CN101375044A - 识别发动机气体组成的方法 - Google Patents

Abstract

在发动机汽缸中识别发动机气体组成的方法和设备，包括从汽缸压力传感器中获得汽缸压力的测量，从所述测量获取多变指数并且获得汽缸中的发动机气体组分的量的测量。

Description

识别发动机气体组成的方法

技术领域

本发明涉及一种识别发动机气体组成的方法。

背景技术

对低燃料消耗和强排放降低目标的需求导致了对后处理系统的要求。然而，柴油发动机要求的系统很昂贵并且由此为了延缓这些系统的引入，更多地关注于寻找降低发动机外排放的新方式。已发现发动机汽缸内的燃烧持续时间与所述汽缸充气物的含量显著关联。EGR(废气再循环)通常被用于控制燃烧的温度和速率以获得非常规的燃烧模式。

通常，惰性气体(EGR)的量越高，燃烧的速度越慢且越可控，并且由此排放更少的氮氧化物(NO_X)且发动机温度更低。然而，单个的发送机汽缸间的EGR、空气和O₂的分配变得更加重要。拿柴油发动机的例子来说，所有的汽缸通常接收等量的燃料(相反则降低了转矩)以控制烟尘输出，但发动机的整体性能通常受限于包括最少或最多的用于需要的瞬态(transient)或稳态条件的种类(species)之一的“故障(culprit)”汽缸。

因为目前在单个汽缸中的燃料控制的发展以及例如通过ECU(发动机控制单元)的阀驱动，在每个汽缸内的气体组成的估算(estimation)变得更为实际的需要。

一种已知的方法是从汽缸压力信号获取热释放速率并且使用该速率通过根据经验得到(empirical)的查询表来估算AFR(空气/燃料比)和EGR。然而，这在轻负载时或更复杂的多注入燃料系统中容易出现误差。

其他已知的方法基于单个的汽缸压力传感器数据但在获取足够精确的数据上存在问题，所述数据用于为了发动机控制目的而传给ECU。在US648694中，根据检测到的多种压力校正汽缸压力传感器的漂移。这在测试台上是公知的惯常做法，然而在实际的发动机中并不十分理想，例如那些在产品车辆中，存在汽缸与汽缸的相互作用和信号噪声。这是由于低质量的传感器和对瞬态控制的需要。WO 02/095191估算了基于三个压力传感器的采样的多变指数(polytropic index)，该估算存在不精确和噪声的问题。对于汽缸充气估算，JP2001-15293描述了使用汽缸压力来估算汽缸内的总气体组成，然而，没有考虑单个的种类。空气和O₂含量(content)对控制柴油发动机上的烟尘排放是重要的。US 5611311公开了TDC(上止点)估算和校正，其中汽缸压力在不考虑可导致不精确的系统中的热损耗的情况下在最大过载(零装料)处被观测。这尤其与基于汽缸压力反馈控制策略有关，所述汽缸压力反馈控制依赖于涉及瞬时压力和容积的计算。

本发明在权利要求中陈述。

附图说明

现在将参考附图对本发明的实施方式加以描述，其中：

图1A是示出了稳态测试台结果的图示，其中O₂的充气浓度相对于多变指数和入口进气管(manifold)温度被绘制；

图1B示出了估算出的O₂浓度的图示，该O₂浓度从图1A中的刻度图中相对于用于确认目的的相应的测试台而获得；

图2示出了用于获得出现的全部种类的浓度函数的测试台实现的示意图；

图3是给出了作为入口温度(T_int)和多变指数(N_poly)的函数的种类浓度Z_species的二维(2D)查询表；

图4示出了柴油发动机应用的示意图；

图5示出了使用闭环反馈控制的发动机的示意性的实际系统的流程图。

具体实施方式

本发明使用封闭气体的多变指数(N_poly)与其热损耗和要素种类浓度密切相关的观测。对于加热充分的发动机，该热损耗与入口进气管温度密切相关。图1A和1B中的稳态测试台结果对此进行了证实。图1A示出了充气的O₂浓度，该浓度相对于入口进气管温度和在压缩冲程上估算的多变指数而绘制。由三维(3D)表面表示的模型与这些点匹配并且显示在图1B中以很好地匹配测试台结果，其中模型的精确度由点靠近45度线的程度所描述。由于热损耗可以作为以入口温度T_int形式的可感测值的函数而被获得，并且N_poly作为单个的汽缸压力的被感测值的函数，因此要素种类浓度可以由此在每个汽缸中获得，允许之后应用适当的校正。如以下更加详细的讨论，所获取的值被优化提供常规方法上的改进的精确度以及用于实时操作的潜力。

因此，在校准阶段，每个种类浓度的测试台结果被获取并且相对于多变指数和入口进气管温度而绘制。图2示出了用于获得在4汽缸、4冲程发动机中出现的全部种类的浓度函数的测试台的示意图。发动机块200包括四个汽缸202，每个汽缸具有活塞204。入口阀206和废气阀208。在正常操作过程中，空气210进入系统并且通过由控制器216操作的阀212而与再次循环的废气214混合。入口进气管空气温度在入口进气管空气在进气阶段中经过四个汽缸中的一者时由传感器218测量。汽缸中的压力在发动机运行的压缩冲程期间由传感器220测量，并且与来自入口温度传感器的数据一起发送回ECU222并且存储在数据记录器224中。气体种类浓度通过在入口端口225流出一些入口的混合物而被采样。这些采样还可以与来自位于废气端口226的EGO(废气的氧气)传感器的过剩空气比率(λ)测量相比较。两组数据将同样由测试台数据获取系统227记录。多变指数N_poly可以直接从压力信号计算并且与入口进气管温度一起可以在图3所示的2D查询表中实现，该2D查询表存储在实际的系统的ECU内，其中用于每个N_poly和T_int的项(entry)被增加以提供：

Z_X＝f_X(N_Poly，T_Int)   (1)

其中：

Z_X＝作为总质量M的一部分的种类X(空气、EGR、O₂等)(0-1)的浓度

N_poly＝在压缩(-)时的多变指数

T_int＝入口温度(K)

可以看到，浓度Z_O2、Z_EGR等均可以在校准阶段中获得并且存储在各自的查询表中。这些浓度可以基于任何合适的参数，例如但不限于容积或质量。当发动机在实际条件下运行并且期望获得Z_X时，计算发生在两个阶段中。通过在点火之前的压缩冲程期间应用能量平衡到汽缸中的固定质量的空气、燃料和惰性气体，可以推导出压力信号偏移(offset)和多变指数。在第一阶段中，估算N_poly并且采样T_int，优选为局部到汽缸以提供来自2D查询表的种类浓度Z_X的大致估算，所述2D查询表在由(1)表示的校准阶段中获得。在第二阶段中，实时压力测量(感测到的压力和计算出的偏移)促使Z_X的进一步校正，这反过来被用于获取出现在每个汽缸中的特定种类的质量。该信息之后被反馈到ECU以用于后续在控制变量中的使用，例如但不限于点火、EGR反馈或每个单个的汽缸的燃料。

在图4所示的柴油机发动机中，周围空气400被通过空气过滤器402引导，压缩机部分404连接到(优选为可变几何学)涡轮增压器的涡轮部分406、中间冷却器410、节流阀411和入口进气管412。EGR反馈路径414允许再次循环的废气和入口进气管内的空气的总的充气混合以在入口阀418打开时在发动机操作的入口阶段中引入到四个汽缸416中的每一个。压力传感器420和温度传感器422被提供在入口进气管中，并且汽缸中的压力传感器424的类型能够向位于每个汽缸中的ECU(未示出)提供实时样本(sample)。每个汽缸的废气阀426通向废气系统408，该废气系统408与EGR反馈路径414连通并且允许不再循环的废气优选经由(优选为可变几何学)涡轮增压器的涡轮部分406而排出。

入口进气管传感器420(压力)和422(温度)以及汽缸中的压力传感器424被布置以采样足够用于监控每个汽缸中的充气含量的数据并且由此提供装置，通过该装置ECU获得T_int、估算N_poly、获得Z_X、进一步改进Z_X并且由此控制EGR阀428以改变入口进气管412内的EGR的总充气的比例，控制入口阀418和废气阀428以改变单个的汽缸的充气含量，以及控制燃料喷射器430以获取性能、排放和燃料燃烧效率之间的最优的平衡。

如上述获得的数据被实时处理以恒定地监控每个汽缸中的充气含量。该过程的阶段1包括估算用于单个汽缸的多变指数：

将多方气体定律PV^N＝常数应用到汽缸充气给出：

$(P_{\mathrm{Sens}}+P_{\mathrm{Offset}})V_{\mathrm{Cyl}}^{N_{\mathrm{Poly}}}=K_{\mathrm{Poly}}---\left(2\right)$

其中：

P_Sens＝汽缸压力测量(Pa)

P_Offset＝因漂移而产生的传感器偏移(Pa)

V_Cyl＝汽缸容积(m³)

N_Poly＝多变指数(-)

K_Poly＝多方常数

一旦P_Offset已知，则多变指数可以通过采用在压缩冲程上的所有样本的线性回归而用对数估算，样本优选为大于三个。然而，由于IVC(入口阀关闭)附近的压力波动和传感器噪声，使得使用入口进气管压力传感器的P_Offset的直接测量并不大，并且经常导致多变指数的误差。因此，以下描述可替换的方法。

此处的发明描述了促进N_poly和P_Offset的显式(explicit)导出的技术。

首先看N_poly，该N_poly可以从与压力样本相关的线性表达中获得，所述压力样本在IVC在每个汽缸的TDC之前达到20°左右后不久而被获得。每个汽缸的精确的TDC点考虑系统延迟，该系统延迟例如但不限于热力学损耗、处理器延迟、传感器的相位滞后，并且模拟/数字滤波器优选为在制造的测试台上被校准并且被作为热力学损耗角度被存储且相对于发动机条件而被映射。这允许与环境未绝热的热损耗以及其他系统的延迟，其中峰值压力未与汽缸内的活塞的TDC点对准，这将在控制系统的定时和发动机循环/活塞位置之间带来不精确性。

在连续时域中将能量平衡应用到获得的质量(在汽缸中)给出：

$\stackrel{.}{U}+\stackrel{.}{W}=\stackrel{.}{Q}---\left(3\right)$

其中

是内部能量的改变速率，

是在环境(热转移到周围的发动机部件)中所做的功的速率以及

是增加的净耗热量的速率。

在温度T的固定质量m的气体的内部能量的改变速率被给定为：

$\stackrel{.}{U}=\frac{d}{\mathrm{dt}}\left(c_v\mathrm{mT}\right)---\left(4\right)$

其中c_v是恒定体积的气体的特定的热容量。应用理想气体定律PV＝mRT给出：

$\stackrel{.}{U}=\frac{d}{\mathrm{dt}}\left(\frac{c_v\mathrm{PV}}{R}\right)---\left(5\right)$

其中P和V是封闭气体的压力和体积并且R是气体常数。由于c_v/R＝1/(γ-1)，其中γ是特定热量比，并且假设该比仍为常数，(5)可以改写为：

$\stackrel{.}{U}=\frac{1}{\mathrm{\γ}-1}\frac{d}{\mathrm{dt}}\left(\mathrm{PV}\right)---\left(6\right)$

在环境中由气体做的功的速率被给定为：

$\stackrel{.}{W}=P\frac{\mathrm{dV}}{\mathrm{dt}}---\left(7\right)$

将(6)和(7)带入(3)得出：

$\frac{1}{\mathrm{\γ}-1}\frac{d}{\mathrm{dt}}\left(\mathrm{PV}\right)+P\frac{\mathrm{dV}}{\mathrm{dt}}=\stackrel{.}{Q}---\left(8\right)$

关于时间积分：

$\frac{1}{\mathrm{\γ}-1}\underset{P_0{V}_0}{\∫}d\left(\mathrm{PV}\right)+\underset{V_0}{\∫}\mathrm{PdV}=\underset{t_0}{\∫}\stackrel{.}{Q}\mathrm{dt}---\left(9\right)$

其中下标‘0’表示初始条件。

通过假设热交换速率由多变指数N_Poly的多方气体关系决定，(9)可以近似为：

$\frac{1}{N_{\mathrm{Poly}}-1}\underset{P_0{V}_0}{\∫}d\left(\mathrm{PV}\right)+\underset{V_0}{\∫}\mathrm{PdV}=0$

或者

$\frac{1}{N_{\mathrm{Poly}}-1}(\mathrm{PV}-P_0{V}_0)+\underset{V_0}{\∫}\mathrm{PdV}=0---\left(10\right)$

其中最左面的项包括由(9)中的右手边上的闭积分表示的热传递。

考虑感测压力中的固有误差，被感测的压力P_Sens等于由偏移P_Offset修改的实际压力P：

P_Sens＝P-P_Offset   (11)

由此 P＝P_Sens+P_Offset

并且假设在发动机的压缩冲程期间所述偏移仍为常数，则(10)被修改为：

$\frac{1}{N_{\mathrm{Poly}}-1}(P_{\mathrm{Sens}}V+P_{\mathrm{Offset}}V-P_{{\mathrm{Sens}}_0}{V}_0-P_{\mathrm{Offset}}{V}_0)+\underset{V_0}{\∫}{P}_{\mathrm{Sens}}\mathrm{dV}+P_{\mathrm{Offset}}\underset{V_0}{\∫}\mathrm{dV}=0---\left(12\right)$

重新整理该式得到：

$\frac{P_{\mathrm{Sens}}V-P_{{\mathrm{Sens}}_0}{V}_0}{N_{\mathrm{Poly}}-1}-\frac{N_{\mathrm{Poly}}{P}_{\mathrm{Offset}}(V_0-V)}{N_{\mathrm{Poly}}-1}+\underset{V_0}{\∫}{P}_{\mathrm{Sens}}\mathrm{dV}=0---\left(13\right)$

或者：

$(P_{\mathrm{Sens}}V-P_{{\mathrm{Sens}}_0}{V}_0)K_1+(V_0-V)K_2+\underset{V_0}{\∫}{P}_{\mathrm{Sens}}\mathrm{dV}=0---\left(14\right)$

其中在连续时间中K₁＝1/(N_Poly-1)并且K₂＝—N_PolyP_Offset/(N_Poly-1)。

将(14)转换到离散的曲柄同步领域并且应用梯形积分，对于每个样本i我们可近似为：

X_iK₁+Y_iK₂＝W_i     (15)

其中：

$X_i=P_{{\mathrm{Sens}}_1}{V}_i-P_{{\mathrm{Sens}}_0}{V}_0$

Y_i＝V₀-V_i

$W_i=W_{i-1}-(P_{{\mathrm{Sens}}_{i-1}}+P_{{\mathrm{Sens}}_1})(V_i-V_{i-1})/2---\left(16\right)$

由于V_i直接从曲柄(或活塞)位置获得，因此V_i在任意点均为已知并且已知汽缸的容积V₀，并且可以知道的是(15)中的K₁和K₂可以由线性回归(也就是说寻找多个值X_i、Y_i和W_i的最佳方案)解得，以使用下式给出数值：

$K_1=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i^2\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i{W}_i-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i{Y}_i\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i{W}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i^2\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i^2-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i{Y}_i\right)}^2}$

$K_2=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i{W}_i-K_1\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{X}_i{Y}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{Y}_i^2}---\left(17\right)$

其中X_i、Y_i和W_i在每个样本i＝1，2，...，N处被计算。K₁和K₂可以自(14)重新整理以得出：

$N_{\mathrm{Poly}}=\frac{1}{K_1}+1---\left(18a\right)$

因此，从所测量的T_Int和所获得的N_Poly，可以从图3中的查询表中获得汽缸的Z_X的相应值。此外，P_Offset可以被用于如下述的优化并可以从下式获得：

$P_{\mathrm{Offset}}=\frac{1-N_{\mathrm{Poly}}}{N_{\mathrm{Poly}}}{K}_2---\left(18b\right)$

应该注意的是，线性回归仅提出了获得“最佳匹配”的一种方法。有许多可替换的方法，包括非线性回归、极大似然法和贝叶斯统计。迭代的方法涉及构造在每次迭代j中的偏移函数E_j，从而例如：

$E_j=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{e}_i^2$

其中：

e_i＝X_iK_1，j+Y_iK_2，j-W_i

此处K_1，j和K_2，j为在每次迭代中计算的值以最小化E，从而最终

在有限数量的迭代后将发生充分的收敛并且能够使用众所周知的最小化算法实现，例如最速下降法和单纯形算法。在任何情况下每个发动机内执行多迭代的计算量(computationnal overhead)可以通过在多循环上扩展迭代的次数而被减轻，从而在例如一个循环中的3次迭代后，计算出的K₁和K₂的值可以被带入到下一步。由此，在多个发动机循环后将发生收敛。每个循环中的最大迭代数量被选择以确保发生全部收敛，特别是在瞬时期间。

过程的阶段2包括获得Z_X的估算。取决于所使用的特定的压力传感器，两种方法中的一者可以被用来执行阶段2。以说明的方式，下面的实施例涉及Z_O2，使用了额外的信息以在入口进气管(26)中的氧气质量的形式获得的事实。方法A估算了汽缸O₂浓度的分配，假设每个汽缸中的质量相同，并且方法B提供了改进的O₂浓度分配的估算，并且此外，方法B估算了各自的质量。在汽缸间的引入(inducted)的混合物的入口温度中的不同被假设为相对于绝对温度来说很小。

方法A：汽缸O₂浓度分配的改进的估算

汽缸O₂浓度的首次估算从上述的式(1)获得：

$Z_{O2\mathrm{indi}}^{*}=f_{O2}(N_{\mathrm{Polyi}},T_{\mathrm{Int}})---\left(19\right)$

其中：

N_Polyi＝汽缸i的多变指数(-)

f_O2＝O₂浓度的函数(可以如上述的2D查询表来实现)

T_Int＝入口进气管温度(K)

假设全部汽缸的入口进气管温度均相同。

所获得的首次估算是从图3中的测试台模型的校准的查询表中获得的经验值。单个的汽缸的浓度自已知的入口进气管中的O₂浓度而被校正以用于质量平衡。公共比例校正因数α被应用，α被定义为：

$Z_{O2\mathrm{Indi}}=\mathrm{\α}{Z}_{O2\mathrm{Indi}}^{*}---\left(20\right)$

其中Z_O2Indi是汽缸i的校正后的氧气浓度。

所述质量平衡关系如下：

$M_{O2\mathrm{Int}}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{M}_{O2\mathrm{Indi}}---\left(21\right)$

其中M_O2Int是每个循环的入口进气管的氧气质量并且M_O2Indi是4汽缸发动机的汽缸i的引入的氧气质量。这可以表示为氧气浓度的函数并且总引入的质量为：

$Z_{O2\mathrm{Int}}=\frac{M_{O2\mathrm{Int}}}{M_{\mathrm{Int}}}$ 和 $Z_{O2\mathrm{Indi}}=\frac{M_{O2\mathrm{Indi}}}{M_{\mathrm{Indi}}},$ 得出：

$Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indi}}{M}_{\mathrm{Indi}}---\left(22\right)$

应用(20)并且重新整理得到：

$\mathrm{\α}=\frac{Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}}{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indi}}^{*}{M}_{\mathrm{Indi}}}---\left(23\right)$

这给出了用于汽缸i的下式：

$Z_{O2\mathrm{Indi}}=\frac{Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}{M}_{\mathrm{Indj}}}{Z}_{O2\mathrm{Indi}}^{*}$ 其中j＝1，2，3，4。(24)

通过假设汽缸间的总流出所充的气质量的差别很小，因 $M_{\mathrm{Int}}=\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{M}_{\mathrm{Indj}}$ 而删除M，留下：

$Z_{O2\mathrm{Indi}}=\frac{Z_{O2\mathrm{Int}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}}{Z}_{O2\mathrm{Indi}}^{*}---\left(25\right)$

其中：

Z_O2Ind＝引入汽缸的O₂的校正后的浓度(0-1)，该校正基于从观测器模型的均值获得的平均O₂浓度。

Z_O2Int＝在入口进气管中的总的O2浓度(0-1)

这导致了校正因数 $\mathrm{\α}=\frac{Z_{O2\mathrm{Int}}}{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}},$ 有效地涉及浓度的和与期望值Z_O2Int的接近程度。如果首次估算的

的和小于Z_O2Int，则校正因数增加的原始估算，并且如果首次估算的

的和大于Z_O2Int，则所述因数减小原始估算。

总的O2浓度Z_O2Int可以通过以下已知的稳态表达式来近似，该表达式被应用到贫燃料混合物：

Z_O2Int＝Z_O2Atm(1-Z_EGR/λ)      (26)

其中：

Z_O2Atm＝周围的O₂浓度(0-1)(0.23作为基于质量的标准)

Z_EGR＝EGR速率(0-1)

λ＝过量空气比(-)＝AFR/按化学计量组成所需的AFR

在现今的一些ECU中的已知的例如均值模型的观测器模型可以被应用以获得Z_EGR。过量空气比λ可以从EGO传感器中获得。

在等式(15-18)中，多变指数N_Poly在不需要考虑传感器增益或偏移的绝对压力读数的情况下从感测到的压力读数P_Sensi中找到。只要压力传感器的读书回到与真实读数成比例，种类浓度等式(25)就保持为真，该读数与偏移无关。此外，由于汽缸压力与压缩冲程中的曲柄角度一致，因此汽缸压力不存在滞后。

方法B：改进的O₂浓度的估算和质量分配

根据本发明进一步的补充，更准确的校正可以被应用到从方法A获得的O₂浓度，该更准确的校正额外考虑汽缸间的总充气质量的不同，即不需要式(25)基于的假设。

使用式(24)：

$Z_{O2\mathrm{Indi}}=\frac{Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}{M}_{\mathrm{Indj}}}{Z}_{O2\mathrm{Indi}}^{*}$

其中：

M_Int＝每个发动机循环的总入口质量(全部汽缸的和)(kg)

M_Indj＝汽缸j中的总引入的质量(kg)

O₂的质量由下式给出：

$M_{O2\mathrm{Indi}}=Z_{O2\mathrm{Indi}}{M}_{\mathrm{Indi}}$

$=\frac{Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}{M}_{\mathrm{Indj}}}{Z}_{O2\mathrm{Indi}}^{*}{M}_{\mathrm{Indi}}---\left(27\right)$

其中总估算M_Int，从现有的ECU中已知的观测器模型中获得。

单个的汽缸质量从汽缸压力传感器直接获得，如下：

汽缸i的引入的质量可以被表示为：

$M_{\mathrm{Indi}}={\mathrm{\η}}_{\mathrm{Voli}}\frac{P_{\mathrm{Int}}}{{\mathrm{RT}}_{\mathrm{Int}}}{V}_{\mathrm{CylDisp}}---\left(28\right)$

其中：

η_Voli＝汽缸i的体积效率(0-1)

P_Int＝入口进气管压力(Pa)

R＝气体常数(J/kg/K)

T_Int＝入口温度(K)

V_CylDisp＝汽缸排量(m³)

注意，P_Int和T_Int被假设为对全部汽缸均相同并且R随气体性质的变化被假设为可忽略。

可以作为实施例说明的在麻省理工学院印刷厂于1985年发行的作者为泰勒·C.的The Internal Combustion Engine in Theory and Practice的卷1中假设了阀重叠周期被忽略，所述体积效率可以从汽缸压力直接估算，由此：

${\mathrm{\η}}_{\mathrm{Voli}}=\frac{1}{P_{\mathrm{Int}}{V}_{\mathrm{CylDisp}}(1+\mathrm{\Δ}{T}_i/T_{\mathrm{Int}})}[\frac{\mathrm{\γ}-1}{\mathrm{\γ}}\underset{\mathrm{IVO}}{\overset{\mathrm{IVC}}{\∫}}{P}_{\mathrm{Cyli}}d{V}_{\mathrm{Cyl}}+\frac{P_{\mathrm{IVCi}}{V}_{\mathrm{IVC}}{C}_{\mathrm{CompRat}}-P_{\mathrm{IVOi}}{V}_{\mathrm{CylDsip}}}{\mathrm{\γ}(C_{\mathrm{CompRat}}-1)}]---\left(29\right)$

其中：

V_CylDisp＝汽缸排量(m³)

V_Cyl＝汽缸容积(m³)

V_IVC＝汽缸在IVC处的容积(m³)

C_CompRat＝压缩比(-)

P_Cyli＝汽缸i的压力(Pa)

P_IVOi＝汽缸i在入口阀开口(IVO)处的压力(Pa)

P_IVCi＝汽缸在IVC处的压力(Pa)

γ＝特定热量比(-)

ΔT_i＝自入口进气管到汽缸的温度增长

将式(29)替换为式(28)中的η_Voli引起了P_Int和V_CylDisp的删除，由此：

$M_{\mathrm{Indi}}=\frac{{\mathrm{\μ}}_{\mathrm{Voli}}}{R(T_{\mathrm{Int}}+\mathrm{\Δ}{T}_i)}---\left(30\right)$

其中：

${\mathrm{\μ}}_{\mathrm{Voli}}=\frac{\mathrm{\γ}-1}{\mathrm{\γ}}\underset{\mathrm{IVO}}{\overset{\mathrm{IVC}}{\∫}}{P}_{\mathrm{Cyli}}d{V}_{\mathrm{Cyl}}+\frac{P_{\mathrm{IVCi}}{V}_{\mathrm{IVC}}{C}_{\mathrm{CompRat}}-P_{\mathrm{IVOi}}{V}_{\mathrm{CylDisp}}}{\mathrm{\γ}(C_{\mathrm{CompRat}}-1)}---\left(31\right)$

汽缸压力通过下式校正：

P_Cylj＝P_Sensj+P_Offset，j＝IVO，...，IVC

其中P_Offset从阶段1获得。

可替换地，上式可以被限制到入口进气管压力P_Int，即：

P_Cyl＝P_Sens+P_Offset-P_IVCLR+P_Int

其中P_IVCLR是从阶段1中的线性回归匹配进行的IVC压力的首次估算。

将式(30)应用到式(27)，汽缸O₂的质量现在被给定为：

$M_{O2\mathrm{Indi}}=\frac{Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}\frac{{\mathrm{\μ}}_{\mathrm{Volj}}}{R(T_{\mathrm{Int}}+\mathrm{\Δ}{T}_j)}}{Z}_{O2\mathrm{Indi}}^{*}\frac{{\mathrm{\μ}}_{\mathrm{Voli}}}{R(T_{\mathrm{Int}}+\mathrm{\Δ}{T}_i)}---\left(32\right)$

如果入口温度传感器被放置在所有汽缸的入口端口之间的半路上，则在ΔT_i，(i＝1，...，4)中的任何差异均可以被假设为与T_Int相比很小。这个重要的假设导致了以下用于引入的O₂的质量M_O2Indi的方案，对于汽缸i：

$M_{O2\mathrm{Indi}}=Z_{O2\mathrm{Int}}{M}_{\mathrm{Int}}\frac{Z_{O2\mathrm{Indi}}^{*}{\mathrm{\μ}}_{\mathrm{Voli}}}{\underset{j=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indj}}^{*}{\mathrm{\μ}}_{\mathrm{Volj}}}---\left(33\right)$

其中总的估算M_Int从在现今的一些ECU中找到的已知的观测器模型获得。所有其他变量为已知或如此处所述的可测量的。

与方法A不同，当需要从阶段1中得到的感测的值和偏移所获得的绝对压力时，本方法需要汽缸压力传感器的增益校准。

可以理解的是，当以上方法对首次估算的应用乘法校正时，对等式(24)和(25)的加法校正例如但不限于：

$Z_{O2\mathrm{Indi}}=Z_{O2\mathrm{Indi}}^{*}+\mathrm{\δ}$

其中：

$\mathrm{\δ}=Z_{O2\mathrm{Int}}-\frac{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{Z}_{O2\mathrm{Indi}}^{*}{M}_{\mathrm{Indi}}}{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{M}_{\mathrm{Indi}}}$ 是等效的。

此外，应该理解的是，其他出现的种类的浓度可以使用与如以上阶段2中所述的O₂的估算的相同的原理来估算。

当利用瞬时汽缸压力和容积进行估算时，例如在式(16)、(29)和(31)中，优选为用于压力和容积的曲柄角度匹配得尽可能接近从而使压力在曲柄轴的每个位置上均可以被同样精确地获知。如上所述，精确度取决于准确得知在压力轨迹中TDC发生的位置。在实际中，在由ECU“看到”的TDC和其真实位置之间存在着因曲柄传感器偏移而导致的小但能察觉的偏移。此外，由于每个活塞的曲柄销偏移以及甚至曲柄轴的挠性，每个汽缸的所述偏移可以略有不同。对于此处所述的控制系统，由于例如传感器响应时间、原始压力信号的滤波中的滞相、信号获取延迟等的测量链延迟可以产生更明显的偏移，并且要考虑的进一步的影响是热力损失角。在封闭的气体混合物和汽缸壁之间不存在热传递的理想情况下(即绝热压缩)，最大压力将发生在TDC。实际上，因为热传递，该最大值总是在TDC之前通过一定量的所谓热力损失角而发生。该角随发动机速度和壁温变化，壁温可以导致汽缸间的明显差异。由此需要对TDC位置进一步校正以调节该影响。由此，总校正为：

Δθ_Offset＝θ_Pmax+Δθ_TLA—Δθ_MC

其中：

Δθ_Offset＝TDC偏移角度

θ_Pmax＝在超出限度或延迟喷射期间测量的最大压力角

Δθ_TLA＝热力损失角

Δθ_MC＝测量链延迟角

如果在压力样本i处，相应的曲柄角为θ_i，则对全部角度i＝1-N，将需要应用以下校正：

θ_i，k＝θ_i，k-1-βΔθ_Offset，k

其中Δθ_Offset，k是在第k个发动机循环中计算的TDC偏移并且β是小于1的调整常数以确保这些校正逐渐地发生。

图5示出了使用例如但不限于图4中所示的发动机的闭环反馈控制的发动机的实际系统控制图。当发动机500运转时，传感器502始终实时监控数据，所述数据例如但不限于入口进气管压力和温度以及单个的汽缸内压力。ECU 504接收传感器数据。所述方法的阶段1(506)包括估算多变指数。阶段2(516)包括从查询表508获得特定气体种类的浓度的首次估算ZX*，所述气体种类例如但不限于在单个的汽缸内出现的空气、O₂或EGR。单个的汽缸的O₂浓度的经验的首次估算(等式19)优选为用质量平衡来校正(等式24和25)。被适当校正的种类浓度数据可以用于使用控制器514来控制燃料喷射器510和/或EGR阀512以获得期望的效果，例如但不限于降低排放和/或提高燃料燃烧效率。如果汽缸内的压力传感器为适当的规格，则阶段2(516)中的方法B优选为顺序应用到阶段1，其中在单个的汽缸内出现的种类的质量可以被估算(等式33和30)以进一步增强控制从阶段1获得的数据的质量。

将看到所描述的本发明提供了普遍的发动机问题的一系列解决方案。例如但不限于在每个单个的汽缸内出现的气体种类的体积和压力的参数的测量提供了数据以及在本发明的阶段1和2中描述的方法论，该方法论允许基于逐个种类和逐个汽缸的增加的发动机参数控制，该方法论包括需要的由线性回归获得的P_Offset的精确值。例如在任意时刻任意一个汽缸内的EGR的比例的变量提供了降低排放的优点，特别是在柴油发动机的情况下。改进的装料允许最优化的AFR或O₂/燃料比，从而提高的燃料经济性并且在柴油机发动机的情况下，降低废气的微粒含量从而避免了昂贵的附加清洁系统以达到排放条例。可以以任何适当的方式控制，例如通过可变气门驱动(VVA)的EGR控制。

单个的汽缸方法进一步的优点是避免了一个“故障”的汽缸影响变量的控制，所述变量例如为装料、点火、EGR以及在相同方式中的每个其他汽缸的空气含量。

可以理解的是此处所描述的识别发动机气体组成的两个阶段的方法可以同样地应用到其他发动机配置和发动机类型，例如但不限于不同的发动机类型，例如旋转、不同的冲程循环以及使用不同数量的汽缸，以及不同的燃料类型，例如柴油或汽油，其中点火可额外作为获得的数据的结果而被控制。

应该进一步理解的是，也可以直接感测汽缸内的压力，压力传感器可以火花塞垫圈、衬垫位移传感器或集成到电热塞中的形式被安装到汽缸的外部。

Claims (39)

1.一种识别发动机汽缸中的发动机气体组成的方法，该方法包括：从汽缸压力传感器中获得汽缸压力的测量；从所述测量中获取多变指数以及获得发动机气体组分的量的测量。

2.根据权利要求1所述的方法，该方法还包括获得热量损失的测量以及从所述热量损失和所述多变指数中获得发动机气体组分的量的测量。

3.根据权利要求2所述的方法，其中所述热量损失的测量包括发动机入口温度。

4.根据上述任一项权利要求所述的方法，其中所述发动机气体组分的量的测量包括组分浓度。

5.根据权利要求4所述的方法，其中所述浓度包括质量或体积比中的一者。

6.根据上述任一项权利要求所述的方法，其中所述发动机气体组分的量的测量从查询表中获得。

7.根据上述任一项权利要求所述的方法，其中发动机具有多个汽缸并且所述发动机气体组分的量的测量针对每个汽缸而获得。

8.根据上述任一项权利要求所述的方法，其中所述多变指数通过P_Sens和V_Cyl的一系列样本从 $(P_{\mathrm{Sens}}+P_{\mathrm{Offset}})V_{\mathrm{Cyl}}^{N_{\mathrm{Poly}}}=K_{\mathrm{Poly}}$ 中获得。

9.根据上述任一项权利要求所述的方法，其中所述多变指数在一次迭代中直接被估算。

10.根据上述任一项权利要求所述的方法，其中所述多变指数通过使用最小化技术而被迭代估算。

11.根据权利要求8所述的方法，其中多个汽缸压力传感器的值在每个发动机循环中获得，并且所述发动机气体组分的量的测量通过线性回归从该多个值中获得。

12.根据上述任一项权利要求所述的方法，其中所述汽缸压力传感器的值在单个发动机循环中获得。

13.根据权利要求1-11中任一项权利要求所述的方法，其中所述汽缸压力传感器的值在多个循环中获得。

14.根据上述任一项权利要求所述的方法，其中所述汽缸压力传感器的值在应用偏移前未被校正。

15.根据上述任一项权利要求所述的方法，其中所述发动机气体组分包括氧气、空气和/或再次循环的废气中的一者。

16.根据上述任一项权利要求所述的方法，该方法还包括基于所测量到的发动机气体组分的量来控制发动机入口气体以改变所述测量。

17.根据权利要求16所述的方法，其中所述发动机入口气体通过控制入口的再次循环的废气而被控制。

18.根据权利要求16或17所述的方法，该方法包括通过经由废气再循环阀、节流阀、可变几何涡轮增压器、可变几何压缩机或任意其他类似装置控制总的充气含量来控制发动机入口气体。

19.根据上述任一项权利要求所述的方法，该方法包括通过由进口和/或排放端口阀或节流阀或任意其他类似装置控制单个的汽缸充气含量来控制发动机入口气体。

20.根据上述任一项权利要求所述的方法，其中所述发动机气体组分包括氧气，并且对于多个发动机汽缸，所述测量从每个汽缸的测量的总和相对于所获取的总的氧气入口的值的比较而被校正。

21.根据权利要求20所述的方法，其中所述氧气的量的测量还通过与单个的汽缸的氧气质量的测量的比较而被校正。

22.根据权利要求21所述的方法，其中所述单个的汽缸的氧气质量的测量从汽缸压力的测量中获得。

23.根据权利要求22所述的方法，其中所述汽缸压力的测量被获得作为被感测的压力和偏移压力的函数。

24.根据权利要求22所述的方法，其中所述偏移压力被获得作为所述多变指数的函数。

25.根据上述任一项权利要求所述的方法，其中针对多变指数的值的所述发动机气体组分的量的测量在校准阶段中获得。

26.一种获得发动机汽缸中的气体的多变指数的方法，该方法包括从汽缸压力传感器中获得汽缸压力的测量；以及从如上述任一项权利要求所述的方法中获得多变指数，其中所述多变指数从 $(P_{\mathrm{Sens}}-P_{\mathrm{Offset}})V_{\mathrm{Cyl}}^{N_{\mathrm{Poly}}}=K_{\mathrm{Poly}}$ 获得，其中多个汽缸压力传感器的值被获得并且线性回归被应用。

27.一种获得发动机汽缸中的汽缸压力传感器偏移的方法，该方法包括从汽缸压力传感器中获得汽缸压力的测量；根据权利要求25所述的方法获取所述多变指数；以及获取作为所述多变指数的函数的偏移压力。

28.一种识别发动机汽缸中的活塞顶部上止点的方法，该活塞顶部上止点作为在汽缸压力传感器处被感测的压力的函数，所述方法包括：在校准阶段中，识别活塞顶部上止点；从感测到的压力估算最大压力；识别所述上止点和所述最大压力之间的偏移；以及存储作为发动机条件的函数的所述偏移。

29.根据权利要求27所述的方法，其中所述偏移被存储作为每个汽缸发动机条件或总体发动机条件中的一者的函数。

30.根据权利要求27或28所述的方法，其中所述发动机条件包括多变指数或热量损失的测量中的一者。

31.一种校正发动机汽缸中的活塞顶部上止点的方法，该方法包括：获得在真实的上止点和在最大感测压力处的角度之间的偏移角；以及将该偏移应用到压力被感测到时所在的角度。

32.一种用于识别发动机汽缸中的发动机气体组成的设备，该设备包括：汽缸压力传感器，该汽缸压力传感器被布置以获得汽缸压力的测量；以及处理器，该处理器被布置以从所述测量中获取多变指数并且获得发动机气体组分的量的测量。

33.一种用于控制发动机气体组成的设备，该设备包括：用于如权利要求31中所述的识别发动机气体组成的装置；以及在处理器的控制下能制动以改变入口气体的组成的至少一个致动器。

34.根据权利要求32所述的方法，其中所述致动器被布置以控制总的发动机入口气体。

35.根据权利要求33所述的设备，其中所述致动器包括废气再循环阀、节流阀、可变几何涡轮增压器、可变几何压缩机或任意其他类似的致动器中的一者。

36.根据权利要求32所述的设备，其中所述致动器被布置以控制汽缸入口气体。

37.根据权利要求35所述的设备，其中所述致动器包括进口和/或排放端口阀或节流阀或任意其他类似的致动器中的一者。

38.一种发动机控制单元，该发动机控制单元被配置以执行权利要求1-30中任一项权利要求所述的方法。

39.一种计算机可读介质，该介质包括一组指令，该组指令被配置以执行权利要求1-30中任一项权利要求所述的方法。

Images