借助爆震估计部来控制强制点火式内燃机的方法与流程

本发明涉及强制点火式内燃机的燃烧控制的领域，目的是减少发动机爆震的现象。

背景技术：

此种类型的发动机包括至少一个气缸，该至少一个气缸包括燃烧室，该燃烧室由气缸的内侧壁、在该气缸中滑动的活塞的冠部以及气缸盖所界定。通常，掺碳混合物被封闭在该燃烧室中并且经历压缩阶段，然后在火花塞的强制点火作用下经历燃烧阶段，这些阶段在之后的描述中归类为术语“燃烧阶段”。

在火花点火式发动机中，空气/汽油混合物的燃烧通常在火花之后开始。火焰前锋传播，并且其爆炸将混合物的一部分推抵于气缸壁和活塞冠部。压力和温度的升高有时足够大，以使得捕获于壁的未燃烧混合物达到其自燃点并且在一个或多个位置中自发地点燃。此种现象称为“爆震”。因此，爆震首先是强制点火式发动机中的异常燃烧现象，此种现象可以通过来自发动机的金属噪声而在外部感知，该金属噪声由压力波在燃烧室中的进展而产生。

这些寄生爆炸在声学区域(声畴)和以外区域中产生振动(具有5至50khz的量级)。它们非常强烈，并且很快就会导致局部过热。爆震的形成会损坏活塞和/或气缸壁以及活塞环的金属。在一段时间之后(根据强度)，这会导致活塞、活塞环或气缸壁的破坏。

爆震的估计允许控制燃烧、限制爆震的影响并且避免损坏气缸。

已知用于估计内燃机的爆震的方法。这些方法通常基于记录源自气缸压力传感器或加速度计的信号。第一种方法包括离线、即在后续处理中对这些信号应用傅立叶变换技术，以便估计爆震。此种方法在以下文献中进行了描述：

“applicationofthereallocatedsmoothedpseudowigner-villedistributiontoknockdetection”,olivierboubalandjacquesoksman,traitementdusignalvolume15,1998(1998年的信号处理第15卷中由olivierboubal和jacquesoksman发表的“重分配平滑伪wigner-ville分布在爆震检测中的应用”)。

“knockmeasurementforfuelevaluationinsparkignitionengines”,c.hudson,x.gao,r.stone,fuelvolume80(2001)(2001年的燃料的第80卷中由c.hudson、x.gao、r.stone发表的“用于火花点火式发动机的燃料估计的爆震测量”)。

第二种方法包括将滤波技术应用于信号并且检测最大值，以离线地估计爆震。此种方法在以下文献中进行了描述：

“modelingofin-cylinderpressureoscillationsunderknockingconditions:introductiontopressureenvelopecurve”,g.brecqando.lecorre,sae2005(2005年的sae中的由g.brecq和o.lecorre发表的“爆震条件下缸内压力振荡的建模：压力包络曲线的介绍”)。

还已知另一种方法，该方法也基于记录源自气缸压力传感器的信号。这次，将小波技术应用于信号，以便离线地估计爆震。此种方法在以下文献中进行了描述：

“knockingdetectionusingwaveletinstantaneouscorrelationmethod”,z.zhangande.tomita,journalofsaereviewvolume23(2002)(2002年的sae评论期刊的第23卷中由z.zhang和e.tomita发表的“使用小波瞬时相关方法进行爆震检测”)。

然而，这些方法并不允许实时地估计爆震强度(通常，计算必须在不到50μs的时间内完成，以便加载到计算机上)。

从申请fr2949511中已知一种基于振动信号的用于实时地估计爆震强度的方法。根据该方法，实时地确定该信号的傅立叶分解系数，并且通过对这些傅立叶分解系数的平方求和来推导出包含在该信号中的能量。最后，通过确定与能量最大值的平方根相等的爆震强度相关参数来估计爆震强度。

还已设想的是，使用其他传感器，例如使用电离探针。

关于爆震测量，通常获得标量数，该标量数反映在一个循环期间发生的现象的强度。无论何种类型的指标均称为爆震指标(ki)。与任何测量噪声无关的相继的ki测量值的变化性相对于这些测量值的平均值在发动机状态演变的时间尺度特性上随着时间的变化是显著的。ki测量值而非个别考虑的测量值的分布包含这样的数据，该数据给出关于发动机经历爆震循环的趋势的信息。可设想使用ki值的平均值。然而，单单通过平均值来表征这种分布不足以预测能够损坏发动机的高ki的发生。事实上，经验表明，测量值的散布与其平均值无关。正确地控制目标上的平均ki的控制器并不控制高分布值的发生概率，这不允许可靠地控制爆震。

技术实现要素：

为了克服这些缺点，本发明涉及一种控制强制点火式内燃机的方法，其中，点火提前量借助估计ki爆震测量值的分布来控制。针对这些测量值，此种估计可确定ki分布的预定分位数的置信区间。因此，可实时地控制内燃机，以确保一定比例的周期被认为处于风险中，同时具有有限数量的测量值。此外，估计(较佳地是贝叶斯)允许执行轻松计算(简单标量操作)，这需要较短的计算时间，较少量的存储(空间)和更少的硬件资源。此外，根据本发明的方法通过精细地控制爆震水平来使得发动机的平均能量效率最大化。

本发明涉及一种控制强制点火式内燃机的方法，所述内燃机包括设置在所述内燃机上的爆震传感器。所述方法包括以下阶段：

a)借助所述爆震传感器执行n个爆震测量；

b)构建所述n个测量值的分布的估计部，所述估计部借助所述n个测量值确定预定分位数的置信区间；

c)根据与所述置信区间的比较来控制所述内燃机内的点火：

i)如果所述爆震阈值小于所述预定分位数的所述置信区间的最小值，则减小点火提前量；

ii)如果所述爆震阈值大于所述预定分位数的所述置信区间的最大值，则增大点火提前量；以及

iii)如果所述爆震阈值包括在所述置信区间内，则不改变点火提前量。

根据一实施例，所述估计部是贝叶斯估计部。

根据一实施例，所述分布是可通过数学方法与正态分布相关的分布，较佳地是，所述分布是对数正态分布。

根据一方面，所述估计部还确定针对所述预定分位数的预期值q。

有利地是，点火提前量与针对所述预定分位数的所述预期值与所述爆震阈值之间的差值成比例地减小或增大。

根据一实施方式，n在5至20之间，较佳地在7至15之间。

根据一实施例，所述置信区间包含恰好98％的实际分位数的值。

有利地，所述爆震传感器是设置在所述内燃机的气缸盖上的加速度计。

较佳地，所述爆震测量值是所述加速度计的经过滤信号的最大幅值。

根据本发明的一实施例，所述爆震阈值在发动机校准阶段期间通过发动机台架测试而获得。

根据一方面，所述分布的所述预定分位数大于或等于80％。

此外，本发明涉及一种用于强制点火式内燃机的控制系统，该控制系统包括用于实施根据前述特征之一的方法的装置。

本发明还涉及一种计算机程序产品，该计算机程序产品能从通信网络下载和/或记录在计算机可读介质上和/或由处理器执行，且包括程序代码指令，用以在所述程序于计算机上执行时实施根据前述特征之一的方法。

附图说明

根据本发明的方法的其他特征和优点将通过审阅下面对实施例的描述并且参照下面描述的附图而变得显而易见，这些实施例绝不是限制性的。

图1示出根据本发明一实施例的方法的各阶段。

图2示出爆震测量值的分布。

图3至5示出根据如下三个示例情形的比较阶段：阈值在置信区间内，阈值大于置信区间，以及阈值小于置信区间。

图6a和6b分别表示利用根据本发明的实施例的控制方法在稳态操作中获得的其置信区间的估计所包围的点火提前量和爆震测量值。

图7a和7b分别表示利用根据现有技术的控制方法在稳态操作中获得的点火提前量和爆震测量值。

具体实施方式

根据本发明的方法涉及一种通过考虑发动机爆震现象来控制内燃机的燃烧的方法。该方法包括将通过估计部获得的值(针对预定分位数和置信区间的预期值)与爆震阈值相比较，以直接地分类燃烧和爆震的可能表现，随机值基于对源自爆震传感器的信号的处理来确定，且该信号具有物理意义。该方法与燃烧性质、所使用的传感器的技术以及ki指标无关。

此种类型的发动机包括至少一个气缸，该至少一个气缸包括燃烧室，该燃烧室由气缸的内侧壁、在该气缸中滑动的活塞的冠部以及气缸盖所界定。通常，掺碳混合物被封闭在该燃烧室中并且经历压缩阶段，然后在至少由火花塞的强制点火作用下经历燃烧阶段。

用于根据本发明的控制方法的爆震传感器可具有任何类型，例如是加速度计或压力传感器。

根据本发明的一实施例，爆震传感器是设置在内燃机的气缸盖上的加速度计。

根据本发明的方法包括以下阶段：

1)爆震测量

2)估计部的构建

3)与阈值相比较

4)控制内燃机内的点火

图1示意地并且非限制性地示出根据本发明一实施例的方法的各阶段。该方法包括：借助爆震传感器执行n次测量(nmeas)的阶段；构建估计部(est)的阶段，该估计部(可选地)确定预定分位数的预期值q和置信区间int；与阈值值θ相比较的阶段(comp)；以及实时控制的阶段(con)。可选地是，并且如图1中所示，该方法还可包括确定针对预定分位数的预期值q与阈值θ之间的差值(dif)的阶段，该差值能够在控制阶段(con)得以考虑。

下文将参照图1来描述根据本发明的方法的不同阶段。

1)爆震测量(nmeas)

在该阶段中，n次爆震测量借助爆震传感器来执行。每次测量是针对一个燃烧循环执行的测量。这些测量值能记录在内部存储器中。于是，针对每个循环，已知针对当前循环之前的n个循环的测量值。

对于爆震传感器是加速度计的本发明实施例，该测量值可包括加速度计的经过滤信号的最大幅值。该值反映爆震强度(ki)。

根据本发明的一实施例，数n大于或等于5，较佳地在5至20之间，并且较佳地在7至15之间。事实上，至少5个值可构建代表性估计部。此外，20个测量值的限制可形成反应式估计部，并且允许用于根据本发明方法的随机访问存储器受到限制。然而，针对并不需要反应式估计部的应用，可采用最大可能的数n。

2)估计部(est)的构建

对估计部的构建确定了针对借助在之前阶段中获得的n个测量值所预先确定的分位数的预期值周围的置信区间int。估计置信区间使得获得稳健控制成为可能。此外，估计部还可确定针对分位数的预定预期值。

针对该阶段，认为测量值遵循随机分布定律。较佳地，该随机定律是可通过数学方法与正态分布相关的分布，较佳地，所述分布是对数正态分布。

对于此种构建，认为爆震测量值遵循对数正态分布。这是文献中的标准假设。此种考虑在以下文献中进行了描述：“spelina,j.m.、peytonjones,j.c.以及frey,j.的characterizationofknockintensitydistributions(爆震强度分布的表征)：部分2：参数模型；机械工程师学会论文集，部分d；汽车工程杂志，sage出版社sageuk：英国伦敦，2013，227，1650-1660”。

事实上，此种分布是尤为合适的，因为爆震是一种指数现象，其分布基本上对应于对数标度上的正态分布。此种分布通过两个以下参数来确定：平均值和标准偏差。采用这些值，可计算该分布的任何分位数。

根据本发明的一方面，预定分位数对应于至少80％。此种高分位数是爆震状态的良好指标，而有害循环对应于高ki值。较佳地，预定分位数可以是80％、95％、99％或99.7％。

此种估计能利用有限数量的测量值来快速地执行，这允许在有限的存储器需求下进行实时地控制。此外，此种估计部有助于为根据本发明的方法提供稳定性，而与测量值的数量无关。

根据本发明的一实施例，该估计部是贝叶斯估计部。此种估计部可利用有限数量的测量值来反应性地确定用于分位数的估计的置信区间。

根据本发明的一实施例，该置信区间包含恰好98％情形中的实际分位数的值。换言之，实际分位数的值在1％的情形中小于置信区间并且在1％的情形中大于置信区间。

在本申请的附件中(在说明书结尾处)非限制性地给出置信区间的贝叶斯估计的示例。

3)与阈值相比较(comp)

在该阶段期间，在之前阶段中确定的预期值和置信区间与爆震阈值相比较。换言之，验证爆震阈值是否在置信区间内。

爆震阈值可在发动机的校准阶段期间通过发动机台架测试来获得。

图2至5示意地并且非限制性地示出该阶段。

图2示出爆震传感器的ki信号强度的概率密度。这是对数正态分布的类型。在该附图中还示出爆震阈值θ。阴影区域表示存在爆震的区域。

图3示出图2的概率密度，其中表示出预期值q以及由最小值q最小和最大值q最大界定的置信区间。借助n个测量值针对预定分位数(例如95％)获得预期值和置信区间。对于该示例，爆震阈值θ在由贝叶斯估计部所确定的置信区间内。此种构造代表1％的示例情形。

图4示出图2的概率密度，其中表示出预期值q以及由最小值q最小和最大值q最大界定的置信区间。借助n个测量值针对预定分位数(例如95％)获得预期值和置信区间。对于该示例，爆震阈值θ大于由贝叶斯估计部所确定的置信区间。此种构造代表98％的示例情形。

图5示出的概率密度，其中图2表示出预期值q以及由最小值q最小和最大值q最大界定的置信区间。借助n个测量值针对预定分位数(例如95％)获得预期值和置信区间。对于该示例，爆震阈值θ小于由贝叶斯估计部所确定的置信区间。此种构造代表1％的示例情形。

3’)求差(dif)

这是根据本发明方法的可选阶段。

在该阶段期间，确定在之前阶段中确定的预定分位数的预期值q与爆震阈值θ之间的差值。

确定该差值允许其在控制中得以考虑，以产生适合于爆震强度的控制。

4)发动机内的点火控制(con)

在该阶段期间，通过考虑阶段3)中执行的比较，根据爆震来控制内燃机的气缸中的点火提前量。根据本发明，控制以下循环的点火提前量。换言之，利用来自循环n之前的n个循环(即，循环n-n、n-n+1、...、n-2、n-1)的测量值来控制循环n的点火提前量。

应提及的是，点火提前量是经由曲柄角度来确定燃烧开始处角度的可控自由度。这是降低发动机爆震趋势的瞬时动作致动器(立即应用于下个循环)。

该控制如下执行：

i)如果爆震阈值小于预定分位数的预期值周围的置信区间的最小值，则减小点火提前量(图5的情形)；

ii)如果爆震阈值大于预定分位数的预期值周围的置信区间的最大值，则增大点火提前量(图4的情形)；以及

iii)否则，(如果所述爆震阈值包括在所述置信区间(q最小,q最大)内)，则点火提前量并不改变(图3的情形)，换言之，维持之前循环的点火提前量。

因此，根据本发明的方法仅仅允许采取相关的纠正措施：只有在确定分位数在置信区间之外时(例如，99％，如果置信区间表示98％的分布实现)才改变点火控制。于是，点火提前量控制更为稳定，因为在稳态操作中，仅仅大致在五十个循环中的一个循环上施加改变。在短时间内减小控制的分散和发动机状态的变化涉及返回更稳定的ki测量值分布、更好地估计其参数、以及由此可能达到接近爆震极限，以获得更好的效率且同时限制爆震循环的数量。

根据本发明的一实施例，此种控制还可考虑在阶段3’)中建立的差值。为此，点火提前量的增大或减小(在下文描述的情况i)和ii)中)可与在之前阶段中确定的预定分位数的预期值q与爆震阈值θ之间的差值成比例。因此，该控制适合于爆震强度。

此外，本发明涉及一种用于强制点火式内燃机的控制系统，该控制系统包括用于实施根据方法变型的前述组合中的任何一个的方法的装置。

具体地说，该控制系统可包括：

爆震传感器；

用于处理来自爆震传感器的信号的装置；

存储器，该存储器用于记录n个测量值(n个之前燃烧循环的爆震信号)；

计算装置，该计算装置用于构建贝叶斯估计部并且用于执行比较；以及

用于控制点火提前量的装置。

信号处理装置、存储器、计算装置以及控制装置能包含到车辆的车载计算机中。

本发明还涉及装配有此种控制系统的内燃机。

本发明还涉及一种计算机程序产品，该计算机程序产品能从通信网络下载和/或记录在计算机可读介质(车载计算机)上和/或可由处理器执行。此种程序包括程序代码指令，用以在程序于计算机上执行时实施上文描述的方法。

比较例

在阅读了下文的比较例的情形下，根据本发明方法的特征和优点会变得更为显而易见。

该比较例基于1.2l直喷式三缸强制点火式内燃机。该比较例涉及内燃机在1750rpm下的稳态操作。

应提及的是，爆震是随机现象。于是，即使在相同的条件下，每个测试也都是独特的。

为了获得与实际使用条件相对应的爆震强度，使用所有之前的循环来针对每个操作点确定爆震强度的实验分布。

在比较例的框架内，将根据本发明的方法与根据现有技术的方法进行比较，为此，点火提前量在每个发动机循环处增大一个小数值，而如果测得的爆震值超过预定阈值，则点火提前量显著地减小。通常，该小数值是0.01℃a(曲柄角度)，而显著减小对应于3℃a(曲柄角度)。此种策略确保对于所有爆震循环的快速反应时间，同时保留99.7％的循环所具有的爆震强度小于阈值。

针对根据本发明的方法，使用n＝10，且分位数预定为95％。

图6a和6b示出通过根据本发明的方法所获得的结果。图6a示出根据时间t(s)的以℃a(曲柄角度)计的点火提前量a，而图6b示出在相同时间段上的ki值。在图6b中，阈值θ由水平直线表示，每个循环ki由点表示，且与每个点相关联的置信区间int由垂直直线区段所表示。按预期，采用根据本发明的方法，仅仅当阈值在置信区间以外时才改变点火提前量。应注意的是，在图6a中，控制是极为稳定的(在点火提前量方面有小量变化)。

图7a和7b示出通过根据现有技术的方法所获得的结果。图7a示出根据时间t(s)的以℃a(曲柄角度)计的点火提前量a，而图7b示出在相同时间段上的ki值。在图7b中，阈值thresh由水平直线表示，每个循环ki由点表示。应注意的是，在图7a中，控制并非十分稳定，在点火提前量中有些许变化，具体地说，提前量突然减小且缓慢返回爆震区域。

然后，在燃料消耗方面比较这些方法。此种比较的结果表明，根据本发明的方法允许相对于根据现有技术的方法节省1.1％的消耗。

对其他稳态执行了相同的测试。对于每个测试，根据本发明的方法均允许相对于根据现有技术的方法节省消耗，此种节省在0.6和2.2％之间。

因此，根据本发明的方法可限制爆震，同时仍减小内燃机的消耗。

附录

分位数的置信区间的贝叶斯估计。

出于简单起见，本附录涉及正态分布的贝叶斯估计。该贝叶斯估计可以适用于能够与正态分布相关的任何分布，具体地是对数正态分布。

i、论证

假设可得到所研究的物理现象的n个测量值，无法忽视这些测量值的随机特性。进一步接受的是，这些测量值是无关的并且是正态分布的。于是可得到n个实现，标为x1、…、xn。将q作为该分布的刚好95％分位数。相对于所观测的测量值x1、…、xn，贝叶斯公式可表述q值的分布。自然，当n→∞时，能毫无不确定性地估计q。然而，当n＜∞(例如，n＝10)时，不再能够确定地估计q。

另一方面，贝叶斯公式可限定这样一个区间，该区间针对源自该同一分布的n个实现x1、…、xn的可能的n元组的98％有效地框定q。

ii、估计平均值的置信区间

首先，该方法呈现出包括确定分布的平均值μ(而不是其95％分位数q)，同时假设分布的已知方差σ²。为此，引入以下贝叶斯公式：

其中，π是概率，而∣是条件算子。

·归一化因子并不取决于μ而是作为常数。

·先验定律反映了可在μ的分布上获得的先验知识(与随后的观察结果无关)。为了避免插入有偏见的信息(在这种情况下被视为偏见)，使用非信息性信息π(μ)∝1。

·假设实现(x1、...、xn)在条件上是无关的(在μ的知识中)，可以将可能性分解为：

所有分布因子的后验公式是已知的。执行计算如下：

这只是以xks的平均值和标准偏差为中心的正态规律。然后直接获得μ的置信区间，即：

平均值±常数×标准偏差。

iii、分位数的置信区间的估计

实验数据一方面不允许假设σ＝常数，另一方面不允许假设函数μ的σ。因此，需要对参数对(μ；σ)进行并行估计。该方法包括通过对平均值的简单估计的3个主要差值：

·必须仔细地选择对(μ；σ)的先验分布，以在估计期间保持无信息且不产生不合理的偏差。先验π(μ)∝1具有极为自然的形式。另一方面，在不仅估计μ而且估计(μ；σ)的多维情形中，“非信息”概念的定义(没有偏见)呈现出更高阶的难度。使用相互信息的概念来最大化信息的熵。

·后验分布包括4个参数，需要相适应的重整化阶段来显著地减小所需的计算要求(避免所有的积分计算)。

·必须处理(μ；σ)的后验分布，以便获得95％分位数q的后验分布。q的后验分布不允许简单的分析形式(无需积分)，并且可以通过将计算分为两个阶段来执行：q分布的不变量的昂贵离线计算以及每个循环处的适度在线计算。