KR20210085725A - 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법 - Google Patents

지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법 Download PDF

Info

Publication number
KR20210085725A
KR20210085725A KR1020190179100A KR20190179100A KR20210085725A KR 20210085725 A KR20210085725 A KR 20210085725A KR 1020190179100 A KR1020190179100 A KR 1020190179100A KR 20190179100 A KR20190179100 A KR 20190179100A KR 20210085725 A KR20210085725 A KR 20210085725A
Authority
KR
South Korea
Prior art keywords
injector
closing time
time
learning
injection
Prior art date
Application number
KR1020190179100A
Other languages
English (en)
Inventor
오세도
김지혜
도형수
김영진
이제혁
김영재
김성재
Original Assignee
현대자동차주식회사
현대오트론 주식회사
주식회사 현대케피코
기아 주식회사
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 현대자동차주식회사, 현대오트론 주식회사, 주식회사 현대케피코, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020190179100A priority Critical patent/KR20210085725A/ko
Publication of KR20210085725A publication Critical patent/KR20210085725A/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
    • F02D41/24—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
    • F02D41/2467—Characteristics of actuators for injectors
    • 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
    • F02D41/20—Output circuits, e.g. for controlling currents in command coils
    • 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
    • F02D41/30—Controlling fuel injection
    • F02D41/38—Controlling fuel injection of the high pressure type
    • F02D41/40—Controlling fuel injection of the high pressure type with means for controlling injection timing or duration
    • F02D41/401—Controlling injection timing
    • 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
    • F02D2041/1409—Introducing closed-loop corrections characterised by the control or regulation method using at least a proportional, integral or derivative controller
    • 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
    • F02D41/20—Output circuits, e.g. for controlling currents in command coils
    • F02D2041/202—Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit
    • F02D2041/2051—Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit using voltage 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
    • F02D41/20—Output circuits, e.g. for controlling currents in command coils
    • F02D2041/202—Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit
    • F02D2041/2055—Output circuits, e.g. for controlling currents in command coils characterised by the control of the circuit with means for determining actual opening or closing time

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)

Abstract

인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법에 관한 발명이다. 본 발명의 인젝터 닫힘 시간 감지 방법에 의하면, 인젝터에서 발생되는 전압을 감지하고, 감지된 전압의 시간에 따른 파형을 활용하여 지수 함수가 결합된 형태의 비선형 회귀 특징량을 산출하고, 상기 비선형 회귀 특징량을 이용하여 인풋 행렬을 도출하는 전처리를 실시한 다음, 인풋 행렬로 구성되는 인풋 레이어, 히든 레이어 및 아웃풋 레이어로 구성된 인공 신경망 모델에 의해, 인젝터의 닫힘 시간을 도출한다. 또한, 본 발명의 인젝터 제어 방법에서는, 상기한 인젝터 닫힘 시간 감지 방법에 의해 감지된 인젝터의 닫힘 시간을 이용하여, 인젝터의 특성을 보정함으로써, 정확한 분사량 제어를 가능하게 한다.

Description

지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법{METHOD FOR SENSING CLOSING TIME OF INJECTOR USING ARTIFICIAL NEURAL NETWORK AND FEATURE AMOUNT OF NON-LINEAR REGRESSION IN EXPONENTIAL FUNCTION AND CONTROL METHOD OF FUEL INJECTOR USING IT}
본 발명은 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법에 관한 발명으로서, 보다 상세하게는 인젝터 닫힘 시간을 감지하기 어려운 미소 유량 구간에서도 정확하게 인젝터의 닫힘 시간을 감지할 수 있고, 이렇게 감지된 인젝터의 닫힘 시간을 이용하여 인젝터의 특성에 맞는 제어를 실시할 수 있는 방법에 관한 발명이다.
자동차 엔진에 연료를 공급할 때에, 공급 연료량은 제어 유닛(ECU)에 의해 결정되고, 결정된 요구 연료량만큼 인젝터에 의해 엔진 내부로 분사함으로써 엔진 내부로 연료가 공급된다.
인젝터는 통상적으로 솔레노이드 벨브로 구성되며 각 기통별로 구비되어 제어 유닛으로부터 연료 분사 신호를 받아 소정 분사 시간 동안 연료를 분사함으로써, 요구 연료량 만큼 엔진 내부로 연료를 공급한다.
특허문헌 1에서도 되어 있는 바와 같이, 인젝터는 그 종류나 회사별로 고유의 인젝터 구동 특성 차이가 존재한다. 구체적으로는, 도 8(a)에서 도시된 바와 같이, 연료압 대비 요구 연료량에 따른 인젝터 닫힘 요구 시간은, 인젝터의 종류나 회사별로 특정한 선형 관계에 있다. 또한 도 8(b)에서 도시된 바와 같이, 인젝터 닫힘 요구 시간과 이에 대응하는 분사 명령 시간도, 인젝터의 종류나 회사별로 특정한 대응 관계에 있다. 일반적으로 이러한 특성 정보는 차량의 제조 시에 제어 유닛 내부의 메모리에 저장되어, 요구 연료량 만큼 각 기통 내부에 연료를 공급하기 위해 사용된다.
그런데, 동일 인젝터의 경우에도 제조 공차나, 제어 유닛에서 인젝터를 작동하는 출력단의 공차 및 그에 따른 작동 전류 프로파일의 차이로 인해 인젝터 구동 특성이 달라질 수 있다. 특히, 기통 별로 인젝터 닫힘 시간과 관련된 인젝터 구동 특성의 편차를 보상하지 않는 경우에는, 각 기통별로 인젝터간의 닫힘 시간의 편차가 발생하여 동일 분사 시간에 근거한 분사 명령에도 불구하고, 각 기통별로 상이한 연료량이 공급되게 된다. 즉, 기통간 동일 유량 제어가 어렵게 된다.
한편, 상기한 기통 별 분사 명령 시간과 인젝터 닫힘 시간의 편차를 보정하기 위해서는, 각 기통 별로 분사 명령에 대응한 실제 인젝터 닫힘 시간을 측정하여 이를 학습함으로써, 도 8(b)에서 도시된 인젝터 구동 특성 커브와 같은, 기존에 저장된 인젝터 구동 특성에 관한 데이터를 수정할 필요가 있다.
이러한 학습 방법에서는 엔진 구동 시에 연료가 분사된 임의의 분사 시간에 대하여 인젝터 닫힘 시간의 실제 측정값을 피드백 받은 후에 이러한 측정 데이터값을 기반으로 보간(interpolation)하여 얻어진 특성 커브를 이용하여 기존의 인젝터 구동 특성을 보상하게 된다.
따라서, 정확인 분사 연료량 제어를 위해서는, 인젝터의 실제 닫힘 시간을 정확히 감지할 필요가 있다.
특허문헌 1: 공개특허공보 제2015-0114078호(2015.10.12)
인젝터의 실제 닫힘 시간은, 인젝터에서 발생하는 전압 신호를 이용하여 측정될 수 있다.
도 9는, 인젝터로부터 실제 연료가 분사되는 기간인 인젝터 열림 기간과 인젝터에 인가되는 전류 및 인젝터로부터 발생되는 전압의 관계를 보여주는 그래프이다. 도 9를 참조하면, 가로축은 시간이고, 세로축은 전류 및 전압의 크기와, 인젝터로부터 분사되는 연료량을 나타낸다.
도 9에서 구간(a)는 인젝터의 니들의 데드스트로크(dead stroke)를 의미하는 것으로, 인젝터에 인가되는 전류에 의해 니들이 움직이지만 실제 연료분사노즐이 개방되지 않는 구간을 의미한다.
인젝터가 연료를 분사하기 위해서는 니들이 리프트되어야 하는데, 니들을 리프트시키기 위해서 솔레노이드나 피에조 측으로 전류가 인가되어야 한다. 상기한 전류를 인가하기 위해서 초기신호(initial signal)가 발생되고, 초기신호에서 일정한 지연시간을 가지고 전류가 상기 인젝터의 솔레노이드나 피에조 측으로 전류가 인가되며, 전류의 크기가 점차 증가하여, 도 9에 도시된 바와 같이, 전류피크(current peak)에 도달한다.
그리고, 도 9에서 도시한 바와 같이, 전류가 증가하여 전류피크(current peak)점에 도달하고, 다시 하강하는 루트를 가지며, 전류피크로부터 소정 시간이 경과한 시점(인젝터 열림 시간)에서, 니들이 리프트되고, 인젝터 열림 시간으로부터 인젝터 열림 기간 동안 니들이 리프트된 상태(실제 연료가 분사되는 상태)가 된다. 그런데, 인젝터의 열림 시점에서, 전압이나 전류의 특별한 변화가 없기 때문에 종래에는 통상의 방법으로는 인젝터의 열림 시간을 정확히 감지할 수 없었다. 따라서, 종래에는 인젝터 닫힘 시간을 감지한 후 이를 역산하여 인젝터 열림 시간을 추정하였다.
한편, 도 9에 도시된 도시된 바와 같이, 전압의 경우, 인젝터에 전류가 인가되는 초기에 급격히 증가 및 감소 한 후, 다시 증가하는 경향을 보인다. 그리고 그 후 인젝터에 대한 전류 인가가 OFF된 시점에서 다시 급격하게 전압이 감소하였다가, 소정 시간 딜레이(구간(b), 0.1ms 정도)를 보인 후, 다시 전압이 급격하게 증가한다. 도 9에서 도시된 바와 같이, 전압이 다시 증가하는 구간에서 전압 곡선에 변곡점이 존재하는 데(구간 (c)), 이 변곡점이 존재하는 시점이 인젝터의 니들이 닫히게 되어 연료 분사가 종료하는 시점(인젝터 닫힘 시간)이 된다. 따라서, 전압 곡선을 2차 미분하여, 상기 변곡점이 존재하는 시점을 감지하게 되면 인젝터 닫힘 시간을 감지할 수 있다.
그런데, 분사 연료량(즉, 분사 시간)에 따라 전압 곡선으로부터 변곡점을 감지하는 것이 곤란할 수 있다. 특히, 도 10에서 도시된 바와 같이, 분사 시간이 소정 시간 이하인 구간 A는 인젝터 작동 시간(Ti)이 조금만 변화하여도 연료량(m)이 급격하게 증가하는 미소 연료량 분사 구간(소위 발리스틱(ballistic) 구간)으로서, 해당 구간에서는 전압 곡선으로부터 변곡점을 감지하는 것이 현저히 곤란하다.
본 발명은 상기한 과제를 해결하기 위하여 안출된 것으로서, 본 발명은, 분사 시간이 소정 시간 이하인 미소 연료량 분사 구간에 있어서도, 인공 신경망을 이용하여 인젝터 닫힘 시간을 정확히 감지할 수 있는 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법을 제공하는 것을 목적으로 한다.
상기한 과제를 해결하기 위한 본 발명에 따른 인젝터 닫힘 시간 감지 방법은, 인젝터에서 발생되는 전압을 감지하는 단계; 감지된 전압의 시간에 따른 파형을 활용하여 지수 함수가 결합된 형태의 비선형 회귀 특징량을 산출하고, 상기 비선형 회귀 특징량을 이용하여 인풋 행렬을 도출하는 전처리 단계; 인풋 행렬로 구성되는 인풋 레이어, 히든 레이어 및 아웃풋 레이어로 구성된 인공 신경망 모델에 의해, 상기 인젝터의 닫힘 시간을 도출하는 닫힘 시간 예측 단계;를 포함하는 것을 특징으로 한다.
상기한 본 발명에 의하면, 인젝터에서 발생되는 전압의 변동 특성과 인공 신경망을 용이하여, 미소 연료량 분사 구간에 있어서도, 인젝터 닫힘 시간을 정확히 감지할 수 있다.
바람직하게는, 상기 비선형 회귀 특징량은, 하기의 식1의 계수들의 조합으로 이루어지는 값일 수 있다.
Figure pat00001
...(1)
단, V는 전압값(V), a,b,c,d는 계수, t는 시간(s).
바람직하게는, 전처리 단계에서는, 소정 구간 내의 복수의 측정 시점에서 전압을 측정하고, 시간에 따른 상기 전압의 변화에 대한, 지수 함수가 결합된 형태의 근사 함수를 도출하고, 근사 함수의 계수들의 조합을 정규화하여 인풋 행렬을 도출한다.
전술한 닫힘 시간 예측 단계에서, 히든 레이어는 정규화된 상기 인풋 행렬에 제1 가중치 행렬를 곱하고, 제1 바이어스 행렬을 더하여 제1 준비 행렬을 도출하고, 제1 준비 행렬에 아래 수식의 전달 함수를 대입하에 제1 결과행렬을 도출한다.
Figure pat00002
단, a1은 제1 결과행렬이고, n1은 제1 준비행렬임.
전술한 닫힘 시간 예측 단계에서, 아웃풋레이어에서는, 제1결과행렬에 제2 가중치 행렬을 곱하고, 바이어스 값을 더하여 정규화된 인젝터 닫힘 시간을 산출하고, 산출된 인젝터 닫힘 시간을 역정규화(De-normalization)하여, 최종 인젝터 닫힘 시간을 산출하게 된다.
상기한 과제를 해결하기 위한 본 발명에 따른 인젝터 제어 방법은, 요구 분사 연료량을 설정하는 단계; 설정된 요구 분사 연료량으로부터 요구 분사 명령 시간을 계산하는 단계; 요구 분사 명령 시간에 근거하여 인젝터를 구동하는 단계; 전술한 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법에 의해, 인젝터의 구동 시의 실제 인젝터 닫힘 시간을 감지하는 단계; 감지된 실제 인젝터 닫힘 시간을 이용하여, 요구 분사 명령 시간을 보정하는 단계; 보정된 요구 분사 명령 시간에 근거하여 인젝터를 제어하는 단계를 포함하는 것을 특징으로 한다.
바람직하게는, 상기 인젝터 제어 방법은, 요구 분사 명령 시간을 미리 정해진 소정값과 비교하는 단계를 더 포함하고, 요구 분사 명령 시간이 상기 소정값 이하인 경우에는, 전술한 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법에 의해 감지된 인젝터 닫힘 시간에 근거하여 요구 분사 명령 시간을 보정하고, 요구 분사 명령 시간이 상기 소정값을 초과한 경우에는, 인젝터에서 발생되는 전압의 변곡점을 이용하여 감지된 인젝터 닫힘 시간에 근거하여, 요구 분사 명령 시간을 보정한다.
바람직하게는 상기 인젝터 제어 방법은, 복수의 실린더 별로 인젝터 닫힘 시간을 학습하는 단계를 더 포함하고, 인젝터 닫힘 시간을 학습하는 단계는, 학습 목표가 되는 인젝터 분사 시간을 설정하는 단계; 공칭(nominal) 인젝터의 구동 특성으로부터, 설정된 상기 인젝터 분사 시간에 대응하는 닫힘 시간을 산출하는 단계; 설정한 연료 분사 시간만큼 연료를 분사하는 학습 분사 단계와, 엔진 구동을 위해 요구되는 전체 분사량에 대응되는 목표 닫힘 시간으로부터 상기 산출 닫힘 시간을 제외한 연료량에 상응하는 닫힘 시간만큼 연료를 분사하는 단계로 이루어지는 다단계 연료 분사 단계; 전술한 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법을 이용하여 학습 분사 시의 인젝터의 닫힘 시간을 감지하는 단계; 다단계 연료 분사 단계 및 인젝터 닫힘 시간 감지를 통해 학습 분사 시간에 대응되는 실제 인젝터 닫힘 시간을 학습하는 단계; 소정의 학습 완료 조건을 만족하는 경우에, 해당 인젝터 닫힘 시간에 대한 학습을 종료하고, 학습 결과를 반영하여 인젝터의 구동 특성을 보상하는 단계를 포함한다.
바람직하게는, 설정된 학습 목표가 되는 인젝터 분사 시간이 소정 시간을 초과한 경우, 인젝터 닫힘 시간을 학습하는 단계를 수행하지 않도록 한다.
상술한 바와 같은 구조로 이루어진 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법에 의하면, 인공 신경망을 이용하여, 종래 기술로는 닫힘 시간의 감지가 곤란하였던 미소 연료량 분사 구간에 있어서도 인젝터 닫힘 시간을 정확하게 감지할 수 있다.
또한, 이를 통해, 학습이 필요한 실제 인젝터 분사 시간과 닫힘 시간과의 정확한 특성 관계를 얻을 수 있고, 인젝터 닫힘 시간 편차 보정을 위한 학습의 정확도가 향상되어 기통별 닫힘 시간 편차 보정 성능이 향상된다. 또한, 이를 통해 기통 간 연료량 편차 보정 성능도 향상하게 되어, 정확한 연료 분사량 제어가 가능하게 된다.
도 1은 본 발명의 실시예에 따른 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법이 수행되는 인젝터의 제어시스템의 개략적인 구성도이다.
도 2는, 본 발명의 일실시예에 따른 인젝터 닫힘 시간 감지 방법의 순서도이다.
도 3은, 도 2에서 도시된 인젝터 닫힘 시간 감지 방법의 블록도이다.
도 4a는 인젝터 닫힘 시간 감지에 사용되는 전압 구간에서의 전압 파형을 나타내는 도면이고, 도 4b는 도 4a의 전압 파형에 근사한 함수의 파형을 나타내는 도면이고, 도 4c는 도 4b에 도시된 근사 함수를 구성하는 2개의 지수 함수를 각각 도시한 도면이고, 도 4d는, 근사 함수의 계수(b, c) 와 인젝터(120)의 닫힘 시간과의 상관 관계를 3차원 산점도로 나타낸 도면이다.
도 5는, 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델로 이루어진 연산 로직을 나타내는 블록도이다.
도 6은, 도 2에서 도시된 인젝터 닫힘 시간 감지 방법을 이용한, 본 발명의 일 실시예에 따른 인젝터 제어 방법의 순서도이다.
도 7은, 도 6에서 도시된 인젝터 제어 방법에서 실행되는 인젝터 닫힘 시간 학습 방법의 순서도이다.
도 8a 및 도 8b는 인젝터 구동 특성을 나타내는 그래프이다.
도 9는, 인젝터로부터 실제 연료가 분사되는 기간인 인젝터 열림 기간과 인젝터에 인가되는 전류 및 인젝터로부터 발생되는 전압의 관계를 보여주는 그래프이다.
도 10은, 인젝터 작동 시간(Ti)에 따른 연료량(m)의 변화를 각 구간별로 나타낸 그래프이다.
이하에서는, 첨부된 도면을 참조하여, 본 발명의 바람직한 실시예에 따른 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법에 대하여 살펴본다.
도 1은 본 발명의 실시예에 따른 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법이 수행되는 인젝터의 제어시스템의 개략적인 구성도이다.
도 1을 참조하면, 인젝터의 제어시스템은 연료탱크(150), 연료펌프(140), 레일(130), 압력센서(132), 인젝터(120), 엔진(110), 및 제어부(100)를 포함한다.
연료탱크(150)에는 내연기관에 사용되는 연료가 충진되고, 연료펌프(140)는 상기 연료탱크(150)에 담긴 연료를 상기 레일로 펌핑한다. 상기 레일(130)에는 내부의 압력을 감지하는 상기 압력센서(132)가 배치되고, 별도의 레귤레이터밸브(미도시)와 리턴라인(미도시)이 형성된다.
커먼레일(130)로 펌핑된 연료는 인젝터(120)로 분배되고, 인젝터(120)는 상기 엔진(110)의 연소실에 연료를 분사하도록 각 실린더에 대응하여 배치된다.
제어부(100)는 운행조건, 예를 들어, 엔진의 회전수와 가속페달신호에 따라서 요구 분사 연료량을 설정하고, 설정된 요구 분사 연료량에 대응하여 인젝터의 분사 명령 시간을 제어할 수 있다.
구체적으로는, 본 발명의 실시예에서, 제어부(100)는, 요구 분사 명령 시간 동안 인젝터(120)로 전류를 인가하여 인젝터의 작동을 제어하고, 압력센서(132)로부터 압력신호를 수신하여 연료 분사 압력을 감지하며, 인젝터(120)에 형성되는 전압을 감지한다. 그리고, 제어부(100)는 후술하는 바와 같이, 인젝터(120)에서 발생되는 전압에 기초하여 산출되는 지수 함수가 결합된 형태의 비선형 회귀 특징량 및 인공 신경망 모델에 의해, 인젝터(120)의 닫힘 시간을 감지한다.
제어부(100)는, 인젝터(120)의 닫힘시간을 감지하며, 열림시간, 닫힘시간, 및 연료압력을 통해서 실제연료분사량을 연산할 수 있다.
아울러, 제어부(100)는 후술하는 바와 같이, 감지된 인젝터 닫힘 시간에 근거하여 요구 분사 명령 시간을 보정하여, 인젝터(120)의 연료분사량을 보다 정확하게 보정할 수 있다.
이하에서는, 도 2 및 도 3을 참조하여, 도 1의 제어부(100)에서 행해지는 인젝터 닫힘 시간 감지 방법에 대해서 설명한다.
도 2는, 본 발명의 일실시예에 따른 인젝터 닫힘 시간 감지 방법의 순서도이며, 도 3은 도 2에서 도시된 인젝터 닫힘 시간 감지 방법의 블록도이다.
도 2에서 도시된 바와 같이, 본 발명의 인젝터 닫힘 시간 감지 방법은, 인젝터에서 발생되는 전압을 감지하는 단계(S10); 감지된 전압의 시간에 따른 파형을 활용하여 지수 함수가 결합된 형태의 비선형 회귀 특징량을 산출하고, 비선형 회귀 특징량을 이용하여 인풋 행렬을 도출하는 전처리 단계(S20); 및 인풋 행렬로 구성되는 인풋 레이어, 히든 레이어 및 아웃풋 레이어로 구성된 인공 신경망 모델에 의해, 인젝터의 닫힘 시간을 도출하는 닫힘 시간 예측 단계(S30);를 포함한다.
먼저, 제어부(100)는 인젝터에서 발생되는 전압을 감지한다(S10). 도 9에 도시된 바와 같이, 분사 제어 종료시에는 인젝터(120)로부터 역전압 신호가 자연 발생한다. 제어부(100)는 이 역전압 신호를 도시되지 않은 센서 등을 이용하여 감지한다.
다음으로 제어부(100)는, 감지된 전압을 이용하여 인풋 행렬을 도출하는 전처리 단계(S20)를 실시한다.
전처리 시에, 제어부(100)는 먼저 인젝터 닫힘 시간의 감지에 사용된 전압 구간을 먼저 선택한다. 도 4a에서는, 도 9에서 도시된 전체 전압 구간 중 인젝터 닫힘 시간이 감지에 사용되는 전압 구간을 도시하고 있다. 도 9에 도시된 바와 같이, 역전압 시에는 측정값은 -값을 가지게 되므로, 이를 +값으로 치환하면 도 4a와 같은 반전된 데이터를 얻을 수 있다.
여기서, 전압 구간은, 전체 전압 구간 중 인젝터 닫힘 시간이 존재할 확률이 상대적으로 높은 구간으로서 선택되며, ECU의 계산 능력에 따라, 또는 학습에 의해 축적된 인젝터 닫힘 시간의 데이터를 근거하여 그 범위가 축소 변경 가능하다. 이 경우, 인젝터 닫힘 시간 감지를 위한 계산량을 절감할 수 있게 된다.
인젝터 닫힘 시간의 감지에 사용할 전압 구간이 선택되면, 해당 구간 내의 미리 정해진 복수의 구간에 측정 포인트를 설정하고, 각 측정 포인트에서 전압값을 측정함으로써, 도 4a에서와 같은 측정 결과(전압 파형)를 도출한다.
다음으로 제어부(100)는, 비선형 회귀를 통해, 도 4a에서 도시된 파형에 근사한 근사 함수를 도출한다. 여기서 근사 함수는, 예컨대 하기의 식(1)과 같이 복수의 지수 함수가 결합된 형태로 구성될 수 있다.
Figure pat00003
...(1)
단, V는 전압값(V), a,b,c,d는 계수, t는 시간(s).
도 4b에서는, 도출된 근사 함수를 붉은색 형태의 커브로서 도시하고 있다. 그리고 도 4c에서는 도 4b의 근사 함수가 2개의 지수 함수(지수 함수 1 및 지수 함수 2)가 서로 합해진 형태인 것을 나타내고 있으며, 이 때의 각 계수(a, b, c, d)의 값을 표시하고 있다. 근사 함수를 도출하기 위한 각 계수(a, b, c, d)들은, 공지된 비선형 회귀 방법을 통해 산출될 수 있다.
그리고, 제어부(100)는, 상기 산출된 근사 함수의 계수들을 조합하여 닫힘 시간을 계산하기 위한 인풋 행렬을 산출한다. 도 4d에서는, 약 3만여개의 샘플을 통해, 식(1)의 근사 함수의 계수 a, b, c, d 중 계수 b, c와 인젝터(120)의 닫힘 시간과의 상관 관계를 3차원 산점도로 나타내고 있다. 도 4d에서 나타나 있는 바와 같이, 근사 함수의 계수 b, c는 인젝터 닫힘 시간과 강한 상관 관계가 존재하므로, 계수 b, c의 조합을 인공 신경망(ANN) 모델의 인풋 행렬로 구성하는 경우, 닫힘 시간을 추정하는 것이 가능하다. 따라서, 본 예에서는 계수 b, c 가 입력 변수 I1 및 I2로 이루어지는 2×1 크기의 인풋 행렬(I)이 구성된다.
상기한 다차 다항 회귀를 통해, 다항식의 계수(I1~I2)로 이루어지는 인풋 행렬(I)이 산출되면, 예컨대 하기의 식(2)를 이용하여 정규화한다.
Figure pat00004
...(2)
여기서 (Norm.)Ii,j는 해당 학습 피쳐에서의 정규화된 인풋 행렬(I)이고 (Old) Ii,j는 해당 학습 피쳐에서 식(1)에 의해 산출된 인풋 행렬(I)이다.
그리고, Imax 및 Imin 값은 복수 회의 학습을 통해 얻어진 학습 피쳐별 최대 최소값 테이블로부터 결정된다. 예컨대 n회의 학습을 통해 n×2개의 인풋 행렬(I)의 데이터가 얻어지면, 해당 데이터로부터 하기와 같이, 각 학습 피쳐에서의 Imax 및 Imin 값을 얻는다.
Figure pat00005
상기와 같이, 정규화된 인풋 행렬(Norm.I)을 도출함으로써, 전처리 단계(S20)는 종료한다.
전처리 단계(S20)가 종료되면, 제어부(100)는, 산출된 인풋 행렬(Norm.I)로 구성되는 인풋 레이어, 히든 레이어 및 아웃풋 레이어로 구성된 인공 신경망 모델에 의해, 인젝터(120)의 닫힘 시간을 도출하는 닫힘 시간 예측 단계를 실행한다.
도 5에서는, 인풋레이어, 히든레이어, 아웃풋레이어로 구성된 인공신경망 모델로 이루어진 연산 로직을 도시하고 있다. 인공신경망 모델(ANN, artificial neural network)은 뇌기능의 특성 몇 가지를 컴퓨터 시뮬레이션으로 표현하는 것을 목표로 하는 수학 모델이다. 인공신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킨다.
인공신경망에는 교사 신호(정답)의 입력에 의해서 문제에 최적화되어 가는 교사 학습과 교사 신호를 필요로 하지 않는 비교사 학습이 있다. 명확한 해답이 있는 경우에는 교사 학습이, 데이터 클러스터링에는 비교사 학습이 이용된다. 결과적으로 모두 차원을 줄이기 위해, 화상이나 통계 등 다차원량의 데이터로, 선형 분리 불가능한 문제에 대해서, 비교적 작은 계산량으로 양호한 회답을 얻을 수 있는 것이 많다. 그 때문에, 패턴 인식이나 데이터 마이닝 등, 다양한 분야에서 응용되고 있다. 인공신경망은 특수한 컴퓨터를 사용하여 구성될 수도 있으나 대부분 일반 컴퓨터에서 응용소프트웨어에 의해 구현된다.
이러한 인공신경망 모델은 기본적으로 인풋레이어(input layer), 히든레이어(hidden layer), 아웃풋레이어(output layer)로 구성된다. 도 5의 블록도에는 이러한 3단계의 레이어에 따른 계산 순서가 나타나 있다.
먼저, 도 5에서 도시된 바와 같이, 인풋레이어에 입력되는 값은 행렬의 형태로 짜여지며, 전처리 단계에서 정규화된 인풋 행렬(Norm.I)이 인풋레이어의 입력값으로 입력된다. 여기서 I1,I2은 전술한 바와 같이, 지수 함수가 결합된 형태의 근사 함수의 계수들이다
도 5에서 도시된 바와 같이, 본 실시예에서는 인풋 행렬을 구성하기 위하여 근사 함수의 2개의 계수가 사용되었는바, 인풋 행렬(Norm.I)은 2개의 입력 변수로 이루어지는 2×1 행렬이다.
그리고, 도 5 및 하기 식(3)에서 나타난 바와 같이, 히든 레이어에서는 정규화된 인풋 행렬(Norm.I)에 제1 가중치 행렬(W1)을 곱하고 제1 바이어스행렬(b1)을 더하여, N1 내지 N6으로 구성되는 제1 준비행렬(n1)을 도출한다.
Figure pat00006
...(3)
여기서 제1 가중치 행렬(W1) 및 제1 바이어스행렬(b1)은, 미리 마련되는 행렬값으로서, 상기한 연산 로직이 차량의 제어부(100)에 설치되기 전 설계 과정에서 실험을 통해 획득된 값이다.
그리고, 제1 준비행렬(n1)에 하기 식(4)에 따른 상기 제1 준비 행렬에 아래 수식의 전달 함수를 대입하에 제1 결과 행렬(a1)을 도출한다.
Figure pat00007
...(4)
단, a1은 제1 결과행렬이고, n1은 제1 준비행렬임.
다음으로 출력 레이어에서는, 하기의 식(5)와 같이, 도출된 제1 결과행렬(a1)에 제2 가중치 행렬(W2)을 곱하고, 바이어스 값(b)을 더함으로써, 정규화된 인젝터 닫힘 시간(C.Tnormal)을 산출한다. 여기서, 제2 가중치 행렬(W2)을 곱하고, 바이어스 값(b) 또한 상기한 연산 로직이 차량의 제어부(100)에 설치되기 전 설계 과정에서 실험을 통해 획득된 값으로서, 근사 함수의 계수(본 실시예에서는 계수 b, c)로부터, 인젝터 닫힘 시간이 도출될 수 있도록 수차례의 학습을 통해 획득된 값이다.
Figure pat00008
...(5)
제어부(100)는 정규화된 인젝터 닫힘 시간(C.Tnormal)이 산출되면, 학습을 통해 얻어지는 인젝터 닫힘 시간의 최대값(C.Tmax) 및 최소값(C.Tmin)을 이용하여 하기의 식(10)과 같이 역 정규화(De-normalization)함으로써 최종 인젝터 닫힘 시간(C.T)을 산출해 낸다.
Figure pat00009
...(10)
상기한 과정을 통해, 제어부(100)는 인공 신경망을 이용하여 인젝터 닫힘 시간을 도출해 내게 된다.
이하에서는, 도 6 및 도 7을 참조하여, 도 1의 제어부(100)에서 행해지는 인젝터 제어 방법에 대해서 설명한다.
도 6은, 도 2에서 도시된 인젝터 닫힘 시간 감지 방법을 이용한, 본 발명의 일 실시예에 따른 인젝터 제어 방법의 순서도이고, 도 7은, 도 6에서 도시된 인젝터 제어 방법에서 실행되는 인젝터 닫힘 시간 학습 방법의 순서도이다.
도 6에서 도시된 바와 같이, 먼저, 제어부(100)는 운행조건, 예를 들어, 엔진의 회전수와 가속페달신호에 따라서 요구 분사 연료량을 설정한다(S100).
단계 S100에서 요구 분사 연료량이 설정되면, 제어부(100)는 요구 분사 연료량에 대응되는 요구 분사 명령 시간을 산출한다(S110).
예컨대, 이를 위해 제어부는, 요구 분사 연료량과 대응되는 요구 분사 명령 시간과 관련되어 미리 정해진 특성 커브 및 연료 압력값에 기초하여, 요구 분사 연료량으로부터 요구 분사 명령 시간을 산출할 수 있다.
상기한 특성 커브들은, 공칭 인젝터(nominal injector)를 기준으로 미리 정해져 있으며, 제어부(100)에 구비된 도시되지 않은 저장 장치에 맵의 형태로 저장된다.
단계 S110에서 요구 분사 명령 시간이 산출되면, 제어부(100)는 요구 분사 명령 시간 동안 인젝터(120)의 솔레노이드 밸브에 전류를 인가하여 인젝터(120)를 구동시킨다(S120).
단계 S120에서의 인젝터(120)가 구동되면, 제어부(100)는, 이 때의 인젝터(120)의 실제 닫힘 시간을 감지한다(S130).
인젝터(120)의 실제 닫힘 시간을 감지하기 위여, 제어부(100)는, 도 2 내지 도 5를 이용하여 앞서 설명한 인젝터 닫힘 시간 감지 방법을 사용한다. 전술한 인공 신경망(ANN)을 이용하여 인젝터(120)의 실제 닫힘 시간이 감지되면, 제어부(100)는 감지된 실제 닫힘 시간을 이용하여 요구 분사 명령 시간을 보상한다(S140).
예컨대, 제어부(100)는, 인젝터(120)의 닫힘 시간과 요구 분사 명령 시간의 관계에 관한 특성 커브와, 압력센서(132)로부터 측정된 연료 압력값에 기초하여, 인젝터(120)의 실제 닫힘 시간에 대응되는 요구 분사 연료량을 직접 산출함으로써, 단계 S110에서 산출된 요구 분사 명령 시간을 보정할 수 있다.
단계 S140에서 요구 분사 명령 시간이 보정되면, 제어부(100)는 보정된 요구 분사 명령 시간에 근거하여 인젝터(120)를 제어한다(S150). 즉, 단계 S140에서 산출된 실제 분사 명령 시간이 단계 S110에서 산출된 요구 분사 명령 시간보다 긴 경우, 이는 요구 분사 연료량보다 다량의 연료가 분사되고 있는 상태를 나타내는 것이므로, 분사 명령 시간을 감소시키는 제어를 실시한다.
한편, 본 발명의 다른 바람직한 실시예에서는, 단계 S110에서 산출된 요구 분사 명령 시간을 미리 정해진 소정값과 비교하는 단계를 더 포함하고, 상기 비교 결과에 근거하여, 실제 닫힘 시간 감지 방법을 달리할 수 있다.
예컨대, 요구 분사 명령 시간이 상기 소정값 이하인 경우에는, 도 2 내지 도 5에 도시된 인공 신경망(ANN)을 이용한 인젝터 닫힘 시간 감지 방법에 의해 감지된 인젝터 닫힘 시간에 근거하여 단계 S140에서 요구 분사 명령 시간을 보정하도록 한다. 도 10을 참고하면, 인젝터 작동 시간(Ti)이 조금만 변하더라도, 연료량(m)이 급격하게 증가하는 발리스틱 구간과, 작동 시간(Ti)의 변화에 따라 연료량의 변화가 크지 않는 트랜지언트(transient) 구간에서는, 종래 인젝터 닫힘 시간 감지 방법에 의해 닫힘 시간을 정확히 감지하는 것이 곤란하다. 따라서, 상기한 구간에서는, 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법을 이용하는 것이 보다 바람직하다.
한편, 상기 분사 명령 시간이 상기 소정값을 초과한 경우에는, 인젝터에서 발생되는 전압의 변곡점을 이용하여 감지된 인젝터 닫힘 시간에 근거하여, 단계 S140에서 요구 분사 명령 시간을 보정한다.
도 10을 참고하면, 작동 시간(Ti)에 따라 연료량(m)이 선형적으로 변화하는 리니어(linear) 구간(특, 인젝터의 니들이 풀 리프트 하는 구간)에서는 비교적 인젝터(120)에서 발생되는 전압 커브로부터 인젝터 닫힘 시간을 산출하는 것이 용이하다. 따라서, ECU의 계산 능력등을 고려하여, 해당 구간에서는 인공 신경망이 아닌, 인젝터(120)에서 발생되는 전압의 변곡점을 이용하여 닫힘 시간을 감지하는 것이 보다 바람직하다. 이를 위해서는, 인젝터(120)에서 발생되는 전압의 커브를 2차 미분하여 변곡점을 도출하고, 해당 변곡점이 존재하는 시점을 인젝터(120)의 닫힘 시점으로 간주한다.
도 7은, 도 6에서 도시된 인젝터 제어 방법에서 실행되는 인젝터 닫힘 시간 학습 방법의 순서도이다. 도 7에서 도시된 학습 방법을 실행함으로써, 도 6에서 도시된 인젝터 제어 방법에 사용되는 특성 커브를 적절히 보정할 수 있다. 따라서, 상기한 학습을 통해 보다 정확한 분사 연료량 제어가 이루어지게 할 수 있다.
도 7에서 도시된 바와 같이, 학습을 위해 먼저 제어부(100)는 먼저, 학습 목표가 되는 인젝터 분사 시간을 설정(S200)한다. 학습 목표는, 인젝터 닫힘 시간의 편차를 감소시키기 위해 학습이 필요한 인젝터 분사 시간으로서, 정밀 제어가 필요한 저유량 구간(즉, 전술한 발리스틱 구간 또는 트랜지언트 구간)에서의 인젝터 닫힘 시간 학습 필요성이 높다. 따라서, 바람직하게는, 학습의 대상이 되는 인젝터의 분사 시간이 소정 초과한 경우(예컨대, 인젝터의 니들이 풀 리프트 상태인 리니어구간 등의 경우), 학습의 필요성이 상대적으로 낮으므로, 후술하는 인젝터 닫힘 시간 학습을 수행하지 않을 수 있다.
학습 목표가 되는 인젝터 분사 시간을 설정한 다음에는, 기존에 비휘발성 메모리에 저장된, 각 기통별 인젝터의 분사 시간과 닫힘 시간과의 관계를 규정하는 인젝터의 구동 특성 데이터로부터 설정된 인젝터 분사 시간에 대응되는 예상 닫힘 시간을 산출한다(S210).
학습 목표가 되는 인젝터 분사 시간에 대응되는 예상 닫힘 시간이 산출되면, 상기 예상 닫힘 시간만큼 연료를 1차 분사한 후, 엔진 구동을 위해 요구되는 전체 요구 분사량에서, 1차 분사 시에 소요되는 연료량을 제외한 나머지 연료를 2차 분사하는 다단계 연료 분사를, 각 기통별로 실시한다(S600).
즉, 학습을 수행하기 위해, 제어부(100)는 인젝터(120)를 통한 연료 분사 모드를 다단계 분사 모드로 전환한 다음, 설정한 연료 분사 시간만큼 연료를 먼저 분사하는 학습 분사를 실시한다. 그리고 전체 요구 분사량 중 위 학습 분사에 소요되는 분사량을 제외한 나머지 분사량에 해당하는 연료를, 학습 분사에 이어 분사한다. 이를 통해, 학습 목표가 되는 특정 인젝터 분사 시간만큼의 연료 분사를 실시할 수 있게 된다.
다음으로 제어부(100)는, 인젝터(120)에 의한 다단계 연료 분사 중 학습 분사 시의 인젝터의 실제 닫힘 시간을 감지한다(S230). 본 발명의 바람직한 실시예에서, 제어부(100)는 인젝터의 실제 닫힘 시간을 감지하기 위하여, 전술한 도 2 내지 도 5를 참조하여 설명한 인공 신경망(ANN)을 이용한 인젝터 닫힘 시간 감지 방법을 사용한다. 이를 통해 본 발명에서는 각 기통별로 학습 목표로 하는 실제의 인젝터 분사 명령 시간과 닫힘 시간과의 관계에 관한 데이터를 습득할 수 있다.
다음으로, 제어부(100)는 단계 S240의 학습을 수행하기 위하여, 다단계 분사 중 학습 분사 시의 인젝터(120)의 실제 닫힘 시간의 측정을 반복 수행함으로써 학습 목표인 인젝터 분사 명령 시간과 닫힘 시간과의 신뢰성 있는 결과를 도출해 낸다.
다음으로 제어부(100)는 단계 S240의 학습 종료 시에, 학습 결과를 토대로, 인젝터 구동 특성을 보상(S250)한다.
예컨대, 제어부(100)는, 학습 분사를 반복적으로 수행함으로써 얻어지는 인젝터 닫힘 시간의 실제 측정값이 소정의 값 또는 범위로 수렴하는지 여부를 판단한다. 그리고 제어부(100)는, 인젝터 닫힘 시간의 실제 측정값이 소정의 값으로 일정하게 수렴하는 경우에, 위 일정하게 수렴하고 있는 인젝터 닫힘 시간의 측정 회수가, 미리 정해진 제1 소정값을 초과하는지 여부를 판단한다. 만약 소정 값 또는 범위로 일정하게 수렴하고 있는 인젝터 닫힘 시간의 측정 회수가 제1 소정값을 초과한 경우, 제어부(100)는 학습 목표인 인젝터 분사 시간과 닫힘 시간과의 신뢰성있는 관계가 도출되어 학습이 완료된 것으로 판단한다. 학습 결과를 통해 도출된 인젝터 분사 시간과 닫힘 시간과의 관계를 각 기통별 인젝터 구동 특성 커브에 적용하여 보상한다(S250).
만약 학습 분사를 반복적으로 수행함으로써 얻어지는 인젝터 닫힘 시간의 실제 측정값이 소정의 값 또는 범위로 수렴하지 않는 경우에는, 제어부(100)는, 학습 모드의 분사 회수를 카운트 하고 학습 모드 분사 회수가 미리 정해진 제2 설정값을 초과하는 지 여부를 판단한다. 학습 모드의 분사 회수가 제2 설정값을 초과한 경우에는 학습 목표가 되는 인젝터 닫힘 시간의 학습에 실패한 것으로 판정하여 더 이상의 학습을 진행하지 않고 해당 인젝터 닫힘 시간의 학습을 종료하게 된다.
상기한 본 발명에 따른 인젝터 닫힘 시간 학습 방법에 따르면, 인젝터를 이용한 연료 분사 시에, 학습 목표가 되는 인젝터 분사 시간만큼 연료를 분사하는 학습 분사를 포함한 다단계 분사를 수행하고, 학습 분사 시에, 인공 신경망(ANN)을 이용해 인젝터의 실제 닫힘 시간을 측정함으로써, 목표로 하는 기통별 특정 인젝터 닫힘 시간과 관련된 정확한 인젝터 구동 특성에 관한 데이터를 획득할 수 있다.
이를 통해 본 발명은 인젝터 닫힘 시간 편차 보정을 위한 학습의 정확도를 향상시킬 수 있고, 기통간의 연료량 편차 보정도 향상시킬 수 있다.
100: 제어부 110: 엔진
120: 인젝터 130: 레일
132: 압력센서 140: 연료펌프
150: 연료탱크

Claims (9)

  1. 인젝터에서 발생되는 전압을 감지하는 단계;
    감지된 전압의 시간에 따른 파형을 활용하여 지수 함수가 결합된 형태의 비선형 회귀 특징량을 산출하고, 상기 비선형 회귀 특징량을 이용하여 인풋 행렬을 도출하는 전처리 단계;
    상기 인풋 행렬로 구성되는 인풋 레이어, 히든 레이어 및 아웃풋 레이어로 구성된 인공 신경망 모델에 의해, 상기 인젝터의 닫힘 시간을 도출하는 닫힘 시간 예측 단계;를 포함하는 것을 특징으로 하는 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법
  2. 청구항 1에 있어서,
    상기 비선형 회귀 특징량은, 하기의 식1의 계수들의 조합으로 이루어지는 값인, 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법.
    Figure pat00010
    ...(1)
    단, V는 전압값(V), a,b,c,d는 계수, t는 시간(s).
  3. 청구항 2에 있어서,
    상기 전처리 단계에서는,
    소정 구간 내의 복수의 측정 시점에서 전압을 측정하는 단계;
    시간에 따른 상기 전압의 변화에 대한, 지수 함수가 결합된 형태의 근사 함수를 도출하는 단계;
    상기 근사 함수의 계수들의 조합을 정규화하여 상기 인풋 행렬을 도출하는 단계;를 포함하는, 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법.
  4. 청구항 3에 있어서,
    상기 닫힘 시간 예측 단계에서, 상기 히든 레이어는 정규화된 상기 인풋 행렬에 제1 가중치 행렬를 곱하고, 제1 바이어스 행렬을 더하여 제1 준비 행렬을 도출하고,
    상기 제1 준비 행렬에 아래 수식의 전달 함수를 대입하에 제1 결과행렬을 도출하는, 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법.
    Figure pat00011

    단, a1은 제1 결과행렬이고, n1은 제1 준비행렬임.
  5. 청구항 4에 있어서,
    상기 닫힘 시간 예측 단계에서, 상기 아웃풋레이어에서는, 상기 제1결과행렬에 제2 가중치 행렬을 곱하고, 바이어스 값을 더하여 정규화된 인젝터 닫힘 시간을 산출하고,
    상기 산출된 인젝터 닫힘 시간을 역정규화(De-normalization)하여, 최종 인젝터 닫힘 시간을 산출하는, 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법.
  6. 요구 분사 연료량을 설정하는 단계;
    상기 설정된 요구 분사 연료량으로부터 요구 분사 명령 시간을 계산하는 단계;
    상기 요구 분사 명령 시간에 근거하여 인젝터를 구동하는 단계;
    청구항 1 내지 5 중 어느 한 항에 기재된 인젝터 닫힘 시간 감지 방법에 의해, 상기 인젝터의 구동 시의 실제 인젝터 닫힘 시간을 감지하는 단계;
    감지된 실제 인젝터 닫힘 시간을 이용하여, 상기 요구 분사 명령 시간을 보정하는 단계;
    상기 보정된 요구 분사 명령 시간에 근거하여 인젝터를 제어하는 단계를 포함하는 것을 특징으로 하는 인젝터 제어 방법.
  7. 청구항 6에 있어서,
    상기 요구 분사 명령 시간을 미리 정해진 소정값과 비교하는 단계를 더 포함하고,
    상기 요구 분사 명령 시간이 상기 소정값 이하인 경우에는, 청구항 1 내지 청구항 5 중 어느 한 항에 기재된 인젝터 닫힘 시간 감지 방법에 의해 감지된 인젝터 닫힘 시간에 근거하여 상기 요구 분사 명령 시간을 보정하고,
    상기 요구 분사 명령 시간이 상기 소정값을 초과한 경우에는, 인젝터에서 발생되는 전압의 변곡점을 이용하여 감지된 인젝터 닫힘 시간에 근거하여, 상기 요구 분사 명령 시간을 보정하는, 인젝터 제어 방법.
  8. 청구항 6에 있어서,
    복수의 실린더 별로 인젝터 닫힘 시간을 학습하는 단계를 더 포함하고,
    상기 인젝터 닫힘 시간을 학습하는 단계에서는,
    학습 목표가 되는 인젝터 분사 시간을 설정하는 단계;
    공칭(nominal) 인젝터의 구동 특성으로부터, 설정된 상기 인젝터 분사 시간에 대응하는 닫힘 시간을 산출하는 단계;
    상기 설정한 연료 분사 시간만큼 연료를 분사하는 학습 분사 단계와, 엔진 구동을 위해 요구되는 전체 분사량에 대응되는 목표 닫힘 시간으로부터 상기 산출 닫힘 시간을 제외한 연료량에 상응하는 닫힘 시간만큼 연료를 분사하는 단계로 이루어지는 다단계 연료 분사 단계;
    청구항 1 내지 청구항 5 중 어느 한 항에 기재된 인젝터 닫힘 시간 감지 방법을 이용하여 상기 학습 분사 시의 인젝터의 닫힘 시간을 감지하는 단계;
    상기 다단계 연료 분사 단계 및 상기 인젝터 닫힘 시간 감지를 통해 상기 학습 분사 시간에 대응되는 실제 인젝터 닫힘 시간을 학습하는 단계;
    소정의 학습 완료 조건을 만족하는 경우에, 해당 인젝터 닫힘 시간에 대한 학습을 종료하고, 학습 결과를 반영하여 상기 인젝터의 구동 특성을 보상하는 단계를 포함하는, 인젝터 제어 방법.
  9. 청구항 8에 있어서,
    상기 설정된 학습 목표가 되는 인젝터 분사 시간이 소정 시간을 초과한 경우, 상기 인젝터 닫힘 시간을 학습하는 단계를 수행하지 않는, 인젝터 제어 방법.
KR1020190179100A 2019-12-31 2019-12-31 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법 KR20210085725A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190179100A KR20210085725A (ko) 2019-12-31 2019-12-31 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190179100A KR20210085725A (ko) 2019-12-31 2019-12-31 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법

Publications (1)

Publication Number Publication Date
KR20210085725A true KR20210085725A (ko) 2021-07-08

Family

ID=76893982

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190179100A KR20210085725A (ko) 2019-12-31 2019-12-31 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법

Country Status (1)

Country Link
KR (1) KR20210085725A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150114078A (ko) 2014-03-31 2015-10-12 현대자동차주식회사 인젝터 특성 보정 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150114078A (ko) 2014-03-31 2015-10-12 현대자동차주식회사 인젝터 특성 보정 장치

Similar Documents

Publication Publication Date Title
US8676476B2 (en) Method for real-time, self-learning identification of fuel injectors during engine operation
US8789511B2 (en) Controller for pressure reducing valve
US8306719B2 (en) Learning device and fuel injection system
US20060082252A1 (en) Method for determining the position of a movable shut-off element of an injection valve
US20120209544A1 (en) Defective-portion detector for fuel injection system
US20110106409A1 (en) Method and device for the pressure wave compensation during consecutive injections in an injection system of an internal combustion engine
US9429098B2 (en) Fuel injection controller
US9617947B2 (en) Fuel injection control device
JP6032244B2 (ja) 燃料性状判定装置、及び燃料性状判定方法
JP2012202244A (ja) 燃料噴射状態推定装置
US6847881B2 (en) Method and device for controlling piezo-driven fuel injection valves
JP5333464B2 (ja) 燃料噴射制御装置
JP2007100691A (ja) 燃料噴射制御システムの製造方法
KR20210085726A (ko) 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법
US8849592B2 (en) Fuel-injection condition detector
US8812412B2 (en) Control apparatus
KR20210085725A (ko) 지수 함수의 비선형 회귀 특징량과 인공 신경망을 이용한 인젝터 닫힘 시간 감지 방법 및 이를 이용한 인젝터 제어 방법
JP5382006B2 (ja) 燃料噴射制御装置
JP4529892B2 (ja) 多気筒エンジンの燃料噴射制御装置
US8474309B2 (en) Noise existence diagnosis device for fuel injection system
JP5083129B2 (ja) 内燃機関の燃料噴射制御装置及び燃料噴射制御システム
KR20210085727A (ko) 전류 및 전압의 특징 벡터와 인공 신경망을 이용한 인젝터 열림 시간 감지 방법 및 이를 이용한 인젝터 제어 방법
JP5565435B2 (ja) 燃料噴射制御装置
US20140202431A1 (en) Fuel injection apparatus
JP7283418B2 (ja) 内燃機関の燃料噴射制御装置

Legal Events

Date Code Title Description
A201 Request for examination