用于车辆控制系统的可配置推断传感器的制造方法
【技术领域】
[0001]本发明关于系统的量的测量并且特别地关于不一定容易可测量的量的测量。
【发明内容】
[0002]本发明展示了可以提供在子系统中不直接或不容易可测量的量的估计的系统。这些量的估计可以从其他变量推断。该方法被称为推断感测。物理传感器可以用模型或虚拟传感器(也被所知为推断传感器)替代。本方法可以是针对设计用于汽车子系统的推断传感器的框架。框架可以结合为所观测的子系统准备模型、以数据填充实时模板、并且与模型一起周期性地实时运行推断传感器以获得估计变量。一旦实施，则框架可以事实上重新用于任何汽车子系统，而不需要显著的软件代码改变。
【附图说明】
[0003]图1是用于汽车控制系统的推断传感器的应用的图；
[0004]图2是推断传感器的流程图；
[0005]图3是可以在用于推断传感器的非线性模型中使用的非线性普通微分方程组；
[0006]图4示出普通微分方程的解析一阶导数；
[0007]图5示出欧拉(Euler)方法；
[0008]图6示出向后欧拉或隐式方法；
[0009]图7是用于推断传感器的算法框架的图；
[0010]图8示出基于牛顿-拉夫森(Newton-Raphson)或列文伯格-马夸尔特(Levenberg-Marquardt)方法的隐式欧拉方法；
[0011]图9示出用于针对算法框架的隐式时间步骤更新的方程；
[0012]图10是针对推断传感器的离线部分的工作流程的图；以及
[0013]图11是推断传感器的实时模板的图。
【具体实施方式】
[0014]本系统和方法在本文中示出和/或描述的实施方式中可以结合一个或多个处理器、计算机、控制器、用户接口、无线和/或有线连接等。
[0015]该【具体实施方式】提供一个或多个说明性和特定示例或方式。存在实施系统和方法的多种其他示例或方式。
[0016]现代内燃机的复杂性看起来似乎是快速增长作为对法规所规定的更严格排放要求的响应。每个新的约束可能通常导致调节或增加新的子系统或技术。事实上，所有额外子系统可能随后需要新的控制系统以获得期望的性能并且确保在引擎寿命期间将满足排气管排放约束。
[0017]为了监测和控制新的子系统，通常可能必须的是引入一个或若干个额外传感器和致动器。新的传感器和致动器看起来似乎是不仅在复杂性上增加，而且在产品的最终价格上增加。再处理管线是这样的子系统的示例。SCR(选择性催化还原)可以是用来通过引入从所注射的尿素分解的氨(NH3)而将NOx从废气去除的装置。NOx和NH3排放两者必须满足规定的法律限制，并且因此可能需要用于尿素注射器的高效和精确的控制系统。反馈控制系统应当获知催化剂的内部状态，包括也就是驱动NOx转换效率的氨覆盖。该量可以必须从其他变量推断，因为直接测量不明显。当将其引入控制系统时可以改进引擎响应的变量的其他示例结合引擎外NOx浓度，吸入和排出氧气浓度、汽缸内氧气分数、以及其他因素。
[0018]由于成本、可靠性以及维护的原因，引入这些提到的传感器可能不是可能的。进一步，通过使用模型和虚拟传感器从引擎和耦合的子系统替代尽可能多的物理传感器看起来似乎是存在压力，其中这样的替代的主要原因可能是传感器的成本、它们的可靠性以及相关的车载诊断(OBD)。
[0019]当使用一些高级方法用于观测量时，物理传感器可以被模型或虚拟传感器(也被所知为推断传感器)替代。物理传感器的替代通常可能是困难的任务，其要求大量劳力并且以很大开销的测试。方法可以是针对具体量开发具体虚拟传感器。当存在对观测新的物理量的需要时，如果使用非系统的方法，则可能必须的是从头开始重复开发工作。
[0020]本方法可以是用于以非常系统的方式来设计用于在汽车子系统中使用的推断传感器的框架。进一步，在所描述的框架中使用的数学技术可以确保数值鲁棒性以及足够快用于在针对实时控制系统的嵌入式平台(也被所知为ECU(引擎控制单元))上的实施。
[0021]本方法可以允许以系统的方法通过以下来设计、配置和校准用于内燃机和再处理系统的各种推断传感器:I)为所观测的子系统准备模型；2)以数据(所知为校准数据组)填充实时模板;并且3)周期性地与实时模型一起运行推断传感器以得到所需要的估计变量。
[0022]一旦实施，则框架可以事实上重新用于引擎上的任何子系统，而不需要显著的或繁重的代码改变。例如，框架可以用于在再处理管线中估计不可测量物理量(例如，氨存储、N0/N02比率等)。进一步，可能存在针对车辆、引擎和再处理系统物理传感器的替代或消除的潜能(例如，引擎外NOx物理传感器，吸入歧管氧气传感器、排气管外NH3物理传感器、SCR中型块状(mid-brick)NH3物理传感器等)。该推断传感器也可以被配置成估计NOx传感器对順3的交叉灵敏度((^088-86118；[1:；^；^50、30?进口勵/勵2比率等。这样的方法可以显著地减少开发时间，并且因而减少控制系统设计总体成本，同时改进系统的性能。
[0023]本方法可以将离线和实时部分严格分离，这能够通过利用高级观测器方法来实现。方法允许实施和重新使用实时部分用于引擎和再处理子系统的将来推断传感器，而没有进行显著或繁重的代码改变。
[0024]该推断传感器可以被实施和应用为计算机程序，该计算机程序可以在引擎控制单元(ECU)或快速样机系统上执行。推断传感器可以具有离线和在线(或实时)部分。部分可以如以下来实施。
[0025]离线部分可以结合:I)处于针对实时执行的适当形式(例如，C语言文件)的推断传感器的主题的子系统的模型的手动或自动准备，并且模型由普通微分方程(ODE)组描述；以及2)针对可以被存储在自动生成的文件(例如，C语言文件或头文件)中的模型的参数数据组的手动或自动准备。
[0026]在线部分可以通过使用具有某些组件的扩展卡尔曼(Kalman)滤波器来实现，该组件结合:I)隐式固定步长求解器(例如，隐式欧拉方法)以更新系统模型状态，并且求解器可以使用迭代牛顿-拉夫森、高斯-牛顿或列文伯格-马夸尔特算法;2)基于处于因式分解形式(例如，乔列斯基(Cholesky)因式分解或LDLt分解)的测量数据，系统状态估计的协方差矩阵可以被存储和更新，并且因式分解形式可以改进方法的数值属性；以及3)系统状态估计的协方差矩阵的时间更新可以以隐式形式通过以下方式来完成:求解处于乔列斯基或LDLt因式分解形式的连续李雅普诺夫(Lyapunov)方程，例如，通过使用哈马林(Ha_arling)算法或其修改。
[0027]需要指出一些观测结果。本方法可以被称为隐式扩展卡尔曼滤波器。针对为推断传感器的主题的每个新的子系统，可能需要重复离线部分，即步骤I和2。可以仅需要离线部分的步骤2，如果子系统的模型已经存在，并且存在对该推断传感器的新应用的需要。在线部分可以必须仅被实施一次，并且因而将未必必须对任何新的子系统而改变。当设计新的推断传感器时，该系统方法可以节省大量开发工作。本方法可以用于各种引擎子系统。一些示例涵盖SCR