퀀스의 속성이 발생하며, 시간적으로 빨리 발생하는 어떤 것은 시간적으로 늦게 발생하는 어떤 것 뒤에 있을 수 없다. 도시하는 실시형태에서 보여주는 바와 같이, 시퀀스가 제1 상태(196)에서 제2 상태(195)로 전환하는 포인트(212)가 특정 엔진 이벤트의 추정 타이밍에 대응할 수 있다. 이에, 각각의 시퀀스는 특정 엔진 이벤트의 상이한 시간을 나타낸다. 다른 실시형태에 있어서, 특정 엔진 이벤트의 타이밍은 특정 엔진 상태를 그 특정 엔진 이벤트에 상관시킴으로써 통계 알고리즘(112)에 의해 또는 기타 적절한 수단에 의해 결정될 수 있다.
특징 벡터의 가능한 시퀀스 전부를 결정한 후에, ECU(25) 또는 컴퓨팅 디바이스는 통계 알고리즘(112)을 이용하여 각각의 시퀀스가 특정 엔진 이벤트의 실제 시간을 가장 근접하게 나타낼 가능성(예, 확률)을 산출한다. 그런 다음, 가장 높은 가능성을 갖는 시퀀스가, 특정 엔진 이벤트가 발생한 시간의 최종 추정치로서 선택된다.
도 8은 특정 엔진 이벤트의 시간을 예측하기 위해 상이한 통계 알고리즘들이 이용될 때에 생성되는 표준 편차 값들의 그래프 표현(220)을 도시하고 있다. 도 8에 나타내는 그래프들은 개시하는 실시형태에 의해 달성될 수 있는 것을 대표하기 위함이며, 그래서 이들은 본 개시내용의 실시형태를 이러한 결과에만 한정하는 것을 의도하지 않는다. 도 8은 2개의 그래프를 보여준다. 제1 그래프(222)는 제1 상태(196)에 대해 15개의 특징 벡터를 그리고 제2 상태(198)에 대해 15개의 특징 벡터(총 30개의 특징 벡터)를 이용한 가우스 혼합 모델(예, 통계 알고리즘(112))에 대한 표준 편차 값들을 나타내고 있다. 제1 그래프(222)는 또한 상이한 수의 가우스 혼합을 이용하여 가우스 혼합 모델의 표준 편차 값들도 나타내고 있다. 가우스 혼합 수는 모델에의 입력 파라미터로서, 정확성을 최적화하기 위해 달라질 수 있다. 소정의 실시형태에 있어서, 가우스 혼합 수는 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 15, 20, 25, 30, 35, 40, 45, 50 또는 그 이상일 수도 있다. 제1 그래프(222)는 표시된 데이터 중, 8 가우스 혼합을 선택하는 것이 30개의 특징 벡터를 이용하는 가우스 혼합 모델에 대한 표준 편차를 최소화한 것을 보여주고 있다.
부가적으로, 도 8은 제1 상태(196)의 8개의 특징 벡터 및 제2 상태(198)의 8개의 특징 벡터를 이용하는 가우스 혼합 모델로 생성된 표준 편차값을 포함하는 제2 그래프(224)를 도시하고 있다. 그래프(224)는 총 16개의 특징 벡터를 이용하는 통계 모델로부터의 데이터 중, 표준 편차가 최저가 되는 6 가우스 혼합을 포함한 모델을 보여주고 있다.
마찬가지로, 도 9는 통계 알고리즘(112)을 이용한 특정 엔진 이벤트의 추정 시간과 그 특정 엔진 이벤트의 실제 시간을 비교하는 값을 포함하는 테이블(230)을 도시하고 있다. 이 경우에도, 도 9는 개시하는 실시형태에 의해 달성될 수 있는 것을 대표하기 위함이며, 그래서 그것은 본 개시내용의 실시형태를 이러한 결과에만 한정하는 것을 의도하지 않는다. 도 9는 통계 알고리즘(112)이 크랭크샤프트의 0.1° 내에서 특정 이벤트 엔진의 시간을 잠재적으로 예측할 수 있음을 보여주고 있다. 소정의 실시형태에 있어서, 통계 알고리즘(112)은 0°와 30° 사이, 0°와 25°사이, 0.05°와 15°사이, 또는 그외 다른 값들 사이에서 특정 엔진 이벤트의 시간을 추정할 수 있다. 부가적으로, 도 9는 특정 엔진 이벤트의 발생 여부를 비교적 높은 정확성으로 예측할 수 있음을 나타내고 있다. 도 9는 통계 알고리즘(112)이 통상 동작중에 엔진(10) 내에 채용될 수 있고 특정 엔진 이벤트의 시간을 정확하게 추정할 있는 것을 보여주고 있다.
본 발명의 기술적 효과는 노크 센서로부터 엔진 이벤트에 관한 신호를 수신하는 것을 포함한다. 이 신호는 엔진이 오프라인으로 동작했을 때에 개발된 통계 알고리즘을 이용하여 특정 엔진 이벤트의 시간을 추정하는데 이용될 수 있다. 엔진 파라미터는 연료 효율을 향상시키고, 동력 출력을 강화시키는 등을 위해 시간 추정치에 기초하여 조정될 수 있다.
여기에서의 설명은 최상 모드를 포함한 본 발명을 개시하기 위해 또 당업자가 임의의 장치 또는 시스템을 제조 및 이용하여 임의의 포함된 방법을 수행하는 것을 포함한 본 발명을 실행하는 것을 가능하게 하기 위해 예를 이용한다. 본 발명의 특허 가능한 범위는 청구범위에 의해 정해지며, 당업자에게 떠오르는 다른 예도 포함할 수 있다. 그러한 다른 예는 청구범위의 문어와 상이한 구조적 요소를 갖더라도 또는 청구범위의 문어와 비실질적인 차이를 갖는 균등한 구조적 요소를 포함하여도 청구범위의 범주 내에 포함되는 것이다.

Claims (15)

  1. 엔진 이벤트가 발생할 시기를 추정하는 시스템에 있어서,
    컨트롤러를 포함하고,
    상기 컨트롤러는, 연소 엔진(combustion engine)에 연결된 적어도 하나의 노크 센서(knock sensor)로부터 제1 신호를 수신하고, 상기 연소 엔진에 연결된 적어도 하나의 엔진 크랭크샤프트 센서로부터 제2 신호를 수신하며, 다변수 변환 알고리즘을 이용하여 상기 제1 및 제2 신호를 복수의 특징 벡터로 변환하고, 통계 알고리즘으로 엔진 이벤트의 예상 윈도우를 결정하며, 상기 복수의 특징 벡터의 일부를 상기 예상 윈도우 주변에 센터링하고, 상기 통계 알고리즘을 이용하여, 상기 엔진 이벤트가 발생한 시기에 대응하는, 상기 예상 윈도우 내의 시간을 추정하고, 상기 시간에 기초하여 상기 연소 엔진의 동작을 조정하도록 구성되고,
    상기 통계 알고리즘은 상기 엔진 이벤트가 발생할 최대 가능성을 포함하는 특징 벡터의 시퀀스를 결정함으로써 상기 엔진 이벤트의 시간을 추정하는 것인 엔진 이벤트 발생 시기 추정 시스템.
  2. 제1항에 있어서, 상기 엔진 이벤트는 100 밀리세컨드("ms") 미만 지속되는 것인 엔진 이벤트 발생 시기 추정 시스템.
  3. 제1항에 있어서, 상기 엔진 이벤트는 상기 연소 엔진의 밸브 폐쇄와 기계적 고장 중 하나 이상인 것인 엔진 이벤트 발생 시기 추정 시스템.
  4. 제1항에 있어서, 상기 통계 알고리즘은 가우스 혼합 모델(Gaussian Mixture Model) 또는 머신 학습 알고리즘 중 적어도 하나인 것인 엔진 이벤트 발생 시기 추정 시스템.
  5. 제1항에 있어서, 상기 다변수 변환 알고리즘은 단시간 푸리에 변환(short time Fourier Transform)인 것인 엔진 이벤트 발생 시기 추정 시스템.
  6. 삭제
  7. 제1항에 있어서, 상기 통계 알고리즘은 상기 엔진 이벤트의 시간을 추정하기 위해 오프라인에서 트레이닝되는 것인 엔진 이벤트 발생 시기 추정 시스템.
  8. 제1항에 있어서, 상기 엔진 이벤트의 시간 추정치는 실제 이벤트의 30도(degree) 내에 있는 것인 엔진 이벤트 발생 시기 추정 시스템.
  9. 엔진 이벤트의 타이밍을 추정하도록 컨트롤러를 트레이닝하는 방법에 있어서,
    적어도 하나의 노크 센서로부터 신호를 수신하는 단계로서, 상기 신호는 엔진 이벤트에 대응하는 데이터를 포함하는 것인 상기 신호 수신 단계와,
    다변수 변환 알고리즘을 이용하여 상기 신호를 복수의 특징 벡터로 변환하는 단계와,
    상기 복수의 특징 벡터를 제1 상태와 제2 상태로 정렬(sorting)시키는 단계로서, 상기 제1 상태는 상기 엔진 이벤트 이전의 시간에 대응하고, 상기 제2 상태는 상기 엔진 이벤트 이후의 시간에 대응하는 것인 상기 복수의 특징 벡터 정렬 단계와,
    상기 제1 상태를 이용하여 제1 통계 모델을 형성하는 단계와,
    상기 제2 상태를 이용하여 제2 통계 모델을 형성하는 단계와,
    상기 제1 통계 모델과 상기 제2 통계 모델을 제3 통계 모델로 조합하는 단계
    를 포함하고,
    상기 제3 통계 모델은 통상 엔진 동작중에 상기 엔진 이벤트가 발생할 시기를 예측하도록 구성되는 것인 컨트롤러 트레이닝 방법.
  10. 제9항에 있어서, 상기 신호는 1차원의 주파수 신호인 것인 컨트롤러 트레이닝 방법.
  11. 제9항에 있어서, 상기 제1 통계 모델은 제1 가우스 혼합 모델이고, 상기 제2 통계 모델은 제2 가우스 혼합 모델인 것인 컨트롤러 트레이닝 방법.
  12. 제11항에 있어서, 상기 제1 가우스 혼합 모델과 상기 제2 가우스 혼합 모델의 가우스 혼합 수는 0과 10 사이에 있는 것인 컨트롤러 트레이닝 방법.
  13. 제11항에 있어서, 상기 제1 상태와 상기 제2 상태는 1개와 20개 사이의 특징 벡터를 포함하는 것인 컨트롤러 트레이닝 방법.
  14. 엔진 이벤트의 시간을 추정하는 방법에 있어서,
    연소 엔진에 연결된 적어도 하나의 노크 센서로부터 제1 신호를 수신하는 단계와,
    적어도 하나의 엔진 크랭크샤프트 센서로부터 제2 신호를 수신하는 단계와,
    상기 제1 및 제2 신호를 복수의 특징 벡터로 변환하는 단계와,
    통계 알고리즘으로 엔진 이벤트의 예상 윈도우를 결정하는 단계와,
    통계 알고리즘으로 상기 복수의 특징 벡터의 일부를 상기 엔진 이벤트의 예상 윈도우 주변에 센터링하는 단계와,
    상기 통계 알고리즘을 이용하여 상기 엔진 이벤트의 시간을 추정하는 단계와,
    상기 엔진 이벤트의 시간에 기초하여 적어도 상기 연소 엔진에 대한 제어 액션을 출력하는 단계
    를 포함하고,
    상기 통계 알고리즘은 상기 엔진 이벤트가 발생할 최대 가능성을 포함하는 특징 벡터의 시퀀스를 결정함으로써 상기 엔진 이벤트의 시간을 추정하는 것인 엔진 이벤트의 시간 추정 방법.
  15. 제14항에 있어서, 상기 제어 액션은 상기 연소 엔진을 셧다운시키는 것을 포함하는 것인 엔진 이벤트의 시간 추정 방법.
KR1020160038374A 2015-04-07 2016-03-30 엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법 KR102271210B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/680,863 2015-04-07
US14/680,863 US10054043B2 (en) 2015-04-07 2015-04-07 Systems and methods for estimating a time of an engine event

Publications (2)

Publication Number Publication Date
KR20160120203A KR20160120203A (ko) 2016-10-17
KR102271210B1 true KR102271210B1 (ko) 2021-06-30

Family

ID=55650347

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160038374A KR102271210B1 (ko) 2015-04-07 2016-03-30 엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법

Country Status (8)

Country Link
US (1) US10054043B2 (ko)
EP (1) EP3078839A1 (ko)
JP (1) JP6715057B2 (ko)
KR (1) KR102271210B1 (ko)
CN (1) CN106150716B (ko)
AU (1) AU2016201783A1 (ko)
BR (1) BR102016007569B1 (ko)
CA (1) CA2924930C (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170010173A1 (en) * 2015-07-10 2017-01-12 General Electric Company Panoramic knock sensor systems and methods for engine component health detection
DE102015225250A1 (de) * 2015-12-15 2017-06-22 Robert Bosch Gmbh Verfahren und Vorrichtung zum Bestimmen eines Gasmassenstroms in einem Verbrennungsmotor
US10961942B2 (en) * 2016-08-31 2021-03-30 Ai Alpine Us Bidco Inc System and method for determining the timing of an engine event
EP3327419B1 (en) * 2016-11-29 2020-09-09 STS Intellimon Limited Engine health diagnostic apparatus and method
CN108734294A (zh) * 2017-04-19 2018-11-02 北京众星智联科技有限责任公司 一种人工智能综合控制系统的实现
FR3074542B1 (fr) * 2017-12-06 2019-12-20 IFP Energies Nouvelles Procede de commande d'un moteur a combustion interne a allumage commande au moyen d'un estimateur de cliquetis
JP6844555B2 (ja) * 2018-02-08 2021-03-17 トヨタ自動車株式会社 センサシステム
JP2019157652A (ja) * 2018-03-07 2019-09-19 トヨタ自動車株式会社 内燃機関の制御装置
US11204011B2 (en) * 2018-05-21 2021-12-21 Ford Global Technologies, Llc Method and system for variable displacement engine knock control
US11255288B2 (en) * 2018-05-23 2022-02-22 Ford Global Technologies, Llc Method and system for determining engine knock background noise levels
US10934933B2 (en) * 2018-08-31 2021-03-02 Paccar Inc Fuel gelling prevention using engine auto start functionality
KR20200041098A (ko) * 2018-10-11 2020-04-21 현대자동차주식회사 파워 트레인 부품 고장 진단 방법
DE102018126501B3 (de) * 2018-10-24 2019-12-19 Iav Gmbh Ingenieurgesellschaft Auto Und Verkehr Verfahren zur Wartungsvorhersage von Komponenten einer Brennkraftmaschine mittels Körperschallsensor
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
CN111626144B (zh) * 2020-05-08 2023-08-29 湖南挚新科技发展有限公司 冲击特征向量构建方法、装置、终端设备及存储介质
KR20210152287A (ko) * 2020-06-08 2021-12-15 현대자동차주식회사 신호편차기반 인젝터 고장 기통 진단 방법 및 인젝터 고장 진단 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2413850A (en) * 2004-05-08 2005-11-09 Ford Global Tech Llc Monitoring valve events in an internal combustion engine using a vibration sensor
US20090222194A1 (en) 2008-02-29 2009-09-03 General Electric Company Adaptive miller cycle engine
JP2011032993A (ja) 2009-08-05 2011-02-17 Mitsubishi Electric Corp 内燃機関の制御装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5230315A (en) 1989-12-18 1993-07-27 Usui Kokusai Sangyo Kaisha, Ltd. Otto-cycle engine
AU7063094A (en) 1993-06-30 1995-01-24 Orbital Engine Company (Australia) Proprietary Limited Exhaust valve timing control responsive to engine knock and torque
DE19615448A1 (de) * 1996-04-19 1997-11-20 Bosch Gmbh Robert Vorrichtung zur Klopferkennung und Regelung einer Brennkraftmaschine
JPH11287140A (ja) * 1998-04-02 1999-10-19 Denso Corp エンジンのフェイルセーフ用制御装置
JP3979081B2 (ja) * 2001-01-16 2007-09-19 日産自動車株式会社 内燃機関の燃焼制御システム
US6536389B1 (en) 2002-04-16 2003-03-25 Ford Global Technologies, Inc. Adaptive control of cylinder valve timing in internal combustion engine
JP4211296B2 (ja) * 2002-06-12 2009-01-21 日産自動車株式会社 内燃機関のノック制御装置
DE10305656A1 (de) 2002-07-02 2004-01-15 Robert Bosch Gmbh Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
US6840235B2 (en) * 2002-09-19 2005-01-11 Nissan Motor Co., Ltd. Internal exhaust gas recirculation amount estimation system of internal combustion engines
US7089895B2 (en) * 2005-01-13 2006-08-15 Motorola, Inc. Valve operation in an internal combustion engine
US7526943B2 (en) 2007-03-23 2009-05-05 Gm Global Technology Operations, Inc. Knock system with detection zones
US20090048729A1 (en) * 2007-08-16 2009-02-19 Waters James P Method for diagnosing the operational state of a variable valve actuation (vva) device using a knock signal
US7594423B2 (en) * 2007-11-07 2009-09-29 Freescale Semiconductor, Inc. Knock signal detection in automotive systems
EP2116834A1 (en) * 2008-05-07 2009-11-11 Robert Bosch GmbH A knock detection device and method for a combustion engine
US8631782B2 (en) * 2008-08-22 2014-01-21 GM Global Technology Operations LLC Active compression ratio modulation through intake valve phasing and knock sensor feedback
JP4807471B2 (ja) * 2009-01-09 2011-11-02 トヨタ自動車株式会社 内燃機関の異常検出装置
CN101806240B (zh) * 2010-03-15 2011-12-28 清华大学 一种均质压燃发动机燃烧相位的检测装置及其检测方法
CN102155322A (zh) * 2011-03-10 2011-08-17 重庆长安汽车股份有限公司 一种发动机爆震判定方法
US9803567B2 (en) * 2015-01-07 2017-10-31 General Electric Company System and method for detecting reciprocating device abnormalities utilizing standard quality control techniques
US20160201611A1 (en) * 2015-01-08 2016-07-14 General Electric Company Sensor for Determining Engine Characteristics
US9874488B2 (en) * 2015-01-29 2018-01-23 General Electric Company System and method for detecting operating events of an engine

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2413850A (en) * 2004-05-08 2005-11-09 Ford Global Tech Llc Monitoring valve events in an internal combustion engine using a vibration sensor
US20090222194A1 (en) 2008-02-29 2009-09-03 General Electric Company Adaptive miller cycle engine
JP2011032993A (ja) 2009-08-05 2011-02-17 Mitsubishi Electric Corp 内燃機関の制御装置

Also Published As

Publication number Publication date
EP3078839A1 (en) 2016-10-12
KR20160120203A (ko) 2016-10-17
AU2016201783A1 (en) 2016-10-27
BR102016007569A2 (pt) 2016-10-11
CN106150716B (zh) 2021-03-09
CN106150716A (zh) 2016-11-23
US10054043B2 (en) 2018-08-21
US20160298537A1 (en) 2016-10-13
CA2924930A1 (en) 2016-10-07
JP2016200141A (ja) 2016-12-01
CA2924930C (en) 2023-11-07
BR102016007569A8 (pt) 2021-09-14
JP6715057B2 (ja) 2020-07-01
BR102016007569B1 (pt) 2023-02-28

Similar Documents

Publication Publication Date Title
KR102271210B1 (ko) 엔진 이벤트의 시간을 추정하기 위한 시스템 및 방법
CN106014658B (zh) 用于使发动机事件定位的系统及方法
US9915217B2 (en) Methods and systems to derive health of mating cylinder using knock sensors
US20170175661A1 (en) Real time detection and diagnosis of change in peak firing pressure
JP2016128688A (ja) エンジンノイズを位置特定するためのシステムおよび方法
JP6687403B2 (ja) ノックセンサの状態を導出するための方法およびシステム
US20200256275A1 (en) Knock sensor systems and methods for valve recession conditions
US9869257B2 (en) System and method for predicting peak pressure values using knock sensor
US11761398B2 (en) System and method for determining the timing of an engine event
US10393609B2 (en) System and method for detection of changes to compression ratio and peak firing pressure of an engine

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant