WO2021239752A1 - Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine - Google Patents

Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine Download PDF

Info

Publication number
WO2021239752A1
WO2021239752A1 PCT/EP2021/063945 EP2021063945W WO2021239752A1 WO 2021239752 A1 WO2021239752 A1 WO 2021239752A1 EP 2021063945 W EP2021063945 W EP 2021063945W WO 2021239752 A1 WO2021239752 A1 WO 2021239752A1
Authority
WO
WIPO (PCT)
Prior art keywords
manipulated variables
quality measure
discrete
internal combustion
combustion engine
Prior art date
Application number
PCT/EP2021/063945
Other languages
English (en)
French (fr)
Inventor
Jens Niemeyer
Roman GEISELHART
Knut GRAICHEN
Daniel Bergmann
Original Assignee
Mtu Friedrichshafen Ghbh
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 Mtu Friedrichshafen Ghbh filed Critical Mtu Friedrichshafen Ghbh
Priority to EP21729461.0A priority Critical patent/EP4158176A1/de
Priority to CN202180038060.0A priority patent/CN115720605A/zh
Publication of WO2021239752A1 publication Critical patent/WO2021239752A1/de
Priority to US17/993,578 priority patent/US11788484B2/en

Links

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
    • F02D41/1406—Introducing closed-loop corrections characterised by the control or regulation method with use of a optimisation method, e.g. iteration
    • 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
    • F02D41/1402—Adaptive 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
    • F02D41/30—Controlling fuel injection
    • F02D41/3005—Details not otherwise provided for
    • 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
    • F02D2041/1412—Introducing closed-loop corrections characterised by the control or regulation method using a predictive 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
    • F02D2200/00—Input parameters for engine control
    • F02D2200/02—Input parameters for engine control the parameters being related to the engine
    • F02D2200/04—Engine intake system parameters
    • F02D2200/0402—Engine intake system parameters the parameter being determined by using a model of the engine intake or its components
    • 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

Definitions

  • the invention relates to a method for model-based control and regulation of an internal combustion engine, in which an optimizer calculates a quality measure and sets it as decisive for the operating point of the internal combustion engine.
  • the behavior of an internal combustion engine is largely determined by an engine control unit as a function of a desired performance.
  • corresponding characteristic curves and maps are usually applied in the software of the engine control unit.
  • the manipulated variables of the internal combustion engine for example the start of injection and a required rail pressure, are calculated from the desired output.
  • These characteristic curves / maps are equipped with data at the manufacturer of the internal combustion engine on a test bench. However, the large number of these characteristic curves / maps and the correlation of the characteristic curves / maps with one another cause a high level of coordination effort.
  • DE 10 2006004516 B3 describes a Bayesian network with probability tables for determining an injection quantity
  • US 2011/0172897 A1 describes a method for adapting the start of injection and the injection quantity using combustion models using neural networks. Since trained data is mapped here, it must first be learned during a test bench run.
  • a method for model-based control and regulation of an internal combustion engine is known from DE 10 2017005783 A1, in which the setpoint values for the injection system actuators are calculated using a combustion model and the setpoint values for the gas path actuators are calculated using a gas path model. Both the combustion model and the gas path model are based on Gaussian process models.
  • An optimizer determines a quality measure from the setpoint values and predicts how the quality measure will change if the setpoint values change within a prediction horizon would develop. Once the best possible quality measure has been calculated, the optimizer sets the injection system target values and the gas path target values as decisive for the operating point of the internal combustion engine.
  • Manipulated variables with discrete switching states are, for example, the activation of the second exhaust gas turbocharger during register charging, a cylinder bank deactivation, the activation of a pre- or post-injection and the opening or closing of various flaps.
  • So-called branch and bound methods for optimal solution finding in the case of discrete manipulated variables are very computationally expensive, since in the worst case all combinatorial possibilities of the discrete manipulated variables have to be examined.
  • Their use in an internal combustion engine quickly leads to very complex structures which cannot be displayed on an engine control unit.
  • the invention is based on the object of improving the previously described model-based method with regard to the integration of manipulated variables.
  • the procedure is carried out in three steps.
  • the optimizer calculates a pre-optimized quality measure as a function of the operating situation, the discrete manipulated variables with discrete setting values being interpreted as continuous manipulated variables with a continuous setting range.
  • the pre-optimized quality measure is a computational variable, that is, it is not applied to the internal combustion engine.
  • these continuous manipulated variables are then quantized and set as new discrete manipulated variables with discrete setting values. The quantization takes place on the basis of switching thresholds and hysteresis.
  • the optimizer calculates a post-optimized quality measure as a function of the new discrete manipulated variables and the operating situation of the internal combustion engine and sets it as decisive for the operating point of the internal combustion engine.
  • the new discrete manipulated variable are assumed to be fixed. To this extent, they no longer represent a degree of freedom for optimization within the predicted horizon.
  • the rest Continuous manipulated variables are re-optimized in such a way that the solution with regard to the fixed new manipulated variables is the best possible.
  • the operating situation of the internal combustion engine is understood to mean both the external framework conditions, in particular the emission limit values or the desired output, and the current operating point.
  • Both the pre-optimized quality measure and the post-optimized quality measure are determined by using the combustion model to calculate the injection system setpoints for controlling the injection system actuators, for example the setpoint rail pressure, and using a gas path model to calculate the gas path setpoints for actuating the gas path actuators are calculated and then these target values are changed by the optimizer with the aim of finding a minimum.
  • the invention allows optimization tasks to be solved with input variables that are partially continuous in value and partially discrete value with limited computing capacity for the optimization method used. Instead of a parallel calculation of the manipulated variables, as is necessary for the implementation of branch-and-bound methods, the invention uses a serial method. Only then can the quality measure and the resulting values for the manipulated variables be fully calculated on an engine control unit.
  • Fig. 5 shows a subroutine
  • FIG. 1 shows a system diagram of an electronically controlled internal combustion engine 1 with a common rail system.
  • the common rail system comprises the following mechanical components: a low-pressure pump 3 for delivering fuel from a fuel tank 2, a variable suction throttle 4 for Influencing the fuel volume flow flowing through, a high-pressure pump 5 for delivering the fuel with an increase in pressure, a rail 6 for storing the fuel and injectors 7 for injecting the fuel into the combustion chambers of the internal combustion engine 1.
  • the common rail system can also be designed with individual stores, in which case, for example, an individual memory 8 is integrated in the injector 7 as an additional buffer volume.
  • the further functionality of the common rail system is assumed to be known.
  • the gas path shown includes both the air supply and the exhaust gas discharge.
  • the compressor of an exhaust gas turbocharger 11 In the air supply are arranged: the compressor of an exhaust gas turbocharger 11, a charge air cooler 12, a throttle valve 13, a junction 14 for merging the charge air with the recirculated exhaust gas and a variably controllable inlet valve 15.
  • a variably controllable exhaust valve 16 In the exhaust gas duct are arranged: a variably controllable exhaust valve 16, an EGR actuator 17, the turbine of the exhaust gas turbocharger 11 and a turbine bypass valve 18.
  • the mode of operation of the internal combustion engine 1 is determined by an electronic control unit 10 (ECU).
  • the electronic control unit 10 contains the usual components of a microcomputer system, for example a microprocessor, I / O modules, buffers and memory modules (EEPROM, RAM).
  • the operating data relevant to the operation of the internal combustion engine 1 are applied as models in the memory modules.
  • the electronic control unit 10 uses this to calculate the output variables from the input variables.
  • the following input variables are shown as examples in FIG.
  • a target torque M (SOLL), which is specified by an operator, the actual rail pressure pCR, which is measured by means of a rail pressure sensor 9, the engine speed nIST, the charge air pressure pLL, the charge air temperature TLL, the humidity phi of the charge air, the exhaust gas temperature TAbgas, the air-fuel ratio lambda, the NOx actual value, optionally the pressure pES of the individual accumulator 8 and an input variable EIN.
  • the additional sensor signals (not shown) are combined under the input variable IN, for example the coolant temperatures.
  • FIG. 1 are shown as output variables of the electronic control unit 10: a signal PWM to control the suction throttle 4, a signal ve to control the injectors 7 (start / end of injection), a control signal DK to control the throttle valve 13, a control signal VVT to control the Inlet or outlet valve, a control signal AGR for controlling the EGR actuator 17, a control signal TBP for controlling the turbine bypass valve 18 and an output variable AUS.
  • the output variable AUS is representative of the further actuating signals for controlling and regulating the internal combustion engine 1, for example for an actuating signal for activating a second exhaust gas turbocharger a register charge.
  • the throttle valve 13, the EGR actuator 17, the turbine bypass valve 18 or the suction throttle 4 can be controlled with a continuous control signal and can therefore be set in a continuous range of values.
  • a discrete manipulated variable would be the control signal for activating a second exhaust gas turbocharger, since this control signal can only assume individual discrete values, i.e. intermediate values do not exist.
  • FIG. 2 shows a model-based system diagram.
  • a combustion model 19 a gas path model 20 and an optimizer 21 are listed within the electronic control device 10.
  • Both the combustion model 19 and the gas path model 20 map the system behavior of the internal combustion engine as mathematical equations, for example in the form of Gaussian process models.
  • the combustion model 19 statically depicts the processes during the combustion.
  • the gas path model 20 depicts the dynamic behavior of the air routing and the exhaust gas routing.
  • the combustion model 19 contains individual models, for example for the formation of NOx and soot, for the exhaust gas temperature, for the exhaust gas mass flow and for the peak pressure. These individual models, in turn, depend on the boundary conditions in the cylinder and the parameters of the injection.
  • the combustion model 19 is determined for a reference internal combustion engine in a test bench run, the so-called DoE test bench run (DoE: Design of Experiments).
  • DoE test bench run operating parameters and manipulated variables are systematically varied with the aim of mapping the overall behavior of the internal combustion engine as a function of engine variables and environmental conditions.
  • the optimizer 21 evaluates the combustion model 19 with regard to the target torque M (SOLL), the emission limit values, the environmental boundary conditions, for example the humidity phi of the charge air, and the operating situation of the internal combustion engine.
  • SOLL target torque M
  • the operating situation is defined by the engine speed nIST, the charge air temperature TLL, the charge air pressure pLL, etc.
  • the function of the optimizer 21 now consists in evaluating the injection system setpoints for controlling the injection system actuators and the gas path setpoints for activating the gas path actuators .
  • the optimizer 21 selects that solution in which a quality measure is minimized.
  • the measure of quality is calculated as the integral of the quadratic target / actual deviations within the prediction horizon. For example in the form:
  • the optimizer 21 determines the best possible quality measure by finding a minimum by calculating a first quality measure at a first point in time, varying the injection system setpoints and the gas path setpoints, and using these to forecast a second quality measure within the prediction horizon. On the basis of the deviation of the two quality measures from one another, the optimizer 21 then defines a minimum quality measure and sets this as decisive for the internal combustion engine. For the example shown in the figure, this is the set rail pressure pCR (SL) for the injection system.
  • the set rail pressure pCR (SL) is the reference variable for the subordinate rail pressure control loop 22.
  • the manipulated variable of the rail pressure control loop 22 corresponds to the PWM signal to act on the suction throttle.
  • the optimizer 21 indirectly determines the target gas path values for the gas path.
  • these are a lambda setpoint LAM (SL) and an EGR setpoint AGR (SL) for specifying the two subordinate control loops 23 and 24.
  • the measured variables MESS are to be understood as meaning both directly measured physical variables and auxiliary variables calculated from them.
  • the actual lambda value LAM (IST) and the actual EGR value AGR (IST) are read in.
  • the manipulated variables of the internal combustion engine are combined with the reference symbol SG. This includes both the continuous manipulated variables with a continuous setting range and the discrete manipulated variables with discrete setting values.
  • Continuous manipulated variables can be adjusted steplessly between a minimum and maximum value, for example the start of injection and the end of injection with which the injector (Fig. 1: 7) is directly acted upon.
  • Discrete manipulated variables with discrete setting values can only be set in stages in fixed values, for example cylinder deactivation.
  • FIG. 3 shows a block diagram with the operating situation BS of the internal combustion engine as the input variable and the quality measure as the output variable, here referred to as the post-optimized quality measure J (NA).
  • a pre-optimization 25, a quantization 26 and a post-optimization 27 are shown within the block diagram.
  • the pre-optimization 25 calculates a pre-optimized quality measure J (VO) in which the discrete manipulated variables with discrete setting values are interpreted as continuous manipulated variables with a continuous setting range.
  • VO pre-optimized quality measure J
  • An example of a discrete manipulated variable is the pre-injection, which can only be activated or deactivated. By using pre-injection, the peak pressure of the combustion can be reduced significantly.
  • the pre-optimized quality measure J (VO) is a purely internal calculation variable which has no access to the actuators of the internal combustion engine. In other words: the pre-optimized quality measure J (VO) is access-free and is not connected to the internal combustion engine.
  • a second step 26 new discrete manipulated variables SG (new) are calculated from the continuous manipulated variables SG (k) via the quantization.
  • preinjection a fixed assignment to preinjection is activated again in the quantization, or preinjection is deactivated.
  • the quantization 26 offers the advantage that, for example, the variable valve control is set to three discrete values, namely minimum, mean value and maximum, for example 450 °, 495 ° and 540 ° crankshaft angle. This considerably reduces the computational effort in the subsequent determination of the post-optimized quality measure.
  • the calculated values are also stabilized via optional hysteresis bands.
  • a post-optimized quality measure J (NA) is calculated by the optimizer.
  • the new discrete manipulated variables SG (new) are not changed. In this respect, these are not a degree of freedom when calculating the post-optimized quality measure J (NA).
  • the actually continuous manipulated variables are adapted to the course specified from the quantization, for example the pre-injection. In other words: In the case of post-optimization, the manipulated variables that are actually described by continuous manipulated variables are varied.
  • the post-optimized quality measure J (NA) corresponds to the minimum quality measure J (min), which the optimizer uses as is set significantly for the operating point of the internal combustion engine (1), so the internal combustion engine is switched on.
  • the method is shown in a program flow chart in FIG. After the initialization at S1, it is checked at S2 whether the start process has ended. If this is still running, query result S2: no, it branches back to point A. If the starting process has ended, the operating situation of the internal combustion engine is recorded at S3. The operating situation is defined by the engine speed nIST, the charge air temperature TLL, the charge air pressure pLL, etc.
  • the optimizer subroutine is called and the initial values, for example the start of injection, are generated at S5.
  • steps S6 to S8 the subroutines pre-optimization, quantization and post-optimization are called up one after the other. These subroutines are described in connection with FIGS.
  • the post-optimized quality measure calculated in the post-optimization subroutine is set as the minimized quality measure J (min), which determines the operating point of the internal combustion engine. Subsequently, at S10 it is checked whether an engine stop has been initiated. If this is not the case, query result S10: no, the system branches back to point B. Otherwise the program schedule is ended.
  • the pre-optimization subroutine is shown as a program flow chart.
  • a first quality measure J1 (VO) of the pre-optimization is calculated using equation (1).
  • An essential feature here is that when calculating the first quality measure J1 (VO), in addition to the continuous manipulated variables with a continuous manipulating range, the discrete manipulated variables with discrete values are interpreted as continuous manipulated variables via interpolation.
  • a running variable i is set to zero. The initial values are then changed at S3 and calculated as new setpoint values for the manipulated variables.
  • the running variable i is increased by one.
  • a second quality measure J2 (VO) of the pre-optimization within the prediction horizon, for example for the next 8 seconds, is then forecast at S5.
  • the second quality measure J2 (VO) is subtracted from the first quality measure J1 (VO) and compared with a limit value GW.
  • the further progress of the quality measure is checked by calculating the difference between the two quality measures.
  • the comparison of the running variable i with a limit value iGW is used to check how often an optimization has already been carried out.
  • the two limit value considerations are a termination criterion for further optimization. If further optimization is possible, query result S6: no, the system branches back to point A. Otherwise, the optimizer will use the
  • the second quality measure J2 (VO) is output as a pre-optimized quality measure J (VO) together with the manipulated variables calculated in the process, and the program returns to the main program in FIG.
  • the pre-optimized quality measure J (VO) is a pure arithmetic variable, that is, the calculated injection system target values, the calculated gas path target values and the calculated manipulated variables are not applied to the internal combustion engine by the optimizer.
  • the quantization subroutine is shown in FIG.
  • the pre-optimized quality measure J (VO) with the associated manipulated variables is read in at S1.
  • those manipulated variables are discretized with original discrete setting values.
  • this takes place on the basis of corresponding threshold values with a hysteresis band. Oscillating calculation values are avoided via the hysteresis band.
  • a hysteresis band other logics can also be used which prevent rapid switching, for example a time control.
  • the new discrete manipulated variables SG (new) are then output at S3 and a return is made to the main program in FIG.
  • the post-optimization subroutine is shown as a program flow chart.
  • a post-optimized quality measure is determined from the operating situation of the internal combustion engine and the new discrete manipulated variables SG (new) via the post-optimization subroutine.
  • the new discrete manipulated variables are not updated.
  • a first quality measure J1 (NA) of the post-optimization is calculated using equation (1).
  • a running variable i is set to zero. The initial values are then changed at S3 and calculated as new setpoint values for the manipulated variables.
  • the running variable i is increased by one.
  • a second quality measure J2 (NA) of the post-optimization within the prediction horizon, for example for the next 8 seconds, is then forecast at S5.
  • the second quality measure J2 (VO) is subtracted from the first quality measure J1 (VO) and compared with a limit value GW.
  • the further progress of the quality measure is checked by calculating the difference between the two quality measures.
  • the comparison of the running variable i with a limit value iGW is used to check how often an optimization has already been carried out.
  • the two limit value considerations are a termination criterion for further optimization. If further optimization is possible, query result S6: no, the system branches back to point A.
  • the optimizer outputs the second quality measure J2 (VO) as the minimum quality measure J (min) and returns to the main program in FIG.
  • the two FIGS. 8 and 9 show, in a comparison, the course of selected variables over time in seconds.
  • the variables shown are: the variable valve control VVT in degrees crankshaft angle, the start of injection SB in degrees before top dead center (TDC), the combustion pressure pZYL in the cylinder and the engine speed nMOT.
  • the combustion pressure pZYL the maximum permissible combustion pressure pMAX is also shown as a dashed line. On the left-hand half of the drawing, these sizes are shown when the previous optimization is applied, while these sizes are shown on the right-hand half of the drawing when the invention is used.
  • the representation in FIG. 8 and FIG. 9 is based on a step-like increasing setpoint torque as the input variable.
  • the variables according to FIG. 8 are described.
  • the optimizer uses the pre-optimization to calculate a pre-optimized quality measure based on the operating situation.
  • the discrete manipulated variables with discrete setting values are interpreted as continuous manipulated variables with a continuous setting range.
  • VVT variable valve control
  • the VVT actuator for controlling the variable valve with three defined actuator positions however, such a course cannot be represented.
  • a calculated start of injection SB and the corresponding cylinder pressure pZYL correspond to the pre-optimized quality measure.
  • the maximum value pMAX is maintained for the cylinder pressure pZYL.
  • the manipulated variable results in an increasing engine speed nMOT in the period under consideration.
  • FIG. 9 is described below.
  • the VVT curve shown corresponds to the curve after quantization. It becomes clear here that, in contrast to the illustration in FIG. 8, the VVT curve shows only three discrete values, namely 450 °, 495 ° and 540 ° crankshaft angles. The advantage is that the VVT actuator can be controlled with only three values, which significantly reduces the computational effort.
  • the post-optimized quality measure is calculated from the VVT curve based on the operating situation of the internal combustion engine. The course of the start of injection SB and the cylinder pressure pZYL, which in this case also remains below the maximum value pMAX, correspond to this. Reference number
  • EGR actuator exhaust gas recirculation

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

Vorgeschlagen wird ein Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine, bei dem von einem Optimierer in einem ersten Schritt ein voroptimiertes Gütemaß (J(VO)) in Abhängigkeit der Betriebssituation (BS) berechnet wird, wobei bei der Berechnung des voroptimierten Gütemaßes (J(VO)) diskrete Stellgrößen mit diskreten Einstellwerten als kontinuierliche Stellgrößen (SG(k)) mit einem kontinuierlichen Einstellbereich interpretiert werden, bei dem in einem zweiten Schritt diese kontinuierlichen Stellgrößen (SG(k)) quantisiert und als neue diskrete Stellgrößen (SG(neu)) mit diskreten Einstellwerten gesetzt werden, bei dem vom Optimierer in einem dritten Schritt ein nachoptimiertes Gütemaß (J(NA)) in Abhängigkeit der neuen diskreten Stellgrößen (SG(neu)) und der Betriebssituation (BS) der Brennkraftmaschine (1) berechnet wird und vom Optimierer (21) das nachoptimierte Gütemaß (J(NA)) als maßgeblich für den Betriebspunkt der Brennkraftmaschine (1) gesetzt wird.

Description

Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
Die Erfindung betrifft ein Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine, bei dem von einem Optimierer ein Gütemaß berechnet und als maßgeblich für den Betriebspunkt der Brennkraftmaschine gesetzt wird.
Das Verhalten einer Brenn kraftmaschine wird maßgeblich über ein Motorsteuergerät in Abhängigkeit eines Leistungswunsches bestimmt. Hierzu sind in der Software des Motorsteuergeräts üblicherweise entsprechende Kennlinien und Kennfelder appliziert. Über diese werden aus dem Leistungswunsch die Stellgrößen der Brennkraftmaschine berechnet, zum Beispiel der Spritzbeginn und ein erforderlicher Raildruck. Mit Daten bestückt werden diese Kennlinien/Kennfelder beim Hersteller der Brennkraftmaschine auf einem Prüfstand. Die Vielzahl dieser Kennlinien/Kennfelder und die Korrelation der Kennlinien/Kennfelder untereinander verursachen allerdings einen hohen Abstimmungsaufwand.
In der Praxis wird daher versucht den Abstimmungsaufwand durch die Verwendung von mathematischen Modellen zu reduzieren. So beschreibt zum Beispiel die DE 10 2006004516 B3 ein Bayesnetz mit Wahrscheinlichkeitstabellen zur Festlegung einer Einspritzmenge und die US 2011/0172897 A1 ein Verfahren zur Adaption des Spritzbeginns sowie der Spritzmenge über Verbrennungsmodelle mittels neuronaler Netze. Da hierbei trainierten Daten abgebildet werden, müssen diese zuerst bei einem Prüfstandslauf gelernt werden.
Aus der DE 10 2017005783 A1 ist ein Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine bekannt, bei dem über ein Verbrennungsmodell die Sollwerte für die Einspritzsystem-Stellglieder und über ein Gaspfadmodell die Sollwerte für die Gaspfad-Stellglieder berechnet werden. Sowohl das Verbrennungsmodell als auch das Gaspfadmodell basieren auf Gauß-Prozessmodellen. Aus den Sollwerten bestimmt ein Optimierer wiederum ein Gütemaß und prognostiziert wie sich das Gütemaß bei einer Veränderung der Sollwerte innerhalb eines Prädiktionshorizonts entwickeln würde. Ist das bestmögliche Gütemaß berechnet, so setzt der Optimierer die Einspritzsystem-Sollwerte und die Gaspfad-Sollwerte als maßgeblich für den Betriebspunkt der Brennkraftmaschine.
Bei Prüfstandsversuchen hat es sich gezeigt, dass die Einbindung von Stellgrößen mit diskreten Schaltzuständen in das zuvor beschriebene modellbasierte Verfahren noch nicht zufriedenstellend ist. Unter Stellgrößen mit diskreten Schaltzuständen sind zum Beispiel die Zuschaltung des zweiten Abgasturboladers bei einer Registeraufladung, eine Zylinderbank-Abschaltung, die Aktivierung einer Vor- oder Nacheinspritzung und die Auf- oder Schließstellung diverser Klappen zu verstehen. Sogenannte Branch- und Boundverfahren zur optimalen Lösungsfindung bei diskreten Stellgrößen sind sehr rechenaufwendig, da im schlechtesten Fall alle kombinatorischen Möglichkeiten der diskreten Stellgrößen untersucht werden müssen. Deren Anwendung bei einer Brennkraftmaschine führt rasch zu sehr komplexen Strukturen, welche auf einem Motorsteuergerät nicht darstellbar sind.
Der Erfindung liegt die Aufgabe zugrunde, das zuvor beschriebene modellbasierte Verfahren hinsichtlich der Einbindung von Stellgrößen zu verbessern.
Gelöst wird diese Aufgabe durch die Merkmale von Anspruch 1 . Die Ausgestaltungen sind in den Unteransprüchen dargestellt.
Das Verfahren wird in drei Schritten ausgeführt. Im ersten Schritt berechnet der Optimierer in Abhängigkeit der Betriebssituation ein voroptimiertes Gütemaß, wobei die diskrete Stellgrößen mit diskreten Einstellwerten als kontinuierliche Stellgrößen mit einem kontinuierlichen Einstellbereich interpretiert werden. Das voroptimierte Gütemaß ist eine Rechengröße, das heißt, dieses wird nicht der Brennkraftmaschine aufgeschaltet. Im zweiten Schritt werden dann diese kontinuierlichen Stellgrößen quantisiert und als neue diskrete Stellgrößen mit diskreten Einstellwerten gesetzt. Die Quantisierung erfolgt anhand von Schaltschwellen nebst Hysterese. Schließlich wird dann im dritten Schritt vom Optimierer ein nachoptimiertes Gütemaß in Abhängigkeit der neuen diskreten Stellgrößen und der Betriebssituation der Brennkraftmaschine berechnet und als maßgeblich für den Betriebspunkt der Brennkraftmaschine gesetzt.
Bei der Berechnung des nachoptimierten Gütemaßes werden allerdings die neuen diskreten Stellgröße als fest angenommen. Sie stellen insofern keinen Freiheitsgrad mehr für die Optimierung innerhalb des prädizierten Horizonts dar. Die übrigen kontinuierlichen Stellgrößen werden so reoptimiert, dass die Lösung bezüglich der fixierten neuen Stellgrößen bestmöglich ist.
Unter Betriebssituation der Brennkraftmaschine sind sowohl die äußeren Rahmenbedingungen, insbesondere die Emissionsgrenzwerte oder der Leistungswunsch, als auch der aktuelle Betriebspunkt zu verstehen. Sowohl das voroptimierte Gütemaß als auch das nachoptimierte Gütemaß werden bestimmt, indem über das Verbrennungsmodell die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder, zum Beispiel der Soll-Raildruck, berechnet werden, über ein Gaspfadmodell die Gaspfad-Sollwerte zur Ansteuerung der Gaspfad-Stellglieder berechnet werden und anschließend vom Optimierer diese Sollwerte mit dem Ziel einer Minimumfindung verändert werden.
Die Erfindung gestattet die Lösung von Optimierungsaufgaben mit teilweise wertkontinuierlichen und teilweise wertdiskreten Eingangsgrößen bei beschränkter Rechenkapazität für das verwendete Optimierungsverfahren. Anstelle einer parallelen Berechnung der Stellgrößen, wie es für die Umsetzung von Branch- and-Bound- Verfahren erforderlich ist, verwendet die Erfindung eine serielle Methodik. Erst hierdurch können das Gütemaß und die hieraus sich ergebenden Werte für die Stellgrößen vollumfänglich auf einem Motorsteuergerät berechnet werden.
In den Figuren ist ein bevorzugtes Ausführungsbeispiel dargestellt. Es zeigen:
Fig. 1 ein Systemschaubild,
Fig. 2 ein modellbasiertes Systemschaubild,
Fig. 3 ein Blockschaltbild,
Fig. 4 einen Programm-Ablaufplan,
Fig. 5 ein Unterprogramm,
Fig. 6 ein Unterprogramm,
Fig. 7 ein Unterprogramm,
Fig. 8 Zeitdiagramme und
Fig. 9 Zeitdiagramme.
Die Figur 1 zeigt ein Systemschaubild einer elektronisch gesteuerten Brennkraftmaschine 1 mit einem Common-Railsystem. Das Common-Railsystem umfasst folgende mechanische Komponenten: eine Niederdruckpumpe 3 zur Förderung von Kraftstoff aus einem Kraftstofftank 2, eine veränderbare Saugdrossel 4 zur Beeinflussung des durchströmenden Kraftstoff-Volumenstroms, eine Hochdruckpumpe 5 zur Förderung des Kraftstoffs unter Druckerhöhung, ein Rail 6 zum Speichern des Kraftstoffs und Injektoren 7 zum Einspritzen des Kraftstoffs in die Brennräume der Brennkraftmaschine 1. Optional kann das Common-Railsystem auch mit Einzelspeichern ausgeführt sein, wobei dann zum Beispiel im Injektor 7 ein Einzelspeicher 8 als zusätzliches Puffervolumen integriert ist. Die weitere Funktionalität des Common-Railsystem wird als bekannt vorausgesetzt. Der dargestellte Gaspfad umfasst sowohl die Luftzuführung als auch die Abgasabführung. In der Luftzuführung sind angeordnet: der Verdichter eines Abgasturboladers 11 , eine Ladeluftkühler 12, eine Drosselklappe 13, eine Einmündungsstelle 14 zur Zusammenführung der Ladeluft mit dem rückgeführten Abgas und ein variabel ansteuerbares Einlassventil 15. In der Abgasführung sind angeordnet: ein variabel ansteuerbares Auslassventil 16, ein AGR- Stellglied 17, die Turbine des Abgasturboladers 11 und ein T urbinen-Bypassventil 18.
Die Betriebsweise der Brennkraftmaschine 1 wird durch ein elektronisches Steuergerät 10 (ECU) bestimmt. Das elektronische Steuergerät 10 beinhaltet die üblichen Bestandteile eines Mikrocomputersystems, beispielsweise einen Mikroprozessor, I/O- Bausteine, Puffer und Speicherbausteine (EEPROM, RAM). In den Speicherbausteinen sind die für den Betrieb der Brennkraftmaschine 1 relevanten Betriebsdaten als Modelle appliziert. Über diese berechnet das elektronische Steuergerät 10 aus den Eingangsgrößen die Ausgangsgrößen. In der Figur 1 sind exemplarisch folgende Eingangsgrößen dargestellt: Ein Sollmoment M(SOLL), welches von einem Bediener vorgegeben wird, der Ist-Raildruck pCR, der mittels eines Rail-Drucksensors 9 gemessen wird, die Motordrehzahl nIST, der Ladeluftdruck pLL, die Ladelufttemperatur TLL, die Feuchte phi der Ladeluft, die Abgastemperatur TAbgas, das Luft- Kraftstoffverhältnis Lambda, der NOx-lstwert, optional der Druck pES des Einzelspeichers 8 und eine Eingangsgröße EIN. Unter der Eingangsgröße EIN sind die weiteren nicht dargestellten Sensorsignale zusammengefasst, beispielsweise die Kühlmitteltemperaturen. In Figur 1 sind als Ausgangsgrößen des elektronischen Steuergeräts 10 dargestellt: ein Signal PWM zur Ansteuerung der Saugdrossel 4, ein Signal ve zur Ansteuerung der Injektoren 7 (Spritzbeginn/ Spritzende), ein Stellsignal DK zur Ansteuerung der Drosselklappe 13, ein Stellsignal VVT zur Ansteuerung des Einlass- bzw. Auslassventils, ein Stellsignal AGR zur Ansteuerung des AGR- Stellglieds 17, ein Stellsignal TBP zur Ansteuerung des Turbinen-Bypassventils 18 und eine Ausgangsgröße AUS. Die Ausgangsgröße AUS steht stellvertretend für die weiteren Stellsignale zur Steuerung und Regelung der Brennkraftmaschine 1 , beispielsweise für ein Stellsignal zur Aktivierung eines zweiten Abgasturboladers bei einer Registeraufladung. Bei der Darstellung der Figur 1 sind beispielsweise die Drosselklappe 13, das AGR-Stellglied 17, das Turbinen-Bypassventil 18 oder die Saudrossel 4 mit einem kontinuierlichen Stellsignal ansteuerbar und sind daher in einem kontinuierlichen Wertebereich einstellbar. Eine diskrete Stellgröße wäre hingegen das Stellsignal zur Aktivierung eines zweiten Abgasturboladers, da dieses Stellsignal nur einzelne diskrete Werte annehmen kann, Zwischenwerte also nicht existieren.
Die Figur 2 zeigt ein modellbasiertes Systemschaubild. Bei dieser Darstellung sind innerhalb des elektronischen Steuergeräts 10 ein Verbrennungsmodell 19, ein Gaspfadmodell 20 und ein Optimierer 21 aufgeführt. Sowohl das Verbrennungsmodell 19 als auch das Gaspfadmodell 20 bilden das Systemverhalten der Brennkraftmaschine als mathematische Gleichungen ab, beispielsweise in Form von Gauß-Prozessmodellen. Das Verbrennungsmodell 19 bildet statisch die Vorgänge bei der Verbrennung ab. Im Unterschied hierzu bildet das Gaspfadmodell 20 das dynamische Verhalten der Luftführung und der Abgasführung ab. Das Verbrennungsmodell 19 beinhaltet Einzelmodelle zum Beispiel für die NOx- und Rußentstehung, für die Abgastemperatur, für den Abgasmassenstrom und für den Spitzendruck. Diese Einzelmodelle wiederum sind abhängig von den Randbedingungen im Zylinder und den Parametern der Einspritzung. Bestimmt wird das Verbrennungsmodell 19 bei einer Referenz- Brennkraftmaschine in einem Prüfstandslauf, dem sogenannte DoE-Prüfstandslauf (DoE: Design of Experiments). Beim DoE-Prüfstandslauf werden systematisch Betriebsparameter und Stellgrößen mit dem Ziel variiert, das Gesamtverhalten der Brennkraftmaschine in Abhängigkeit von motorischen Größen und Umweltrandbedingungen abzubilden. Der Optimierer 21 wertet das Verbrennungsmodell 19 aus und zwar hinsichtlich des Sollmoments M(SOLL), der Emissionsgrenzwerte, der Umweltrandbedingungen, zum Beispiel die Feuchte phi der Ladeluft, und der Betriebssituation der Brennkraftmaschine. Definiert wird die Betriebssituation durch die Motordrehzahl nIST, die Ladelufttemperatur TLL, den Ladeluftdruck pLL usw.. Die Funktion des Optimierers 21 besteht nun darin die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder und die Gaspfad-Sollwerte zur Ansteuerung der Gaspfad-Stellglieder zu bewerten. Hierbei wählt der Optimierer 21 diejenige Lösung aus, bei der ein Gütemaß minimiert wird. Berechnet wird das Gütemaß als Integral der quadratischen Soll-Istabweichungen innerhalb des Prädiktionshorizonts. Beispielsweise in der Form:
(1 ) J = f [w1 (NOx(SOLL)-NOx(IST)]2+ [w2(M(SOLL)-M(IST))]2 + [w3(....)] + Hierin bedeuten w1 , w2 und w3 einen entsprechenden Gewichtungsfaktor. Bekanntermaßen ergeben sich die Stickoxidemission aus der Feuchte phi der Ladeluft, der Ladelufttemperatur TLL, dem Spritzbeginn SB und dem Raildruck pCR.
Vom Optimierer 21 wird das bestmögliche Gütemaß über Minimumfindung ermittelt, indem zu einem ersten Zeitpunkt ein erstes Gütemaß berechnet wird, die Einspritzsystem-Sollwerte sowie die Gaspfad-Sollwerte variiert werden und anhand dieser ein zweites Gütemaß innerhalb des Prädiktionshorizonts prognostiziert wird. Anhand der Abweichung der beiden Gütemaße zueinander legt dann der Optimierer 21 ein minimales Gütemaß fest und setzt dieses als maßgeblich für die Brennkraftmaschine. Für das in der Figur dargestellte Beispiel ist dies für das Einspritzsystem der Soll-Raildruck pCR(SL). Der Soll-Raildruck pCR(SL) ist die Führungsgröße für den unterlagerten Raildruck-Regelkreis 22. Die Stellgröße des Raildruck-Regelkreises 22 entspricht dem PWM-Signal zu Beaufschlagung der Saugdrossel. Für den Gaspfad bestimmt der Optimierer 21 mittelbar die Gaspfad- Sollwerte. Bei dem dargestellten Beispiel sind dies ein Lambda-Sollwert LAM(SL) und ein AGR-Sollwert AGR(SL) zur Vorgabe für die beiden unterlagerten Regelkreise 23 und 24. Die rückgeführten Messgrößen MESS werden vom elektronischen Steuergerät 10 eingelesen. Unter den Messgrößen MESS sind sowohl unmittelbar gemessene physikalische Größen als auch daraus berechnete Hilfsgrößen zu verstehen. Bei dem dargestellten Beispiel werden der Lambda- Istwert LAM(IST) und der AGR-Istwert AGR(IST) eingelesen. Mit dem Bezugszeichen SG sind die Stellgrößen der Brennkraftmaschine zusammengefasst. Hierunter fallen sowohl die kontinuierlichen Stellgrößen mit einem kontinuierlichen Einstellbereich als auch die diskreten Stellgrößen mit diskreten Einstellwerten. Kontinuierliche Stellgrößen können zwischen einem minimalen und maximalen Wert stufenlos verstellt werden, beispielsweise der Spritzbeginn und das Spritzende mit welchen der Injektor (Fig. 1 : 7) unmittelbar beaufschlagt wird. Diskrete Stellgrößen mit diskreten Einstellwerten können nur gestuft in Festwerten eingestellt werden, beispielweise eine Zylinderabschaltung.
Die Figur 3 zeigt ein Blockschaltbild mit der Betriebssituation BS der Brennkraftmaschine als Eingangsgröße und dem Gütemaß als Ausgangsgröße, hier als nachoptimiertes Gütemaß J(NA) bezeichnet. Innerhalb des Blockschaltbilds sind eine Voroptimierung 25, eine Quantisierung 26 und eine Nachoptimierung 27, dargestellt. In einem ersten Schritt wird über die Voroptimierung 25 ein voroptimiertes Gütemaß J(VO) berechnet, bei dem die diskreten Stellgrößen mit diskreten Einstellwerten als kontinuierliche Stellgrößen mit einem kontinuierlich Einstellbereich interpretiert werden. Ein Beispiel für eine diskrete Stellgröße ist die Voreinspritzung, welche nur aktiviert oder deaktiviert sein kann. Durch den Einsatz der Voreinspritzung kann der Spitzendruck der Verbrennung deutlich abgesenkt werden. Daneben ändern sich bei aktivierter Voreinspritzung aber auch alle andere Verbrennungsgrößen wie beispielsweise die NOx-Emission oder die Partikelanzahl. Die Brennkraftmaschine wird einmal mit aktivierter Voreinspritzung und einmal mit deaktivierter Voreinspritzung vermessen. Damit ergeben sich zwei separate Verbrennungsmodelle. Bei der Berechnung des voroptimierten Gütemaßes J(VO) werden vom Optimierer Zwischenwerte interpoliert, dies bedeutet, dass durch die Interpolation zwischen diesen beiden Verbrennungsmodellen der Zustand Voreinspritzung aktiviert oder deaktiviert künstlich in eine kontinuierliche Eingangsgröße gewandelt werden. In der Voroptimierung 25 wird dann diese Größe kontinuierlich verwendet. In der Figur 3 sind diese kontinuierlichen Stellgrößen als SG(k) bezeichnet. Das voroptimierte Gütemaß J(VO) ist eine rein interne Rechengröße, welches keinen Zugriff auf die Stellglieder der Brennkraftmaschine hat. Mit anderen Worten: das voroptimierte Gütemaß J(VO) ist zugriffsfrei und wird der Brennkraftmaschine nicht aufgeschaltet.
In einem zweiten Schritt werden über die Quantisierung 26 neue diskrete Stellgrößen SG(neu) aus den kontinuierlichen Stellgrößen SG(k) berechnet. Für die Voreinspritzung wird folglich in der Quantisierung wieder eine feste Zuordnung zu Voreinspritzung aktiviert oder Voreinspritzung deaktiviert vorgenommen. Die Quantisierung 26 bietet den Vorteil, dass zum Beispiel die variable Ventilsteuerung auf drei diskrete Werte, nämlich Minimum, Mittelwert und Maximum festgelegt werden, zum Beispiel 450°, 495° und 540° Kurbelwellenwinkel. Dies reduziert im erheblichen Maße den Rechenaufwand bei der nachfolgenden Bestimmung des nachoptimierten Gütemaßes. Bei der Quantisierung 26 werden zudem die berechneten Werte über optionale Hysteresebänder stabilisiert. In einem dritten Schritt werden die neuen diskreten Stellgrößen SG(neu) und die Betriebssituation zusammengeführt und vom Optimierer ein nachoptimiertes Gütemaß J(NA) berechnet. Bei der Berechnung des nachoptimierten Gütemaßes J(NA) werden die neuen diskreten Stellgrößen SG(neu) nicht verändert. Insofern sind diese kein Freiheitsgrad bei der Berechnung des nachoptimierten Gütemaßes J(NA). In der Nachoptimierung werden die tatsächlich kontinuierlichen Stellgrößen an den aus der Quantisierung vorgegebenen Verlauf zum Beispiel der Voreinspritzung angepasst. Mit anderen Worten: Bei der Nachoptimierung werden die Stellgrößen variiert, die auch real durch kontinuierliche Stellgrößen beschrieben werden. Das nachoptimierte Gütemaß J(NA) entspricht dem minimalen Gütemaß J(min), welches vom Optimierer als maßgeblich für den Betriebspunkt der Brennkraftmaschine (1) gesetzt wird, also der Brennkraftmaschine aufgeschaltet wird.
In der Figur 4 ist das Verfahren in einem Programm-Ablaufplan dargestellt. Nach der Initialisierung bei S1 wird bei S2 geprüft, ob der Startvorgang beendet ist. Läuft dieser noch, Abfrageergebnis S2: nein, wird zum Punkt A zurückverzweigt. Ist der Startvorgang beendet, so wird bei S3 die Betriebssituation der Brennkraftmaschine erfasst. Definiert wird die Betriebssituation durch die Motordrehzahl nIST, die Ladelufttemperatur TLL, den Ladeluftdruck pLL usw.. Bei S4 wird das Unterprogramm Optimierer aufgerufen und die Anfangswerte, zum Beispiel der Spritzbeginn, bei S5 erzeugt. Bei den Schritten S6 bis S8 werden nacheinander die Unterprogramm Voroptimierung, Quantisierung und Nachoptimierung aufgerufen. Diese Unterprogramme werden in Verbindung mit den Figuren 5 bis 7 beschrieben. Das im Unterprogramm Nachoptimierung berechnete nachoptimierte Gütemaß wird als minimiertes Gütemaß J(min) gesetzt, welches den Betriebspunkt der Brennkraftmaschine bestimmt. Im Anschluss daran wird bei S10 geprüft, ob ein Motorstopp initiiert wurde. Ist dies nicht der Fall, Abfrageergebnis S10: nein, wird zum Punkt B zurückverzweigt. Anderenfalls ist der Programm-Ablaufplan beendet.
In der Figur 5 ist das Unterprogramm Voroptimierung als Programm-Ablaufplan dargestellt. Bei S1 wird ein erstes Gütemaß J1 (VO) der Voroptimierung anhand der Gleichung (1) berechnet. Wesentliches Merkmal ist hierbei, dass bei der Berechnung des ersten Gütemaßes J1 (VO) neben den kontinuierlichen Stellgrößen mit einem kontinuierlichen Stellbereich, die diskreten Stellgrößen mit diskreten Werten über Interpolation als kontinuierliche Stellgrößen interpretiert werden. Bei S2 wird eine Laufvariable i auf null gesetzt. Danach werden bei S3 die Anfangswerte verändert und als neue Sollwerte für die Stellgrößen berechnet. Bei S4 wird die Laufvariable i um eins erhöht. Anhand der neuen Sollwerte wird dann bei S5 ein zweites Gütemaß J2(VO) der Voroptimierung innerhalb des Prädiktionshorizonts, zum Beispiel für die nächsten 8 Sekunden, prognostiziert. Bei S6 wird das zweite Gütemaß J2(VO) vom ersten Gütemaß J1 (VO) subtrahiert und mit einem Grenzwert GW verglichen. Über die Differenzbildung der beiden Gütemaße wird der weitere Fortschritt des Gütemaßes abgeprüft. Alternativ wird anhand des Vergleichs der Laufvariablen i mit einem Grenzwert iGW geprüft, wie oft bereits eine Optimierung durchlaufen wurde.
Die beiden Grenzwertbetrachtungen sind insofern ein Abbruchkriterium für eine weitere Optimierung. Ist eine weitere Optimierung möglich, Abfrageergebnis S6: nein, so wird zum Punkt A zurück verzweigt. Anderenfalls wird bei S7 vom Optimierer das zweite Gütemaß J2(VO) als voroptimiertes Gütemaß J(VO) zusammen mit den dabei berechneten Stellgrößen ausgegeben und in das Hauptprogramm der Figur 4 zurückgekehrt. Das voroptimierte Gütemaß J(VO) ist eine reine Rechengröße, das heißt, vom Optimierer werden die berechneten Einspritzsystem-Sollwerte, die berechneten Gaspfad-Sollwerte und die berechneten Stellgrößen nicht der Brennkraftmaschine aufgeschaltet.
In der Figur 6 ist das Unterprogramm Quantisierung dargestellt. Bei S1 wird das voroptimierte Gütemaß J(VO) mit den zugehörigen Stellgrößen eingelesen. Anschließend werden diejenigen Stellgrößen mit ursprünglichen diskreten Einstellwerten diskretisiert. Dies erfolgt bei S2 anhand von entsprechenden Schwellwerten mit einem Hystereseband. Über das Hystereseband werden pendelnde Berechnungswerte vermieden. Anstelle eines Hysteresebands lassen sich auch andere Logiken verwenden, welche ein schnelles Umschalten verhindern, zum Beispiel eine Zeitsteuerung. Danach werden bei S3 die neuen diskreten Stellgrößen SG(neu) ausgegeben und in das Hauptprogramm der Figur 4 zurückgekehrt.
In der Figur 7 ist das Unterprogramm Nachoptimierung als Programm-Ablaufplan dargestellt. Über das Unterprogramm Nachoptimierung wird ein nachoptimiertes Gütemaß aus der Betriebssituation der Brennkraftmaschine und den neuen diskreten Stellgrößen SG(neu) bestimmt. Bei der Berechnung des nachoptimierten Gütemaßes werden die neuen diskreten Stellgrößen nicht nachgeführt. Bei S1 wird ein erstes Gütemaß J1(NA) der Nachoptimierung anhand der Gleichung (1) berechnet. Bei S2 wird eine Laufvariable i auf null gesetzt. Danach werden bei S3 die Anfangswerte verändert und als neue Sollwerte für die Stellgrößen berechnet. Bei S4 wird die Laufvariable i um eins erhöht. Anhand der neuen Sollwerte wird dann bei S5 ein zweites Gütemaß J2(NA) der Nachoptimierung innerhalb des Prädiktionshorizonts, zum Beispiel für die nächsten 8 Sekunden, prognostiziert. Bei S6 wird das zweite Gütemaß J2(VO) vom ersten Gütemaß J1(VO) subtrahiert und mit einem Grenzwert GW verglichen. Über die Differenzbildung der beiden Gütemaße wird der weitere Fortschritt des Gütemaßes abgeprüft. Alternativ wird anhand des Vergleichs der Laufvariablen i mit einem Grenzwert iGW geprüft, wie oft bereits eine Optimierung durchlaufen wurde. Die beiden Grenzwertbetrachtungen sind insofern ein Abbruchkriterium für eine weitere Optimierung. Ist eine weitere Optimierung möglich, Abfrageergebnis S6: nein, so wird zum Punkt A zurück verzweigt. Anderenfalls wird bei S7 vom Optimierer das zweite Gütemaß J2(VO) als minimales Gütemaß J(min) ausgegeben und in das Hauptprogramm der Figur 4 zurückgekehrt. Die beiden Figuren 8 und 9 zeigen in einer Gegenüberstellung den Verlauf von ausgewählten Größen über der Zeit in Sekunden. Dargestellte Größen sind: die variabel Ventilsteuerung VVT in Grad Kurbelwellenwinkel, der Spritzbeginn SB in Grad vor dem oberen Totpunkt (OT), der Verbrennungsdruck pZYL im Zylinder und die Motordrehzahl nMOT. Für den Verbrennungsdruck pZYL ist ergänzend der maximal zulässige Verbrennungsdruck pMAX als gestrichelte Linie eingezeichnet. Auf der linken Zeichnungsblatthälfte sind diese Größen bei Anwendung der bisherigen Optimierung dargestellt, während auf der rechten Zeichnungsblatthälfte diese Größen bei Anwendung der Erfindung dargestellt sind. Der Darstellung der Figur 8 und der Figur 9 ist ein stufenförmig ansteigendes Soll-Moment als Eingangsgröße zugrunde gelegt. Zunächst werden die Größen gemäß der Figur 8 beschrieben. In einem ersten Schritt wird vom Optimierer anhand der Betriebssituation über die Voroptimierung ein voroptimiertes Gütemaß berechnet. Bei dieser Berechnung werden die diskrete Stellgrößen mit diskreten Einstellwerten als kontinuierliche Stellgrößen mit einem kontinuierlichen Einstellbereich interpretiert. Für die variable Ventilsteuerung VVT ergibt sich dabei über den kompletten Zeitbereich ein kontinuierlicher Verlauf mit beliebigen Zwischenwerten. Für das VVT -Stellglied zur Ansteuerung des variablen Ventils mit drei definierten Stellerpositionen ist ein solcher Verlauf aber nicht darstellbar. Zum voroptimierten Gütemaß korrespondieren ein berechneter Spritzbeginn SB und der entsprechende Zylinderdruck pZYL. Beim Zylinderdruck pZYL wird der maximale Wert pMAX eingehalten. Aus den Stellgröße resultiert eine ansteigende Motordrehzahl nMOT im Betrachtungszeitraum. Nachfolgend wird die Figur 9 beschrieben. Der dargestellte VVT-Verlauf entspricht dem Verlauf nach der Quantisierung. Hierbei wird deutlich, dass im Unterschied zur Darstellung der Figur 8, der VVT-Verlauf nur drei diskrete Werte zeigt, nämlich 450°, 495° und 540° Kurbelwellenwinkel. Von Vorteil ist, dass das VVT- Stellglied mit lediglich drei Werten angesteuert werden kann, wodurch sich der Rechenaufwand deutlich reduziert. Aus dem VVT-Verlauf wird anhand der Betriebssituation der Brenn kraftmaschine das nachoptimierte Gütemaß berechnet. Zu diesem korrespondiert der Verlauf des Spritzbeginns SB und der Zylinderdruck pZYL, der auch in diesem Fall unterhalb des maximalen Werts pMAX bleibt. Bezugszeichen
1 Brennkraftmaschine
2 Kraftstofftank
3 Niederdruckpumpe
4 Saugdrossel
5 Hochdruckpumpe
6 Rail
7 Injektor
8 Einzelspeicher
9 Rail-Drucksensor
10 Elektronisches Steuergerät
11 Abgasturbolader
12 Ladeluftkühler
13 Drosselklappe
14 Einmündungsstelle
15 Einlassventil, variabel ansteuerbar
16 Auslassventil, variabel ansteuerbar
17 AGR-Stellglied (AGR: Abgasrückführung)
18 Turbinen-Bypassventil
19 Verbrennungsmodell
20 Gaspfadmodell
21 Optimierer
22 Raildruck-Regelkreis
23 Lambda-Regelkreis
24 AGR-Regelkreis
25 Voroptimierung
26 Quantisierung
27 Nachoptimierung

Claims

Patentansprüche
1. Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine (1), bei dem von einem Optimierer (21) in einem ersten Schritt ein voroptimiertes Gütemaß (J(VO)) in Abhängigkeit der Betriebssituation (BS) berechnet wird, wobei bei der Berechnung des voroptimierten Gütemaßes (J(VO)) diskrete Stellgrößen mit diskreten Einstellwerten als kontinuierliche Stellgrößen (SG(k)) mit einem kontinuierlichen Einstellbereich interpretiert werden, bei dem in einem zweiten Schritt diese kontinuierlichen Stellgrößen (SG(k)) quantisiert und als neue diskrete Stellgrößen (SG(neu)) mit diskreten Einstellwerten gesetzt werden, bei dem vom Optimierer (21) in einem dritten Schritt ein nachoptimiertes Gütemaß (J(NA)) in Abhängigkeit der neuen diskreten Stellgrößen (SG(neu)) und der Betriebssituation (BS) der Brennkraftmaschine (1 ) berechnet wird und vom Optimierer (21 ) das nachoptimierte Gütemaß (J(NA)) als maßgeblich für den Betriebspunkt der Brennkraftmaschine (1) gesetzt wird.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das voroptimierte Gütemaß (J(VO)) bestimmt wird, indem über ein Verbrennungsmodell (19) die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder berechnet werden, indem über ein Gaspfadmodell (20) die Gaspfad-Sollwerte zur Ansteuerung der Gaspfad-Stellglieder berechnet werden und indem die kontinuierlichen Stellgrößen (SG(k)) über Interpolation aus den diskreten Einstellwerten der diskreten Stellgrößen berechnet werden.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass das voroptimierte Gütemaß (J(VO)) zugriffsfrei für die Stellglieder der Brennkraftmaschine festgelegt wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass im zweiten Schritt die kontinuierlichen Stellgrößen (SG(k)) über Schaltschwellen nebst Hysterese quantisiert werden.
5. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass das nachoptimierte Gütemaß (J(NA)) im dritten Schritt bestimmt wird, indem über das Verbrennungsmodell (19) die Einspritzsystem-Sollwerte zur Ansteuerung der Einspritzsystem-Stellglieder berechnet werden, über das Gaspfadmodell (20) die Gaspfad-Sollwerte zur Ansteuerung der Gaspfad-Stellglieder berechnet werden und indem vom Optimierer (21) über die Veränderung der Einspritzsystem-Sollwerte und der Gaspfad-Sollwerte bei konstanten neuen diskreten Stellgrößen (SG(neu)) über Minimumfindung innerhalb eines Prädiktionshorizonts berechnet wird.
PCT/EP2021/063945 2020-05-27 2021-05-25 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine WO2021239752A1 (de)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP21729461.0A EP4158176A1 (de) 2020-05-27 2021-05-25 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
CN202180038060.0A CN115720605A (zh) 2020-05-27 2021-05-25 用于基于模型地控制和调节内燃机的方法
US17/993,578 US11788484B2 (en) 2020-05-27 2022-11-23 Method for the model-based open-loop and closed-loop control of an internal combustion engine

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020003174.9 2020-05-27
DE102020003174.9A DE102020003174B4 (de) 2020-05-27 2020-05-27 Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/993,578 Continuation US11788484B2 (en) 2020-05-27 2022-11-23 Method for the model-based open-loop and closed-loop control of an internal combustion engine

Publications (1)

Publication Number Publication Date
WO2021239752A1 true WO2021239752A1 (de) 2021-12-02

Family

ID=76250316

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/063945 WO2021239752A1 (de) 2020-05-27 2021-05-25 Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine

Country Status (5)

Country Link
US (1) US11788484B2 (de)
EP (1) EP4158176A1 (de)
CN (1) CN115720605A (de)
DE (1) DE102020003174B4 (de)
WO (1) WO2021239752A1 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020000327B4 (de) * 2020-01-21 2024-06-27 Rolls-Royce Solutions GmbH Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
GB2615843A (en) * 2022-05-26 2023-08-23 Secondmind Ltd Engine control unit calibration

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006004516B3 (de) 2006-02-01 2007-03-08 Mtu Friedrichshafen Gmbh Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine
US20110172897A1 (en) 2010-01-14 2011-07-14 Honda Motor Co., Ltd. Plant control apparatus
DE102017005783A1 (de) 2017-06-20 2018-12-20 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102017114731A1 (de) * 2017-06-30 2019-01-03 Technische Universität Dortmund Verfahren zum regeln eines mechatronischen systems, regelungseinheit für ein mechatronisches system und mechatronisches system

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015013939A1 (zh) * 2013-08-01 2015-02-05 华为技术有限公司 上行功率控制方法及其装置
DE102017009582B3 (de) 2017-10-16 2018-07-26 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE102018001727B4 (de) 2018-03-05 2021-02-11 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
US10550786B1 (en) 2018-10-02 2020-02-04 GM Global Technology Operations LLC Predictive torque management for powertrain having continuous actuators and multiple discrete modes

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006004516B3 (de) 2006-02-01 2007-03-08 Mtu Friedrichshafen Gmbh Bayes-Netz zur Steuerung und Regelung einer Brennkraftmaschine
US20110172897A1 (en) 2010-01-14 2011-07-14 Honda Motor Co., Ltd. Plant control apparatus
DE102017005783A1 (de) 2017-06-20 2018-12-20 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2018234093A1 (de) * 2017-06-20 2018-12-27 Mtu Friedrichshafen Gmbh Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102017114731A1 (de) * 2017-06-30 2019-01-03 Technische Universität Dortmund Verfahren zum regeln eines mechatronischen systems, regelungseinheit für ein mechatronisches system und mechatronisches system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MAKAROW ARTEMI ET AL: "Model Predictive Trajectory Set Control with Adaptive Input Domain Discretization", 2018 ANNUAL AMERICAN CONTROL CONFERENCE (ACC), AACC, 27 June 2018 (2018-06-27), pages 3159 - 3164, XP033387513, DOI: 10.23919/ACC.2018.8431313 *

Also Published As

Publication number Publication date
DE102020003174A1 (de) 2021-12-02
EP4158176A1 (de) 2023-04-05
US11788484B2 (en) 2023-10-17
US20230093283A1 (en) 2023-03-23
DE102020003174B4 (de) 2022-03-24
CN115720605A (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
EP3698032B1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102017009582B3 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
DE19615545C1 (de) Einrichtung zur Dieselmotorbetriebsregelung mit Abgasrückführung und Ansaugluftdrosselung
DE102008004361A1 (de) Verfahren zur Regelung eines Verbrennungsmotors, Computerprogramm und Steuergerät
EP3762597A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
WO2018234093A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE10219382A1 (de) Steuerungsvorrichtung für eine Brennkraftmaschine
WO2021239752A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102011017036B4 (de) Verfahren zur Regelung der NOx-Konzentration im Abgas einer Brennkraftmaschine
EP3599359B1 (de) Verfahren zum steuern und/oder regeln des betriebs eines verbrennungsmotors, insbesondere eines verbrennungsmotors eines kraftfahrzeugs, insbesondere zumindest teilweise arbeitend nach dem miller-verfahren
EP3155247B1 (de) Verfahren und steuereinheit zum ausführen eines gaswechsels in einem zylinder einer verbrennungskraftmaschine sowie verbrennungskraftmaschine mit einer solchen steuereinheit
DE102020208938A1 (de) Verfahren zum Betreiben eines zweistufigen Aufladungssystems, Steuergerät und ein Kraftfahrzeug
WO2020030481A1 (de) Verfahren zur modellbasierten steuerung und regelung einer brennkraftmaschine
DE102007007945A1 (de) Verfahren zum Einstellen einer Abgasrückführrate einer Brennkraftmaschine
WO2018046212A1 (de) Verfahren und vorrichtung zur steuerung der nach einem gaswechselvorgang im zylinder einer brennkraftmaschine verbleibenden restgasmasse und/oder der während eines gaswechselvorgangs in den abgaskrümmer der brennkraftmaschine gespülten spülluftmasse
DE10234719B3 (de) Verfahren zur Füllungsregelung einer Brennkraftmaschine
DE102009001644A1 (de) Verfahren und Vorrichtung zum Korrelieren einer Zylinderladung und eines maximalen Einlassventilhubs eines Verbrennungsmotors
DE102004035316B4 (de) Verfahren und Vorrichtung zur Steuerung einer Brennkraftmaschine
DE102019005996B4 (de) Verfahren zur modellbasierten Steuerung und Regelung einer Brennkraftmaschine
WO2018158089A1 (de) Verfahren und vorrichtung zur steuerung eines von einem abgasturbolader aufgeladenen verbrennungsmotors
DE102015214363A1 (de) Verfahren zum Bearbeiten von Sensorsignalen
WO2017182254A1 (de) Verfahren und vorrichtung zur einstellung des massenstromes eines abgasrückführventils
DE102019203099A1 (de) Verfahren und Vorrichtung zum Betreiben eines Motorbremssystems für ein Kraftfahrzeug
DE102009024290B4 (de) Verfahren zum Betreiben einer Brennkraftmaschine
DE102018120974A1 (de) Verfahren zur Ermittlung eines Sollverbrennungsgaszustands für einen Dieselmotor

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21729461

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021729461

Country of ref document: EP

Effective date: 20230102