专利名称：内燃机的爆震判定装置及爆震判定方法
技术领域：
本发明涉及判定内燃机内的爆震发生状态的装置及方法。
背景技术：
一般的内燃机的爆震判定装置具有安装在内燃机的气缸体上的爆震传感器，该爆震传感器检测由爆震引起的气缸体的震动。上述判定装置使用带通滤波器从该爆震传感器的输出信号中抽出爆震频率分量，把该爆震频率分量的峰值或者在预定区间中的爆震频率分量的积分值与爆震判定阈值进行比较，进行爆震判定。
爆震可通过延迟点火时期来防止，但是由于点火时期的滞后会使发动机的输出和燃油效率下降。因此，要求在听觉允许的爆震音的范围内使点火时期超前，从而提高发动机的输出和燃油效率。因此，需要使爆震判定阈值符合仅可以检测出超过听觉上允许水平的爆震的值。
从这一观点出发，如日本专利文献特公平6-60621号公报记载的那样，有修正爆震判定阈值以使对爆震传感器的输出信号的峰值进行了对数变换的值的分布成为预定形状的方法。
但是，在只使用爆震传感器的输出信号峰值的分布中，当爆震传感器的输出信号上重叠有机械或电气噪声时，会形成与爆震发生时相同的分布形状。这会恶化爆震判定阈值的修正精度，进而会恶化爆震判定精度。
发明内容
本发明的目的是提供一种内燃机的爆震判定装置及爆震判定方法，它能消除由噪声引起的爆震判定精度的恶化，从而提高爆震判定精度以及可靠性。
为实现上述目的，本发明提供的内燃机的爆震判定装置包括传感器，输出具有与内燃机的爆震状态对应的波形的信号；分布判定部，每次对所述内燃机进行点火时从所述传感器的输出信号求出表示爆震特征的多个变量，并求出关于这些多个变量的预定点火次数数量的分布；以及爆震状态判定部，基于在所述分布判定部求得的所述分布的形状是否具有爆震发生时显现的特征来判定爆震的发生状态。
如上所述，在本发明中，从传感器的输出信号求出表示爆震特征的多个变量，并求出关于这些多个变量的预定点火次数数量的分布。因此，与如上述特公平6-60621号公报中只使用传感器输出的峰值的分布不同，可以制成能够区别开噪声和爆震的分布，从而可消除由噪声引起的爆震判定精度的恶化，进而可提高爆震判定精度以及可靠性。
作为表示爆震特征的多个变量，可以使用传感器输出信号中的爆震频率分量的峰值，和表示该输出信号的波形与表示爆震特有波形的理想爆震波形之间相关性的形状相关系数。这样，即使在仅用传感器输出信号中的爆震频率分量的峰值根本无法区别开噪声和爆震的情况下，也可以通过形状相关系数来高精度地区别开噪声和爆震。
但是，气缸体的震动状态和燃烧压力的变动状态随着内燃机的运行条件的不同而有比较大的变化。因此，如果从传感器的输出信号直接制成分布的话，根据内燃机运行条件，分布形状也会变化。因此，当从传感器的输出信号直接制作分布时，需要对每一发动机运行条件制作分布。
因此，可以对有关多个变量的预定点火次数数量的数据，使用各变量的平均值和标准偏差来进行规格化(标准化，无量纲化)后，求出该多个变量的规格化数据的分布。这样，可制成消除了由于内燃机运行条件而导致的误差的普遍的分布，从而不需要对每一内燃机运行条件制作分布。这样，可减轻制作分布的处理负荷，并且还可以避免由于内燃机运行条件的变化而引起的分布精度下降的问题。
另外，在按照定义方程式计算平均值及标准偏差时，需要能够存储大量数据的存储器。而且，在积累到预定数量的数据之前的期间，也不能更新平均值及标准偏差。因此，只要通过对上述变量进行滤波处理来近似地求出平均值及标准偏差即可。这样，可节约存储器的容量，并且还由于每当取得一次变量时可更新平均值及标准偏差，所以响应性能优良。
但是，在制作分布时，虽然可以详细区分具有分布存在可能性的全部区域，并为每一区域设置计数器，但在这种情况下，由于计数器的数目过多，从而存在存储器使用量过多的缺点。
因此，可以从具有分布存在可能性的区域中抽出显著显现爆震特征的多个区域(以下称“特征区域”)，并为每一特征区域设置计数器，从而在每次点火时通过使上述多个变量从属的特征区域的计数器向上计数来求分布。这样，由于只要仅对显著显现爆震特征的少数特征区域进行计数即可，因此具有可以大幅度节约存储器使用量的优点。而且，由于可以只选择抽出显著显现爆震特征的部分，因此也可以充分确保爆震判定的精度、可靠性。
再有，可以将有关发生超过允许水平的爆震时的上述多个变量的预定点火次数数量的分布作为理想爆震预先存储到存储部中，并在内燃机的运行中，求出在上述分布判定部求出的分布和理想爆震分布之间的相关性，并且作出相关性越高爆震水平就越大(爆震发生频率高)的判定。这样，可高精度地判定爆震水平。
在实施本发明时，可以基于由分布判定部求出的上述分布来判定爆震水平(爆震发生频率)，并且通过比较该爆震水平与预定的爆震判定阈值来判定有无爆震，另外根据上述爆震水平和上述爆震判定阈值的比较结果来修正上述爆震判定阈值。这样，即使在传感器的输出信号上重叠有机械或电气噪声的情况下，也可以高精度地修正爆震判定阈值，从而可防止由于噪声引起的爆震判定精度的下降。而且，可以追随由于内燃机的制造偏差或老化引起的震动水平的变化来自动修正爆震判定阈值。因此，总是能那个使用适当的爆震判定阈值来进行高精度的爆震判定。此外，当由设计、开发技术人员进行爆震判定阈值与内燃机的适配时，不需要详细研究内燃机的制造偏差或老化的影响，从而具有能够简化爆震判定阈值与内燃机适配的作业的优点。
此外，作为输出具有与内燃机的爆震状态对应的波形的信号的传感器，可以使用检测内燃机的气缸体震动的爆震传感器、检测内燃机的燃烧压力的燃烧压力传感器、或者检测内燃机的燃烧室内的离子电流的离子电流传感器。爆震是由于内燃机气缸内的混合气体不等待根据火花塞点火引起的火焰传播而自点火来急剧燃烧引起的。由混合气体的自点火引起的急剧燃烧使气缸内的燃烧气体震动，从而使燃烧压力和燃烧过程中发生的离子变化。这样的震动或变化被传递到气缸体上，从而发生外部可听到的声音(咯吱咯吱或者当当的声音)。由此，不管使用爆震传感器、燃烧压力传感器、离子电流传感器中的哪一个，都可以检测出爆震特有的震动波形。
本发明还提供一种内燃机的一种爆震判定方法，其包括如下步骤从传感器输出具有与内燃机的爆震状态对应的波形的信号；每次对所述内燃机进行点火时从所述传感器的输出信号求出表示爆震特征的多个变量；求出关于所述多个变量的预定点火次数数量的分布；以及基于所求的所述分布的形状是否具有爆震发生时显现的特征来判定爆震的发生状态。
图1是本发明一个实施例中的发动机控制系统整体的概略结构图；图2是表示爆震判定阈值修正例程的处理流的流程图；图3是表示形状相关系数计算例程的处理流的流程图；图4是表示峰值的规格化例程的处理流的流程图；图5是表示形状相关系数的规格化例程的处理流的流程图；图6是表示检测波形s[θ]以及理想爆震波形a[θ]的一例的示意图；图7是表示尖峰前形状相关系数c[θ]的一例的示意图；图8是表示尖峰后形状相关系数c[θ]的一例的示意图。
具体实施例方式
下面根据
将本发明具体化了的一个实施例。首先根据图1说明发动机控制系统整体的概略结构。在作为内燃机的发动机11的吸气管12的最上游部设有空气滤清器13，在该空气滤清器13的下游侧设有检测吸入空气量的气流计14。在该气流计14的下游侧设有通过电动机10进行开度调节的节流阀15及检测节流开度的节流开度传感器16。
再有，在节流阀15的下游侧设有与上述吸气管12连接的浪涌槽17，在该浪涌槽17上设有检测吸气管压力的吸气管压力传感器18。另外，在浪涌槽17上连接有向发动机11的多个气缸分别导入空气的吸气多支管19。吸气多支管19从浪涌槽17到多个气缸的吸气口分支延伸。喷射燃料的燃料喷射阀20以分别位于这些吸气口附近的方式被安装在吸气多支管19上。另外，在发动机11的气缸头上对应每一气缸安装有火花塞21，通过各火花塞21的火花放电，点燃对应的气缸内的混合气。
另一方面，在发动机11的排气管22中设有净化排出气体中的CO、HC、NOx等的三效催化剂等催化剂23，在该催化剂23的上游侧设有检测排出气体的空燃比的空燃比传感器24。另外，在发动机11的气缸体上安装有检测冷却水温度的冷却水温度传感器25、检测爆震震动的爆震传感器28、在发动机11的曲柄轴每转动预定的曲柄角时输出脉冲信号的曲柄角传感器26。根据该曲柄角传感器26的输出信号检测出曲柄角和发动机旋转速度。
这些各种传感器的输出都被输入到发动机控制单元(以下用“ECU”表记)27中。该ECU27以微计算机作为主体构成，其通过执行存储于内置ROM(存储介质)中的各种发动机控制程序来控制燃料喷射阀20的燃料喷射量和火花塞21的点火时期。
再有，该ECU27通过执行后述图2至图5的爆震判定用的各例程来在每次点火时从爆震传感器28的输出(以下简称为“传感器输出”)求出表示爆震特征的两个变量(峰值和形状相关系数)。然后ECU27使用各变量的平均值和标准偏差，对与这两个变量有关的预定点火次数数量的数据进行规格化(标准化，无量纲化)，从而求出该两个变量的规格化数据的分布。ECU27作为表示爆震水平(爆震发生频率)的指标，计算出表示上述分布和理想爆震分布之间的相关性(类似性)的爆震判定用的相关系数(类似度)，并根据这一爆震判定用的相关系数来修正在每一次燃烧的爆震判定中使用的爆震判定阈值。然后ECU27在每一次燃烧时对两个变量(峰值和形状相关系数)的积与上述爆震判定阈值进行比较，从而在每一次燃烧时判定有无爆震。ECU27进行如下的爆震控制即，在判定出有爆震时对点火时期进行延迟修正，从而抑制点火，而在无爆震的状态继续时对点火时期进行超前修正。由此，在听觉可以允许的爆震音的范围内使点火时期超前，从而提高发动机输出和燃油效率。
以下详细说明该爆震判定方法。
(1)从传感器输出抽出的变量从传感器输出抽出的变量是表示爆震特征的变量。在本实施例中，作为该变量，使用传感器输出中的爆震频率分量的峰值和表示该传感器输出的波形与表示爆震特有波形的理想爆震波形之间相关性的形状相关系数。该形状相关系数的计算如下进行。首先，将在尖峰前后的预定期间内表示理想形状的爆震波形确定为理想爆震波形。然后，如果在尖峰前的传感器输出波形的上升率比理想爆震波形的上升率急剧的话，则直接积分理想爆震波形来求出尖峰前的波形面积。另一方面，如果在尖峰前的传感器输出波形的上升率比理想爆震波形平缓的话，则根据传感器输出波形和理想爆震波形之差，减小预定量地修正理想爆震波形，并对修正后的值进行积分，由此求出尖峰前的波形面积。
关于尖峰后的波形面积，对根据尖峰后的传感器输出波形和理想爆震波形之差来减小地修正理想爆震波形之后的值进行积分，从而求出尖峰后的波形面积。这样，在就尖峰前、后各自的波形面积的计算结束之后，求出尖峰前的波形面积和尖峰后的波形面积的总和，从而求出从尖峰前到尖峰后的预定期间的波形面积。然后，将用理想爆震波形的面积除该波形面积得到的值作为形状相关系数。
(2)变量的规格化在发动机的运行中，从传感器抽出的峰值以及形状相关系数的数据被积累到ECU27中。然后，每次积累预定点火次数数量时计算关于峰值和形状相关系数各自的平均值和标准偏差。使用该平均值和标准偏差，根据下式对峰值和形状相关系数进行规格化(标准化，无量纲化)。
规格化峰值＝(峰值-峰值平均值)/峰值标准偏差规格化形状相关系数＝(形状相关系数-形状相关系数平均值)/形状相关系数标准偏差通过该规格化，可以求消除了由于发动机的运行条件引起的误差的普遍的变量(峰值和形状相关系数)。
此外，为按照定义方程式计算平均值和标准偏差，需要能够存储大量数据的存储器。因此，在本实施例中，通过滤波处理(钝化处理)近似地求出平均值和标准偏差。这样，因为可逐次计算平均值和标准偏差，所以即使不在存储器中存储大量数据，也可以通过近似地逐次计算的平均值和标准偏差来进行逐次规格化处理。
(3)检测分布的制作判断峰值Sp和形状相关系数Sc的规格化数据(Sp，Sc)与预先区分的多个区域的何处相应，并向上计数相应区域的计数器。通过重复进行预定点火次数数量的这一处理来制作检测分布。
此时，虽然可以精细区分具有检测分布存在可能性的全部区域，并为每一区域设置计数器来制作检测分布。但在这种情况下，由于计数器数量过多，从而存在ECU27的存储器使用量过多的缺点。
因此，在本实施例中，从具有检测分布存在可能性的区域中抽出显著显现爆震特征的少数区域(以下称“特征区域”)，并为每一特征区域设置计数器，从而通过在每次点火时使峰值Sp和形状相关系数Sc的规格化数据(Sp，Sc)所属的特征区域的计数器向上计数，来求出规格化数据(Sp，Sc)的分布。这样，因为只要仅对显著显现爆震特征的少数特征区域的规格化数据(Sp，Sc)进行计数即可，因此具有可以大幅度节约存储器使用量的优点。而且，因为可以只选择抽出显著显现爆震特征的部分，因此也可以充分确保爆震判定的精度、可靠性。
(4)检测分布和理想爆震分布的相关性(爆震水平的判定)计算表示基于规格化数据(Sp，Sc)的检测分布和理想爆震分布之间相关性(类似性)的爆震判定用的相关系数(类似度)。该爆震判定用的相关系数成为用来判定检测分布的形状是否具有爆震发生时显现的特征的指标。
这里，理想爆震分布是在发生了超过允许水平的爆震时预先用上述方法计算的规格化数据(Sp，Sc)的分布，其被存储在ECU27的ROM等非易失性存储器(存储设备或存储部)中。爆震判定用的相关系数可通过将检测分布的图形和理想爆震分布的图形之间的内积除以范数的积来求出。通过除以范数的积，爆震判定用的相关系数的绝对值总是小于等于1(-1≤爆震判定用的相关系数≤1)，并且检测分布和理想爆震分布的相关性越高，爆震判定用的相关系数就越接近1。因此，爆震判定用的相关系数成为表示爆震水平(爆震发生频率)的指标，爆震判定用的相关系数越接近1，可以判定爆震水平越大(爆震发生频率高)。
(5)爆震判定阈值的修正比较爆震判定用的相关系数与预先设定的爆震判定阈值，如果该爆震判定用的相关系数大于等于爆震判定阈值的话，则判断出发生了超过允许水平的爆震，从而进行减少在每一次燃烧的爆震判定中使用的爆震判定阈值的修正。由此，可以检测更小的爆震。
相反，如果爆震判定用的相关系数小于爆震判定阈值小的话，则判断出爆震水平低于允许水平。此时存在由于爆震控制，点火时期延迟所需以上，从而使发动机转矩下降的可能性。因此，进行使爆震判定阈值变大的修正，以便只检测出较大的爆震。此外，当爆震判定用的相关系数被收纳在与适当的爆震状态相应的预定范围内时，也可以不修正爆震判定阈值。
通过这样的处理，可追随由于发动机的制造偏差或老化引起的震动水平的变化而自动修正爆震判定阈值。因此，能够总是使用适当的爆震判定阈值来进行高精度的爆震判定。此外，当由设计、开发技术人员对爆震判定阈值与发动机进行适配时，不需要详细研究发动机的制造偏差或老化的影响，从而还具有能够简化爆震判定阈值与发动机适配的作业的优点。
以上说明的爆震判定阈值的修正由ECU27遵照图2至图5的各例程来执行。以下说明这些各个例程的处理内容。
图2的爆震判定阈值修正例程在发动机运行中周期执行。本例程一被起动，首先在步骤100中，ECU27就使对变量(峰值P和形状相关系数C)的采样数进行计数的总计数器向上计数。接着，ECU27在步骤101在每次点火时检测传感器输出中的爆震频率分量的峰值P，并且在步骤102中执行后述图3的形状相关系数计算例程，从而计算出形状相关系数C。
其后，ECU27在步骤103中执行后述图4的峰值的规格化例程。亦即，ECU27通过钝化处理计算出关于峰值P的平均值和标准偏差σ，并使用这些平均值和标准偏差σ对峰值P进行规格化(标准化，无量纲化)。另外，ECU27在步骤104中执行后述图5的形状相关系数的规格化例程。亦即，ECU27通过钝化处理计算出关于形状相关系数C的平均值和标准偏差σ，并使用这些平均值和标准偏差σ对形状相关系数C进行规格化(标准化，无量纲化)。
此后，ECU27前进到步骤105，执行检测分布制作例程(未图示)，从而如下制作检测分布。在本实施例中，从具有检测分布存在可能性的区域中抽出显著显现爆震特征的少数区域(特征区域)，并为每一特征区域设置计数器。然后，判定峰值P和形状相关系数C的规格化数据(Sp，Sc)是否与某一特征区域相应，如果存在相应的特征区域，则向上计数该特征区域的计数器，如果不存在相应的特征区域，则不向上计数任何特征区域的计数器。执行以上说明的步骤101～105的处理的ECU27起分布判定装置或分布判定部的作用。
其后，ECU27前进到步骤106，判定总计数器的值是否达到预定值，如果总计数器的值没有达到预定值，则重复上述步骤100～105的处理。由此，在峰值P和形状相关系数C的采样数达到各自的预定值以前，重复峰值P和形状相关系数C的采样、这些数据的规格化、以及检测分布的制作。
然后，在总计数器的值达到预定值的时刻，ECU27前进到步骤107，执行爆震判定用相关系数计算例程(未图示)，从而计算出表示基于规格化数据(Sp，Sc)的检测分布与理想爆震分布之间相关性的爆震判定用的相关系数。该爆震判定用的相关系数通过将基于规格化数据(Sp，Sc)的检测分布图形和理想爆震分布图形的内积除以范数的积来求出。
其后，ECU27前进到步骤108，比较爆震判定用的相关系数与预先设定的爆震判定阈值，如果该相关系数大于等于爆震判定阈值的话，则判断出发生了超过允许水平的爆震，前进到步骤109。在步骤109，ECU27进行减少在每一次燃烧的爆震判定中使用的爆震判定阈值的修正。由此，可以检测更小的爆震。相反，如果爆震判定用的相关系数小于爆震判定阈值的话，则ECU27判断出爆震水平低于允许水平。此时，存在由于爆震控制，点火时期延迟所需以上，从而使发动机转矩下降的可能性。因此，ECU27前进到步骤110，进行增加爆震判定阈值的修正，以便只检测出较大的爆震。其后，ECU27前进到步骤111，复位本例程中使用的全部计数器，并结束本例程。
执行步骤107以及108的处理的ECU27起爆震判定装置或爆震判定部的作用。
图3的形状相关系数计算例程是在上述图2的爆震判定阈值修正例程的步骤102执行的子例程。本例程一被起动，ECU27就首先在步骤201对检测出的传感器输出波形(以下称“检测波形”)的尖峰位置进行检测(参照图6)。
然后，ECU27在下面的步骤202中比较尖峰前的检测波形s[θ]与理想爆震波形a[θ]，从而如下计算出尖峰前的形状相关系数c[θ]。亦即，ECU27判定尖峰前的曲柄角θ中的检测波形s[θ]是否小于等于理想爆震波形a[θ]。如果尖峰前的曲柄角θ中的检测波形s[θ]小于等于理想爆震波形a[θ]，则ECU27将尖峰前的曲柄角θ中的尖峰前形状相关系数c[θ]设置为1。另一方面，如果尖峰前的曲柄角θ中的检测波形s[θ]大于理想爆震波形a[θ]，则ECU27按照下式计算出尖峰前的曲柄角θ中的尖峰前形状相关系数c[θ]。
c[θ]＝1-{s[θ]-a[θ]}/a[θ]
此时，因为检测波形s[θ]和理想爆震波形a[θ]的偏差{s[θ]-a[θ]}越大相关性就越低，因此尖峰前形状相关系数c[θ]变小。图7示出了尖峰前形状相关系数c[θ]的计算例。
另外，ECU27在步骤203中，使用尖峰后的检测波形s[θ]和理想爆震波形a[θ]，根据下式计算出尖峰后的曲柄角θ中的尖峰后形状相关系数c[θ]。
c[θ]＝1-|s[θ]-a[θ]|/a[θ]此时，也因为检测波形s[θ]和理想爆震波形a[θ]的偏差的绝对值|s[θ]-a[θ]|越大相关性就越低，因此尖峰后形状相关系数c[θ]变小。图8示出了尖峰后形状相关系数c[θ]的计算例。
在如上所述对从尖峰前到尖峰后的整个预定期间内的所有曲柄角θ重复进行计算形状相关系数c[θ]的处理之后，ECU27前进到步骤204，按照下式计算出最终的形状相关系数C。
C＝∑c[θ]·a[θ]/∑a[θ]由此，形状相关系数C总小于等于1(0≤C≤1)，并且检测波形s[θ]和理想爆震波形a[θ]的相关性越高，形状相关系数C就越接近1。
图4的峰值的规格化例程是在上述图2的爆震判定阈值修正例程的步骤103执行的子例程。本例程一被起动，ECU27就首先在步骤301使用在ECU27的RAM中存储的上次计算出来的峰值P的平均值Pav[n-1]和此次的峰值P[n]，按照下面的钝化处理公式计算出此次峰值P[n]的平均值Pav[n]。
Pav[n]＝α1·P[n]+(1-α1)·Pav[n-1]上式中α1是钝化系数。该钝化系数α1为简化运算处理可以取固定值，但是也可以根据发动机运行状态并通过映射或数学公式等来改变钝化系数α1。这样，例如在发动机稳定运行时进行重视平均值Pav的正确性的设定，在发动机过渡运行时进行重视追随性的设定，这种做法具有可根据发动机运行状态来调整正确性和追随性的优点。
其后，ECU27前进到步骤302，使用在ECU27的RAM中存储的上次计算出来的峰值P的方差(分散)Vp[n-1]和此次的峰值P的平均值Pav[n]，使用下面的钝化处理公式计算出此次峰值P的方差Vp[n]。
Vp[n]＝β1·{P[n]-Pav[n]}2+(1-β1)·Vp[n-1]上式中β1是钝化系数。该钝化系数β1为简化运算处理可以取固定值，但是也可以根据发动机运行状态并通过映射或数学公式等来改变钝化系数βl。这样，例如在发动机稳定运行时进行重视方差Vp的正确性的设定，在发动机过渡运行时进行重视追随性的设定，这种做法具有可根据发动机运行状态来调整正确性和追随性的优点。
另外，ECU27在同一步骤302中，通过计算峰值P的方差Vp[n]的平方根来求出峰值P的标准偏差σp(σp＝Vp[n])。
此后，ECU27前进到步骤303，按照下式计算出峰值P的规格化数据Sp。
Sp＝{P[n]-Pav[n])/σp[形状相关系数的规格化例程]图5的形状相关系数的规格化例程是在上述图2的爆震判定阈值修正例程的步骤104执行的子例程。本例程一被起动，ECU27就首先在步骤401使用在ECU27的RAM中存储的上次计算出来的形状相关系数C的平均值Cav[n-1]和此次的形状相关系数C[n]，按照下面的钝化处理公式计算出此次形状相关系数C[n]的平均值Cav[n]。
Cav[n]＝α2·C[n]+(1-α2)·Cav[n-1]上式中α2是钝化系数。该钝化系数α2为简化运算处理可以取固定值，但是也可以根据发动机运行状态并通过映射或数学公式等来该改变钝化系数α2。这样，例如在发动机稳定运行时进行重视平均值Cav的正确性的设定，在发动机过渡运行时进行重视追随性的设定，这种做法具有可根据发动机运行状态来调整正确性和追随性的优点。
此后，ECU27前进到步骤402，使用在ECU27的RAM中存储的上次计算出来的形状相关系数C的方差Vc[n-1]和此次的形状相关系数C的平均值Cav[n]，根据下面的钝化处理公式计算出此次形状相关系数C的方差Vc[n]。
Vc[n]＝β2·{C[n]-Cav[n]}2+(1-β2)·Vc[n-1]上式中β2是钝化系数。该钝化系数β2为简化运算处理可以取固定值，但是也可以根据发动机运行状态并通过映射或数学公式等来改变钝化系数β2。这样，例如在发动机稳定运行时进行重视方差Vc的正确性的设定，在发动机过渡运行时进行重视追随性的设定，这种做法具有可根据发动机运行状态来调整正确性和追随性的优点。
另外，ECU27在同一步骤402中，通过计算形状相关系数C的方差Vc[n]的平方根来求出形状相关系数C的标准偏差σc(σc＝Vc[n])。
此后，ECU27前进到步骤403，按照下式计算出形状相关系数C的规格化数据Sc。
Sc＝{C[n]-Cav[n]}/σc在以上说明的本实施例中，求出传感器输出中的爆震频率分量的峰值和表示该传感器输出的波形与表示爆震特有波形的理想爆震波形之间相关性的形状相关系数，从而制作关于这些峰值和形状相关系数的预定点火次数数量的分布。因此，与如上述特公平6-60621号公报中只使用传感器的输出的峰值的分布不同，可以制作能够区分噪声和爆震的分布，从而可解决由于噪声引起的爆震判定精度的恶化的问题，进而可提高爆震判定的精度、可靠性。
而且，在本实施例中，对于预定点火次数数量的峰值以及形状相关系数的数据，使用各自对应的平均值和偏差来进行规格化，从而制作检测分布。因此，可以制成消除了由于发动机运行条件导致的误差的普遍的检测分布，从而不需要对每一发动机运行条件制作检测分布。这样，可减轻制作分布的处理负荷，并且还可以避免由于发动机运行条件的变化而引起的检测分布精度下降的问题。
再有，在本实施例中，作为爆震水平的指标计算表示检测分布和理想爆震分布之间相关性(类似性)的爆震判定用的相关系数，并根据这一爆震判定用的相关系数(爆震水平)来修正在每一次燃烧的爆震判定中使用的爆震判定阈值。因此，即使在传感器的输出上重叠有机械或电气噪声的情况下，也可以高精度地修正爆震判定阈值，从而可防止由于噪声引起的爆震判定精度的下降。而且，可追随由于发动机的制造偏差或老化引起的震动水平的变化而自动修正爆震判定阈值。因此，能够总是使用适当的爆震判定阈值来进行高精度的爆震判定。此外，当由设计、开发技术人员对爆震判定阈值与发动机进行适配时，不需要详细研究发动机的制造偏差或老化的影响，从而还具有能够简化爆震判定阈值与发动机适配的作业的优点。
此外，在本实施例中，作为输出具有与爆震状态对应的波形的信号的传感器，使用了检测气缸体的震动的爆震传感器28，但是也可以使用检测燃烧压力的燃烧压力传感器，或者也可以使用检测燃烧室内的离子电流的离子电流传感器。
权利要求
1.一种内燃机的爆震判定装置，其特征在于包括传感器，输出具有与内燃机的爆震状态对应的波形的信号；分布判定部，在每次对所述内燃机进行点火时从所述传感器的输出信号求出表示爆震特征的多个变量，并求出关于这些多个变量的预定点火次数数量的分布；以及爆震状态判定部，基于在所述分布判定部求得的所述分布的形状是否具有爆震发生时显现的特征来判定爆震的发生状态。
2.如权利要求1所述的爆震判定装置，其特征在于，所述多个变量包括所述传感器的输出信号中的爆震频率分量的峰值，和表示该输出信号的波形与表示爆震特有波形的理想爆震波形之间的相关性的形状相关系数。
3.如权利要求1所述的爆震判定装置，其特征在于，所述分布判定部对关于所述多个变量的预定点火次数数量的数据，使用各变量的平均值和标准偏差进行规格化，从而求出该多个变量的规格化数据的分布。
4.如权利要求3所述的爆震判定装置，其特征在于，所述平均值及所述标准偏差通过对相应的变量进行滤波处理来近似地求出。
5.如权利要求1至4中任一项所述的爆震判定装置，其特征在于，所述分布判定部从具有所述分布存在可能性的区域中抽出显著显现爆震特征的多个区域(以下称“特征区域”)，并为每一特征区域设置计数器，从而通过在每次点火时使所述多个变量从属的特征区域的计数器向上计数来求出所述分布。
6.如权利要求1至4中任一项所述的爆震判定装置，其特征在于，还具有作为理想爆震分布而存储与发生超过允许水平的爆震时的所述多个变量相关的预定点火次数数量的分布的存储部，所述爆震状态判定部在所述内燃机的运行中求出在所述分布判定部求出的分布和所述理想爆震分布之间的相关性，并且相关性越高，则判定爆震水平就越大。
7.如权利要求1至4中任一项所述的爆震判定装置，其特征在于，所述爆震状态判定部包含水平判定部，基于由所述分布判定部求得的所述分布来判定爆震水平；爆震判定部，比较所述爆震水平与预定的爆震判定阈值，从而判定有无爆震；修正部，根据所述爆震水平和所述爆震判定阈值的比较结果来修正所述爆震判定阈值。
8.如权利要求1至4中任一项所述的爆震判定装置，其特征在于，所述传感器是检测所述内燃机的气缸体震动的爆震传感器、检测所述内燃机的燃烧压力的燃烧压力传感器、或者检测所述内燃机的燃烧室内的离子电流的离子电流传感器。
9.一种内燃机的爆震判定方法，其特征在于包括如下步骤从传感器输出具有与内燃机的爆震状态对应的波形的信号；每次对所述内燃机进行点火时从所述传感器的输出信号求出表示爆震特征的多个变量；求出关于所述多个变量的预定点火次数数量的分布；以及基于所求的所述分布的形状是否具有爆震发生时显现的特征来判定爆震的发生状态。
10.如权利要求9所述的爆震判定方法，其特征在于，所述多个变量包括所述传感器的输出信号中的爆震频率分量的峰值，和表示该输出信号的波形与表示爆震特有波形的理想爆震波形之间的相关性的形状相关系数。
全文摘要
本发明提供一种内燃机的爆震判定装置及爆震判定方法。从爆震传感器的输出信号求出表示爆震特征的多个变量。这些变量包括传感器输出信号中的爆震频率分量的峰值，和表示该输出信号的波形与表示爆震特有波形的理想爆震波形之间相关性的形状相关系数。分别对这些峰值及形状相关系数进行规格化后，使用所得的规格化数据来制作检测分布。从而计算出表示该检测分布和理想爆震分布之间相关性的爆震判定用相关系数。比较爆震判定用相关系数与预先设定的爆震判定阈值，并根据该比较结果来修正在每一次燃烧的爆震判定中使用的爆震判定阈值。其结果提高了爆震判定的精度及可靠性。
文档编号G01L23/00GK1683911SQ200510064608
公开日2005年10月19日 申请日期2005年4月15日 优先权日2004年4月16日
发明者竹村优一, 枡田哲, 井上正臣, 笠岛健司, 金子理人 申请人:丰田自动车株式会社