WO2023104578A1 - Procede et un dispositif de controle moteur - Google Patents

Procede et un dispositif de controle moteur Download PDF

Info

Publication number
WO2023104578A1
WO2023104578A1 PCT/EP2022/083578 EP2022083578W WO2023104578A1 WO 2023104578 A1 WO2023104578 A1 WO 2023104578A1 EP 2022083578 W EP2022083578 W EP 2022083578W WO 2023104578 A1 WO2023104578 A1 WO 2023104578A1
Authority
WO
WIPO (PCT)
Prior art keywords
engine
crankshaft
combustion
neural network
fuel
Prior art date
Application number
PCT/EP2022/083578
Other languages
English (en)
Inventor
Jérôme HELIE
Audrey CHEVIET
Original Assignee
Vitesco Technologies GmbH
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 Vitesco Technologies GmbH filed Critical Vitesco Technologies GmbH
Publication of WO2023104578A1 publication Critical patent/WO2023104578A1/fr

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
    • F02D41/1405—Neural network control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F02D35/028—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions by determining the combustion timing or phasing
    • 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
    • F02D41/0097—Electrical control of supply of combustible mixture or its constituents using means for generating speed signals
    • 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
    • F02D41/1438—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor
    • F02D41/1444—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases
    • F02D41/1454—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio
    • F02D41/1458—Introducing closed-loop corrections using means for determining characteristics of the combustion gases; Sensors therefor characterised by the characteristics of the combustion gases the characteristics being an oxygen content or concentration or the air-fuel ratio with determination means using an estimation
    • 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
    • F02D41/1497—With detection of the mechanical response of the engine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0495—Quantised networks; Sparse networks; Compressed networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02D—CONTROLLING COMBUSTION ENGINES
    • F02D35/00—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for
    • F02D35/02—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions
    • F02D35/023—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions by determining the cylinder pressure
    • F02D35/024—Controlling engines, dependent on conditions exterior or interior to engines, not otherwise provided for on interior conditions by determining the cylinder pressure using an estimation
    • 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
    • F02D41/0025—Controlling engines characterised by use of non-liquid fuels, pluralities of fuels, or non-fuel substances added to the combustible mixtures
    • F02D41/0047—Controlling exhaust gas recirculation [EGR]
    • F02D41/0065—Specific aspects of external EGR control
    • F02D41/0072—Estimating, calculating or determining the EGR rate, amount or flow

Definitions

  • the invention relates to a method and a device for controlling the engine of a vehicle comprising an internal combustion engine, an electronic unit for controlling said internal combustion engine, the latter comprising a crankshaft, a position sensor of the crankshaft emitting a crankshaft position signal, at least actuators controlling the quantity of air admitted into the engine and the quantity of fuel injected into the engine.
  • control of an internal combustion engine can be carried out in open loop which corresponds to fine-tuning the settings of the various actuators of an internal combustion engine for each given operating speed, or in closed loop with a control using information from various sensors.
  • Pmax max(P(t)), with P the pressure in the combustion chamber, and t time evaluated over an engine cycle, for example two revolutions for an engine with four time ;
  • the duration to burn a given quantity of X% of fuel during the combustion phase defined by X% of the injected quantity of fuel in the engine cycle considered, and named MFBX duration;
  • IMEP — PdV With: Vs the swept volume over the given time range, P the pressure in the cylinder , and dV the instantaneous volume variation in the combustion chamber;
  • CovJMEP STDEV(IMEP) * 100 / IMEP, with STDEV the standard deviation.
  • the maximum pressure Pmax must be limited to a maximum value to guarantee the resistance of the engine cylinder to breakage.
  • the MFB10 or MFB20 duration representing respectively the duration to burn 10% or 20% of the mass of fuel injected in an engine cycle, makes it possible to characterize the speed of ignition and initial flame core formation.
  • This MFBX parameter is used to characterize the quality of combustion.
  • the MFB80 or MFB90 representing respectively the duration to burn 80% or 90% of the mass of fuel injected in an engine cycle, makes it possible to characterize whether combustion is complete within the required engine time, and its value must be kept within acceptable limits to minimize partial combustions.
  • the parameter MFB50 representing the duration to burn 50% of the mass of fuel injected in an engine cycle, is usually used to estimate the combustion half-period.
  • the engine pressure will generate the engine torque after subtracting the friction losses in the traction chain. Knowing the quantity of fuel injected by the engine control system, the value of the average pressure indicated IMEP makes it possible to characterize the efficiency of combustion, and therefore the fuel consumption.
  • the indicated average pressure covariance IMEP is an indicator of combustion stability and must be kept below an acceptable level to limit polluting emissions and parasitic engine vibrations.
  • [8]A cogwheel is known to be used to estimate the rotational speed of the motor. It is fixed to the rotation shaft of the motor and has M teeth: one long tooth which corresponds for example to the absence of one tooth, and M-1 short or normal teeth. The teeth are measured through an inductive sensor which returns the observation time of the passage of each tooth to the engine control unit ECU.
  • the direct method of estimating combustion indicators is the evaluation via one or more standard engine sensors, for example fuel richness sensor, air flow sensor, ... in conjunction with one or more sensors cylinder pressure for example as described in document WO2011003540A2, at the rate of one cylinder pressure sensor per cylinder.
  • these cylinder pressure sensors are little used for on-board applications, due to problems related to feasibility and the significant increase in cost.
  • a single cylinder pressure sensor can be used on a single engine cylinder, but at the cost of a loss of information on the other cylinders. In case of different operation cylinder to cylinder, the missing information is lost.
  • Other types of sensors can be used as described for example in the document US2006069493, but always at a significant price. [10]As a result, various alternative methods have been proposed.
  • a second method which consists in modifying the previous method via an artificial neural network using as input the rate of opening of an EGR valve (for Exhaust Gas Recirculation - or EGR in English for " Exhaust Gas Recirculation”) or other actuators and output combustion indicators, as described for example in document EP2431595B1. It is, however, a global model that does not provide detailed information about the physical and chemical processes that take place inside the combustion chamber, but adds up all the uncertainties and all the evaluation errors.
  • [13]A third method is known which consists of an evaluation of the combustion indicators via an analysis of the signal from the toothed wheel measured by the crankshaft position sensor.
  • a Fourier analysis has been proposed for example in the document EP2022967A but this Fourier analysis must be the subject of mathematical regressions and tabulations in order to return the desired indicators, mobilizing a significant calculation and memory capacity of the engine control computer.
  • the present invention overcomes all or part of these drawbacks. More specifically, it consists of a method for controlling the engine of a vehicle comprising an internal combustion engine, an electronic control unit (ECU) of said internal combustion engine, the latter comprising a crankshaft, a crankshaft position sensor emitting a crankshaft position signal, at least of the actuators controlling the quantity of air admitted into the engine and the quantity of fuel injected into the engine, characterized in that the method comprises the following steps:
  • the crankshaft position sensor comprises a toothed wheel fixed to the crankshaft and equipped with 60 teeth and at least one revolution reference, allowing said crankshaft position sensor to supply a position signal every 360° / number of teeth, i.e. in the example every 6° of angular displacement of the crankshaft for a four-stroke engine.
  • the data resulting from the determination of said instantaneous acceleration are compressed according to a compression method using an orthogonal basis, according to a singular value decomposition method, truncated to the first elements.
  • said at least one neural network comprises a deep neural network of the parsimonious type.
  • said results from said at least one neural network are averaged over a determined number of engine cycles so that these results are stabilized, preferably a determined number of engine cycles less than or equal to 50.
  • a limited number of engine cycles is selected to send the compressed instantaneous acceleration data of the crankshaft to said at least one neural network, according to a predetermined frequency.
  • said at least one combustion quality indicator comprises at least one combustion indicator chosen from the following indicators: the average indicated engine pressure and its covariance, the combustion time corresponding for example to 10 , 20, 50, 80, or 100% of the mass of fuel burned.
  • said at least one combustion quality indicator further comprises at least one indicator of the burnt gas dilution ratio recirculating in the engine, or the richness which indicates the proportion value between the air and fuel mixture admitted into the combustion chamber.
  • said actuators further comprise at least one actuator selected from the following list: ignition control actuator, injection delay actuator, injected fuel quantity actuator, valve openings and closings, valve lift level actuator, air inlet intake butterfly valve, and control valve of a turbo charging unit.
  • the invention also relates to an engine control device for a vehicle comprising an internal combustion engine, an electronic control unit (ECU) of said internal combustion engine, the latter comprising a crankshaft, a position of the crankshaft emitting a crankshaft position signal, at least actuators for controlling the quantity of air admitted into the engine and the quantity of fuel injected into the engine, characterized in that the device comprises means for implements the steps of a method according to the invention as defined previously.
  • ECU electronice control unit
  • the Crank signal from the wheel is measured by a sensor already integrated into the system and usable in the ECU, so no instrumentation or additional acquisition system is necessary;
  • a sparse neural network is simpler than classical neural networks because of its small size and the linear compression upstream of the network which considerably reduces the number of operations. It could be coded on an ECU (operations reduced to additions and multiplications); this type of parsimonious neural network is more resistant to disturbances than another approach (redundant neural network type for example): it will be less subject to parasitic noises that can affect the measurement system;
  • the control is looped by a servo-control on the actuators (fuel injection, valves, etc.) which make it possible to guarantee a level of covariance CovJMEP of the average pressure indicated IMEP acceptable and an optimal level of ratio parameter MFB50/fuel (but also valid for other engine parameters specified above);
  • the function could be coupled with an adapter making it possible to compensate for a possible drift of the system over time;
  • the size of the toothed wheel signal will typically be around a hundred data points for 4 engine cycle times, for example. Processing by neural network will require the addition and additional cost of dedicated calculation electronics or will have to be calculated gradually, which will slow down the response time of the system beyond an acceptable time or force sample (poor angular precision). In the case of the present invention, by using compression these disadvantages disappear;
  • Figure 1 is a simplified diagram of an example of an engine assembly comprising in particular an engine control unit, a crankshaft position sensor, actuators and sensors.
  • Figure 2 is a block diagram of an exemplary embodiment of a motor control method according to the invention.
  • Figure 3 is a schematic representation of an example of a neural network used in the method according to Figure 2.
  • FIG. 4 is a diagram showing the evolution of the combustion indicator MFB50 in comparison with the corresponding indicator predicted according to the method of FIG. 2, for a given operational point.
  • FIG. 5 is a diagram showing the evolution of the average air/fuel ratio (AFR) (mass ratio of air to fuel in the context of combustion) divided by the stoichiometric ratio.
  • AFR average air/fuel ratio
  • Figure 6 is a diagram comprising three sub-figures, one for each cylinder of the engine, showing a rapid convergence of the results of the MFB50 combustion indicator estimated by the method according to Figure 2 compared with the result on a moving average for the same operational point as used for figure 4.
  • FIG. 1 schematically shows an engine assembly comprising in known manner an engine 1 comprising for example three cylinders, at least one of which is provided with a cylinder pressure sensor 2, fuel injectors 6 in the cylinders, a crankshaft (not shown) associated with a crankshaft position sensor 3 of known type comprising a toothed wheel secured to the crankshaft and a detector fixed relative to the wheel to detect the passage of the tooth fronts of the toothed wheel.
  • the engine assembly also comprises, in known manner, an intake line 4 for the incoming air and an exhaust line 5 for the combustion gases.
  • the engine assembly further comprises in known manner a throttle body 11 on the intake line 4 which regulates the air inlet into the cylinders, a lambda sensor or oxygen sensor 7 which is a sensor for measuring the rate of oxygen in the exhaust in order to control the quality of combustion, and may further comprise an EGR exhaust gas recirculation valve 8 (EGR for “Exhaust Gas Recirculation”), a turbocharger 9 with its discharge (not shown), a system 12 for treating pollutants in the exhaust, ....
  • EGR exhaust gas recirculation valve 8
  • turbocharger 9 with its discharge (not shown)
  • system 12 for treating pollutants in the exhaust ....
  • the engine assembly further comprises in known manner an engine control unit 10 (ECU) which controls the actuators (injectors, throttle body, valves, etc.) according to the signals sent to it by the sensors (probe oxygen, cylinder pressure sensor, air intake flow meter - not shown, etc.).
  • ECU engine control unit 10
  • FIG. 2 symbolically shows the engine 1 with the signal 20 transmitted by the crankshaft position sensor 3. This signal is then sent to the engine control unit 10 in which it is processed. The lower layers of the engine control unit 10 acquire the signal at 30 in FIG. 2.
  • the instantaneous acceleration of the crankshaft from the crankshaft position signal is determined by time ranges corresponding at most to the engine cycle times of each cylinder or group of cylinders.
  • the signal can be grouped for several cylinders which are synchronous over the two revolutions that the crankshaft makes to complete a complete cycle, for example four strokes for a four stroke engine.
  • the division into time ranges must make it possible to discriminate the combustion phase of each cylinder when the latter are not synchronous.
  • the time ranges are 240° for each cylinder corresponding to the four expansion (combustion) phases of the three cylinders respectively.
  • the time range can be reduced on a window including the event to be considered, in order to be less noisy by the other cylinders.
  • crankshaft position sensor 3 is measured by a sensor already integrated into the engine assembly system, and can be used in the on-board electronics of the engine control unit: no additional instrumentation, additional signal processing or system no additional acquisition is therefore necessary to implement the present invention.
  • the signal 20 which will be processed, of total dimension L along one engine cycle (two engine rotations for a four-stroke engine) will be equal to the number of existing teeth of the sensor wheel (typically 60, or 60 minus one tooth for the reference to the turn of the wheel), which makes it an acceptable size signal for on-board computer processing.
  • the processing of the signal 30 comprises at 31a in FIG. 2 the detection of the long tooth (absence of one or more teeth per turn) or more generally the detection of the reference at the turn of the wheel of the sensor 3.
  • the method may comprise in known manner a processing of false detections of teeth on the wheel of the sensor 3 and a correction of the data of the signal 20 to restore the correct number of teeth detected according to the actual number of teeth present on the sensor wheel 3.
  • This signal is then differentiated at 31b in FIG. 2 into time ranges L_cyl or segments corresponding to each cylinder or each group of synchronous cylinders of the engine as explained above. Indeed, for example for a three-cylinder engine, on the two revolutions of the crankshaft corresponding to two revolutions of the wheel of the sensor 3, three segments or ranges of 240° are established for the signal during which the instantaneous acceleration of the crankshaft provided by the three combustions of the three cylinders respectively will be visible tooth by tooth and analyzed according to the method described.
  • the signals per time range are used at 32 in FIG. 2 to obtain time delays and accelerations, by any known digital discretization method.
  • the signals are not processed in physical time but in the time frame of the engine, in fractions of revolutions per minute, making it possible to guarantee good precision of the digital estimates.
  • the compression method can be in a known manner an orthogonal basis (for example “Singular Value Decomposition” in English or SVD) truncated to the first elements, or a neural network, which were previously determined.
  • An SVD compression method is a simple multiplication and addition operation, easy to implement on an on-board computer such as an engine control unit and inexpensive in computation time.
  • the compression method converts long data vectors acquired during a denoted engine cycle of dimensions i, into a set of scalars, typically less than six.
  • the compression is a simple operation of multiplication and addition:
  • SVD/PCA/POD are examples of data compression methods which allow a set of correlated variables to be decomposed into new uncorrelated variables and whose first n form the principal components of the analysis, this which considerably reduces the number of data, with:
  • EGR exhaust Gas Recirculation in English
  • RPM means engine speed (in rpm).
  • This result (compressed signal Accel_reduit(i)) is used as input to one or more neural networks 34 in figure 2, the output of which includes combustion indicators used for motor control, which makes it possible to reduce the size and therefore the computer calculation load, and therefore the cost of the on-board calculation means.
  • the combustion indicators at the output of the neural network or networks as indicated in FIG. 2 are, for example, the fuel/gas dilution ratio present in the engine, the richness, the average pressure indicated IMEP for N engine cycles, and the duration MFBX , in the example MFB50 to burn 50% of the fuel during the combustion phase for example.
  • the neural network(s) also use other useful inputs, such as the motor speed and the torque target assigned to the motor (“setpoint torque” in English) as shown in figure 2 from block 37 which will be explained later, along with any input related to measurements or estimates of the engine environment, such as temperature, altitude, or type of fuel used.
  • the type of neural network used is a deep network for the ability to manage nonlinear behaviors. Its subtype can be sparse (non-redundant). This type of neural network is simpler (more reduced) than the neural networks recently used for image recognition as described in the document W02020094995 for example. It is more resistant to disturbances: it will be less subject to parasitic noises that can affect the measurement system.
  • the neural network can include inter-layer links (“staking layers”) which can increase the accuracy of the prediction of results as needed.
  • a single neural network is sufficient to predict all operating points, which induces memory (CPU load) and calibration savings.
  • a single neural network can be used to predict all combustion indicators, or several small neural networks can be chosen (one per combustion indicator), depending on the applications.
  • the results of the neural network are also preferably averaged over X motor cycles at 35 in FIG. 2 to minimize the estimation error on stabilized values.
  • the number of motor cycles necessary to obtain high precision is small (of the order of 10 cycles). This time is therefore less than the characteristic time of the reaction of the engine to the actuators (air intake throttle valve, exhaust gas recirculation valve, exhaust pollutants, etc.).
  • An alternative consists of a partial calculation at each engine cycle: for example one cycle out of ten is selected, a tenth of the calculation is carried out at each engine cycle, it will take one hundred engine cycles to calculate the average but the calculation load is reduced by a factor ten, which makes it possible to adapt the compromise between calculation effort and speed of response of the control system.
  • range extender electric vehicle range extender or on-board generator for an electric vehicle
  • range extender for example comprising a combustion unit which extends the range of a battery-powered electric vehicle by driving an electric generator which charges the battery of the vehicle .
  • the combustion indicators predicted by the neural network(s) include, for example: the covariance of the Engine Indicated Mean Pressure IMEP, the combustion time corresponding, for example, to 10, 20, 50, 80, or 90% of mass burned, as defined above.
  • the indicators are transmitted to the engine control function at 36 and 37 in FIG. 2 so that the operating point of the actuators can be modified if necessary. This results in engine tuning allowing better fuel consumption or lower pollutant emissions, within an acceptable level of vibration.
  • the combustion indicators predicted by the neural network(s) may additionally include the fuel/gas dilution ratio present in the engine.
  • the predicted fuel/gas dilution ratio includes the effective dilution of the fuel with respect to combustion, including possible dilution by the mass of air taken in, the mass of residual burnt gases (remaining in the combustion chamber), the mass of recirculating burnt gases (reinjected by a recirculation circuit). Its estimation can allow a more effective control of this ratio, taking into account, for example, the fouling or aging of the gas system.
  • the dilution rate is not considered as an input because this input could be incorrectly estimated elsewhere and could bias the results. The proposed system is therefore independent of the reliability of an existing estimate of the dilution rate.
  • Combustion actuators can be: ignition delays, injection delay, quantity of fuel injected, valve opening and closing delays for VVT-type variable timing (Variable Valve Timing) , valve lift level for variable valve timing of the VVL type (for "Variable Valve Lift” in English), air intake control valve, valve for controlling a turbo-charging unit if applicable, valve exhaust gas recirculation or EGR...
  • the motor control functions 36 and 37 are included in a torque structure servo motor control 37 in FIG. 2, the torque structure servo motor control being known.
  • the signal 20 from the crankshaft position sensor 3 is processed at 40 and 41 so as to determine the average rotational speed of the crankshaft from the detection of the long tooth or the reference to the revolution of the wheel of the sensor 3. Then the signal is scaled as explained above and the torque controlled (target load) by the driver is introduced into the process and the whole detected rotational speed of the crankshaft and controlled torque is introduced at the input of the neural network(s) with a view to evaluating the combustion indicators at the output, as explained above.
  • the combination of sensed crankshaft rotational speed and commanded torque is also addressed to blocks 36 and 37 in Figure 2 which are respectively feedback and motor control function blocks of the torque structure and which are output to block 38 actuator control.
  • combustion adjustments consist of: ignition time, target injection rate, adjustment of the burnt gas recirculation valve if applicable, adjustment of the valve actuators (variable delay and/or variable lift), throttle engine intake, etc.
  • the engine control method thus proposed can be applied to engines with high rates of recirculated burnt gases, lean-combustion engines, spark-ignition compression engines.
  • the compression 33, then the neural network(s) 34 are trained on measurements, carried out by tests or by digital simulations.
  • the compression is carried out on measurements by carrying out a matrix inversion by usual numerical methods:
  • A_Lambda the eigenvalue matrix, LambdaJ corresponding to rank i mode, ordered such as Lambda_1 > Lambda_2 > Lambda_3... ,
  • the neural network or networks are educated by placing the measurements as input and output and by carrying out a method known as gradient descent of a known type.
  • the dilution rate can be placed at the output of the neural network(s) to be educated. This output is activated to promote optimal learning, then can be deactivated if necessary when used for on-board motor control.
  • An adaptive control unit (not shown) can advantageously compare the result predicted by the neural network on particular cases (for example under conditions of stoichiometric fuel/oxidant mixture, on chosen stabilized speed and power regimes) with a tabulation or an inverse physical model result of the engine. The difference between these two results makes it possible to obtain a weighting coefficient to compensate for the differences from motors to motors and the drifts of a motor over time.
  • Figure 3 shows an example of a schematic representation of a neural network.
  • This multilayer neural network is, for example, parsimonious and is supplied as input by scalars of the motor input type and/or crankshaft modes as explained above, which represents a great simplicity which makes it a neural network adapted to be coded on a motor control unit with operations reduced to additions and multiplications.
  • the combustion parameters as explained above, for example the richness, the covariance CovJMEP of the average pressure indicated IMEP during N engine cycles, and the duration MFB50 to burn 50% of the fuel during the phase of combustion.
  • FIG. 4 shows, for example, the tests for an operating point corresponding to an engine rotational speed of 2000 RPM (for “Revolution Per Minute”) at 8 bars of pressure for the turbocharger.
  • FIG. 4 shows the reference parameter MFB50 on the abscissa, and the parameter MFB50 predicted by the neural network on the ordinate. In other words, a single model is sufficient to predict several operating points, providing memory (CPU load) and calibration savings.
  • This model is also capable of predicting richness, but it can be extended to other engine parameters such as:
  • the MFBX duration to burn X% of the fuel during the combustion phase for example MFB10, MFB50, MFB90,
  • FIG. 4 represents an operating point at 2000 rpm and a load of 8 bars
  • the reference MFB50 duration to burn 50% of the fuel during the combustion phase, determined for each test, is estimated by a combustion analysis algorithm independent of the present invention based on an intrusive cylinder pressure sensor.
  • the neural network method as described here can be applied to a diesel engine system, or to a "Range extender” type engine as described above, or all hybrid systems, and more broadly any other engine fitted with a crankshaft position sensor.
  • the ignition advance which does not exist, would be replaced by the injection delay.
  • Figure 5 is a diagram showing the evolution of the average air/fuel ratio (AFR) (mass ratio of air to fuel in the context of combustion) divided by the stoichiometric ratio.
  • AFR average air/fuel ratio
  • the abscissa axis represents the real value of the AFR measured on the test bench and the ordinate axis the predicted value according to the method of figure 2 (in open loop between steps 30 and 35 of figure 2) , for the same operational point as used for Figure 4.
  • Figure 6 shows the rapid convergence of the results of the MFB50 combustion indicator estimated by the method according to the present description compared to the result on a moving average for the same operational point as used for Figure 4.
  • the three sub -figures each correspond to a cylinder of the engine.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

Procédé de contrôle moteur d'un véhicule comportant un moteur (1) à combustion interne, comprenant les étapes suivantes : - déterminer l'accélération instantanée du vilebrequin à partir du signal de position du vilebrequin, par plages de temps du cycle moteur de chaque cylindre ou groupes de cylindres, - compresser les données issues de la détermination de ladite accélération instantanée selon un procédé de compression utilisant une base orthogonale, - adresser les données compressées d'accélération instantanée du vilebrequin à un réseau de neurones afin que ce dernier détermine en résultats un indicateur de qualité de combustion, - adresser l'indicateur de qualité de combustion à une unité (10) de contrôle moteur afin qu'elle modifie en fonction de celui-ci les commandes transmises aux actuateurs du moteur, dans le but de minimiser la consommation spécifique de carburant et les polluants pour une même commande de couple.

Description

Description
PROCEDE ET UN DISPOSITIF DE CONTROLE MOTEUR
Domaine technique
[1]L’invention se rapporte à un procédé et un dispositif de contrôle moteur d’un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur.
Technique antérieure
[2]Le contrôle d’un moteur à combustion interne peut être réalisé en boucle ouverte qui correspond à une mise au point des réglages des différents actuateurs d’un moteur à combustion interne pour chaque régime de fonctionnement donné, ou en boucle fermée avec un asservissement utilisant les informations en provenance de divers capteurs.
[3] Ces deux types de contrôle sont réalisées par une unité de contrôle moteur ECU (pour
« Engine Contrôle Unit » en anglais) en utilisant des indicateurs de combustion qui ont une réalité physique, par exemple :
La pression maximale dans le cylindre définie comme suit : Pmax = max(P(t)), avec P la pression dans la chambre de combustion, et t temps évalué sur un cycle moteur, par exemple deux tours de rotation pour un moteur à quatre temps ;
La durée pour brûler une quantité donnée de X% de carburant pendant la phase de combustion, définie par X% de la quantité injectée de carburant dans le cycle moteur considéré, et nommée durée MFBX ;
La pression moyenne indiquée IMEP (pour « Indicated Mean Effective Pressure » en anglais) pendant une plage de temps donnée, définie comme suit : IMEP = — PdV Avec : Vs le volume balayé sur la plage de temps donnée, P la pression dans le cylindre, et dV la variation de volume instantané dans la chambre de combustion ;
La covariance CovJMEP de la pression moyenne indiquée IMEP pendant N cycles moteur, définie comme suit : CovJMEP = STDEV(IMEP) * 100 / IMEP, avec STDEV la déviation standard.
[4]La pression maximale Pmax doit être limitée à une valeur maximale pour garantir la résistance du cylindre moteur à une casse.
[5]La durée MFB10 ou MFB20, représentant respectivement la durée pour brûler 10% ou 20% de la masse de carburant injectée dans un cycle moteur, permet de caractériser la rapidité de l’allumage et de la formation initiale du noyau de flamme. Ce paramètre MFBX permet de caractériser la qualité de la combustion. Le MFB80 ou MFB90 représentant respectivement la durée pour brûler 80% ou 90% de la masse de carburant injectée dans un cycle moteur, permet quant à lui de caractériser si la combustion est complète dans le temps moteur requis, et sa valeur doit être gardée dans des limites acceptables pour minimiser les combustions partielles. Le paramètre MFB50 représentant la durée pour brûler 50% de la masse de carburant injectée dans un cycle moteur, est utilisé usuellement pour estimer la demi-période de combustion. Ces estimateurs permettent de se comparer à une combustion thermodynamique parfaite, modélisée ou tabulée. La fraction de masse brûlée va générer une augmentation de pression mesurable par la pression moyenne indiquée IMEP après soustraction des pertes thermiques.
[6]La pression moteur va générer le couple moteur après soustraction des pertes de frottement dans la chaine de traction. Connaissant la quantité de carburant injecté par le système de contrôle moteur, la valeur de la pression moyenne indiquée IMEP permet de caractériser l’efficacité de la combustion, donc la consommation de carburant. La covariance de la pression moyenne indiquée IMEP est un indicateur de la stabilité de combustion et doit être maintenue en dessous d’un niveau acceptable pour limiter les émissions polluantes et les vibrations parasites du moteur.
[7]En fonctionnement stabilisé, la moyenne et la covariance de la pression moyenne indiquée IMEP et du paramètre MFBX vont converger progressivement vers leurs valeurs uniques avec le nombre de cycles mesuré N.
[8]Une roue dentée est de manière connue utilisée pour estimer la vitesse de rotation du moteur. Elle est fixée sur l’arbre de rotation du moteur et comporte M dents : une dent longue qui correspond par exemple à l’absence d’une dent, et M-1 dents courtes ou normales. Les dents sont mesurées à travers un capteur inductif qui retourne le temps d’observation du passage de chaque dent à l’unité de contrôle moteur ECU.
[9]La méthode directe d’estimation des indicateurs de combustion est l’évaluation via un ou des capteurs moteurs standards, par exemple capteur de richesse en carburant, capteur de débit d’air, ... en conjonction avec un ou plusieurs capteurs de pression cylindre par exemple comme décrit dans le document W02011003540A2, à raison d’un capteur de pression cylindre par cylindre. A l’heure actuelle, ces capteurs de pression cylindre sont peu utilisés pour les applications embarquées, en raison de problèmes liés à la faisabilité et à l’augmentation importante du coût. Pour réduire le coût, un seul capteur de pression cylindre peut être utilisé sur un seul cylindre moteur, mais au prix d’une perte d’information sur les autres cylindres. En cas de fonctionnement différent cylindre à cylindre, l’information manquante est perdue. D’autres types de capteurs peuvent être utilisés comme décrit par exemple dans le document US2006069493, mais toujours à un prix important. [10]En conséquence différentes méthodes alternatives ont été proposées.
[11]On connait une première méthode qui consiste à évaluer une partie des indicateurs, par exemple l’indicateur MFB50 tel que décrit plus haut, via des algorithmes d’estimation basés sur une tabulation ou modèle physique, sans utiliser de capteur de pression cylindre. Les modèles physiques doivent être suffisamment simplifiés pour pouvoir être inversés et être utilisés dans une boucle de contrôle. A cause de cette simplification nécessaire, ils ne peuvent donc représenter qu’une partie de la physique et des indicateurs de combustion ; ils ne peuvent par exemple pas représenter avec précision les instabilités de combustion caractérisées par l’indicateur de covariance CovJMEP de la pression moyenne indiquée IMEP. Les indicateurs peuvent alors être tabulés, mais au prix d’un effort de calibration et de stockage de fonctions multivariables, important ou approximatif. Dans tous les cas, cette évaluation de certains indicateurs est basée sur une approximation nominale. Cette approche est difficile à appliquer dans le cadre de combustion pauvre c’est-à-dire une combustion dans laquelle le rapport massique air/carburant est plus important que le rapport stoechiométrique, ou d’une combustion diluée c’est-à-dire une combustion dans laquelle la quantité de gaz résiduelle est importante, affectant l’allumage et la propagation de la flamme.
[12]On connaît une deuxième méthode qui consiste à modifier la méthode précédente via un réseau de neurones artificiels en utilisant en entrée le taux d’ouverture d’une vanne RGE (pour Recirculation des Gaz d’Echappement - ou EGR en anglais pour « Exhaust Gas Recirculation ») ou d’autres actuateurs et des indicateurs de combustion en sortie, comme décrit par exemple dans le document EP2431595B1. Il s’agit cependant d’un modèle global qui ne fournit pas d’informations détaillées sur les processus physiques et chimiques qui se déroulent à l’intérieur de la chambre de combustion, mais additionne toutes les incertitudes et toutes les erreurs d’évaluation.
[13]On connaît une troisième méthode qui consiste en une évaluation des indicateurs de combustion via une analyse du signal de la roue dentée mesuré par le capteur de position du vilebrequin. Une analyse de Fourier a été proposée par exemple dans le document EP2022967A mais cette analyse de Fourier doit faire l’objet de régressions mathématiques et tabulations afin de retourner les indicateurs voulus, mobilisant une importante capacité de calcul et de mémoire du calculateur de contrôle moteur.
[14]Une analyse par réseau de neurones a été proposée dans le document KR20030060703A par exemple, mais cette méthode doit être sous-discrétisée tous les 20 degrés de rotation du vilebrequin pour être calculable sur un système embarqué, ce qui empêche une précision suffisante pour la majorité des applications. La taille du signal de la roue dentée va être typiquement de l’ordre d’une centaine de données pour les 4 temps d’un cycle moteur à quatre temps par exemple. Le traitement par réseau de neurones va nécessiter l’ajout et le surcoût d’une électronique de calcul dédiée ou va devoir être calculé progressivement, ce qui va ralentir le temps de réponse du système au-delà d’un temps acceptable. En conséquence, l’analyse par réseau de neurones a été réduite à sa plus simple expression, ne permettant d’estimer que la pression maximale dans le cylindre Pmax.
Exposé de l’invention
[15]La présente invention permet de pallier tout ou partie de ces inconvénients. Plus précisément, elle consiste en un procédé de contrôle moteur d’un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle (ECU) dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le procédé comprend les étapes suivantes :
Déterminer l’accélération instantanée du vilebrequin à partir du signal de position du vilebrequin, par plages de temps associées à chaque cylindre ou groupe de cylindres,
Compresser les données issues de la détermination de ladite accélération instantanée selon un procédé de compression utilisant une base orthogonale,
Adresser les données compressées d’accélération instantanée du vilebrequin à au moins un réseau de neurones afin que ce dernier détermine en résultats au moins un indicateur de qualité de combustion,
Adresser ledit au moins un indicateur de qualité de combustion à l’unité de contrôle moteur afin qu’elle modifie en fonction de celui-ci les commandes transmises aux dits au moins actuateurs, dans le but de minimiser la consommation spécifique de carburant et les polluants pour une même commande de couple.
[16]Selon une caractéristique avantageuse, le capteur de position du vilebrequin comporte une roue dentée fixée au vilebrequin et dotée de 60 dents et d’au moins une référence au tour, permettant au dit capteur de position du vilebrequin de fournir un signal de position tous les 360° / nombre de dents, soit dans l’exemple tous les 6° de déplacement angulaire du vilebrequin pour un moteur à quatre temps.
[17]Selon une caractéristique avantageuse, les données issues de la détermination de ladite accélération instantanée sont compressées selon un procédé de compression utilisant une base orthogonale, suivant un procédé de décomposition en valeur singulières, tronquée aux premiers éléments.
[18]Selon une caractéristique avantageuse, ledit au moins un réseau de neurones comprend un réseau de neurones profond de type parcimonieux.
[19]Selon une autre caractéristique avantageuse, lesdits résultats issus dudit au moins un réseau de neurones sont moyennés sur un nombre déterminé de cycles moteur afin que ces résultats soient stabilisés, de préférence un nombre déterminé de cycles moteur inférieur ou égal à 50. [20]Selon une autre caractéristique avantageuse, on sélectionne un nombre limité de cycles moteur pour adresser les données compressées d'accélération instantanée du vilebrequin au dit au moins un réseau de neurones, selon une fréquence prédéterminée.
[21]Selon une autre caractéristique avantageuse, ledit au moins un indicateur de la qualité de combustion comprend au moins un indicateur de combustion choisi parmi les indicateurs suivants : la pression moyenne indiquée moteur et sa covariance, le temps de combustion correspondant par exemple à 10, 20, 50, 80, ou 100% de la masse de carburant brûlée.
[22]Selon une autre caractéristique avantageuse, ledit au moins un indicateur de la qualité de combustion comprend au moins en outre un indicateur du rapport de dilution de gaz brûlés recirculant dans le moteur, ou la richesse qui indique la valeur de proportion entre l'air et le carburant du mélange admis dans la chambre de combustion.
[23]Selon une autre caractéristique avantageuse, lesdits actuateurs comprennent en outre au moins un actuateur choisi parmi la liste suivante : actuateur de commande de l'allumage, actuateur de délai d'injection, actuateur de quantité de carburant injecté, actuateur de délai des ouvertures et fermetures des soupapes, actuateur de niveau de levée des soupapes, vanne papillon d'admission d'entrée d'air, et vanne de contrôle d'une unité de turbo chargement.
[24]L’invention se rapporte en outre à un dispositif de contrôle moteur d'un véhicule comportant un moteur à combustion interne, une unité électronique de contrôle (ECU) dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs de commande de la quantité d'air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le dispositif comprend des moyens pour mettre en œuvre les étapes d'un procédé selon l’invention tel que défini précédemment.
[25]La présente invention apporte les avantages suivants :
Le signal Crank de la roue est mesuré par un capteur déjà intégré au système et exploitable dans l’ECU, aucune instrumentation ou système d’acquisition supplémentaire n’est donc nécessaire ;
Un réseau de neurones parcimonieux est plus simple que les réseaux de neurones classiques en raison de sa petite taille et de la compression linéaire en amont du réseau qui réduit considérablement le nombre d’opération. Il pourrait être codé sur un ECU (opérations réduites à des additions et multiplications) ; ce type de réseaux de neurones parcimonieux est plus résistant aux perturbations qu’une autre approche (type réseau de neurones redondant par exemple) : il sera moins soumis aux bruits parasites pouvant affecter le système de mesure ; Un réseau de neurones peut utiliser de façon connue des fonctions sigmoïdes qui peuvent être tabulées ou des fonctions max x = (0 si x<0 ; x si x> 0), l’un de ces deux choix permettant une résolution avec une ressource de calcul limitée ;
Le contrôle est bouclé par un asservissement sur les actuateurs (injection de carburant, valves ...) qui permettent de garantir un niveau de covariance CovJMEP de la pression moyenne indiquée IMEP acceptable et un niveau de ratio paramètre MFB50/carburant optimal (mais aussi valable pour d’autres paramètres moteurs précisés ci-avant) ;
La fonction pourrait être couplée à un adaptateur permettant de compenser une dérive éventuelle du système dans le temps ;
Cela peut être couplé avec la présence d'un capteur de pression cylindre, mais un seul capteur par moteur et non pas un capteur par cylindre (le capteur est alors utilisé pour estimer l’évolution, le vieillissement et la différence moteur à moteur) ;
La taille du signal de la roue dentée va être typiquement de l’ordre d’une centaine de données pour 4 temps de cycle moteur par exemple. Le traitement par réseau de neurones va nécessiter l’ajout et le surcoût d’une électronique de calcul dédiée ou va devoir être calculé progressivement, ce qui va ralentir le temps de réponse du système au-delà d’un temps acceptable ou obliger à sous échantillonner (mauvaises précisions angulaires). Dans le cas de la présente invention, en utilisant la compression ces désavantages disparaissent ;
Une prédiction du ratio air/carburant ou AFR et du taux d’ouverture d’une vanne RGE (pour Recirculation des Gaz d’Echappement - ou EGR en anglais pour « Exhaust Gas Recirculation ») est également possible et a été testée avec cette nouvelle méthode, ce qui sera décrit plus loin avec l’aide de la figure 5.
[26]D’autres avantages apparaîtront à la lecture qui suit d’au moins un exemple de mode de réalisation d’un procédé de contrôle moteur selon l’invention, accompagné des dessins annexés, exemple donné à titre illustratif non limitatif.
Description des dessins
[27][Fig. 1] La figure 1 est un schéma simplifié d’un exemple d’ensemble moteur comportant notamment une unité de contrôle moteur, un capteur de position du vilebrequin, des actuateurs et capteurs.
[28][Fig. 2] La figure 2 est un schéma fonctionnel d’un exemple de mode de réalisation d’un procédé de contrôle moteur selon l’invention.
[29][Fig. 3] La figure 3 est une représentation schématique d’un exemple de réseau de neurones utilisé dans le procédé selon la figure 2.
[30][Fig. 4] La figure 4 est un diagramme montrant l’évolution de l’indicateur de combustion MFB50 en comparaison de l’indicateur correspondant prédit selon le procédé de la figure 2, pour un point opérationnel donné. [31 ][Fig. 5] La figure 5 est un diagramme montrant l’évolution du ratio air/carburant (AFR) moyen (rapport massique air sur carburant dans le cadre d’une combustion) divisé par le rapport stoechiométrique. L’axe des abscisses représentant la valeur réelle de l’AFR mesuré sur banc d’essai et l’axe des ordonnées la valeur prédite selon le procédé de la figure 2 en boucle ouverte entre les étapes 20 et 35.
[32][Fig. 6] La figure 6 est un diagramme comportant trois sous-figures, une pour chaque cylindre du moteur, montrant une convergence rapide des résultats de l’indicateur de combustion MFB50 estimés par le procédé selon la figure 2 comparée au résultat sur une moyenne glissante pour le même point opérationnel qu’utilisé pour la figure 4.
Description des modes de réalisation
[33]La figure 1 représente schématiquement un ensemble moteur comprenant de manière connue un moteur 1 comportant par exemple trois cylindres dont un au moins est muni d’un capteur 2 de pression cylindre, des injecteurs 6 de carburant dans les cylindres, un vilebrequin (non représenté) associé à un capteur 3 de position du vilebrequin de type connu comportant une roue dentée solidaire du vilebrequin et un détecteur fixe par rapport à la roue pour détecter le passage des fronts de dents de la roue dentée. L’ensemble moteur comporte en outre également de manière connue une ligne d’admission 4 de l’air entrant et une ligne d’échappement 5 des gaz de combustion. L’ensemble moteur comprend en outre de manière connue un boîtier papillon 11 sur la ligne d’admission 4 qui régule l’entrée d’air dans les cylindres, une sonde lambda ou sonde à oxygène 7 qui est un capteur permettant de mesurer le taux de dioxygène dans l’échappement afin de contrôler la qualité de la combustion, et peut comprendre en outre une vanne 8 de recirculation des gaz d’échappement RGE (EGR en anglais pour « Exhaust Gas Recirculation »), un turbocompresseur 9 avec sa vanne de décharge (non représentée), un système 12 de traitement des polluants à l’échappement, ....
[34] L’ensemble moteur comprend encore de manière connue une unité 10 de contrôle moteur (ECU) qui pilote les actuateurs (injecteurs, boîtier papillon, vannes, ...) en fonction des signaux qui lui sont adressés par les capteurs (sonde à oxygène, capteur de pression cylindre, débitmètre d’admission d’air - non représenté, ...).
[35]La figure 2 représente de manière symbolique le moteur 1 avec le signal 20 transmis par le capteur 3 de position du vilebrequin. Ce signal est ensuite adressé à l’unité 10 de contrôle moteur dans laquelle il est traité. Les couches basses de l’unité 10 de contrôle moteur font l’acquisition du signal en 30 sur la figure 2.
[36]Les données d’une mesure du capteur 3 de position du vilebrequin sont différenciées pour obtenir un différentiel de vitesse qui est une estimation de l’accélération, par exemple au premier ordre pour l’acquisition n réalisée au temps t :
[37]Accel(n) = (Signal(n) - Signal(n-m)) / Delta_t [38]Avec :
[39]Accel(n) l’accélération au premier ordre pour l’acquisition n, et
[40]Delta_t un coefficient de normalisation fonction du différentiel de temps entre l’acquisition n et l’acquisition m < n et de la vitesse de rotation du moteur notée RPM.
[41]De manière générale, l’accélération instantanée du vilebrequin à partir du signal de position du vilebrequin est déterminée par plages de temps correspondant au maximum aux temps du cycle moteur de chaque cylindre ou groupe de cylindres. Le signal peut être groupé pour plusieurs cylindres qui sont synchrones sur les deux tours que fait le vilebrequin pour accomplir un cycle complet par exemple les quatre temps pour un moteur à quatre temps. Le découpage en plages de temps doit permettre de discriminer la phase de combustion de chaque cylindre lorsque ces derniers ne sont pas synchrones. Par exemple, sur un moteur à quatre temps et à trois cylindres, les plages de temps font 240° pour chaque cylindre correspondant aux quatre phases de détente (combustion) des trois cylindres respectivement. La plage de temps peut être réduite sur une fenêtre comportant l’évènement à considérer, afin d’être moins bruitée par les autres cylindres.
[42]Le signal du capteur 3 de position du vilebrequin est mesuré par un capteur déjà intégré au système ensemble moteur, et est exploitable dans l’électronique embarquée de l’unité de contrôle moteur : aucune instrumentation supplémentaire, traitement du signal supplémentaire ou système d’acquisition supplémentaire n’est donc nécessaire pour implémenter la présente invention.
[43]Le signal 20 qui sera traité, de dimension totale L le long d’un cycle moteur (deux rotations moteur pour un moteur à quatre temps) sera égal au nombre de dents existantes de la roue du capteur (typiquement 60, ou 60 moins une dent pour la référence au tour de la roue), ce qui en fait un signal de taille acceptable pour un traitement d’informatique embarqué.
[44]Le traitement du signal 30 comprend en 31a sur la figure 2 la détection de la dent longue (absence d’une ou plusieurs dents au tour) ou plus généralement la détection de la référence au tour de la roue du capteur 3. De manière avantageuse, comme indiqué en 31a sur la figure 2, le procédé peut comprendre de manière connue un traitement des fausses détections de dents sur la roue du capteur 3 et une correction des données du signal 20 pour rétablir le nombre correct de dents détectées en fonction du nombre réel de dents présentes sur la roue du capteur 3.
[45]Ce signal est ensuite différencié en 31 b sur la figure 2 en plages L_cyl de temps ou segments correspondant à chaque cylindre ou chaque groupe de cylindres synchrones du moteur comme expliqué plus haut. En effet, par exemple pour un moteur à trois cylindres, sur les deux tours de rotation du vilebrequin correspondant à deux tours de rotation de la roue du capteur 3, on établit pour le signal trois segments ou plages de 240° au cours desquelles l’accélération instantanée du vilebrequin fournie par les trois combustions des trois cylindres respectivement sera visible dent à dent et analysée suivant le procédé décrit.
[46]Les signaux par plage de temps sont utilisés en 32 sur la figure 2 pour obtenir des délais temporels et des accélérations, par toute méthode de discrétisation numérique connue. Suivant un procédé avantageux, les signaux ne sont pas traités dans le temps physique mais dans le référentiel temporel du moteur, en fraction de tour par minute, permettant de garantir une bonne précision des estimations numériques.
[47] Les signaux sont en outre adimensionnés en 32 et également en sortie de 41 sur la figure 2 par des valeurs de références fixées afin que leurs nouvelles valeurs soient toutes de l’ordre de l’unité.
[48]Ce résultat est compressé en 33 sur la figure 2 pour obtenir les modes principaux en sortie de cette étape de compression comme indiqué sur la figure 2. La méthode de compression peut être de manière connue une base orthogonale (par exemple « Singular Value Décomposition » en anglais ou SVD) tronquée aux premiers éléments, ou un réseau de neurones, qui ont été précédemment déterminés. Une méthode de compression par SVD est une simple opération de multiplications et d’addition, facile à implémenter sur une informatique embarquée du type d’une unité de contrôle moteur et peu coûteuse en temps calcul.
[49]La méthode de compression convertit des vecteurs de données longs acquis pendant un cycle moteur noté de dimensions i, en un ensemble de scalaires, typiquement inférieurs à six. Pour le scalaire i la compression est une simple opération de multiplications et d’addition :
[50]accel_reduit(i) = ^ ”^ax(Accel(n) * PhiJ(n))
[51]Avec n_max le nombre maximum d’acquisition n pendant la plage de temps L_cyl traitée ici,
[52]Accel_reduit(i) l’accélération issue de la compression des données de rang i,
[53]Accel(n) l’accélération au premier ordre pour l’acquisition n, et
[54]Phi_i le mode de compression de rang i.
[55]Dans la figure 2, les acronymes suivants apparaissent :
[56]Dans la référence 33 : SVD/PCA/POD sont des exemples de méthodes de compression des données qui permettent de décomposer un ensemble de variables corrélées en nouvelles variables décorrélées et dont les n premières forment les composantes principales de l’analyse, ce qui permet de réduire considérablement le nombre de données, avec :
SVD (pour « Singular Value decomposition » en anglais), ou décomposition en valeur singulière,
POD (pour « Proper Orthogonal Decomposition » en anglais), ou décomposition orthogonale appropriée,
PCA (pour « Principal Component Analysis » en anglais), ou analyse des composants principaux. [57]Dans la référence 38 : EGR (pour « Exhaust Gaz Recirculation en anglais ») : vanne EGR signifie vanne de recirculation des gaz d’échappement.
[58]Dans la référence 41 : RPM signifie régime moteur (en tr/min).
[59]Ce résultat (signal compressé Accel_reduit(i)) est utilisé en entrée d’un ou plusieurs réseaux de neurones 34 sur la figure 2 dont la sortie comprend des indicateurs de combustion utilisés pour le contrôle moteur, ce qui permet d’en réduire la taille et donc la charge de calcul informatique, et donc le coût des moyens de calculs embarqués. Les indicateurs de combustion en sortie du ou des réseaux de neurones comme indiqué sur la figure 2, sont par exemple le rapport dilution carburant/gaz présent dans le moteur, la richesse, la pression moyenne indiquée IMEP pendant N cycles moteur, et la durée MFBX, dans l’exemple MFB50 pour brûler 50% du carburant pendant la phase de combustion par exemple.
[60]Le ou les réseaux de neurones utilisent également d’autres entrées utiles, telles que la vitesse moteur et l’objectif de couple assigné au moteur (« setpoint torque » en anglais) comme montré sur la figure 2 provenant du bloc 37 qui sera expliqué plus loin, ainsi que toute entrée liée à des mesures ou des estimations de l’environnement du moteur, par exemple la température, l’altitude ou le type de carburant utilisé.
[61]Le type de réseau de neurones utilisé est un réseau profond pour la capacité de gérer des comportements non-linéaires. Son sous-type peut être parcimonieux (non redondant). Ce type de réseau de neurones est plus simple (plus réduit) que les réseaux de neurones utilisés récemment pour la reconnaissance d’image comme décrit dans le document W02020094995 par exemple. Il est plus résistant aux perturbations : il sera moins soumis aux bruits parasites pouvant affecter le système de mesure. Le réseau de neurones peut comporter des liaisons inter-couches (« staking layers » en anglais) ce qui peut permettre d’augmenter la précision sur la prédiction des résultats selon les besoins.
[62]Un seul réseau de neurones suffit à prédire tous les points de fonctionnement, ce qui induit une économie mémoire (charge CPU) et de calibration. Un seul réseau de neurones peut être utilisé pour prédire tous les indicateurs de combustion, ou plusieurs petits réseaux de neurones peuvent être choisis (un par indicateur de combustion), suivant les applications.
[63]En raison de sa petite taille et de la compression linéaire en amont du ou des réseaux de neurones qui réduit considérablement le nombre d’opérations, il peut être codé sur un système d’électronique embarqué de type unité de contrôle moteur.
[64]En point stabilisé, les résultats du réseau de neurones sont également de préférence moyennés sur X cycles moteur en 35 sur la figure 2 pour réduire au maximum l’erreur d’estimation sur des valeurs stabilisées. Le nombre de cycles moteur nécessaires pour obtenir une grande précision (inférieure à 3%) est petit (de l’ordre de 10 cycles). Ce temps est donc inférieur au temps caractéristique de la réaction du moteur aux actuateurs (papillon d’admission d’air, vanne de recirculation des gaz d’échappement, système de traitement des polluants à l’échappement...). Une alternative consiste en un calcul partiel à chaque cycle moteur : par exemple un cycle sur dix est sélectionné, un dixième du calcul est réalisé à chaque cycle moteur, il faudra cent cycles moteur pour calculer la moyenne mais la charge de calcul est réduite par un facteur dix, ce qui permet d’adapter le compromis effort de calcul - rapidité de réponse du système de contrôle.
[65]Le calcul des moyennes permet de déduire au bloc 42 la covariance CovJMEP de l’IMEP, qui est un indicateur de combustion important à minimiser pour garantir une bonne stabilité du moteur.
[66] L’utilisation de points stabilisés avec une estimation très précise après moyenne est adaptée aux cas de transitoires lents, et de moteurs partiellement électrifiés de type Hybrides ou
« range extendeur » (prolongateur d’autonomie de véhicule électrique ou générateur embarqué pour véhicule électrique), par exemple comprenant une unité à combustion qui étend l'autonomie d'un véhicule électrique à batterie en entraînant un générateur électrique qui charge la batterie du véhicule.
[67]Les indicateurs de combustion prédits par le ou les réseaux de neurones comprennent par exemple : la covariance de la Pression Moyenne Indiquée moteur IMEP, le temps de combustion correspondant par exemple à 10, 20, 50, 80, ou 90% de masse brûlée, comme défini plus haut. Les indicateurs sont transmis à la fonction de contrôle moteur en 36 et 37 sur la figure 2 afin que le point de fonctionnement des actuateurs puisse être au besoin modifié. Il en résulte un réglage du moteur permettant une meilleure consommation de carburant ou une plus faible émission de polluants, dans un niveau de vibration acceptable.
[68]Les indicateurs de combustion prédits par le ou les réseaux de neurones peuvent comprendre en addition le rapport dilution carburant/gaz présent dans le moteur. Le rapport de dilution carburant/gaz prédit comprend la dilution effective du carburant par rapport à la combustion, incluant une possible dilution par la masse d’air admis, la masse de gaz brûlés résiduels (restant dans la chambre de combustion), la masse de gaz brûlés recirculant (réinjectés par un circuit de recirculation). Son estimation peut permettre un contrôle plus efficace de ce rapport, en tenant compte par exemple de l’encrassement ou vieillissement du système de gaz. Également, le taux de dilution n’est pas considéré comme une entrée car cette entrée pourrait être mal estimée par ailleurs et pourrait biaiser les résultats. Le système proposé est donc indépendant de la fiabilité d’une estimation existante du taux de dilution.
[69]Le contrôle moteur utilise des indicateurs de qualités de combustion qui permettent d’atteindre les objectifs suivants :
A) réduction des longues combustions ;
B) réduction des fluctuations temporelles (CovJMEP) ;
C) réduction de la disparité cylindre à cylindre (« cylinder balancing » en anglais). [70]Ces indicateurs de qualité de combustion tels que décrits plus haut et issus du ou des réseaux de neurones vont ensuite modifier en 38 sur la figure 2 les actuateurs du moteur 1 pour optimiser ses réglages afin d’obtenir la plus petite consommation de carburant tout en respectant les limites implémentées de pollution, par exemple en appliquant un contrôle de type PID (pour Proportionnel Intégrale Dérivateur).
[71]Les actuateurs de combustion peuvent être : délais de l’allumage, délai d’injection, quantité de carburant injecté, délais des ouvertures et fermetures de soupapes pour une distribution variable de type VVT (pour « Variable Valve Timing » en anglais), niveau de levée des soupapes pour une distribution variable de type VVL (pour « Variable Valve Lift » en anglais), vanne de contrôle d’admission d’air, vanne de contrôle d’une unité de turbo-chargement le cas échéant, vanne de recirculation des gaz d’échappement ou RGE...
[72]Les fonctions de contrôle moteur 36 et 37 sont comprises dans un contrôle moteur asservis par structure couple 37 sur la figure 2, le contrôle moteur asservi par structure couple étant connu.
[73]De manière connue, à partir du bloc 30 sur la figure 2, le signal 20 du capteur 3 de position du vilebrequin est traité en 40 et 41 en sorte de déterminer la vitesse moyenne de rotation du vilebrequin à partir de la détection de la dent longue ou de la référence au tour de la roue du capteur 3. Puis le signal est adimensionné comme expliqué plus haut et le couple commandé (charge visée) par le conducteur est introduit dans le procédé et l’ensemble vitesse de rotation détectée du vilebrequin et couple commandé est introduit en entrée du ou des réseaux de neurones en vue d’évaluer en sortie les indicateurs de combustion, comme expliqué plus haut. L’ensemble vitesse de rotation détectée du vilebrequin et couple commandé est également adressé aux blocs 36 et 37 sur la figure 2 qui sont respectivement des blocs de fonction de rappel et de contrôle moteur de la structure du couple et qui sont adressés en sortie au bloc 38 de commande des actuateurs.
[74]Les réglages de combustion consistent en : temps d’allumage, taux d’injection visé, réglage de la vanne de recirculation des gaz brûlés le cas échéant, réglage des actuateurs de soupapes (délais variable et/ou levée variable), papillon d’admission moteur, etc.
[75]Le procédé de contrôle moteur ainsi proposé peut être appliqué à des moteurs à forts taux de gaz brûlées recirculés, des moteurs à combustion pauvre, des moteurs à compression à allumage commandé.
[76]La compression 33, puis le ou les réseaux de neurones 34 sont entrainés sur des mesures, réalisées par essais ou par simulations numériques. La compression est réalisée sur des mesures en réalisant une inversion de matrice par des méthodes numériques usuelles :
[77](AccelAT.Accel) Phi = A_Lambda Phi
[78] Avec : [79]Accel le vecteur matrice dont les éléments sont définis plus haut, le symbole AT correspondant à la matrice transposée,
[80]A_Lambda la matrice des valeurs propres, LambdaJ correspondant au mode de rang i, ordonnée tel que Lambda_1 > Lambda_2 > Lambda_3... ,
[81 ]Phi le vecteur propre contenant les modes de compression, PhiJ correspondant au mode de rang i.
[82] L’utilisation d’une telle compression de données sur mesures permet de garantir que la projection tronquée au rang i est optimale au sens de la norme mathématique L2 qu’elle contient, ce qui la rend supérieure à des projections sur des bases prédéterminées (comme dans une projection en Fourier par exemple). La taille de stockage dans la mémoire de l’informatique embarquée est réduite puisqu’elle est de I * nombre_de_modes soit typiquement au maximum 5*l ou 6*l.
[83]Le ou les réseaux de neurones sont éduqués en plaçant en entrée et en sortie les mesures et en procédant à une méthode dite de descente de gradient de type connu.
[84]Le taux de dilution peut être placé en sortie du ou des réseaux de neurones à éduquer. Cette sortie est activée pour favoriser un apprentissage optimal puis peut être au besoin désactivée lors de son utilisation en contrôle moteur embarqué.
[85]Une unité de contrôle adaptatif (non représenté) peut comparer avantageusement le résultat prédit par le réseau de neurones sur des cas particuliers (par exemple en conditions de mélange stoechiométrique carburant/comburant, sur des régimes de vitesse et de puissance stabilisés choisis) avec une tabulation ou un résultat de modèle physique inverse du moteur. La différence entre ces deux résultats permet d’obtenir un coefficient de pondération pour compenser les différences de moteurs à moteurs et les dérives d’un moteur dans le temps.
[86]La figure 3 montre un exemple de représentation schématique d’un réseau de neurones. Ce réseau de neurones multicouches est par exemple parcimonieux et est alimenté en entrée par des scalaires de type entrées moteurs et/ou modes vilebrequin comme expliqué plus haut, ce qui représente une grande simplicité qui en fait un réseau de neurones adapté à être codé sur une unité de contrôle moteur avec des opérations réduites à des additions et des multiplications. En sortie du réseau de neurones on trouve les paramètres de combustion comme expliqué plus haut, par exemple la richesse, la covariance CovJMEP de la pression moyenne indiquée IMEP pendant N cycles moteur, et la durée MFB50 pour brûler 50% du carburant pendant la phase de combustion.
[87]La prédiction de la richesse en sortie du réseau de neurones permet de faciliter la calibration, l’OBD (pour « On Board Diagnostic » en anglais ou diagnostic embarqué), l’explicitation du contrôle moteur en général.
[88]La précision du modèle vérifié sur des mesures expérimentales a été comparée à la méthode de Fourier par exemple. [89]Cette précision est indépendante des points de fonctionnement testés. Sur la figure 4, on a représenté par exemple les tests pour un point de fonctionnement correspondant à une vitesse de rotation du moteur de 2000 RPM (pour « Revolution Per Minute » en anglais) à 8 bars de pression pour le turbocompresseur. On trouve sur la figure 4 en abscisse le paramètre MFB50 de référence, et en ordonnée le paramètre MFB50 prédit par le réseau de neurones. Autrement dit, un seul modèle suffit à prédire plusieurs points de fonctionnement, procurant une économie de mémoire (charge CPU) et de calibration.
[90]On obtient une convergence rapide des résultats en fonction du nombre de cycles acquis (dix cycles maximums suffisent à atteindre une précision en dessous de 3°).
[91]Dans la mesure où dix cycles suffisent, si la charge de CPU est trop importante, il serait donc possible de réduire la récurrence de mesure en contrepartie d’une dégradation acceptable du temps de réponse de la fonction.
[92]Ce modèle est également capable de prédire la richesse, mais il peut être étendu à d’autres paramètres moteur tels que :
[93]- La pression moyenne indiquée IMEP et/ou la covariance CovJMEP de la pression moyenne indiquée IMEP,
[94]- La durée MFBX pour brûler X% du carburant pendant la phase de combustion, par exemple MFB10, MFB50, MFB90,
[95]- Le couple indiqué,
[96]- Tout indicateur pouvant être corrélé à des polluants,
[97]- Tout indicateur pouvant être corrélé à un disfonctionnement du système comme par exemple la vanne EGR (OBD pour « On Board Diagnostic » en anglais).
[98]Des tests ont donc été réalisés et comparés à la méthode de Fourier par exemple. La méthode utilisée est décrite ci-dessous avec l’aide de la figure 4 :
[99]- Les données de mesure utilisées sont extraites d’une campagne de test faite sur un moteur à combustion interne de type essence à turbocompresseur essence à trois cylindres ;
[100]- Une variation en richesse et en délai d’avance à l’allumage IGA (pour « Ignition Advanced » en anglais) sur le troisième cylindre (cylindre 3) a été fait sur plusieurs points de fonctionnement (Régime-Charge). La figure 4 représente un point de fonctionnement à 2000 rpm et une charge de 8 bars ;
[101]- 300 cycles ont été mesurés pour chaque couple (Lambda, IGA et point de fonctionnement) ;
[102]- Afin de comparer le modèle de prédiction décrit selon la présente invention par réseau de neurones à un modèle de Fourier de l’art antérieur, les mêmes points de mesure ont été appliqués : 250 cycles ont été utilisés (ou moins, en fonction des fausses détections), et deux points de fonctionnement ont été testés : 2000 rpm - 8 bars et 2400 rpm - 10 bars. Seul le premier point de fonctionnement 2000 rpm - 8 bars est représenté sur la figure 4 à fins de concision. [103]- Par configuration (couple Lambda I IGA / Régime-Charge) : a. Réseau de neurones : 80 points de 200 cycles servent à entrainer le modèle, les 50 derniers cycles servent aux tests + 4 points réservés pour tester a posteriori en condition non entrainée. b. Méthode de Fourier.
[104]- L’acquisition du signal issu du capteur de position du vilebrequin, mesuré par le capteur à effet Hall devant sa cible, procure les données d’entrée des modèles réseau de neurones et méthode de Fourier, complétées par des informations moteur (régime, charge, IGA...), comme expliqué plus haut avec l’aide de la figure 2 en ce qui concerne le modèle avec réseau de neurones présentement décrit.
[105]- La durée MFB50 de référence pour brûler 50% du carburant pendant la phase de combustion, déterminée pour chaque test, est estimée par un algorithme d’analyse de combustion indépendant de la présente invention basée sur un capteur intrusif des pressions cylindres.
[106]Les résultats obtenus ont été :
[107]- Avec 50 cycles, les 80+4 points de mesure ont été prédits avec moins de 3° de précision pour le réseau comme montré sur la figure 4. Avec la méthode de Fourier, 5% des points estimés se trouvent en dehors de cette plage de précision et peuvent atteindre jusqu’à 6.7° d’erreur, pour une estimation basée sur 250 cycles. Lorsqu’on diminue le nombre de cycles jusqu’à 50 cycles, comme testé sur le réseau, les résultats sont un peu plus dispersés et la précision du modèle peut atteindre jusqu’à 7°CRK d’erreur.
[108]La méthode par réseau de neurones telle que décrite ici peut être appliquée à un système à moteur Diesel, ou à un moteur de type « Range extender » en anglais comme décrit plus haut, ou tous systèmes hybrides, et de manière plus large tout autre moteur équipé d’un capteur de position de vilebrequin. Pour un moteur Diesel, on remplacerait l’avance à l’allumage qui n’existe pas par le délai d’injection.
[109] La figure 5 est un diagramme montrant l’évolution du ratio air/carburant (AFR) moyen (rapport massique de l’air sur le carburant dans le cadre d’une combustion) divisé par le rapport stoechiométrique. L’axe des abscisses représente la valeur réelle de l’AFR mesuré sur banc d’essai et l’axe des ordonnées la valeur prédite selon le procédé de la figure 2 (en boucle ouverte entre les étapes 30 et 35 de la figure 2), pour le même point opérationnel qu’utilisé pour la figure 4.
[110] La figure 6 montre la convergence rapide des résultats de l’indicateur de combustion MFB50 estimés par la méthode selon la présente description comparée au résultat sur une moyenne glissante pour le même point opérationnel qu’utilisé pour la figure 4. Les trois sous-figures correspondent chacune à un cylindre du moteur.

Claims

Revendications
[Revendication 1]Procédé de contrôle moteur d’un véhicule comportant un moteur (1) à combustion interne, une unité (10) électronique de contrôle dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur (3) de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs (6, 8, 11) de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le procédé comprend les étapes suivantes :
-Déterminer l’accélération instantanée du vilebrequin à partir du signal de position du vilebrequin, par plages de temps associées à chaque cylindre ou groupe de cylindres, -Compresser les données issues de la détermination de ladite accélération instantanée selon un procédé de compression utilisant une base orthogonale,
-Adresser les données compressées d’accélération instantanée du vilebrequin à au moins un réseau de neurones afin que ce dernier détermine en résultats au moins un indicateur de qualité de combustion,
-Adresser ledit au moins un indicateur de qualité de combustion à l’unité (10) de contrôle moteur afin qu’elle modifie en fonction de celui-ci les commandes transmises aux dits au moins actuateurs (6, 8, 11), dans le but de minimiser la consommation spécifique de carburant et les polluants pour une même commande de couple.
[Revendication 2] Procédé selon la revendication 1 dans lequel le capteur (3) de position du vilebrequin comporte une roue dentée fixée au vilebrequin et dotée de 60 dents et d’au moins une référence au tour, permettant au dit capteur de position du vilebrequin de fournir un signal de position tous les 6° de déplacement angulaire du vilebrequin pour un moteur à quatre temps.
[Revendication 3] Procédé selon l’une quelconque des revendications 1 ou 2, dans lequel les données issues de la détermination de ladite accélération instantanée sont compressées selon un procédé de compression utilisant une base orthogonale, suivant un procédé de décomposition en valeur singulières, tronquée aux premiers éléments.
[Revendication 4] Procédé selon l’une quelconque des revendications précédentes, dans lequel ledit au moins un réseau de neurones comprend un réseau de neurones profond de type parcimonieux.
[Revendication 5] Procédé selon la revendication 4, dans lequel lesdits résultats issus dudit au moins un réseau de neurones sont moyennés sur un nombre déterminé de cycles moteur afin que ces résultats soient stabilisés, de préférence un nombre déterminé de cycles moteur inférieur ou égal à 50.
[Revendication 6] Procédé selon la revendication 4, dans lequel on sélectionne un nombre limité de cycles moteur pour adresser les données compressées d’accélération instantanée du vilebrequin au dit au moins un réseau de neurones, selon une fréquence prédéterminée.
[Revendication 7] Procédé selon l’une quelconque des revendications précédentes, dans lequel ledit au moins un indicateur de la qualité de combustion comprend au moins un indicateur de combustion choisi parmi les indicateurs suivants : la pression moyenne indiquée moteur et sa covariance, le temps de combustion correspondant de préférence à 10, 20, 50, 80, ou 100% de la masse de carburant brûlée, la richesse.
[Revendication 8] Procédé selon la revendication précédente, dans lequel ledit au moins un indicateur de la qualité de combustion comprend au moins en outre un indicateur du rapport de dilution de gaz brûlés recirculant dans le moteur, ou la richesse qui indique la valeur de proportion entre l'air et le carburant du mélange admis dans la chambre de combustion.
[Revendication 9] Procédé selon l’une quelconque des revendications précédentes, dans lequel lesdits actuateurs comprennent en outre au moins un actuateur choisi parmi la liste suivante : actuateur de commande de l’allumage, actuateur de délai d’injection, actuateur de quantité de carburant injecté, actuateur de délai des ouvertures et fermetures des soupapes, actuateur de niveau de levée des soupapes, vanne papillon d’admission d’entrée d’air (11), et vanne de contrôle d’une unité de turbo-chargement.
[Revendication 10] Dispositif de contrôle moteur d’un véhicule comportant un moteur (1) à combustion interne, une unité (10) électronique de contrôle dudit moteur à combustion interne, ce dernier comportant un vilebrequin, un capteur (3) de position du vilebrequin émettant un signal de position du vilebrequin, au moins des actuateurs (6, 8, 11) de commande de la quantité d’air admise dans le moteur et de la quantité de carburant injecté dans le moteur, caractérisé en ce que le dispositif comprend des moyens pour mettre en œuvre les étapes d’un procédé selon l’une quelconque des revendications 1 à 9.
PCT/EP2022/083578 2021-12-08 2022-11-29 Procede et un dispositif de controle moteur WO2023104578A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2113108A FR3129983B1 (fr) 2021-12-08 2021-12-08 procédé et un dispositif de contrôle moteur
FRFR2113108 2021-12-08

Publications (1)

Publication Number Publication Date
WO2023104578A1 true WO2023104578A1 (fr) 2023-06-15

Family

ID=80449155

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/083578 WO2023104578A1 (fr) 2021-12-08 2022-11-29 Procede et un dispositif de controle moteur

Country Status (2)

Country Link
FR (1) FR3129983B1 (fr)
WO (1) WO2023104578A1 (fr)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19741973C1 (de) * 1997-09-23 1999-04-22 Daimler Chrysler Ag Verfahren zur Bestimmung der Rußkonzentration von selbstzündenden Brennkraftmaschinen
KR20030060703A (ko) 2002-01-11 2003-07-16 현대자동차주식회사 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의추정방법
US20060069493A1 (en) 2004-09-25 2006-03-30 Patrick Attard Method of operating an internal combustion engine
EP2022967A1 (fr) 2007-07-25 2009-02-11 Magneti Marelli Powertrain S.p.A. Méthode de estimation de l'angle de manivelle, auquel le temp de 50% de la fraction de masse brulée se passe, dans un moteur à combustion interne
WO2011003540A2 (fr) 2009-07-08 2011-01-13 Continental Automotive France Procede de determination de la fraction de la masse des gaz brules pour moteur a combustion interne de vehicule automobile
EP2431595B1 (fr) 2010-09-16 2017-01-04 Magneti Marelli S.p.A. Procédé pour estimer un indice de combustion et/ou le couple indiqué dans un cylindre de moteur à combustion interne à quatre temps doté d'une ignition spontanée du mélange
US20190145859A1 (en) * 2017-11-14 2019-05-16 Tula Technology, Inc. Machine learning for misfire detection in a dynamic firing level modulation controlled engine of a vehicle
WO2020094995A1 (fr) 2018-11-09 2020-05-14 Adagos Procédé de construction de réseau de neurones pour la simulation de systèmes physiques
JP2021038741A (ja) * 2020-04-01 2021-03-11 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19741973C1 (de) * 1997-09-23 1999-04-22 Daimler Chrysler Ag Verfahren zur Bestimmung der Rußkonzentration von selbstzündenden Brennkraftmaschinen
KR20030060703A (ko) 2002-01-11 2003-07-16 현대자동차주식회사 가솔린 엔진 연소실 내의 최고압력 및 그 발생위치의추정방법
US20060069493A1 (en) 2004-09-25 2006-03-30 Patrick Attard Method of operating an internal combustion engine
EP2022967A1 (fr) 2007-07-25 2009-02-11 Magneti Marelli Powertrain S.p.A. Méthode de estimation de l'angle de manivelle, auquel le temp de 50% de la fraction de masse brulée se passe, dans un moteur à combustion interne
WO2011003540A2 (fr) 2009-07-08 2011-01-13 Continental Automotive France Procede de determination de la fraction de la masse des gaz brules pour moteur a combustion interne de vehicule automobile
EP2431595B1 (fr) 2010-09-16 2017-01-04 Magneti Marelli S.p.A. Procédé pour estimer un indice de combustion et/ou le couple indiqué dans un cylindre de moteur à combustion interne à quatre temps doté d'une ignition spontanée du mélange
US20190145859A1 (en) * 2017-11-14 2019-05-16 Tula Technology, Inc. Machine learning for misfire detection in a dynamic firing level modulation controlled engine of a vehicle
WO2020094995A1 (fr) 2018-11-09 2020-05-14 Adagos Procédé de construction de réseau de neurones pour la simulation de systèmes physiques
JP2021038741A (ja) * 2020-04-01 2021-03-11 トヨタ自動車株式会社 内燃機関の状態判定装置、内燃機関の状態判定システム、データ解析装置、および内燃機関の制御装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GU F ET AL: "A RBF neural network model for cylinder pressure reconstruction in internal combustion engines", 19960918, 18 September 1996 (1996-09-18), pages 4/1 - 411, XP006509363 *
ROGER JOHNSSON: "Cylinder pressure reconstruction based on complex radial basis function networks from vibration and speed signals", MECHANICAL SYSTEMS AND SIGNAL PROCESSING, ELSEVIER, AMSTERDAM, NL, vol. 20, no. 8, November 2006 (2006-11-01), pages 1923 - 1940, XP024930339, ISSN: 0888-3270, [retrieved on 20061101], DOI: 10.1016/J.YMSSP.2005.09.003 *

Also Published As

Publication number Publication date
FR3129983A1 (fr) 2023-06-09
FR3129983B1 (fr) 2023-10-27

Similar Documents

Publication Publication Date Title
EP1994390B1 (fr) Methode d&#39;estimation en temps reel de parametres de combustion d&#39;un moteur a partir de signaux vibratoires
FR2905142A1 (fr) Methode d&#39;estimation en temps reel d&#39;indicateurs de l&#39;etat de la combustion d&#39;un moteur a combustion interne
EP3619412B1 (fr) Procede de filtrage d&#39;un signal de richesse issu d&#39;une sonde à l&#39;échappement d&#39;un moteur
FR2787511A1 (fr) Procede et dispositif d&#39;egalisation des couples de chaque cylindre d&#39;un moteur
FR2883332A1 (fr) Procede et dispositif de gestion d&#39;un moteur a combustion interne
WO2018202977A2 (fr) Procede de reactualisation d&#39;une dynamique d&#39;adaptation d&#39;une valeur de richesse à une consigne dans un moteur
FR2926330A1 (fr) Procede et appareil de commande pour determiner les emissions de noir de fumees et d&#39;oxydes d&#39;azote produites par le fonctionnement d&#39;un moteur a combustion interne
EP1799983B1 (fr) Procede et systeme ameliores d&#39;estimation d&#39;une temperature des gaz d&#39;echappement et moteur a combustion interne equipe d&#39;un tel systeme
EP2195519B1 (fr) Estimation de parametres d&#39;etat d&#39;un moteur par mesure de la pression interne d&#39;un cylindre
WO1996004539A1 (fr) Procede et dispositif de detection des rates de combustion d&#39;un moteur a combustion interne et allumage commande
EP0522908B1 (fr) Procédé et système de calcul de la masse d&#39;air frais dans un cylindre de moteur à combustion interne
WO2023104578A1 (fr) Procede et un dispositif de controle moteur
EP2699778B1 (fr) Procede de diagnostic de defaillance d&#39;un moteur suralimente et moteur suralimente
EP2430298B1 (fr) Estimation de la concentration en oxydes d&#39;azote d&#39;un moteur à combustion interne.
WO2016051044A1 (fr) Moteur a combustion de véhicule automobile a pilotage de richesse améliore
FR2898936A1 (fr) Procede d&#39;estimation de la richesse d&#39;un melange air/carburant
EP2256322B1 (fr) Influence de la régulation des nox sur le contrôle du bruit moteur dans un moteur à combustion interne
EP3004608B1 (fr) Procédé d&#39;estimation des émissions polluantes d&#39;un moteur à combustion interne et procédé associé de pilotage du moteur
FR2936015A1 (fr) Estimation de variables d&#39;etat d&#39;un moteur a combustion interne.
FR2938017A1 (fr) Procede de controle de la combustion d&#39;un moteur fonctionnant en mode stratifie
EP1916404A1 (fr) Procede d`estimation de parametres caracteritique d`un moteur thermique et de controle des flux thermiques appliques a des composants de ce moteur
FR3118102A1 (fr) Procédé de détermination d’un indicateur de cliquetis de la combustion à partir de mesures d&#39;accélération
FR2893982A1 (fr) Procede et systeme d&#39;estimation d&#39;une temperature des gaz d&#39;echappement en interne d&#39;un systeme de post traitement
WO2022090026A1 (fr) Procede de determination d&#39;un indicateur de stabilite d&#39;une combustion dans un cylindre d&#39;un moteur a combustion interne
WO2011003540A2 (fr) Procede de determination de la fraction de la masse des gaz brules pour moteur a combustion interne de vehicule automobile

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: 22822985

Country of ref document: EP

Kind code of ref document: A1