500。误差限制器500输出被限制了的误差APeak’lim。因为描摹和补偿线性模型300的误差Λ Peak’的非线性模型400能够对具有难以置信的输出的未知数据作出反应(这在使用于量产车辆中时会导致具有错误行为的燃烧分析)，非线性模型400的影响被限制于线性模型300的结果。
[0057]该被限制的误差APeak’ lim从在线性模型300中算出的参考变量Peak’ lin(算出的峰压)中去除。该差构成结果匹配600的输入变量，该结果匹配输出非正常燃烧的被计算的识别变量Peak’,esult。在图4和5中示出在内燃机I的两个不同的转速下线性模型300的输出和在通过非线性模型400修正误差后的输出。图4表示在1400转/分的转速下的线性模型300 (图4A)和通过非线性模型400进行的修正(图4B)，而在内燃机I满载的3000转/分的转速下图5A表示线性模型300并且图5B表示在通过非线性模型400修正之后的输出。在这些关系曲线图中，测量的事件值在横坐标上表示而被计算的事件值在纵坐标上表示用于探测爆震的燃烧。各线性模型300与对应的、修正的非线性模型400的比较示出，各个被计算的、修正后的峰压值Peak’近似相应于由当前观察到的数据形成的最佳拟合直线G。这可非常明显地例如在图5中的点P处被识别到，在此，通过修正所述点P非常靠近由线性模型300确定的直线G。
【主权项】
1.用于通过回归计算物理参考变量来评估机动车内燃机的非正常燃烧的方法，在该方法中，由被测量的传感器信号(KS)计算所述非正常燃烧的识别变量(Peak’Msult)，其特征在于，为了回归计算所述识别变量(Peak’_ult)而使用分级式系统，在该系统中由所述传感器信号(KS)计算至少一个参考变量(Peak’lin，APeak’，Δ Peak’lim)，所述至少一个参考变量相应于所述传感器信号(KS)的被测量的参考变量(Peak)。
2.根据权利要求1所述的方法，其特征在于，所述分级式系统在时间上前后相继地被执行，其中，首先 -实施第一步骤信号准备(100)，其用于由所述被测量的传感器信号(KS)提供至少一个识别特征(F)，随后， -第二步骤特征适配(200)建立所述内燃机的典型的燃烧特性，随后， -实施第三步骤线性模型(300)，其用于回归计算所述物理参考变量，随后， -执行第四步骤非线性模型(400)，其用于回归计算所述线性模型(300)的误差(APeak’)，随后， -执行第五步骤，其用于补偿所述线性模型(300)的所述误差(APeak’ lim)用以限制非线性模型(400)的影响，并且之后 -实施第六步骤结果适配(500)，其用于修正模型偏差。
3.根据权利要求2所述的方法，其特征在于，在所述第二步骤特征适配(200)中，所述内燃机的典型的燃烧特性(Fnk)从待评估的燃烧的所述至少一个识别特征(F)中被减去或者被它除。
4.根据权利要求2或3所述的方法，其特征在于，在所述第三级线性模型(300)中由与所述内燃机的所述典型的燃烧特性(Fnk)不同的识别特征(Fa)通过所述回归计算来确定被计算的参考变量(Peak’ lin)。
5.根据上述权利要求中的至少一项所述的方法，其特征在于，在先于所述传感器信号(KS)的所述测量进行的应用过程中确定用于计算待计算的参考变量(Peak’lin，APeak’，APeak’ lim)的条件，其中，尤其，基于所述内燃机(I)的所述被测量的参考变量(Peak)来确定各个级(100，200，300，400，600)的识别特征(F，Fnk, Fa)。
6.根据权利要求5所述的方法，其特征在于，为确定所述内燃机的所述典型的燃烧特性，将所述被测量的参考变量(Peak)与一极限值相比较，由此在低于该极限值的情况下所述被测量的参考变量(Peak)相应于正常燃烧并且被接收到所述内燃机的所述典型的燃烧特性中。
7.根据权利要求6所述的方法，其特征在于，所述线性模型(300)通过所述非正常燃烧的所述识别特征(Fa)的统计的主分量分析来确定，所述识别特征存放在特性曲线场中，其中，由被识别特征(Fa)展开的、与运行点有关的特性曲线场中计算被计算的参考变量(Peak，lin)。
8.根据权利要求5，6或7所述的方法，其特征在于，针对由所述主分量分析所计算的参考变量(Peak’ lin)来确定所述线性模型(300)的所述误差(APeak’)。
9.根据权利要求8所述的方法，其特征在于，为了确定所述误差(APeak’liffl)使用人工神经网络。
10.根据权利要求9所述的方法，其特征在于，所述非线性模型(400)的输出端的限制通过限制器(500)进行。
11.根据上述权利要求中的至少一项所述的方法，其特征在于，在所述结果适配中进行应用数据和测试数据的统计分析。
12.根据上述权利要求中的至少一项所述的方法，其特征在于，使用一气缸(2，3，4，5)的峰压(Peak’ result)作为识别变量，所述峰压在应用过程中通过在所述内燃机(I)的至少一个气缸(2，3，4，5)中被测量的燃烧室压力(Peak)来实现。
13.用于通过回归计算物理参考变量来评估机动车内燃机的非正常燃烧的设备，其中，由被传感器(7)所接收的传感器信号(KS)计算所述非正常燃烧的识别变量(Peak’ result),其特征在于，存在器件(18，20，21)，所述器件使用模块化的系统用于所述非正常燃烧的所述识别变量(Peak’_lt)的所述回归计算，在该系统中由所述传感器信号(KS)计算至少一个参考变量(Peak’ lin，APeak’，APeak’ lim)，所述至少一个参考变量相应于所述传感器信号(KS)的被测量的参考变量(Peak)。
14.根据权利要求13所述的设备，其特征在于，所述器件构造为计算单元(20)，所述计算单元在模块化的系统的多个级中确定所述非正常燃烧的所述识别变量(Peak’ Msult)，其中，该系统包括: -第一模块信号准备(100)，其用于由所述被测量的传感器信号(KS)提供至少一个识别特征(F)， -第二模块特征适配(200)，其用于建立所述内燃机的典型的燃烧特性， -第三模块线性模型(300)，其用于回归计算所述物理参考变量， -第四模块非线性模型(400)，其用于计算所述线性模型(300)的所述误差(APeak’)， -第五模块，其用于补偿所述线性模型(300)的所述误差(APeak’ lim)用以限制所述非线性模型的影响，和 -第六模块结果匹配(600)，其用于修正系统性的模型偏差。
15.根据权利要求13或14所述的设备，其特征在于，所述器件(20)在所述传感器(17)的传感器信号(KS)的所述接收之前实施应用过程，在该应用过程中基于所述内燃机(I)的被测量的参考变量(Peak)来确定各个模块(100，200，300，400，500，600)的识别特征(F，Fnk，Fa)。
【专利摘要】本发明涉及一种方法，其用于通过回归计算物理参考变量来评估机动车内燃机的非正常燃烧，其中，由测量的传感器信号(KS)计算非正常燃烧的识别变量(Peak’result)。借助于一种方法能够在所有的运行点都可靠地识别和分类内燃机的非正常燃烧完成过程，在该方法中，为了回归计算所述识别变量(Peak’result)而使用分级式系统，在该系统中由传感器信号(KS)计算至少一个参考变量(Peak’lin、ΔPeak’、ΔPeak’lim)，其相应于传感器信号(KS)的测量的参考变量(Peak)。
【IPC分类】F02B77-08
【公开号】CN104696071
【申请号】CN201410858121
【发明人】E·派尔莱斯, R·斯洛博达, M·比尔, S·肯普夫
【申请人】罗伯特·博世有限公司
【公开日】2015年6月10日
【申请日】2014年10月28日
【公告号】DE102013221995A1, US20150120167