專利名稱：使用神經(jīng)網(wǎng)絡(luò)控制車輛發(fā)動機(jī)的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及控制車輛發(fā)動機(jī)，特別是汽油發(fā)動機(jī)。
背景技術(shù)：
內(nèi)燃機(jī)不斷增加的復(fù)雜度要求更加頻繁地使用某些物理量的才莫型，這 要么是因為它們不可測量，要么是因為合適的傳感器價格不菲。這些模型 通常是動態(tài)的，以便根據(jù)輸入變量的當(dāng)前值和過去值來預(yù)測輸出。這些模 型集成在用于控制發(fā)動機(jī)的計算機(jī)中。假定計算機(jī)在存儲和計算能力方面 受限，期望最大程度地限制駐留于其中的模型的復(fù)雜度。另外，系統(tǒng)復(fù)雜 度以及為了滿足有關(guān)控制和排污標(biāo)準(zhǔn)方面的需要而期望進(jìn)行準(zhǔn)確的使用， 需要提高的估算和建模的準(zhǔn)確性。
特別地，汽油發(fā)動機(jī)通常使用一種噴射系統(tǒng)，該噴射系統(tǒng)根據(jù)與收集 器中的壓力、發(fā)動機(jī)轉(zhuǎn)數(shù)和收集器中的空氣溫度有關(guān)的測量信息來計算燃 料需求。于是，期望對相對填充效率建模從而表征實際進(jìn)入發(fā)動機(jī)的空氣 量值。然后，該空氣量值根據(jù)豐富度指標(biāo)而被轉(zhuǎn)換成待噴射燃料的量值。
該計算可按以下方式進(jìn)行
<formula>complex formula see original document page 4</formula>
并且相關(guān)聯(lián)的汽油質(zhì)量為Mess = Mair*Ri/14.7 即，有效噴射時間為
<formula>complex formula see original document page 4</formula>
其中
Vcyl-發(fā)動機(jī)的單位汽缸工作容量 (m3 )
Ri-定值豐富度(參見下文)
14.7=市售汽油的化學(xué)計量(stoeckiometrique )比(空氣kg/汽油kg)
Qstat-固定斜坡壓力下的噴射器的靜態(tài)流量(kg/s)
Pcoh收集器壓力
P(H零流量的收集器壓力
Maii^進(jìn)入發(fā)動才幾的空氣質(zhì)量(kg)
Mess-待噴射汽油的質(zhì)量(kg)
Tl remp-容積填充效率(參見下文)
該容積填充效率Ti remp表征了發(fā)動機(jī)的配置(進(jìn)氣收集器和排氣收集 器的相關(guān)容積、長度和形狀、構(gòu)成它們的管所采用的材料和表面狀態(tài))。它還表征為進(jìn)氣及排氣閥的升程規(guī)律以及它們在發(fā)動機(jī)循環(huán)中的階段劃
分。這取決于收集器中的壓力、發(fā)動機(jī)轉(zhuǎn)數(shù)并且最后取決于進(jìn)氣和排氣凸 輪軸的定位(calage)(稱為AAC或是WT )，特別是在發(fā)動機(jī)配備有 用于這些軸的可變定位系統(tǒng)的情況下。
通過(拋物線或其他類型的)參數(shù)規(guī)律來確定效率涉及許多待實施的 復(fù)雜的制圖校正，并且不提供關(guān)于待處理物理現(xiàn)象的知識。
更一般地，已知對于沒有進(jìn)氣凸輪軸移位器的發(fā)動機(jī)通過筒單的制圖 校正來估算發(fā)動機(jī)的填充。這種校正實施與收集器中的壓力和發(fā)動機(jī)轉(zhuǎn)數(shù) 有關(guān)的單一制圖。
還已知在配備有開/關(guān)進(jìn)氣凸輪軸移位器的發(fā)動機(jī)中進(jìn)行雙重制圖校 正。在該情況下，發(fā)動機(jī)包括一種與收集器中的壓力和轉(zhuǎn)數(shù)有關(guān)的、按照 凸輪軸移位器的位置、運轉(zhuǎn)或者停止的制圖。
G. DE NICOLAO所著文獻(xiàn)"Modelling the volumetric efficiency of IC engines: parametric, non-parametric and neural techniques"提出了一 種控制發(fā)動機(jī)的方法，其中確定了空氣的容積填充效率。
最后，已知在包括連續(xù)進(jìn)氣凸輪軸移位器的發(fā)動機(jī)中的更完善的制圖 校正。在該情況下，對于移位器的參考位置、根據(jù)壓力和轉(zhuǎn)數(shù)來實施制圖， 并且進(jìn)行拋物線校正，其與根據(jù)壓力和轉(zhuǎn)數(shù)的制圖系數(shù)相關(guān)聯(lián)。
本發(fā)明的目的因而是改進(jìn)對車輛發(fā)動機(jī)的控制，特別是改進(jìn)相對填充 效率的估算，例如在配備有雙進(jìn)氣及排氣凸輪軸移位器的發(fā)動機(jī)的情況下。

發(fā)明內(nèi)容
為此，本發(fā)明提出了一種控制車輛發(fā)動機(jī)的方法，其中，確定了發(fā)動 機(jī)的空氣容積填充效率，其特征在于，借助于人工神經(jīng)網(wǎng)絡(luò)來確定該效率 的基礎(chǔ)值和校正值，并且將該基礎(chǔ)值和該校正值相加。
根據(jù)本發(fā)明的方法還具有以下至少 一個特征
-根據(jù)發(fā)動機(jī)轉(zhuǎn)數(shù)來確定該效率；
-根據(jù)發(fā)動機(jī)收集器中的壓力來確定該效率；
-根據(jù)進(jìn)氣凸輪軸的定位定值(consigne)與該軸的位置測量值之差 來確定該效率；
-根據(jù)排氣凸輪軸的定位定值與該軸的位置測量值之差來確定該效
率；
-根據(jù)進(jìn)氣閥門的升程規(guī)律與該閥門的位置之差來確定該效率；
-根據(jù)排氣閥門的升程規(guī)律與該閥門的位置之差來確定該效率；
一根據(jù)發(fā)動機(jī)的定值力矩(couple)與最大力矩之比來確定該效率；
-根據(jù)進(jìn)氣收集器中的壓力和/或發(fā)動機(jī)轉(zhuǎn)數(shù)來確定該基礎(chǔ)值；
-該網(wǎng)絡(luò)包括唯一的隱層；
-該網(wǎng)絡(luò)的激勵函數(shù)是tansig函數(shù)；并且
-在非等距點之間離散該網(wǎng)絡(luò)的激勵函數(shù)。
本發(fā)明還提供了一種車輛發(fā)動機(jī)，其包括適于確定該發(fā)動機(jī)的空氣容 積填充效率的控制構(gòu)件，該控制構(gòu)件包括神經(jīng)網(wǎng)絡(luò)。
有利地，該發(fā)動機(jī)包括進(jìn)氣凸輪軸和/或排氣凸輪軸的可變定位裝置， 或者是進(jìn)氣閥門和/或排氣閥門的可變升程裝置。


參考附圖，通過閱讀下面對作為非限制性例子給出的優(yōu)選實施例和變 型的描述，本發(fā)明的其他特征和優(yōu)點將變得明顯，其中
圖l是說明本例子中的方法的一般實施的流程圖2包括兩個流程圖，其說明了與進(jìn)氣和排氣凸輪軸的可變定位相關(guān) 聯(lián)的校正值的獲得；
圖3是說明圖1的方法中神經(jīng)網(wǎng)絡(luò)的使用的流程圖4示出了在圖3的網(wǎng)絡(luò)中實施的激勵函數(shù)的曲線圖5示出了與該函數(shù)有關(guān)的其他曲線圖6是說明選擇神經(jīng)網(wǎng)絡(luò)及其標(biāo)定的過程的流程圖；以及
圖7類似于圖3圖，示出了一個實施例變型。
具體實施例方式
本發(fā)明涉及一種機(jī)動車輛汽油內(nèi)燃機(jī)。該發(fā)動機(jī)包括計算機(jī)，該計算 機(jī)確保該發(fā)動機(jī)的控制并且在本例中包括人工神經(jīng)網(wǎng)絡(luò)。這類網(wǎng)絡(luò)是已知 的并且不在本文中對其進(jìn)行詳細(xì)說明。
該網(wǎng)絡(luò)目的在于確定發(fā)動機(jī)的空氣容積填充效率，更確切地說是在于 對該參數(shù)建才莫。首先，使用以發(fā)動機(jī)的標(biāo)稱參考定位所調(diào)整的參考制圖來 定義參考填充值或者基礎(chǔ)填充值。然后，使用由該神經(jīng)網(wǎng)絡(luò)建模的填充校
正值來校正該填充，在本例中是與基礎(chǔ)值相加。因此得到了在發(fā)動機(jī)標(biāo)稱 工作點之外的發(fā)動機(jī)實際填充特性。
這種確定的原理示于圖1中。方框2代表了制圖的實施，其指示了根 據(jù)沿橫座標(biāo)X的發(fā)動機(jī)轉(zhuǎn)數(shù)測量值和沿縱坐標(biāo)Y的發(fā)動機(jī)進(jìn)氣收集器中測 量的壓力的發(fā)動機(jī)填充效率Z的參考值。在本例中該發(fā)動機(jī)具有可變定位 的進(jìn)氣凸輪軸和排氣凸輪軸，所述制圖提供了由調(diào)節(jié)器選擇的定位點的填 充值。
如圖1上部所示，這個參考填充值在方框4中通過與校正項相加而被 校正，該校正項是通過所述神經(jīng)網(wǎng)絡(luò)在方框6中凈皮平行地確定的。 所述神經(jīng)網(wǎng)絡(luò)根據(jù)以下參數(shù)計算該校正 -所測量的發(fā)動機(jī)轉(zhuǎn)數(shù)；
-在該發(fā)動機(jī)的進(jìn)氣收集器中測量的壓力；
-由調(diào)節(jié)器選擇的進(jìn)氣凸輪軸的定位定值與該凸輪軸實際位置的測量 值之差；和
-
由調(diào)節(jié)器選擇的排氣凸輪軸的定位定值與該凸輪軸實際位置的測量 值之差。
基礎(chǔ)值與校正項之和提供了待建模的填充效率的最終值。 圖2示出了獲得進(jìn)氣和排氣凸輪軸的位置移位的細(xì)節(jié)。 第一個圖表明，對于進(jìn)氣軸計算定位定值位置與例如所測量的該軸的
實際位置之間的差值。在方框8中將這兩個值相減從而確定該軸上的定位
的差值。該軸的移位值表示為曲軸角度。
關(guān)于定位定值，其是在方框10中根據(jù)以下參數(shù)通過制圖而被預(yù)先確定
的
-所測量的發(fā)動機(jī)轉(zhuǎn)數(shù)；
-定值力矩(從按照司機(jī)的愿望經(jīng)過油門的位置、發(fā)動機(jī)轉(zhuǎn)數(shù)和其他 參數(shù)中產(chǎn)生)與發(fā)動機(jī)上可得到的最大力矩(基本上取決于發(fā)動機(jī)轉(zhuǎn)數(shù)和 空氣溫度)之比。
涉及排氣軸的移位值的確定完全以相同的方式進(jìn)行。
圖3示出了本例中使用的神經(jīng)網(wǎng)絡(luò)的內(nèi)容物和運轉(zhuǎn)。將發(fā)動機(jī)轉(zhuǎn)數(shù)、 收集器中的壓力、以及相對于參考定位的進(jìn)氣軸和排氣軸上的定位差作為 輸入?yún)?shù)輸人到該網(wǎng)絡(luò)中。
在方框12中，這些不同的輸入首先在-1與+1之間被標(biāo)準(zhǔn)化。完成了 該標(biāo)準(zhǔn)化階段以后，將它們用在該神經(jīng)網(wǎng)絡(luò)6的隱層14的每個神經(jīng)元中。 確切地說，對每個神經(jīng)元輸入(el-發(fā)動機(jī)轉(zhuǎn)數(shù)，e2-收集器壓力，e3-ACata， e4^ACecJ分配一個權(quán)重(wl用于轉(zhuǎn)數(shù)，w2用于收集器壓力，等等)。此 外，對層14的每個神經(jīng)元18分配用b表示的偏差。還對全體神經(jīng)元分配 一個激勵函數(shù)Fa。每個神經(jīng)元18都提供用S表示的輸出數(shù)據(jù)，這是被分 配有其權(quán)重(wi)的輸入數(shù)據(jù)(ei)的線性組合，該組合提交給激勵函數(shù) (Fa)。這個運算滿足以下公式
S =Fa ( S jwi*ei+b )
該神經(jīng)網(wǎng)絡(luò)實施了一種算法，用于優(yōu)化根據(jù)用戶選擇的激勵函數(shù)的每 個神經(jīng)元的權(quán)重項(wi)和偏差(b)。
然后每個神經(jīng)元的輸出都用于輸出層20，其中根據(jù)與針對隱層14的 相同的計算(但是以不同的權(quán)重和不同的偏差)進(jìn)行每個神經(jīng)元的輸出組 合。
最終，在方框22中將該神經(jīng)網(wǎng)絡(luò)的輸出值去標(biāo)準(zhǔn)化，從而最好地說明 所尋求的變量，該變量在此是填充效率。
應(yīng)當(dāng)指出，方框12中的輸出的-1與+1之間的標(biāo)準(zhǔn)化能夠優(yōu)化對無量 綱變量的^C重和偏差。
在本例中隱層14是惟一的。事實上已經(jīng)表明可以通過這種結(jié)構(gòu)來逼近 任何分段連續(xù)的函數(shù)。
就隱層神經(jīng)元數(shù)目的選擇而言，是根據(jù)兩個基本的約束來確定的一 方面，由該神經(jīng)網(wǎng)絡(luò)建模的填充準(zhǔn)確度，另一方面，對于由發(fā)動機(jī)控制計 算機(jī)進(jìn)行實時處理而言可接受的運算和標(biāo)定的數(shù)量。
重要的是對每個神經(jīng)元仔細(xì)選擇激勵函數(shù)以確保網(wǎng)絡(luò)性能。在本例中 所采用的激勵函數(shù)是tansig函數(shù)。該數(shù)學(xué)函數(shù)由以下公式定義<formula>complex formula see original document page 9</formula>
在圖4中以曲線形狀示出了 logsig和tansig函數(shù)。
為了在優(yōu)化神經(jīng)網(wǎng)絡(luò)的過程中也能夠由計算機(jī)^f吏用，該函數(shù)應(yīng)當(dāng)在一 個表中被離散化。在網(wǎng)絡(luò)的點和偏差的優(yōu)化計算時或者對于填充效率的計 算，通過線性內(nèi)插、以離散方式4吏用該表。
該函數(shù)的優(yōu)化準(zhǔn)則的選擇能夠最小化在用分段線性函數(shù)替代連續(xù)函數(shù) 時所造成的誤差。應(yīng)當(dāng)指出，將該函數(shù)離散化為許多等距點的解決方案不 是最佳的，因為就標(biāo)定數(shù)量而言它的成本較高。更加有利的是使用利用非 等距點的離散化從而減少制圖大小同時保持輸出數(shù)據(jù)的良好準(zhǔn)確性。
在線性函數(shù)與離散化函數(shù)之間采用的優(yōu)化準(zhǔn)則是通過最小化線性函數(shù) 與離散化函數(shù)之間的二階導(dǎo)數(shù)的間距(ecart)來優(yōu)化斷點的定位。事實上
很明顯，這些點之間的函數(shù)斜率的變化越大，這些點之間的線性內(nèi)插就越 不準(zhǔn)確。
圖5顯示了通過最小化連續(xù)函數(shù)與內(nèi)插函數(shù)之間的二階導(dǎo)數(shù)的間距來 優(yōu)化這些點的定位的結(jié)果(其個數(shù)在本例中為22)。
圖5的第一個圖中示出了 "s"形曲線，其是在整個神經(jīng)網(wǎng)絡(luò)中并且在 本例中在網(wǎng)絡(luò)的每個神經(jīng)元中使用的激勵函數(shù)的曲線。該線性離散旨在表 示根據(jù)一維表的連續(xù)tansig函數(shù)，該一維表可以方便地用于發(fā)動機(jī)控制軟 件。該離散化已經(jīng)示于同一圖中。它在這里被優(yōu)化從而在使用神經(jīng)網(wǎng)絡(luò)的 權(quán)重(wi)和偏差(b)的優(yōu)化算法時最小化計算誤差。該曲線一方面說明 了按照等分布斷點的內(nèi)插，另 一方面說明了按照優(yōu)化斷點的內(nèi)插。
第二個圖示出了不同函數(shù)的二階導(dǎo)數(shù)，稱為f:
-連續(xù)的準(zhǔn)確tansig函數(shù)；
-按照等距斷點的線性離散tansig函數(shù)；以及
-按照斷點的線性離散化tansig函數(shù)，所述斷點的定位被優(yōu)化從而最 小化連續(xù)的準(zhǔn)確函數(shù)的二階導(dǎo)數(shù)與離散化函數(shù)的二階導(dǎo)數(shù)之間的絕對值的 間距。
應(yīng)當(dāng)記住，連續(xù)的或者內(nèi)插的二階導(dǎo)數(shù)的標(biāo)準(zhǔn)化導(dǎo)致了對應(yīng)于優(yōu)化斷 點的表的真實特性的誤差。
圖6示出了選擇神經(jīng)網(wǎng)絡(luò)及其標(biāo)定的過程。實際上，神經(jīng)元數(shù)目的選 擇對于微處理器中的計算負(fù)荷和所獲得的建模準(zhǔn)確性而言是重要的。
因此，在方框30中生成了發(fā)動機(jī)的數(shù)據(jù)庫。它將神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)
掃描到完整的發(fā)動機(jī)域中。
該方框通往方框32，方框32提前提取一部分?jǐn)?shù)據(jù)庫以創(chuàng)建確認(rèn)數(shù)據(jù)庫。
在下一方框33中，預(yù)處理所述數(shù)據(jù)庫(驗證，清理…)，并且根據(jù)收 斂準(zhǔn)則來實現(xiàn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)(方差+間距類型+…)。
在下一方框34中，關(guān)于所述數(shù)據(jù)庫及確i人數(shù)據(jù)庫來測試標(biāo)定網(wǎng)絡(luò)的性
在匕 目b。完成該方框以后，如果需要，迭代環(huán)36就返回方框32和33之間，以 對數(shù)據(jù)庫、學(xué)習(xí)類型、神經(jīng)元數(shù)目等進(jìn)行修改。
如果測試34作出結(jié)論，則下一方框36實施網(wǎng)絡(luò)的選擇(特別是神經(jīng) 元數(shù)目和激勵函數(shù)的細(xì)化)。
然后該方框通往方框38，方框38將神經(jīng)網(wǎng)絡(luò)置入計算機(jī)中并JL^征 運轉(zhuǎn)性能。
在該方框的輸出開始第二迭代環(huán)40,其根據(jù)計算負(fù)荷或?qū)?shù)據(jù)庫的補(bǔ) 充來修改神經(jīng)元數(shù)目。如果不需要進(jìn)行任何迭代，則方框38通往最后一個 方框42。
根據(jù)本發(fā)明的方法在發(fā)動機(jī)的范圍內(nèi)考慮了填充參數(shù)校正中的進(jìn)氣凸 輪軸和排氣凸輪軸的每個連續(xù)移位器。配備有該雙重凸輪軸移位器的發(fā)動 機(jī)的相對填充效率的估算，是根據(jù)借助于收集器壓力傳感器而對進(jìn)入空氣 質(zhì)量的估算、^空氣的溫度和發(fā)動機(jī)轉(zhuǎn)數(shù)來實現(xiàn)的。這通過使用與排氣 豐富度探測器有關(guān)的信息而確保了在任何閉環(huán)噴射時間校正之外的最佳噴 射控制。
圖7顯示了所述方法的變型。該圖類似于圖3的模式。然而，發(fā)動機(jī) 在這里配備有進(jìn)氣和排氣閥門的可變升程系統(tǒng)。作為相對于上文所述的用 于神經(jīng)網(wǎng)絡(luò)的四個輸入的兩個附加輸入，考慮了閥門升程定值規(guī)律與閥門 實際位置之間的偏移。實際上，具有神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)被預(yù)先設(shè)置為允許豐 富涉t良動機(jī)修改的建模。
當(dāng)然，可以在不脫離本發(fā)明范圍的前提下對本發(fā)明進(jìn)行許多修改。
可以選擇一種不同于tansig函數(shù)的激勵函數(shù)。
權(quán)利要求
1.一種控制車輛發(fā)動機(jī)的方法，其中，確定了該發(fā)動機(jī)的空氣容積填充效率(η)，其特征在于，借助于人工神經(jīng)網(wǎng)絡(luò)(6)來確定所述效率的基礎(chǔ)值和校正值，并且將該基礎(chǔ)值和校正值相加。
2. 根據(jù)前一權(quán)利要求所述的方法，其特征在于，根據(jù)所述發(fā)動機(jī)的轉(zhuǎn) 數(shù)(N)來確定所述效率。
3. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)所述發(fā)動機(jī) 的收集器中的壓力(Pe。,)來確定所述效率。
4. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)進(jìn)氣凸輪軸的定位定值與該軸的位置測量值之差(厶Cadm)來確定所述效率。
5. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)排氣凸輪軸 的定位定值與該軸的位置測量值之差(ACech)來確定所述效率。
6. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)進(jìn)氣閥門的升程規(guī)律與該閥門的位置之差(ALadm)來確定所述效率。
7. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)排氣閥門的 升程規(guī)律與該閥門的位置之差(ALech)來確定所述效率。
8. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)所述發(fā)動機(jī)的定值力矩與最大力矩之比(Tqi)來確定所述效率。
9. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，根據(jù)所述收集器 中的壓力和/或所述發(fā)動機(jī)的轉(zhuǎn)數(shù)來確定所述基礎(chǔ)值。
10. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，所述網(wǎng)絡(luò)(6) 包括唯一的隱層(18)。
11. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，所述網(wǎng)絡(luò)(6) 的激勵函數(shù)是tansig函數(shù)。
12. 根據(jù)前述任一權(quán)利要求所述的方法，其特征在于，在非等距點之 間離散所述網(wǎng)絡(luò)的激勵函數(shù)。
13. —種車輛發(fā)動機(jī)，包括適于確定所述發(fā)動機(jī)的空氣容積填充效率的控制構(gòu)件，該控制構(gòu)件包括神經(jīng)網(wǎng)絡(luò)(6)，其特征在于，所述神經(jīng)網(wǎng)絡(luò) 適于確定所述效率的基礎(chǔ)值、借助于該神經(jīng)網(wǎng)絡(luò)(6)確定校正值，并且將 該基礎(chǔ)值和該校正值相加。
14. 根據(jù)前一權(quán)利要求所述的發(fā)動機(jī)，其特征在于，它包括進(jìn)氣凸輪 軸和/或排氣凸輪軸的可變定位裝置。
15. 根據(jù)權(quán)利要求13和14中任一項所述的發(fā)動機(jī)，其特征在于，它 包括用于進(jìn)氣閥門和/或排氣閥門的可變升程裝置。
全文摘要
本發(fā)明涉及一種控制機(jī)動車輛的方法。根據(jù)所述方法，利用人工神經(jīng)網(wǎng)絡(luò)(6)來確定該發(fā)動機(jī)中的空氣容積填充效率(η)。
文檔編號F02D41/18GK101198783SQ200680014709
公開日2008年6月11日 申請日期2006年4月25日 優(yōu)先權(quán)日2005年4月28日
發(fā)明者T·普呂尼耶 申請人:雷諾股份公司