内燃机的爆震检测装置的制作方法

专利名称：内燃机的爆震检测装置的制作方法
技术领域：
本发明涉及内燃机的爆震检测装置，特别是涉及根据爆震传感器的输出信号的频 率分量判定有无爆震的内燃机的爆震检测装置。
背景技术：
在专利文献1中示出了这样的爆震检测装置求出在爆震传感器的输出信号内包 含的多个共鸣频率分量，根据该多个共鸣频率分量计算爆震指标，将爆震指标与预定值进 行比较，从而判定有无爆震。专利文献1 日本专利第2684611号公报在专利文献1所示的方法中，通过快速傅立叶变换来计算与例如16个频率对应的 频率分量的强度，选择强度大的5个频率分量，对各分量进行预定加权来进行合计，从而计 算爆震指标。然而，该方法具有以下说明的课题。图30是示出爆震传感器的输出信号的频率分量分析结果的一例的图，该图的虚 线表示当发生爆震时的频谱，实线表示当发生由内燃机的进气门的落位(着座)引起的振 动(以下称为“落位噪声”)时的频谱。这样在落位噪声的影响在爆震传感器的输出信号中 表现出来的情况下，由于特定的频率分量以与爆震发生时相同程度的强度表现出来，因而 存在尽管未发生爆震而误判定为发生爆震的可能性。

发明内容
本发明是着眼于上述这一点而作成的，本发明的目的是提供一种可根据爆震传感 器的输出信号的频率分量更准确地进行爆震判定的内燃机的爆震检测装置。为了达到上述目的，本发明提供一种内燃机的爆震检测装置，其具有爆震判定单 元，该爆震判定单元根据安装在内燃机(1)上的爆震传感器(11)的输出信号来判定爆震， 所述爆震检测装置的特征量在于，具有频率分量分析单元，其以预定的曲轴角度间隔进行 所述爆震传感器输出信号的频率分量分析；数据存储单元，其将通过所述频率分量分析获 得的多个频率分量的强度作为时序数据(KMAP(j，i))来存储；以及二值化单元，其对所述 频率分量强度的时序数据(KMAP(j，i))进行二值化，所述爆震判定单元根据二值化后的时 序数据(NKMAP(j，i))判定是否发生爆震。根据该结构，以预定的曲轴角度间隔进行爆震传感器输出信号的频率分量分析， 将通过该频率分量分析获得的多个频率分量的强度分布作为时序数据来存储。然后，对强 度分布的时序数据进行二值化，根据该二值化后的时序数据判定是否发生爆震。由于在二 值化后的时序数据中表现出了伴随内燃机旋转的强度分布的变化，因而通过将该时序数据 和与爆震发生时特有的变化模式对应的数据进行比较，可准确判定爆震的发生。并且，通过 进行二值化，数据量减少，并且时序数据的变化模式简化，因而可减少存储容量，并可提高 运算速度。并且，期望的是，所述爆震判定单元通过将与发生爆震的状态对应的主模式数据(MMAP(j, i))和所述二值化后的时序数据(NMAP(j，i))进行比较，来进行所述爆震判定。根据该结构，通过将与发生爆震的状态对应的主模式数据和二值化后的时序数据 进行比较，进行爆震判定。当二值化后的时序数据表现出接近主模式的变化模式时，发生爆 震的可能性高，因而通过计算表示获得的时序数据和主模式的类似性(相关性)的参数，可 进行准确的判定。并且期望的是，所述爆震判定单元具有噪声分量计算单元，其根据所述二值化后 的时序数据(NKMAP(j，i))计算噪声分量的时序数据(NNMAP(j，i))；以及噪声校正单元， 其根据所述噪声分量的时序数据(NNMAP(j，i))校正所述二值化后的时序数据(NKMAP(j， i))，所述爆震判定单元根据校正后的时序数据(JKMAP(j，i))进行所述爆震判定。根据该结构，根据二值化后的时序数据计算噪声分量的时序数据，利用噪声分量 的时序数据来校正二值化后的时序数据，根据校正后的二值化时序数据进行爆震判定。因 此，能去除如上述的落位噪声那样表现稳定的噪声分量来进行更准确的判定。或者可以构成为，所述爆震检测装置具有噪声分量计算单元，其根据所述频率分 量强度的时序数据(KMAP(j，i))计算噪声分量的时序数据(NLMAP(j，i))；以及噪声校正 单元，其利用所述噪声分量的时序数据(NLMAP(j，i))校正所述频率分量强度的时序数据 (KMAP(j, i))，所述二值化单元对校正后的时序数据(JKMAPI(j，i))进行二值化。根据该结构，根据频率分量强度的时序数据计算噪声分量的时序数据，利用噪声 分量的时序数据来校正频率分量强度的时序数据。然后，对校正后的时序数据进行二值化， 根据该二值化后的时序数据进行爆震判定。与在二值化后进行减少噪声分量的校正的情况 相比，可更恰当地进行噪声分量的减少。并且，期望的是，所述爆震判定单元具有加权单元，该加权单元针对所述二值化后 的时序数据(NKMAP(j，i)，JKMAP(j, i))和所述主模式数据(MM (j，i))，进行与频率对应 的加权，所述爆震判定单元使用加权后的时序数据和主模式数据来进行所述爆震判定。根据该结构，针对二值化后的时序数据和主模式数据，进行与频率对应的加权，使 用加权后的时序数据和主模式数据来进行爆震判定。由于预先判明了在发生爆震时增大的 频率分量，因而通过对与该频率附近的频率对应的数据进行大的加权，可提高判定精度。并且期望的是，所述爆震判定单元计算所述主模式数据(MMAP(j，i))和所述二值 化后的时序数据(NKMAP(j, i), JKMAP (j, i))的适合率(PFIT)，当所述适合率(PFIT)超过 判定阈值(SLVL)时，判定为发生爆震。根据该结构，计算主模式数据和二值化后的时序数据的适合率，当适合率超过判 定阈值时，判定为发生爆震。通过使用适合率，可利用比较简单的运算可靠地评价主模式数 据和二值化后的时序数据的相关，可进行准确的判定。并且期望的是，所述主模式数据(MMAP(j，i))是根据所述内燃机的运转状态而设 定的。由此，与内燃机运转状态的变化无关，可进行准确的判定。并且可以构成为，所述爆震检测装置具有频率组时序数据生成单元，该频率组时 序数据生成单元通过针对每个由多个频率构成的频率组(Gl G7)选择1个采样定时的 最大强度，来生成频率组时序数据(GKMAP(j，i))，所述二值化单元对所述频率组时序数据 (GKMAP(j, i))进行二值化。根据该结构，通过针对各个由多个频率构成的频率组选择1个采样定时的最大强度，来生成频率组时序数据，对该生成的频率组时序数据进行二值化，根据该二值化后的时 序数据进行爆震判定。通过使用频率组时序数据，可减少应用于判定处理的数据量，可减轻 装置的运算负荷。并且期望的是，所述爆震检测装置具有组噪声分量计算单元，其根据所述频率组 时序数据(GKMAP(j，i))计算与所述频率组对应的组噪声分量的时序数据(GNLMAP(j，i))； 以及组噪声校正单元，其利用所述组噪声分量的时序数据(GNLMAP(j，i))来校正所述频率 组时序数据(GKMAP(j，i))，所述二值化单元对校正后的频率组时序数据(GJKMAPI (j，i))
进行二值化。根据该结构，根据频率组时序数据计算与频率组对应的组噪声分量的时序数据， 利用组噪声分量的时序数据来校正频率组时序数据。然后，对校正后的时序数据进行二值 化，根据该二值化后的时序数据进行爆震判定。因此，在进行基于频率组时序数据的爆震判 定的情况下，可减轻噪声分量的影响，可进行准确的判定。


图1是示出本发明的一实施方式涉及的内燃机及其控制装置的结构的图。图2是用于说明爆震传感器输出的采样和频率分量分析的图。图3是将通过频率分量分析获得的强度数据表示为频谱时序映射图和二值化频 谱时序映射图的图。图4是示出进气门的落位噪声的二值化频谱时序映射图的图。图5是为了说明噪声去除处理而示出二值化频谱时序映射图的图。图6是为了说明使用主模式映射图的爆震判定而示出二值化频谱时序映射图的 图。图7是示出加权映射图的一例的图。图8是爆震判定处理的流程图。图9是示出在图8的处理中参照的映射图的图。图10是在图8所示的处理中执行的二值化数据映射图计算处理的流程图。图11是在图10所示的处理中执行的二值化处理的流程图。图12是示出在图11的处理中参照的映射图的图。图13是在图8所示的处理中执行的噪声去除处理的流程图。图14是在图8所示的处理中执行的适合率计算处理的流程图。图15是用于说明在图14的处理中参照的映射图的图。图16是在图8所示的处理中执行的噪声学习处理的流程图。图17是在图16所示的处理中执行的噪声映射图更新处理的流程图。图18是本发明的第2实施方式涉及的爆震判定处理的流程图。图19是将通过频率分量分析获得的强度数据表示为频谱时序映射图并将噪声分 量强度显示为频谱时序映射图的图。图20是示出噪声去除处理后的频谱时序映射图以及将该频谱时序映射图进行了 二值化后的映射图的图。图21是在图18的处理中执行的数据映射图计算处理的流程图。
图22是在图18的处理中执行的噪声去除处理的流程图。图23是在图18的处理中执行的二值化处理的流程图。图24是在图18的处理中执行的噪声学习处理的流程图。图25是用于说明本发明的第3实施方式中的分组化的图。图26是用于说明基于分组化后的频谱时序映射图的爆震判定处理的图。图27是本发明的第3实施方式涉及的爆震判定处理的流程图。图28是在图27的处理中执行的分组化处理的流程图。图29是示出图14所示的处理的变形例的流程图。图30是用于说明现有技术的课题的图。标号说明1 内燃机；5 电子控制单元(爆震判定单元、频率分量分析单元、数据存储单元、 二值化单元、噪声分量计算单元、噪声校正单元、加权单元、频率组时序数据生成单元、组噪 声分量计算单元、组噪声校正单元)；11:爆震传感器。
具体实施例方式以下，参照

本发明的实施方式。[第1实施方式]图1是本发明的一实施方式涉及的内燃机(以下称为“发动机”)及其控制装置的 整体结构图，例如在4气缸的发动机1的进气管2的中途配设有节气门3。节气门3与检 测节气门开度TH的节气门开度传感器4连接，传感器4的检测信号被提供给电子控制单元 (以下称为“ECU”)5。针对每个气缸，在位于发动机1与节气门3之间、且处于进气管2中的未图示的进 气门的稍稍上游侧位置设置有燃料喷射阀6，各喷射阀与未图示的燃料泵连接并与ECU5电 连接，根据来自该ECU5的信号来控制燃料喷射阀6的开启时间。在发动机1的各气缸内设 有火花塞7，火花塞7与E⑶5连接。E⑶5将点火信号提供给火花塞7。在节气门3的下游侧设有检测进气压PBA的进气压传感器8以及检测进气温度TA 的进气温度传感器9。在发动机1的主体上安装有检测发动机冷却水温度TW的冷却水温度 传感器10和非共振型的爆震传感器11。传感器8 11的检测信号被提供给ECU5。作为 爆震传感器11，例如使用可检测从5kHz到25kHz的频带的振动的传感器。在进气管2的节气门3的上游侧设有检测吸入空气流量GA的吸入空气流量传感 器13，其检测信号被提供给ECU5。E⑶5与检测发动机1的曲轴(未图示)的旋转角度的曲轴角度位置传感器11连 接，与曲轴的旋转角度对应的信号被提供给ECU5。曲轴角度位置传感器11由以下传感器构 成在发动机1的特定气缸的预定曲轴角度位置输出脉冲(以下称为“CYL脉冲”)的气缸 判别传感器；针对各气缸的吸入行程开始时的上止点(TDC)，在预定曲轴角度之前的曲轴 角度位置(在4气缸发动机中是每180度曲轴角度)输出TDC脉冲的TDC传感器；以及以 比TDC脉冲短的一定曲轴角度周期(例如6度的周期)产生1个脉冲(以下称为“CRK脉 冲”)的CRK传感器，CYL脉冲、TDC脉冲以及CRK脉冲被提供给E⑶5。这些脉冲用于燃料 喷射正时、点火正时等的各种正时控制、发动机转速(发动机旋转速度)NE的检测。
发动机1具有气门工作特性改变装置20，气门工作特性改变装置20具有第1气 门工作特性改变机构和第2气门工作特性改变机构，第1气门工作特性改变机构连续变更 进气门(未图示)的气门升程量和开启角(气门开启期间)，第2气门工作特性改变机构 连续变更驱动进气门的凸轮的、以曲轴旋转角度为基准的工作相位。ECTO将升程量控制 信号和工作相位控制信号提供给气门工作特性改变装置20，进行进气门的工作控制。第1 和第2气门工作特性改变机构的结构分别在例如日本特开2008-25418号公报和日本特开 2000-227013号公报中示出。ECU5由以下电路等构成具有对来自各种传感器的输入信号波形进行整形、将电 压电平修正为预定级别、将模拟信号值转换为数字信号值等的功能的输入电路；中央运算 处理单元(以下称为“CPU”)；存储由该CPU执行的各种运算程序和运算结果等的存储电路 (存储器)；以及将驱动信号提供给燃料喷射阀6和火花塞7的输出电路。下面说明本实施方式中的爆震判定方法的概要。图2(a)示出爆震传感器11的输 出信号波形，图2(b)是将该图2(a)的期间TS的波形进行放大示出的图。在本实施方式中， 将以采样周期20微秒检测出的50个数据作为对象，进行基于快速傅立叶变换的频率分量 分析。该频率分量分析的结果如图2(c)所示。图2 (c)的纵轴是能量强度PS，在本实施方 式中，与从5kHz到25kHz的频带中的每IkHz的频率(5,6,7,.. ·，24，25kHz)对应的能量强 度PS是针对每6度曲轴角度计算出的。由此，频率分量的时序数据如图3(a)所示被计算为二维矩阵(以下称为“频谱时 序映射图”)。在频谱时序映射图中，纵方向是频率f[kHz]，横方向是曲轴角度(燃烧行程 开始的上止点后的曲轴角度)CA[deg]。这里，作为纵方向和横方向的指标分别使用“j” (j =0 20)和“i”(i = 0 14)，将频谱时序映射图的要素表示为强度参数KMAP (j，i)。例 如强度参数KMAP (0，0)相当于左下端的“34”，强度参数KMAP (0，14)相当于右下端的“31”， 强度参数KMAP (20，0)相当于左上端的“56”，强度参数KMAP (20，14)相当于右上端的“30”。 另外，强度参数KMAP是表示相对强度的无因次量。对图3(a)的频谱时序映射图进行二值化获得图3(b)的二值化频谱时序映射图。 当强度参数KMAP(j，i)是“50”以上时，作为图3(b)的映射图的要素的二值化强度参数 NKMAP (j, i)取“1”，当强度参数KMAP (j，i)小于“50”时，二值化强度参数NKMAP (j，i)取 “0”。图3(b)所示的二值化频谱时序映射图是当发生图30的虚线表示的爆震时获得的 映射图。另一方面，图30的实线所示的落位噪声的二值化频谱时序映射图如图4所示，由于 与图3(b)所示的爆震发生时的映射图明确不同，因而不会将落位噪声误判定为爆震发生， 可进行准确的爆震判定。在本实施方式中还构成为，根据当判定为未发生爆震时的二值化频谱时序映射 图，通过学习运算生成与噪声对应的二值化频谱时序映射图(以下简称为“二值化噪声映 射图”)，从根据检测数据计算出的二值化频谱时序映射图上的对应的值中减去二值化噪声 映射图上的噪声学习值，从而去除噪声影响。图5(a)是示出通过学习运算获得的二值化噪声映射图的一例的图，按照曲轴角 度6度的定时、在6 25kHz的频带内示出噪声分量。图5(b)示出通过从图3(b)所示的 二值化频谱时序映射图中减去图5(a)所示的噪声分量来进行了噪声去除处理后的二值化
8频谱时序映射图。这样通过进行噪声去除处理，能消除噪声影响，能进行更准确的判定。并且在本实施方式中，通过将根据检测数据获得的二值化频谱时序映射图与图 6(a)所示的主模式(pattern)映射图进行比较，判定是否发生爆震。主模式映射图相当于 当发生爆震时获得的典型的二值化频谱时序映射图。上述比较具体按以下方式进行。通过将二值化频谱时序映射图上的二值化强度 参数NKMAP(j，i)与主模式映射图上的主参数MMAP(j，i)的积进行累计，计算强度累计值 SUMK，计算主参数MMAP(j，i)自身的累计值即基准累计值SUMM，计算强度累计值SUMK对基 准累计值SUMM的比率即适合率PFIT ( = SUMK/SUMM)。然后，当适合率PFIT超过判定阈值 SLVL时，判定为发生了爆震。图6(b)示出图5(b)所示的二值化强度参数NKMAP(j，i)与图6(a)所示的主模式 映射图上的主参数MMAP(j，i)的积(NKMAP(j，i) XMMAP(j, i))的映射图。在该例子中，图 6(b)的积映射图与图5(b)所示的映射图完全相同，适合率PFIT为“0.863”。另外，在后述的实际的爆震判定处理中，在计算上述强度累计值SUMK和基准累计 值SUMM时进行与发动机运转状态对应的加权。图7示出设定了用于进行该加权的加权参 数WMAP(j，i)的加权映射图的一例。图7所示的加权映射图被设定为针对以下参数值， 即，对于频率6kHz的分量针对从曲轴角度12度到72度的参数值进行加权，对于频率IOkHz 的分量针对从曲轴角度36度到66度的参数值进行加权，以及对于频率llkHZ、13kHz、15kHz 和20kHz的分量针对从曲轴角度12度到30度的参数值进行加权。基于图7所示的加权映射图的加权是为了补偿二值化频谱时序映射图的针对频 率的特性依赖于发动机运转状态而变化这种情况而进行的。通过根据发动机运转状态进行 加权，与发动机运转状态的变化无关，能进行准确判定。本实施方式中的爆震传感器输出VS的采样周期采用20微秒，使用50个采样值来 进行频率分量分析。由此，能以IkHz间隔计算到25kHz为止的频率分量。另外，当发动机 转速NE是IOOOrpm时，曲轴旋转6度需要的时间TD6是1毫秒，获得50个采样值。并且例 如当发动机转速NE是2000rpm时，时间TD6为500微秒，采样数据数为25，因而使用之前刚 检测出的12度曲轴角度的采样值，每6度曲轴角度进行频率分量分析。频率分量分析(快速傅立叶变换)是在未图示的处理中执行的，每6度曲轴角度 就将通过运算结果获得的各频率的强度值STFT (k) (k = 0 (KN-I))存储在E⑶5的存储 电路(RAM)内。KN是在从上止点后6度到90度的曲轴角度范围内获得的强度值的数量，在 本实施方式中是315 (图3 图6所示的映射图上的数据数)。图8是使用上述方法进行爆震判定的处理的流程图，该处理由E⑶5的CPU与TDC 脉冲的发生同步执行。在步骤Sll中，执行图10所示的二值化数据映射图计算处理，进行上述的二值化 频谱时序映射图的计算。在步骤S12中，执行图13所示的噪声去除处理，使用图5(a)例示 的二值化噪声映射图来进行去除噪声分量的处理。在步骤S13中，执行图14所示的适合率计算处理，使用去除了噪声分量后的二值 化频谱时序映射图和主模式映射图来计算适合率PFIT。在步骤S14中，根据发动机转速NE和进气压力PBA检索按例如图9所示设定的 SLVL映射图，计算判定阈值SLVL。针对在SLVL映射图中设定的格子点以外的发动机转速NE和进气压力PBA，通过插值运算来计算判定阈值SLVL。在步骤S15中，判别在步骤S13计算出的适合率PFIT是否大于判定阈值SLVL，当 该答案是肯定(YES)时，判定为发生爆震，将爆震标志FKNOCK设定为“1”(步骤S16)。当在步骤S15中是PFIT ( SLVL时，判定为未发生爆震，将爆震标志FKNOCK设定 为“0”(步骤S17)。然后执行图16所示的噪声学习处理，进行二值化噪声映射图(参照图 5(a))的更新。图10是在图8的步骤Sll中执行的二值化数据映射图计算处理的流程图。在步骤S21中，将曲轴角度指标i、频率指标j以及存储器地址指标k均初始化为 “0”。在步骤S22中，判别频率指标j是否大于从频率数据数JN(在本实施方式中是21)中 减去“1”后的值。由于最开始该判定是否定(NO)，因而进到步骤S23，判别曲轴角度指标i 是否大于从曲轴角度数据数IN(在本实施方式中是15)中减去“1”后的值。由于最开始步骤S23的答案也是否定(NO)，因而根据下述式(1)计算存储器地址 指标k(步骤S24)。因此，存储器地址指标k伴随曲轴角度指标i和频率指标j的增加，从 0 变化到(JNXIN-1)。k = i+j XIN (1)在步骤S25中，将强度参数KMAP (j，i)设定为存储在存储器内的强度值STFT[k]， 在步骤S26中，执行图11所示的二值化处理。然后使曲轴角度指标i递增“1”(步骤S27)。在图11的步骤S31中，根据发动机转速NE和进气压力PBA检索图12所示的 BLVL映射图，计算二值化阈值BLVL。BLVL映射图被设定成，发动机转速NE越增加，二值化 阈值BLVL就越增加，而且进气压力PBA越增加，二值化阈值BLVL就越增加。由线Ll表示 的设定值适用于从第1预定进气压力PBAl (例如53kPa(400mmHg))至第2预定进气压力 PBA2 (例如80kPa (600mmHg))的范围。线L2和L3分别对应于第3预定进气压力PBA3 (例 如 93kPa (700mmHg))和第 4 预定进气压力 PBA4(例如 107kPa (800mmHg))。在步骤S32中，判别强度参数KMAP(j，i)是否大于二值化阈值BLVL，当其答案是肯 定(YES)时，将二值化强度参数NKMAP (j，i)设定为“1”(步骤S33)。另一方面，当在步骤 S32中是KMAP (j，i) ( BLVL时，将二值化强度参数NKMAP (j，i)设定为“0” (步骤S34)。回到图10，在步骤S23的答案是否定(NO)的期间，重复执行步骤S24 S27，当曲 轴角度指标i超过(IN-I)时，进到步骤S28，使曲轴角度指标i恢复为“0”，并使频率指标 j递增“1”，回到步骤S22。在步骤S22的答案是否定(NO)的期间，重复执行步骤S23 S28，当频率指标j超 过(JN-I)时，结束本处理。通过图10的处理，将存储在存储器内的作为频率分量分析结果获得的强度值 STFT[k]转换为图3(a)所示的频谱时序映射图的形式，并进行强度参数KMAP(j，i)的二值 化，计算二值化强度参数NKMAP (j，i)。即，生成图3(b)所示的二值化频谱时序映射图。图13是在图8的步骤S12中执行的噪声去除处理的流程图。在步骤S41中，将曲轴角度指标i和频率指标j都初始化为“0”。在步骤S42中， 判别频率指标j是否大于从频率数据数JN中减去“1”后的值。由于最开始其答案是否定 (NO)，因而进到步骤S43，判别曲轴角度指标i是否大于从曲轴角度数据数IN中减去“1”后 的值。
由于最开始步骤S43的答案也是否定(NO)，因而根据下述式(2)校正二值化强度 参数NKMAP (j，i)，计算校正二值化强度参数JKMAP (j，i)。式(2)的NNMAP (j，i)是通过学 习处理而更新的二值化噪声映射图上的二值化噪声参数。JKMAP(j, i) = NKMAP(j, i)-NNMAP(j, i) (2)在步骤S45中，判别校正二值化强度参数JKMAP(j，i)是否是负值，当其答案是否 定(NO)时，立即进到步骤S47。当JKMAP (j, i) < 0时，将JKMAP (j，i)设定为“0”(步骤 S46)，进到步骤S47。在步骤S47中，使曲轴角度指标i递增“1”，回到步骤S43。在步骤S43的答案是 否定(NO)的期间，重复执行步骤S44 S47，当曲轴角度指标i超过(IN-I)时，进到步骤 S48，使曲轴角度指标i恢复为“0”，并使频率指标j递增“ 1”，回到步骤S42。在步骤S42的 答案是否定(NO)的期间，重复执行步骤S43 S48，当频率指标j超过(JN-I)时，结束本处理。通过图13的处理，获得去除了噪声后的校正二值化强度参数JKMAP(j，i)。图14是在图8的步骤S13中执行的适合率计算处理的流程图。在步骤S51中，根据发动机转速NE和进气压力PBA选择主模式映射图，在步骤S52 中，根据发动机转速NE和进气压力PBA选择加权映射图。加权映射图是为了补偿二值化频 谱时序映射图的针对频率的特性依赖于发动机运转状态而变化这种情况而设置的。当发动 机转速NE或进气压力PBA (发动机负荷)变化时，燃烧室内的温度变化，二值化频谱时序映 射图变化。因此，通过根据发动机转速NE和进气压力PBA选择主模式映射图和加权映射图， 不管发动机运转状态的变化如何，都能进行准确的判定。在本实施方式中，如图15所示对应于根据发动机转速NE和进气压力PBA而定义 的9个发动机运转区域，预先设定了 9个主模式映射图和9个加权映射图，在步骤S51中 选择9个主模式映射图中的1个，在步骤S52中，选择9个加权映射图中的1个。在图15 中，低转速区域被设定为例如发动机转速是2000rpm以下的区域，中转速区域被设定为从 2000rpm到4000rpm的区域，高转速区域被设定为超过4000rpm的区域。并且，低负荷区域 被设定为例如进气压力PBA在67kPa(500mmHg)以下的区域，中负荷区域被设定为从67kPa 到93kPa(700mmHg)的区域，高负荷区域被设定为超过93kPa的区域。在步骤S53中，将曲轴角度指标i和频率指标j都初始化为“0”，并将强度累计值 SUMK和基准累计值SUMM初始化为“0”。强度累计值SUMK和基准累计值SUMM在后述的步 骤S57中被更新，在步骤S60中被应用于适合率PFIT的计算。在步骤S54中，判别频率指标j是否大于从频率数据数JN中减去“1”后的值。由 于最开始其答案是否定(NO)，因而进到步骤S55，判别曲轴角度指标i是否大于从曲轴角度 数据数IN中减去“1”后的值。由于最开始步骤S55的答案也是否定(NO)，因而进到步骤S56，根据下述式(3)和 (4)计算加权主参数MMW和加权积参数KMW。下述式的WMAP (j，i)是在加权映射图中设定 的加权参数。加权积参数KMW是使用加权参数WMAP (j,i)将主参数MMAP (j,i)和校正二值 化强度参数JKMAP(j，i)的积进行了加权后的参数。MMW = MMAP(j, i) XWMAP(j, i)(3)KMW = MMAP(j, i) X JKMAP(j, i) XWMAP(j, i) (4)
在步骤S57中，根据下述式(5)和(6)，将加权主参数MMW和加权积参数KMW进行 累计，计算基准累计值SUMM和强度累计值SUMK。SUMM = SUMM+MMW (5)SUMK = SUMK+KMW (6)在步骤S58中，使曲轴角度指标i递增“1”，回到步骤S55。在步骤S55的答案是 否定(NO)的期间，重复执行步骤S56 S58，当曲轴角度指标i超过(IN-I)时，进到步骤 S59，使曲轴角度指标i恢复为“0”，并使频率指标j递增“1”，回到步骤S54。在步骤S54的 答案是否定(NO)的期间，重复执行步骤S55 S59，当频率指标j超过(JN-I)时，进到步骤 S60，根据下述式(7)计算适合率PFIT。PFIT = SUMK/SUMM (7)图16是在图8的步骤S18中执行的噪声学习处理的流程图。在步骤S71中，将曲轴角度指标i、频率指标j、加法学习参数LK以及减法学习参 数LM均初始化为“0”。在步骤S72中，判别频率指标j是否大于从频率数据数JN中减去 “1”后的值。由于最开始该答案是否定(NO)，因而进到步骤S73，判别曲轴角度指标i是否 大于从曲轴角度数据数IN中减去“ 1 ”后的值。由于最开始步骤S73的答案也是否定(NO)，因而进到步骤S74，判别二值化强度参 数NKMAP(j，i)是否等于二值化噪声参数NNMAP(j，i)。当该答案是肯定(YES)时，立即进 到步骤S80。当步骤S74的答案是否定(NO)、二值化强度参数NKMAP (j，i)与二值化噪声参数 NNMAP (j, i)不同时，判别二值化强度参数NKMAP (j，i)是否大于二值化噪声参数NNMAP (j， i)(步骤S75)。当该答案是肯定(YES)时，将加法学习参数LK设定为“1”，将减法学习参数 LM设定为“0”(步骤S76)。另一方面，当NKMAP(j，i) < NNMAP(j, i)时，将加法学习参数 LK设定为“0”，将减法学习参数LM设定为“1”(步骤S77)。在步骤S78中，根据下述式(8)和(9)，修正加法学习参数LK和减法学习参数LM。 式(8)、(9)的DSN0ISE是被设定为例如0. 1的噪声学习系数。LK = DSN0ISE X LK (8)LM = DSN0ISE X LM (9) 在步骤S79中，将加法学习参数LK和减法学习参数LM应用于下述式(10)，来更新 噪声参数NMAP(j，i)。在下面说明的图17的处理中，通过将噪声参数NMAP(j，i)进行二值 化，计算出二值化噪声参数NNMAP (j，i)。NMAP(j, i) = NMAP(j, i)+LK-LM (10)在步骤S80中，使曲轴角度指标i递增“1”，回到步骤S73。在步骤S73的答案是 否定(NO)的期间，重复执行步骤S74 S80，当曲轴角度指标i超过(IN-I)时，进到步骤 S81，使曲轴角度指标i恢复为“0”，并使频率指标j递增“1”，回到步骤S72。在步骤S72的 答案是否定(NO)的期间，重复执行步骤S73 S81，当频率指标j超过(JN-I)时，进到步骤 S82，执行图17所示的噪声映射图更新处理。在图17的步骤S91中，将曲轴角度指标i和频率指标j都初始化为“0”。在步骤 S92中，判别频率指标j是否大于从频率数据数JN中减去“1”后的值。由于最开始该答案 是否定(NO)，因而进到步骤S93，判别曲轴角度指标i是否大于从曲轴角度数据数IN中减
12去“1”后的值。由于最开始步骤S93的答案也是否定(NO)，因而进到步骤S94，判别噪声参数 NMAP (j, i)是否大于噪声二值化阈值NLVL(例如0.8)。当该答案是肯定(YES)时，将二值 化噪声参数NNMAP(j，i)设定为“1”(步骤S95)。另一方面，当NMAP(j，i)彡NLVL时，将二 值化噪声参数NNMAP (j，i)设定为“0”(步骤S96)。在步骤S97中，使曲轴角度指标i递增“1”，回到步骤S93。在步骤S93的答案是 否定(NO)的期间，重复执行步骤S94 S97，当曲轴角度指标i超过(IN-I)时，进到步骤 S98，使曲轴角度指标i恢复为“0”，并使频率指标j递增“1”，回到步骤S92。在步骤S92的 答案是否定(NO)的期间，重复执行步骤S93 S98，当频率指标j超过(JN-I)时，结束本处理。当在图16的步骤S75中NKMAP(j，i) > NNMAP(j, i)时，在步骤S78中为LK = 0. 1，LM = 0，根据式(10)，使噪声参数NMAP (j，i)增加“0. 1”。另一方面，当在步骤S75中 NKMAP (j, i) < NNMAP (j, i)时，在步骤 S78 中为 LK = 0，LM = 0. 1，根据式(10)，使噪声参 数NMAP(j，i)减小“0. 1”。然后，当在图17的处理中噪声参数NMAP (j，i)大于噪声二值化 阈值NLVL时，将二值化噪声参数NNMAP (j,i)设定为“ 1，，，另一方面，当噪声参数NMAP (j,i) 在噪声二值化阈值NLVL以下时，将二值化噪声参数NNMAP (j，i)设定为“0”。通过图16和图17的处理，根据当判定为未发生爆震时的二值化强度参数 NKMAP(j,i)来更新二值化噪声映射图，例如把如进气门的落位噪声那样稳定发生的噪声反 映到二值化噪声映射图上。其结果，能去除噪声的影响来进行高精度的判定。另外，可以不进行噪声去除处理(图8，步骤S12)，直接使用二值化强度参数NKMAP 来进行适合率PFIT的计算。这是因为，在不进行噪声去除处理的情况下，受到噪声影响的 可能性高，然而可以如参照30所说明那样，与噪声区别开来进行爆震的判定。如以上详述，在本实施方式中，以6度曲轴角度的间隔进行爆震传感器11的输出 信号的快速傅立叶变换运算(频率分量分析)，生成作为其结果而获得的5kHz 25kHz的 频率分量的强度的时序数据即频谱时序映射图。即，频谱时序映射图的要素作为二维排列 数据即强度参数KMAP(j，i)被存储在存储器内。然后，通过对强度参数KMAP(j，i)进行二 值化，计算出二值化强度参数NKMAP (j,i)，根据该二值化强度参数NKMAP (j,i)判定是否发 生爆震。由于在二值化强度参数NKMAP(j，i)上反映了伴随发动机旋转的频率分量分布的 变化，因而通过将二值化强度参数NKMAP(j，i)和与爆震发生时特有的变化模式对应的主 模式映射图上的主参数MMAP(j，i)进行比较，可准确判定爆震的发生。并且通过对作为频 率分量分析的结果而获得的强度参数KMAP(j，i)进行二值化，数据量减少，并且时序数据 的变化模式简化，因而可减少存储器容量，并可提高运算速度。并且当二值化强度参数NKMAP(j，i) (JKMAP(j, i))表现出接近主参数MMAP(j， i)的变化模式时，发生爆震的可能性高，因而通过计算表示二值化强度参数NKMAP(j，i) (JKMAP(j, i))和主参数MMAP(j，i)的类似性(相关性)的参数，可进行准确判定。在本实施方式中，作为表示该类似性(相关性)的参数使用适合率PFIT，当适合 率PFIT超过判定阈值SLVL时，判定为发生爆震。通过使用适合率PFIT，可利用比较简单的 运算可靠地评价二值化强度参数NKMAP(j，i) (JKMAP(j, i))和主参数MMAP(j，i)的类似性 (相关性)，可进行准确判定。
13
并且，根据二值化强度参数NKMAP (j，i)计算噪声分量的时序数据NNMAP (j，i)，利 用噪声分量的时序数据即噪声参数NNMAP(j，i)校正二值化强度参数NKMAP(j，i)，根据校 正二值化强度参数JKMAP (j，i)进行爆震判定。因此，能去除如上述的落位噪声那样表现稳 定的噪声分量来进行更准确的判定。并且，将根据频率而设定的加权参数WMAP(j，i)乘以二值化强度参数NKMAP(j，i) (JNKMAP(j,i))和主参数MMAP(j，i)，计算适合率PFIT。由于预先判明了当发生爆震时增大 的频率分量，因而通过对与该频率附近的频率对应的数据进行大的加权，可提高判定精度。在本实施方式中，ECU5构成爆震判定单元、频率分量分析单元、数据存储单元、二 值化单元、噪声分量计算单元、噪声校正单元以及加权单元。具体地说，图8的步骤S12 S18相当于爆震判定单元，步骤Sll (图10的处理)相当于数据存储单元和二值化单元。并 且步骤S18相当于噪声分量计算单元，步骤S12相当于噪声校正单元，图14的步骤S52和 S56相当于加权单元。[第2实施方式]本实施方式将第1实施方式中的爆震判定处理(图8)变更为图18所示的处理。 除了以下说明的方面以外，与第1实施方式相同。在图18所示的处理中，首先针对进行二值化前的强度参数KMAP执行噪声去除处 理，计算校正强度参数JKMAPI (步骤S 12a)，对校正强度参数JKMAPI进行二值化，计算校正 二值化强度参数JKMAP (步骤Sllb)。图19(a)示出本实施方式中的频谱时序映射图的一例，图19 (b)是示出本实施方 式中的噪声映射图的一例的图，设定了未进行二值化的噪声学习值。噪声去除处理是通过 从图19(a)的频谱时序映射图的各映射图值中减去图19(b)的噪声映射图值来进行的，获 得图20(a)所示的校正频谱时序映射图。然后，通过对图20(a)的校正频谱时序映射图进 行二值化，获得图20(b)所示的校正二值化强度参数映射图。图21是在图18的步骤Slla中执行的数据映射图计算处理的流程图。该处理去 除了图10所示的二值化数据映射图计算处理的步骤S26。即，仅进行将强度值STFT(k)转 换为频谱时序映射图的形式的处理。图22是在图18的步骤S12a中执行的噪声去除处理的流程图。该处理将图13所 示的处理的步骤S44 S46分别变更为步骤S44a S46a。在步骤S44a中，根据下述式(2a)计算校正强度参数JKMAPI。式(2a)的NLMAP (j， i)是通过学习处理而更新的噪声映射图(图19(b))上的噪声参数。JKMAPI (j，i) = KMAP(j, i)-NLMAP(j, i) (2a)在步骤S45a中，判别校正强度参数JKMAPI (j，i)是否是负值，当该答案是否定 (NO)时，立即进到步骤S47。当JKMAPI (j, i) < 0时，将JKMAPI (j, i)设定为“0”(步骤 S46a)，进到步骤S47。通过图22的处理获得图20(a)所示的校正频谱时序映射图。图23是在图18的步骤Sllb中执行的二值化处理的流程图。该处理将图11所示 的二值化处理的步骤S32 S34分别变更为步骤S32a S34a，然后追加用于针对全部映射 图值进行二值化的步骤S41 S43、S47和S48 (进行与图22所示的步骤相同处理的步骤)。在步骤S32a中，判别校正强度参数JKMAPI (j，i)是否大于二值化阈值BLVL，当该答案是肯定(YES)时，将校正二值化强度参数JKMAP(j，i)设定为“1”(步骤S33a)。另一 方面，当在步骤S32a中JKMAPI (j, i) ^ BLVL时，将校正二值化强度参数JKMAP(j，i)设定 为 “0”(步骤 S34a)。通过图23的处理，从图20(a)所示的映射图获得图20(b)所示的校正二值化强度 参数映射图。图24是在图18的步骤SlSa中执行的噪声学习处理的流程图。该处理去除了图 16所示的处理的步骤S74 S78和S82，将步骤S79变更为步骤S79a。在步骤S79a中，进行噪声参数NLMAP (j，i)的更新。具体地说，将在未检测出爆震 时获得的强度参数KMAP(j，i)应用于下述式(31)，更新噪声参数NLMAP(j，i)。右边的噪声 参数NLMAP(j，i)是更新前的映射图值，DSNOISEa是例如被设定为“0.5”的退火系数。 NLMAP (j，i) = NLMAP (j，i) X DSNOSEa+KMAP(j, i) X (I-DSNOSEa) (31)另外，式(31)的退火系数DSNOISEa可以如以下说明那样根据发动机运转状态在 0至1的范围内变更。1)当发动机转速NE急剧上升时(例如当发动机转速的本次值NE(m)与上次值 NE(m-l)之差(NE(m)-NE(m-l))是200rpm以上时)，将退火系数DSNOISEa变更为更小的 值。由此，使强度参数的本次值KMAP(j，i)的权重增加，提高噪声参数NLMAP(j，i)的学习 速度。上述“m”是按图18的处理的执行周期离散化的离散化时刻。2)当进气门的开启正时CAI急剧变化时(例如当开启正时的本次值CAI (m)与上 次值CAI (m-1)之差的绝对值在5度以上时)，将退火系数DSNOISEa变更为更小的值。3)当进气门的升程量LFT急剧变化时(例如当升程量的本次值LFT(m)与上次值 LFT (m-1)之差的绝对值在0. 5mm以上时)，将退火系数DSNOISEa变更为更小的值。根据本实施方式，由于使用二值化前的强度参数KMAP来更新噪声映射图的映射 图值(NLMAP)，因而与第1实施方式相比，获得精度更高的噪声参数NLMAP(j，i)。在本实施方式中，图18的步骤Slla相当于数据存储单元，步骤S12a相当于噪声 校正单元，步骤SlSa相当于噪声分量计算单元，步骤Sllb相当于二值化单元，步骤S13 S17相当于爆震判定单元。[第3实施方式]本实施方式构成为，将从5kHz到25kHz的21个频率分割(分组)为由3个频率 构成的7个频率组Gl G7，将与1个采样定时对应的强度参数KMAP的代表值即组强度参 数GKMAP设定为频率组内的最大值。通过最开始这样来进行分组，成为噪声去除处理、二值 化处理以及适合率计算处理的对象的数据数减少到1/3，可大幅减少运算负荷。另外，除了 以下说明的方面以外，与第2实施方式相同。图25是用于说明分组的图。如图25(a)所示，频率5kHz、6kHz、7kHz对应于频率组 G1，频率8kHz、9kHz、IOkHz对应于频率组G2，频率1 IkHz、12kHz、13kHz对应于频率组G3，频 率14kHz、15kHz、16kHz对应于频率组G4，频率17kHz、18kHz、19kHz对应于频率组G5，频率 20kHz、2IkHz、22kHz对应于频率组G6，频率23kHz、24kHz、25kHz对应于频率组G7。对各采 样定时(曲轴角度)的组内的最大值附上阴影线来示出。通过提取该最大值，获得图25(b) 所示的分组后的频谱时序映射图。
在本实施方式中，使用图25(b)所示的频谱时序映射图来进行爆震判定。将图 25(b)所示的频谱时序映射图的设定值称为“组强度参数GKMAP(n，i)”。“η”是表示频率组 的组指标，在本实施方式中对应于频率组Gl至G7而取“0” “6”的值。图26(a)示出与图25(b)相同的映射图，图26 (b)是通过第2实施方式所示的 学习处理获得的噪声映射图。将图26(b)所示的噪声映射图的设定值称为“组噪声参数 GNLMAP(n, i) ”。通过从组强度参数GKMAP (n, i)减去组噪声参数GNLMAP (n, i)，计算出组校正强度 参数GJKMAPI (n, i)。图26 (c)示出设定了组校正强度参数GJKMAPI (n, i)的频谱时序映射 图。然后通过对组校正强度参数GJKMAPI (n，j)进行二值化，计算出二值化组校正强 度参数GJKMAP(n，j)。图26(d)示出设定了二值化组校正强度参数GJKMAP(n，i)的频谱时 序映射图。并且主模式映射图例如由图26(e)给出。可与上述实施方式一样来进行与根据二值化组校正强度参数GJKMAP和图26(e) 所示的主模式映射图计算出的适合率PFIT对应的爆震判定。图27是本实施方式中的爆震判定处理的流程图。向图18所示的处理追加进行分 组处理的步骤S100，将步骤S12a、Sllb, S13 S17、S18a分别变更为步骤SlOl S108。步骤SlOl S103和S108的处理与对应的图18的步骤的处理的不同点仅是，成 为处理对象的映射图的行数不是21行而是7行，因而省略详细说明。图28是在图27的步骤SlOO中执行的分组处理的流程图。在步骤Slll中，将曲轴角度指标i、频率指标j以及组指标η全部初始化为“0”。 在步骤S112中，判别频率指标j是否大于从频率数据数JN减去“1”后的值。由于最开始 该答案是否定(NO)，因而进到步骤S113，判别曲轴角度指标i是否大于从曲轴角度数据数 IN减去“1”后的值。由于最开始步骤Sl 13的答案也是否定(NO)，因而进到步骤Sl 14，将参数a、b、c 分别设定为在频率方向连续的强度参数KMAP(j，i)、KMAP(j+l，i)、KMAP(j+2，i)。在步骤 Sl 15中，将组强度参数GKMAP (n，i)设定为参数a、b、c的最大值。在步骤S116中，使曲轴角度指标i增加“1”，回到步骤S113。在步骤S113的答案 是否定(NO)的期间，重复执行步骤S114 S116，当曲轴角度指标i超过(IN-I)时，进到 步骤S117，使曲轴角度指标i恢复为“0”，并使频率指标j增加“3”，回到步骤S112。在步 骤S112的答案是否定(NO)的期间，重复执行步骤S113 S117，当频率指标j超过(JN-I) 时，结束本处理。通过图28的处理，获得设定了组强度参数GKMAP(n，i)的频谱时序映射图(图 25(b))。根据本实施方式，由于以组强度参数GKMAP为对象进行噪声去除处理、二值化处 理以及适合率计算处理，因而成为处理对象的数据数减少，可减少运算负荷。在本实施方式中，图28的处理相当于频率组时序数据生成单元，图27的步骤S108 相当于组噪声分量计算单元，步骤SlOl相当于组噪声校正单元。另外，本发明不限于上述的实施方式，能进行各种变形。例如，爆震传感器输出的 采样周期和进行频率分量分析的曲轴角度间隔不限于上述的采样周期和曲轴角度间隔(20微秒，6度)，能在可达到本发明目的的范围内进行变更。并且，二值化频谱时序映射图(在 上述实施方式中由21行X 15列的矩阵构成)也同样能变更。并且在上述的第1实施方式中，将校正二值化强度参数JKMAP(j，i)和主参数 MMAP(j, i)乘以加权参数WMAP(j，i)，计算出适合率PFIT，然而也可以不乘以加权参数 WMAP(j, i)，即不进行加权来计算。并且在上述的实施方式中，根据发动机转速NE和进气压力PBA计算或选择判定阈 值SLVL、二值化阈值BLVL、主模式映射图以及加权映射图，然而可以固定为预先设定的值 或1个映射图。并且，适合率PFIT也可以通过图29所示的处理来计算。在图29所示的处理中， 将图 14 的步骤 S53、S56、S57、S60 变更为步骤 S53a、S56a、S57a、S57b 以及 S60a。在步骤S53a中，将曲轴角度指标i和频率指标j初始化，并将强度累计值SUMKa 和基准累计值SUMMa初始化为“0”。在步骤S56a中，判别校正二值化强度参数JKMAP(j，i)是否等于对应的主参 数MMAP(j，i)，当其答案是肯定(YES)时，根据下述式(11)更新强度累计值SUMKa(步骤 S57a)οSUMKa = SUMKa+WMAP(j, i) (11)当在步骤S56a中JKMAP (j，i)不等于对应的主参数MMAP (j，i)时，立即进到步骤 S57b。在步骤S57b中，根据下述式(12)更新基准累计值SUMMa。SUMMa = SUMMa+WMAP(j, i) (12)在步骤S60a中，将强度累计值SUMKa和基准累计值SUMMa应用于下述式(13)，计 算适合率PFIT。PFIT = SUMKa/SUMMa (13)校正二值化强度参数JKMAP (j，i)和主参数MMAP(j，i)的类似性(相关性)越高， 通过图29的处理计算出的适合率PFIT也就成为越大的值，适合率PFIT可用作表示类似性 (相关性)的参数。并且在上述的实施方式中，作为表示校正二值化强度参数JKMAP(j，i)和主参数 MMAP(j,i)的类似性(相关性)的参数，使用了适合率PFIT，然而也可以使用例如根据下述 式(21)计算出的校正二值化强度参数JKMAP(j，i)和主参数MMAP(j，i)之差的绝对值的合 计即差值累计值SUMDIF。[算式1] 差值累计值SUMDIF的值越小则表示类似性(相关性)越高，因而当差值累计值 SUMDIF小于差值判定阈值SDLVL时，判定为发生爆震。并且在上述的第3实施方式中，通过利用组噪声参数GNLMAP来校正组强度参数 GKMAP,来计算组校正强度参数GJKMAPI，通过对组校正强度参数GJKMAPI进行二值化，计算 二值化组校正强度参数GJKMAP，然而也可以与第1实施方式一样，对组强度参数GKMAP进行 二值化来计算二值化组强度参数GNKMAP，利用二值化组噪声参数NNMAP来校正二值化组强度参数GNKMAP，从而计算二值化组校正强度参数GJKMAP。并且在上述的实施方式中，时常进行爆震判定，然而也可以判定有无不易发生爆 震的气缸，在有这样的气缸(以下称为“气缸CYLXK”)的情况下，不进行气缸CYLXK的爆发 冲程中的爆震判定处理。由此，可减少爆震判定处理的运算负荷。气缸CYLXK的选择例如按以下进行。在发动机转速NE较低的运转状态下，针对全 部气缸执行爆震判定，此时针对每个气缸计算点火正时的滞后角校正值IGKN0CK。然后，将 滞后角校正值IGKN0CK的最小值小于预定阈值的气缸选择为气缸CYLXK。然后，在发动机转 速NE高于预定转速的高转速区域中，停止与气缸CYLXK对应的爆震判定处理。点火正时的 滞后角校正值IGKN0CK是这样计算的，即当检测出爆震时，使IGKN0CK增加第1预定量，当 未检测出爆震时，使IGKN0CK按各点火正时递减(该计算方法在例如日本特开2004-353473 号公报中示出)。并且，本发明还能应用于将曲轴设定为垂直方向的舷外发动机等那样的船舶推进 机用发动机等的爆震检测。
18
权利要求
一种内燃机的爆震检测装置，其具有爆震判定单元，该爆震判定单元根据安装在内燃机上的爆震传感器的输出信号来判定爆震，所述爆震检测装置具有频率分量分析单元，其以预定的曲轴角度间隔进行所述爆震传感器的输出信号的频率分量分析；数据存储单元，其将通过所述频率分量分析获得的多个频率分量的强度作为时序数据来存储；以及二值化单元，其对所述频率分量强度的时序数据进行二值化，所述爆震判定单元根据二值化后的时序数据判定是否发生爆震。
2.根据权利要求1所述的爆震检测装置，其中，所述爆震判定单元通过将与发生爆震 的状态对应的主模式数据和所述二值化后的时序数据进行比较，来进行所述爆震判定。
3.根据权利要求2所述的爆震检测装置，其中，所述爆震判定单元具有噪声分量计算单元，其根据所述二值化后的时序数据计算噪声分量的时序数据；以及 噪声校正单元，其利用所述噪声分量的时序数据来校正所述二值化后的时序数据， 所述爆震判定单元根据校正后的时序数据进行所述爆震判定。
4.根据权利要求2所述的爆震检测装置，其中，所述爆震检测装置具有噪声分量计算单元，其根据所述频率分量强度的时序数据计算噪声分量的时序数据；以及噪声校正单元，其利用所述噪声分量的时序数据来校正所述频率分量强度的时序数据，所述二值化单元对校正后的时序数据进行二值化。
5.根据权利要求2至4中的任一项所述的爆震检测装置，其中，所述爆震判定单元具有 加权单元，该加权单元针对所述二值化后的时序数据和所述主模式数据，进行与频率对应 的加权，所述爆震判定单元使用加权后的时序数据和主模式数据来进行所述爆震判定。
6.根据权利要求2至5中的任一项所述的爆震检测装置，其中，所述爆震判定单元计算 所述主模式数据和所述二值化后的时序数据的适合率，当所述适合率超过判定阈值时，判 定为发生爆震。
7.根据权利要求2至6中的任一项所述的爆震检测装置，其中，所述主模式数据是根据 所述内燃机的运转状态而设定的。
8.根据权利要求1或2所述的爆震检测装置，其中，所述爆震检测装置具有频率组时 序数据生成单元，该频率组时序数据生成单元通过针对每个由多个频率构成的频率组选择 1个采样定时的最大强度，来生成频率组时序数据，所述二值化单元对所述频率组时序数据进行二值化。
9.根据权利要求8所述的爆震检测装置，其中，所述爆震检测装置具有组噪声分量计算单元，其根据所述频率组时序数据计算与所述频率组对应的组噪声分 量的时序数据；以及组噪声校正单元，其利用所述组噪声分量的时序数据来校正所述频率组时序数据， 所述二值化单元对校正后的频率组时序数据进行二值化。
10.一种内燃机的爆震检测方法，该爆震检测方法根据安装在内燃机上的爆震传感器的输出信号来判定爆震，所述爆震检测方法由下述步骤构成a)以预定的曲轴角度间隔进行所述爆震传感器的输出信号的频率分量分析；b)将通过所述频率分量分析获得的多个频率分量的强度作为时序数据来存储；c)对所述频率分量强度的时序数据进行二值化；以及d)根据二值化后的时序数据判定是否发生爆震。
11.根据权利要求10所述的爆震检测方法，其中，在所述步骤d)中，通过将与发生爆震 的状态对应的主模式数据和所述二值化后的时序数据进行比较，来进行所述爆震判定。
12.根据权利要求11所述的爆震检测方法，其中，所述步骤d)包含以下步骤e)根据所述二值化后的时序数据计算噪声分量的时序数据；f)利用所述噪声分量的时序数据来校正所述二值化后的时序数据；以及g)根据校正后的时序数据进行所述爆震判定。
13.根据权利要求11所述的爆震检测方法，其中，所述爆震检测方法还具有以下步骤 e’ )根据所述频率分量强度的时序数据计算噪声分量的时序数据；以及f’ )利用所述噪声分量的时序数据来校正所述频率分量强度的时序数据， 在所述步骤c)中，对校正后的时序数据进行二值化。
14.根据权利要求11至13中的任一项所述的爆震检测方法，其中，所述步骤d)包含步 骤h)针对所述二值化后的时序数据和所述主模式数据，进行与频率对应的加权，使用加权后的时序数据和主模式数据来进行所述爆震判定。
15.根据权利要求11至14中的任一项所述的爆震检测方法，其中，所述步骤d)包含步 骤i)计算所述主模式数据与所述二值化后的时序数据的适合率，当所述适合率超过判定阈值时，判定为发生爆震。
16.根据权利要求11至15中的任一项所述的爆震检测方法，其中，所述主模式数据是 根据所述内燃机的运转状态而设定的。
17.根据权利要求10或11所述的内燃机的爆震检测方法，其中，所述爆震检测方法还 具有步骤j)通过针对每个由多个频率构成的频率组选择1个采样定时的最大强度，来生成 频率组时序数据，在所述步骤c)中，对所述频率组时序数据进行二值化。
18.根据权利要求17所述的爆震检测方法，其中，所述爆震检测方法还具有步骤k)根据所述频率组时序数据计算与所述频率组对应的组噪声分量的时序数据；以及步骤1)利用所述组噪声分量的时序数据来校正所述频率组时序数据， 在所述步骤c)中，对校正后的频率组时序数据进行二值化。
全文摘要
本发明提供一种内燃机的爆震检测装置，该爆震检测装置可根据爆震传感器的输出信号的频率分量，更准确地进行爆震判定。以预定的曲轴角度间隔进行爆震传感器输出信号的频率分量分析，将通过频率分量分析获得的多个频率分量的强度作为时序数据来存储。对频率分量强度的时序数据进行二值化，根据二值化后的时序数据判定是否发生爆震。
文档编号F02D45/00GK101910596SQ20098010196
公开日2010年12月8日 申请日期2009年3月9日 优先权日2008年3月18日
发明者义煎将之, 仓内淳史, 北村夏子, 小松弘崇, 广田和彦, 明本禧洙, 高木治郎 申请人:本田技研工业株式会社