用于运行内燃机的方法和装置与流程

本发明涉及用于在燃烧特征、特别是燃烧重心位置的基础上运行内燃机的方法。本发明还涉及用于确定燃烧特征的方法。

背景技术：

燃烧重心位置针对内燃机用作表征燃烧的参量，特别是在汽油机中。燃烧重心位置根据曲轴角来确定，该曲轴角由进入气缸的活塞运动的上止点确定，在这个燃烧重心位置上燃烧所喷射的燃料的50%。燃烧重心位置在外源点火式内燃机中在马达运行中决定性地由气缸内的点火的时间点确定。

燃烧重心位置或类似的表征燃烧的燃烧特征通常由气缸压力的变化曲线求出，气缸压力的变化曲线可以在试验运行中例如借助气缸压力传感器检测。因为为批量生产设置气缸压力传感器意味着巨大的费用，所以试图以合适的方式借助模型根据内燃机的一系列运行状态参量来求出燃烧特征。例如也公知的是，评估基于内燃机的冲程运行造成的转速波动，以便由此确定燃烧特征。

迄今为止的用于确定燃烧特征的执行方案经常极为不准确，因为运行状态参量通常可能相互作用，因而与运行点相关的影响可能会妨碍燃烧特征的确定。

技术实现要素：

按照本发明建议了按本发明所述的用于根据燃烧特征运行内燃机的方法以及按照本发明所述的装置和马达系统。

其它的设计方案在优选实施例和其它实施例中给出。

按照第一个方面，规定了一种用于运行内燃机的方法，其中，借助非参数的、基于数据的函数模型表明在燃烧特征和一个或多个运行状态参量之间的函数关系，其中，内燃机借助函数模型的单次或多次计算来运行。

上述方法的一个基本思想在于，在非参数的、基于数据的函数模型的基础上借助运行状态参量求出燃烧特征。因此不需要用作输入参量的运行状态参量的物理的相互关系的知识。因此可以在试验台中借助气缸压力传感器在较大运行范围上进行燃烧室压力的检测以及由此学习或求出非参数的、基于数据的函数模型。因为在运行状态参量之间的相互影响在这种建模中也通过该函数模型表明，所以非参数的、基于数据的函数模型的使用导致了在确定燃烧特征时的精度提高。

此外，可以通过预定燃烧特征的期望的值来求出运行状态参量，其中，内燃机根据该运行状态参量来运行。

运行状态参量尤其可以通过函数模型的迭代计算求出，该函数模型把运行状态参量映射到燃烧特征上。

可以规定，一个或多个运行状态参量说明内燃机的状态、一个或多个从外部预定的预定参量和一个或多个针对一个或多个调节发送器（stellgeber）的操控信息。

此外，燃烧特征可以说明针对燃料在内燃机的气缸的燃烧室内的燃烧的变化曲线的特征量，特别是燃烧重心位置和/或另一个燃料转化点和/或是关于热变化曲线qx%的说明，该热变化曲线对应在由曲轴角说明的时间点上的能量，在该时间点上，喷入的燃料的x%在相关的气缸中燃烧。

按照一种实施方式，可以借助针对燃烧特征的基于数据的函数模型确定点火角效率，其中，点火角效率借助特性曲线与燃烧特征相关地由点火角预定。

可以规定，当前的马达力矩特别是借助预定的根据运行点确定的基础力矩由点火角效率求出。

此外，基于数据的函数模型可以对应高斯过程模型。

按照另一个方面，规定一种用于运行内燃机的装置，其中，该装置被构造用于，借助非参数的基于数据的函数模型表明在燃烧特征和一个或多个运行状态参量之间的函数关系以及借助函数模型的单次或多次计算运行内燃机。

附图说明

实施方式随后依据所附的附图更加详细地阐释。图示：

图1是带有内燃机的马达系统的示意图；

图2是图解用于确定运行内燃机的燃烧特征的方法的流程图；以及

图3是图解用于确定内燃机的一个运行点上的经优化的点火角的方法的流程图。

具体实施方式

图1示出了带有内燃机2、特别是外源点火式内燃机的马达系统1的示意图。内燃机2可以构造成四冲程马达，特别是构造成汽油机。其它类型的内燃机也可以用于接下来说明的方法，在这些内燃机中能使用一个针对运行的燃烧特征。

内燃机2具有多个气缸3（在所示实施例中为四个气缸），在这些气缸中存在各一个燃烧室且（未示出的）活塞可以活动地布置在所述气缸中。活塞以本身公知的方式与曲轴4联接，以便驱动这根曲轴。

气缸3分别配设有点火装置5，可以通过该点火装置点燃引入气缸3的燃烧室内的空燃混合物。新鲜空气通过空气输送系统6输送给内燃机2，新鲜空气经由进气阀7受控制地通过一根与曲轴4联接的凸轮轴对于特定的时间周期进入相关的气缸3中。此外，气缸具有排气阀8，燃烧废气可以经由该排气阀排出到废气导出区段9中。

此外可以设一种增压装置10，该增压装置具有在废气导出区段9中的涡轮机12和在空气输送系统6中的压缩器13，以便将所提供的废气焓转化成压缩功率且在增压压力下在节气门11上游提供新鲜空气。

设置了马达控制器15，其根据例如可以对应额定力矩（额定力矩例如可以由驾驶踏板位置来预定）的预定参量v以及根据传感地从马达系统1检测到的运行状态参量，以及由针对调节发送器的调节量，例如由针对节气门11的位置的调节发送器和由针对增压装置10的功率的调整的增压器调节器，以及由进气阀和排气阀的打开和关闭时间点以及类似参量，来确定内燃机2的运行。

针对内燃机的运行，可以使用关于在气缸3内的燃烧的经过的说明。作为这种燃烧特征，所谓的燃烧重心位置的知识经常有助于控制内燃机2的运行，所述燃烧重心位置说明了一个曲轴角作为与转速无关的时间点，在该时间点上，在特定的气缸内燃烧所喷射的燃料的50%（mfb50%，mfb：meanfractionburnt所燃烧的平均分量，kraftstoffumwandlungspunkt燃料转化点）。此外，燃烧特征也可以包括其它的燃料转化点，例如mfb10%和mfb90%和/或关于热变化曲线qx%的说明。热变化曲线qx%对应在由曲轴角说明的一个时间点上的能量值，在这个时间点上，在相关的气缸内燃烧所喷射的燃料的x%。

燃烧特征可以例如用作中间信息，以便通过从燃烧特征推导出的点火角效率推断出内燃机的当前的实际力矩，相应于计算准则：扭矩=基本力矩x效率。此外，可以利用该燃烧特征来实现特定的扭矩，因为在认识所要求的燃烧特征时可以确定为此所需的点火时间点。

用于所要求的燃烧特征的建模的运行状态参量，可以包括一个或多个下列参量：

-马达转速，

-马达负荷，其例如以在相关的气缸中的相对的空气填充的形式加以说明，

-点火角，在该点火角处通过点火装置5产生了点火火花，其中，点火角以在气缸的燃烧室内的活塞运动的上止点为出发点被定义为曲轴角，

-空燃比λ，

-说明内燃机的调整元件的调整位置的参数，例如凸轮轴-相调整器、凸轮轴-冲程调整装置、用于调整压缩比的调节器，

-说明燃料组分、例如燃料的乙醇含量的参量，以及

-对周边环境状况的说明，该说明可以包括例如周边环境空气温度和/或周边环境空气压力。

在图2中示出了一张流程图，该流程图示出了用于确定运行内燃机的燃烧特征的基本的方法。

为此，运行状态参量在步骤s1中被检测或建模以及在步骤s2中用作针对预定的、非参数的基于数据的函数模型的输入参量。非参数的基于数据的函数模型可以是由测量数据点建立的函数模型，例如高斯过程模型或类似的。这样建立非参数的基于数据的函数模型，即，使得其根据输入参量提供燃烧特征作为模型值。

非参数的、基于数据的功能模型的应用基于贝叶斯回归方法。贝叶斯回归方法的基础例如在c.e.rasmussen等人的《针对机器学习的高斯过程》（麻省理工学院出版社，2006）中说明。贝叶斯回归是指基于数据的方法，所述方法基于模型。为了建立该模型，需要来自一个或多个输入参量的测量点以及输出参量的在有待建模的系统上检测到的输出值。该模型的建立依据取样点数据的应用来进行，所述取样点数据完全地或者部分地对应于训练数据，或者由这些训练数据生成。此外确定了抽象的超参数和系数，它们参数化了模型函数的空间且有效地把训练数据的单个测量点对之后的模型预测的影响加权。

所述抽象的超参数通过优化方法确定。这种优化方法的一种可行方案在于边际似然函数p（y|h，x）的优化。边际似然函数p（y|h，x））说明了训练数据的所测得的y值的可信度（示出为向量y），给定了模型参数h和训练数据的x值（输入参量的值）。在模型训练中，由此最大化p（y|h，x），即，寻找合适的超参数，其导致了由超参数和训练数据确定的模型函数的走向变化以及尽可能精确地表明了训练数据。为了简化计算，最大化p（y|h，x）的对数，因为对数不会改变可信度函数的连续性。

高斯过程模型的计算对应于后续的计算规定来进行。针对测试点x的输入值（输入参量向量）先被标准化和中心化，更确切地说按照下列公式：

。

在此，mx对应于关于取样点数据的输入值的平均值的平均值函数，sx对应取样点数据的输入值的方差以及d对应测试点x的维度d的指标。

作为非参数的基于数据的函数模型建立的结果，人们获得了用于下列函数的参数：

。

如此所求取的模型值v借助输出标准化予以标准化，并且具体而言按照公式：

。

在此，v对应在标准化的测试点x（维度d的输入参量向量）处的标准化的模型值（输出值），对应在（未标准化的）测试点（维度d的输入参量向量）处的（未标准化的）模型值（输出值），xi对应取样点数据的取样点，n代表取样点数据的取样点的数量，d代表输入数据空间/训练数据空间/取样点数据空间的维度d，以及id和σf代表来自模型训练的超参数。系数向量qy由超参数和训练数据计算得出。此外，my对应关于取样点数据的输出值的平均值的平均值函数以及sy对应取样点数据的输出值的方差。

可以由此建立基于数据的函数模型，即，在试验台上在很大的输入参量范围上观测内燃机且将这样获得的训练数据点以本身公知的方式用于建立高斯过程模型。高斯过程模型定义成大量取样点、系数向量和超参数的形式。

通过基于数据的函数模型的计算获得的燃烧特征现在可以在步骤s3中以上述方式用于内燃机2的运行，也就是说，用于求取对内燃机2的调节发送器的调整。

与从燃烧重心位置通过反转可以推断出点火角类似，也可以从燃烧重心位置推断出马达负荷。结果就是用于展示特定的燃烧特征的马达负荷。这可以用于限制与马达负荷线性相关的气缸峰值压力。

此外可以使用这样建立的基于数据的函数模型，以便从热动力学的角度设定尽可能好的点火角。这个点火角对应说明点火时间点的曲轴角，在该点火时间点上不出现爆震式燃烧以及达到了内燃机的尽可能小的燃料消耗。最佳的燃烧重心位置良好地近似对应气缸内的活塞运动的上止点后的8°的曲轴角。这个值在很大程度上与内燃机的特殊的实施方案无关。

为了由预定的基于数据的函数模型求出在这个燃烧重心位置中结果为mfb50%opt的点火角zw，可以在点火角的维度内反转基于数据的函数模型。为此已知不同的方法，例如用于数字地求解非线性方程式的牛顿法。为了确定尽可能好的点火角，根据图3的流程图更加详细解释一种方法。

为此，在步骤s11中，以初始值zwinit来初始化点火角zw，应当这样选择初始值，即，使得确该方法的收敛性得到保证。

为此，在关于转速和马达负荷的综合特性曲线中能够存储和读取针对点火角的初始值zwinit。

在步骤s12中可以相应于迭代进行点火角zw的匹配，其中，

其中，mfb50%（...，zw）对应基于数据的函数模型。额定值mfb50%soll对应最优的燃烧重心位置，其可以固定地用8°的曲轴角或其它固定地预定的值预定或对应于与马达转速和负荷相关的预定的综合特性曲线预定。

在步骤s13中检查，在目前的点火角zw下的燃烧重心位置mfb50%（...，zw）与燃烧说明的额定值mfb50%soll的偏差在数值上低于预定的阈值s。

如果是这种情况（选择：是），则所述方法以步骤s14继续进行，否则（选择：否）跳回到步骤s12。

在步骤s14中，经优化的点火角值zwthermodynopt被用于触发以及用于运行内燃机2。因此这样求出的点火角是这样一种点火角，其导致了所要求的燃烧特征，例如导致了所要求的燃烧重心位置。

作为备选方案，为了解决上述问题也可以训练另一种基于数据的函数模型，该函数模型具有燃烧特征作为输入参量以及点火角作为输出参量，以便获得在燃烧特征的期望的值时的点火角。

同样可以使用其它用于确定函数的零点的数字数学的方法，例如布伦特法、里德法、哈雷法、正割法、二分法、试位法（regulafalsi）和类似方法。为此要确定函数模型vm-vmsoll（vm：燃烧特征）的零点，其中，额定值是燃烧特征的目标值，例如针对燃烧重心位置mfb50%的8°曲轴角。

另一个可行方案在于，借助针对燃烧特征的基于数据的函数模型来执行点火角效率的确定。所述效率由点火角得出。在此，点火角效率根据燃烧特征，特别是燃烧重心位置mfb50%借助综合特性曲线预定。

一般可以使用点火角效率来推断出当前的马达力矩，当前的马达力矩以多种多样的形式被使用在马达控制器上，例如结合电动马达（混合式运行）确定电动马达的所需的扭矩。另一种应用在于，以反转的形式由额定效率确定所需的燃烧重心位置。所需的燃烧重心位置的说明可以用于内燃机的力矩控制。