Nothing Special   »   [go: up one dir, main page]

CN105573117A - 用于车辆控制系统的可配置推断传感器 - Google Patents

用于车辆控制系统的可配置推断传感器 Download PDF

Info

Publication number
CN105573117A
CN105573117A CN201510932683.9A CN201510932683A CN105573117A CN 105573117 A CN105573117 A CN 105573117A CN 201510932683 A CN201510932683 A CN 201510932683A CN 105573117 A CN105573117 A CN 105573117A
Authority
CN
China
Prior art keywords
sensor
subsystem
model
inferring
sensors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510932683.9A
Other languages
English (en)
Other versions
CN105573117B (zh
Inventor
P·贾罗斯拉夫
S·安德雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Garrett Power Technology (Shanghai) Co.,Ltd.
Original Assignee
Honeywell International Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN105573117A publication Critical patent/CN105573117A/zh
Application granted granted Critical
Publication of CN105573117B publication Critical patent/CN105573117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F01N11/002—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus
    • F01N11/005—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring or estimating temperature or pressure in, or downstream of the exhaust apparatus the temperature or pressure being estimated, e.g. by means of a theoretical model
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N11/00—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity
    • F01N11/007—Monitoring or diagnostic devices for exhaust-gas treatment apparatus, e.g. for catalytic activity the diagnostic devices measuring oxygen or air concentration downstream of the exhaust apparatus
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02M—SUPPLYING COMBUSTION ENGINES IN GENERAL WITH COMBUSTIBLE MIXTURES OR CONSTITUENTS THEREOF
    • F02M35/00—Combustion-air cleaners, air intakes, intake silencers, or induction systems specially adapted for, or arranged on, internal-combustion engines
    • F02M35/10—Air intakes; Induction systems
    • F02M35/10373—Sensors for intake systems
    • F02M35/1038—Sensors for intake systems for temperature or pressure
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0037—NOx
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/02—Registering or indicating driving, working, idle, or waiting time only
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01N—GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES OR ENGINES IN GENERAL; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNAL COMBUSTION ENGINES
    • F01N2550/00—Monitoring or diagnosing the deterioration of exhaust systems
    • F01N2550/02—Catalytic activity of catalytic converters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Complex Calculations (AREA)

Abstract

本发明涉及用于车辆控制系统的可配置推断传感器。一种提供量的估计的系统，所述量在子系统中未必直接可测量。这些量的估计可以从其他变量推断。该方法可以被称为推断感测。可以用也被所知为推断传感器的模型或虚拟传感器来替代物理传感器。本方法可以是用于设计汽车子系统中的推断传感器的框架。框架可以结合为所观测的子系统准备模型、以数据填充实时模版、以及与模型一起周期性实时运行推断传感器以获得估计变量。一旦实施，框架可以事实上重新用于任何汽车子系统而不需要显著的软件代码改变。

Description

用于车辆控制系统的可配置推断传感器
技术领域
本发明关于系统的量的测量并且特别地关于不一定容易可测量的量的测量。
发明内容
本发明展示了可以提供在子系统中不直接或不容易可测量的量的估计的系统。这些量的估计可以从其他变量推断。该方法被称为推断感测。物理传感器可以用模型或虚拟传感器(也被所知为推断传感器)替代。本方法可以是针对设计用于汽车子系统的推断传感器的框架。框架可以结合为所观测的子系统准备模型、以数据填充实时模板、并且与模型一起周期性地实时运行推断传感器以获得估计变量。一旦实施，则框架可以事实上重新用于任何汽车子系统，而不需要显著的软件代码改变。
附图说明
图1是用于汽车控制系统的推断传感器的应用的图；
图2是推断传感器的流程图；
图3是可以在用于推断传感器的非线性模型中使用的非线性普通微分方程组；
图4示出普通微分方程的解析一阶导数；
图5示出欧拉(Euler)方法；
图6示出向后欧拉或隐式方法；
图7是用于推断传感器的算法框架的图；
图8示出基于牛顿-拉夫森(Newton-Raphson)或列文伯格-马夸尔特(Levenberg-Marquardt)方法的隐式欧拉方法；
图9示出用于针对算法框架的隐式时间步骤更新的方程；
图10是针对推断传感器的离线部分的工作流程的图；以及
图11是推断传感器的实时模板的图。
具体实施方式
本系统和方法在本文中示出和/或描述的实施方式中可以结合一个或多个处理器、计算机、控制器、用户接口、无线和/或有线连接等。
该具体实施方式提供一个或多个说明性和特定示例或方式。存在实施系统和方法的多种其他示例或方式。
现代内燃机的复杂性看起来似乎是快速增长作为对法规所规定的更严格排放要求的响应。每个新的约束可能通常导致调节或增加新的子系统或技术。事实上，所有额外子系统可能随后需要新的控制系统以获得期望的性能并且确保在引擎寿命期间将满足排气管排放约束。
为了监测和控制新的子系统，通常可能必须的是引入一个或若干个额外传感器和致动器。新的传感器和致动器看起来似乎是不仅在复杂性上增加，而且在产品的最终价格上增加。再处理管线是这样的子系统的示例。SCR(选择性催化还原)可以是用来通过引入从所注射的尿素分解的氨(NH3)而将NOx从废气去除的装置。NOx和NH3排放两者必须满足规定的法律限制，并且因此可能需要用于尿素注射器的高效和精确的控制系统。反馈控制系统应当获知催化剂的内部状态，包括也就是驱动NOx转换效率的氨覆盖。该量可以必须从其他变量推断，因为直接测量不明显。当将其引入控制系统时可以改进引擎响应的变量的其他示例结合引擎外NOx浓度，吸入和排出氧气浓度、汽缸内氧气分数、以及其他因素。
由于成本、可靠性以及维护的原因，引入这些提到的传感器可能不是可能的。进一步，通过使用模型和虚拟传感器从引擎和耦合的子系统替代尽可能多的物理传感器看起来似乎是存在压力，其中这样的替代的主要原因可能是传感器的成本、它们的可靠性以及相关的车载诊断(OBD)。
当使用一些高级方法用于观测量时，物理传感器可以被模型或虚拟传感器(也被所知为推断传感器)替代。物理传感器的替代通常可能是困难的任务，其要求大量劳力并且以很大开销的测试。方法可以是针对具体量开发具体虚拟传感器。当存在对观测新的物理量的需要时，如果使用非系统的方法，则可能必须的是从头开始重复开发工作。
本方法可以是用于以非常系统的方式来设计用于在汽车子系统中使用的推断传感器的框架。进一步，在所描述的框架中使用的数学技术可以确保数值鲁棒性以及足够快用于在针对实时控制系统的嵌入式平台(也被所知为ECU(引擎控制单元))上的实施。
本方法可以允许以系统的方法通过以下来设计、配置和校准用于内燃机和再处理系统的各种推断传感器：1)为所观测的子系统准备模型；2)以数据(所知为校准数据组)填充实时模板；并且3)周期性地与实时模型一起运行推断传感器以得到所需要的估计变量。
一旦实施，则框架可以事实上重新用于引擎上的任何子系统，而不需要显著的或繁重的代码改变。例如，框架可以用于在再处理管线中估计不可测量物理量(例如，氨存储、NO/NO2比率等)。进一步，可能存在针对车辆、引擎和再处理系统物理传感器的替代或消除的潜能(例如，引擎外NOx物理传感器，吸入歧管氧气传感器、排气管外NH3物理传感器、SCR中型块状(mid-brick)NH3物理传感器等)。该推断传感器也可以被配置成估计NOx传感器对NH3的交叉灵敏度(cross-sensitivity)、SCR进口NO/NO2比率等。这样的方法可以显著地减少开发时间，并且因而减少控制系统设计总体成本，同时改进系统的性能。
本方法可以将离线和实时部分严格分离，这能够通过利用高级观测器方法来实现。方法允许实施和重新使用实时部分用于引擎和再处理子系统的将来推断传感器，而没有进行显著或繁重的代码改变。
该推断传感器可以被实施和应用为计算机程序，该计算机程序可以在引擎控制单元(ECU)或快速样机系统上执行。推断传感器可以具有离线和在线(或实时)部分。部分可以如以下来实施。
离线部分可以结合：1)处于针对实时执行的适当形式(例如，C语言文件)的推断传感器的主题的子系统的模型的手动或自动准备，并且模型由普通微分方程(ODE)组描述；以及2)针对可以被存储在自动生成的文件(例如，C语言文件或头文件)中的模型的参数数据组的手动或自动准备。
在线部分可以通过使用具有某些组件的扩展卡尔曼(Kalman)滤波器来实现，该组件结合：1)隐式固定步长求解器(例如，隐式欧拉方法)以更新系统模型状态，并且求解器可以使用迭代牛顿-拉夫森、高斯-牛顿或列文伯格-马夸尔特算法；2)基于处于因式分解形式(例如，乔列斯基(Cholesky)因式分解或LDLT分解)的测量数据，系统状态估计的协方差矩阵可以被存储和更新，并且因式分解形式可以改进方法的数值属性；以及3)系统状态估计的协方差矩阵的时间更新可以以隐式形式通过以下方式来完成：求解处于乔列斯基或LDLT因式分解形式的连续李雅普诺夫(Lyapunov)方程，例如，通过使用哈马林(Hammarling)算法或其修改。
需要指出一些观测结果。本方法可以被称为隐式扩展卡尔曼滤波器。针对为推断传感器的主题的每个新的子系统，可能需要重复离线部分，即步骤1和2。可以仅需要离线部分的步骤2，如果子系统的模型已经存在，并且存在对该推断传感器的新应用的需要。在线部分可以必须仅被实施一次，并且因而将未必必须对任何新的子系统而改变。当设计新的推断传感器时，该系统方法可以节省大量开发工作。本方法可以用于各种引擎子系统。一些示例涵盖SCR催化剂中的氨存储的估计、SCR进口NO/NO2比率的估计、NOx传感器的交叉灵敏度参数的估计、吸入歧管/汽缸内/排出歧管氧气含量或压力的估计、引擎外NOx的估计，涡轮增压器速度等。
图1是用于汽车子系统的推断传感器系统11的应用的图。端口12和15可以用于将输入分别传送到引擎或AFT子系统13和推断传感器14。来自引擎或AFT子系统13的所测量的输出可以在端口16处提供。来自端口16的输出会到达推断传感器14的输入端口14。所观测的变量可以在端口17处输出。
图2是推断传感器14的流程图。在标记21处，针对每个采样周期可以存在开始传感器14的在线部分。系统测量结果在标记22处获得。在标记23处，可以存在基于测量结果的所估计的系统状态的数据更新步骤。
在标记24处，基于测量结果可以存在所估计的系统状态的协方差矩阵(以因式分解形式)数据更新步骤。在标记25处，可以输出系统状态的所过滤的估计。通过使用系统模型的所估计的系统状态的时间更新步骤可以在标记26处。隐式求解器可以用于刚性模型。
在标记27处，通过使用系统模型可以实现所估计的系统状态协方差矩阵(处于因式分解形式)的时间更新。隐式求解器可以用于刚性模型(例如，连续李雅普诺夫方程的解)。在标记28处，可以输出系统状态的预测估计。工作流程可以在标记29处结束。
可以指出氨覆盖推断传感器。可以校验对氨存储的应用和算法框架的组件。推断传感器可以被用来通过使用可获得的测量信号来估计未测量的变量。传感器可以在引擎控制单元上以单个精确度是可执行的。传感器的主要部分可以包括系统的非线性模型，用于非线性模型的数值观测器，以及用于更新未测量的变量的状态观测器。
系统的非线性模型可以具有可能刚性非线性普通微分方程组，例如图3中的方程61。在图4中，解析一阶导数62可以具有很大优点。
用于非线性模型的数值求解器可以是快速的以及数值鲁棒的。简单的选择可以是图5的欧拉方法63。欧拉方法63可能是数值不稳定的(也就是针对刚性系统)，并且因而不一定用于真实实际问题。另一个简单的选择是向后欧拉方法，其可以针对刚性方程具有高度稳定性。图6中的向后欧拉方法64可以是用于实际应用的基本方法。方法64可以被用来求解非线性方程组。
图7是推断传感器的算法框架65的图。系统模型31可以具有方程f(.)和g()。模型31可以提供用于校准的模型参数32。
系统模型31可以与推断传感器引擎33交互。引擎33可以结合可以提供数据更新35和时间更新36的扩展卡尔曼滤波器34。数据更新35可以通过处于LDLT的比尔曼(Bierman)算法而涉及协方差更新37。时间更新36可以涉及固定步长隐式欧拉求解器38，其进而可以涉及处于LDLT的连续李雅普诺夫方程求解器39。
用于引擎33的额外项的群组30可以结合LDLT因式分解、LDLT秩一(rankone)更新、舒尔(Schur)实部分解、以及牛顿-拉夫森方法以使用LDLT求解非线性方程。可以结合其它项。
用于普通微分方程的数值求解器例如可以结合基于牛顿-拉夫森或列文伯格-马夸尔特方法的图6的后向或隐式欧拉方法64，可以示出为图8的方程66。如果提供好的开始点，则求解可以仅需要一到三次迭代。之前状态可以是非常好的估计。求解可以非常快，特别是如果能够解析推导雅可比行列式(Jacobian)。
由于图3的方程61，在图7的时间更新步骤36期间，扩展卡尔曼滤波器34可以涉及具有稳定性的可能的数值问题。隐式时间更新步骤36可以涉及图9的方程67。扩展卡尔曼滤波器34的数据更新步骤35可以通过处于LDLT因式分解的Bierman算法以协方差更新来实施，以得到数值鲁棒性。
推断传感器的离线部分可以涉及如图10中的图40中示出的工作流程。在标记41处可以发生开始推断传感器配置的离线部分。在标记42处可以发生为推断传感器准备子系统的模型。在标记43处，可以存在为推断传感器准备参数数据组。标记42和43可以涉及图3中的方程61。对于标记42而言，方程61的重点可以是f和g。对于标记43而言，方程61的重点可以是θ(t)，其是推断传感器的参数数据组。在标记44处，调配可以涉及用于推断传感器的子系统的模型和用于实时部分的参数数据组。工作流程可以在标记45处结束。校准数据组51可以看作是推断传感器的离线部分。
推断传感器的实时部分可以涉及图11中的模板50。校准数据组51可以结合涉及如图3中示出的具有重点在f与g上的方程61的系统模型52。从模型52可以是涉及具有重点在θ(t)上的相同方程61的参数数据组53。校准数据组51也可以结合调整参数54。
校准数据组51可以与推断传感器实时模板50的固定实时部分55交互。部分55可以结合扩展卡尔曼滤波器56。从滤波器56可以是数据更新57和时间更新58。从数据更新57可以是处于因式分解形式(例如，LDLT)的协方差更新59。时间更新58可以涉及固定步长隐式求解器(例如，隐式欧拉方法)。同样，时间更新58可以涉及处于因式分解形式(例如，LDLT)的连续李雅普诺夫方程求解器以更新扩展卡尔曼滤波器协方差矩阵。固定的实时部分55可以看作是推断传感器的在线部分。
扼要重述，用于推断汽车子系统的量的系统可以结合推断传感器，该推断传感器具有提供给汽车子系统的一个或多个输入以及由子系统提供的一个或多个所测量的输出，并且用于提供子系统的一个或多个所估计的量的输出。处理提供给子系统的一个或多个输入以及来自子系统的所测量的输出的计算机可以提供推断传感器的输出用于提供子系统的一个或多个所估计的量。推断传感器可以结合离线部分和在线部分。离线部分可以提供子系统的模型。在线部分可以提供子系统的一个或多个所估计的量。
离线部分进一步可以为在线部分提供子系统的模型以及参数数据组。在线部分可以接收提供给子系统的一个或多个输入，并且从子系统接收所测量的输出。在线部分可以进一步提供子系统的所估计的量的一个或多个置信区间。
在线部分可以结合卡尔曼滤波器。卡尔曼滤波器可以是扩展卡尔曼滤波器，其结合更新子系统的模型隐式固定步长求解器、一个或多个所估计的量的协方差矩阵、以及基于来自子系统的所测量的输出的更新。子系统可以是引擎或再处理机构。
推断传感器可以结合计算机、离线部分和在线部分。离线部分可以结合为推断传感器的主题的系统的模型的准备。在线部分可以结合隐式固定步长求解器以更新系统的模型。离线部分和在线部分可以由计算机处理。
离线部分可以进一步结合针对为推断传感器主题的系统模型的参数数据组的准备。
在线部分可以进一步结合系统状态估计的协方差矩阵。系统状态估计的协方差矩阵可以基于处于因式分解形式的所测量的数据而被存储和更新。
针对推断传感器主题的系统模型的参数数据组可以被存储在自动生成的文件中。
为推断传感器主题的系统模型可以由普通微分方程组描述。
系统状态估计的协方差矩阵的时间更新可以由利用连续李雅普诺夫方程的隐式固定步长求解器来执行。
如果为推断传感器的主题的系统模型存在，则针对推断传感器到系统的新应用，可以仅需要为系统模型准备参数数据组，该系统模型为离线部分的推断传感器的主题。
推断传感器可以被用于获得针对群组的一个或多个项的估计，该群组由汽车系统的选择性催化还原(SCR)催化剂中的氨存储、SCR进口NO/NO2比率、NOX传感器的交叉灵敏度参数、吸入歧管/汽缸内/排出歧管氧气含量或压力、引擎外NOx、以及涡轮增压器速度组成。
计算机可以是引擎控制单元(ECU)。
用于建立推断传感器的方法可以结合提供计算机、为正被观测的子系统准备模型、以数据填充实时模板以成为校准数据组、并且周期性在计算机上实时运行带有模型的推断传感器以获得期望的估计变量。
推断传感器可以提供再处理系统中的可测量物理量和/或不可测量的物理量的估计和置信区间。
推断传感器可以导致引擎的可测量物理量和/或不可测量物理量读数的估计和置信区间。来自推断传感器的可测量物理量读数的估计可以暗示直接可测量物理量的一个或多个传感器能够被消除。
可测量物理量的一个或多个传感器可以从群组选择，该群组由以下组成：引擎外NOx物理传感器、吸入歧管氧气物理传感器、EGR质量流量物理传感器、新鲜空气质量流量物理传感器、涡轮增压器速度物理传感器、选择性催化还原(SCR)中型块状NH3物理传感器、以及排气管外NH3物理传感器。
方法可以进一步结合将推断传感器配置成估计来自群组的一个或多个项，该群组由以下组成：NOx传感器对NH3的交叉灵敏度、SCRNH3存储、以及SCR进口NO/NO2比率。
在本说明书中，一些问题可以具有假想的或预言的本质，尽管以另外的方式或时态来陈述。
尽管本系统和/或方法已经关于至少一个说明性的示例而被描述，但是本领域技术人员在阅读说明书时，许多变型和修改将变得明显。因此考虑到相关领域意图将所附权利要求解释为尽可能宽泛以包括所有这样的变型和修改。

Claims (15)

1.一种用于推断汽车子系统的量的系统，包括：
推断传感器，具有提供给汽车子系统的一个或多个输入和由子系统提供的一个或多个所测量的输出，并且具有用于提供子系统的一个或多个所估计的量的输出；并且
其中：
处理提供给子系统的一个或多个输入以及来自子系统的所测量的输出的计算机提供推断传感器的输出，用于提供子系统的一个或多个所估计的量；并且
推断传感器包括：
离线部分；以及
在线部分；并且
其中：
离线部份提供子系统的模型；并且
在线部分提供子系统的一个或多个所估计的量。
2.根据权利要求1所述的系统，其中：
离线部分进一步提供子系统的模型和用于在线部分的参数数据组；
在线部分接收提供给子系统的一个或多个输入并且接收来自子系统的所测量的输出；并且
在线部分进一步提供子系统的所估计的量的一个或多个置信区间。
3.根据权利要求2所述的系统，其中：
在线部分包括卡尔曼滤波器；
卡尔曼滤波器是扩展卡尔曼滤波器，所述扩展卡尔曼滤波器包括更新子系统的模型的隐式固定步长求解器、一个或多个所估计的量的协方差矩阵和基于来自子系统的所测量的输出的更新；并且
子系统是引擎或再处理机构。
4.一种推断传感器，包括：
计算机；
离线部分；以及
在线部分；并且
其中：
离线部分包括准备为推断传感器的主题的系统的模型；
在线部分包括隐式固定步长求解器以更新系统的模型；并且
离线部分和在线部分由计算机处理。
5.根据权利要求4所述的传感器，其中：
离线部分进一步包括用于为推断传感器的主题的系统的模型的参数数据组的准备；并且
用于为推断传感器的主题的系统的模型的参数数据组被存储在自动生成的文件中。
6.根据权利要求4所述的传感器，其中：
在线部分进一步包括系统状态估计的协方差矩阵；
基于处于因式分解形式的所测量的数据存储和更新系统状态估计的协方差矩阵；并且
通过利用连续李雅普诺夫方程的隐式固定步长求解器执行系统状态估计的协方差矩阵的时间更新。
7.根据权利要求4所述的传感器，其中为推断传感器的主题的系统的模型通过普通微分方程组来描述。
8.根据权利要求4所述的传感器，其中如果存在为推断传感器的主题的系统的模型，针对推断传感器到系统的新应用，则仅需要针对为离线部分的推断传感器的主题的系统的模型的参数数据组的准备。
9.根据权利要求4所述的传感器，其中推断传感器被用于获得针对由以下组成的群组的一个或多个项的估计：汽车系统的选择性催化还原(SCR)催化剂中的氨存储、SCR进口NO/N02比率、NOX传感器的交叉灵敏度参数、吸入歧管/汽缸内/排出歧管氧气含量或压力、引擎外NOx、以及涡轮增压器速度。
10.根据权利要求4所述的传感器，其中计算机是引擎控制单元(ECU)。
11.一种用于建立推断传感器的方法，包括：
提供计算机；
为正被观测的子系统准备模型；
利用为校准数据组的数据填充实时模板；并且
利用模型在计算机上周期性实时运行推断传感器以获得期望的估计变量。
12.根据权利要求11所述的方法，其中推断传感器提供再处理系统中可测量物理量和/或不可测量物理量的估计以及置信区间。
13.根据权利要求11所述的方法，其中推断传感器导致引擎的可测量物理量和/或不可测量物理量的读数的估计和置信区间。
14.根据权利要求13所述的方法，其中：
来自推断传感器的可测量物理量读数的估计暗示能够消除直接可测量物理量的一个或多个传感器；并且
可测量物理量的一个或多个传感器从由以下组成的群组选择：引擎外NOx物理传感器、吸入歧管氧气物理传感器、EGR质量流量物理传感器、新鲜空气质量流量物理传感器、涡轮增压器速度物理传感器、选择性催化还原(SCR)中型块状NH3物理传感器、以及排气管外NH3物理传感器。
15.根据权利要求14所述的方法，进一步包括将推断传感器配置成估计来自由以下组成的群组的一个或多个项：NOx传感器对NH3的交叉灵敏度、SCRNH3存储、以及选择性催化还原(SCR)进口NO/NO2比率。
CN201510932683.9A 2014-11-04 2015-11-03 用于车辆控制系统的可配置推断传感器 Active CN105573117B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP14191767.4 2014-11-04
EP14191767.4A EP3018541B1 (en) 2014-11-04 2014-11-04 Configurable inferential sensor for vehicle control systems

Publications (2)

Publication Number Publication Date
CN105573117A true CN105573117A (zh) 2016-05-11
CN105573117B CN105573117B (zh) 2021-09-24

Family

ID=51893857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510932683.9A Active CN105573117B (zh) 2014-11-04 2015-11-03 用于车辆控制系统的可配置推断传感器

Country Status (4)

Country Link
US (1) US10672202B2 (zh)
EP (1) EP3018541B1 (zh)
JP (1) JP6647834B2 (zh)
CN (1) CN105573117B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107366593A (zh) * 2016-05-13 2017-11-21 宝沃汽车（中国）有限公司 发动机系统的进气温度检测方法、装置及车辆
CN108386262A (zh) * 2018-03-05 2018-08-10 北京航空航天大学 一种柴油机串联scr系统氨气覆盖率与存储量观测方法
CN109062053A (zh) * 2018-08-31 2018-12-21 江苏国信靖江发电有限公司 一种基于多变量校正的脱硝喷氨控制方法
CN109844416A (zh) * 2016-09-02 2019-06-04 皇家飞利浦有限公司 空气处理设备，传感器装置和操作方法
CN112417750A (zh) * 2019-08-21 2021-02-26 通用汽车环球科技运作有限责任公司 经由连续的时间导数估计在线不可测量变量的虚拟传感器
CN114556248A (zh) * 2019-08-09 2022-05-27 康佩迪有限责任公司 用于确定传感器配置的方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109213111B (zh) * 2017-06-29 2020-07-28 长城汽车股份有限公司 整车控制器测试方法及系统
JP7006199B2 (ja) * 2017-12-01 2022-01-24 オムロン株式会社 データ生成装置、データ生成方法、データ生成プログラムおよびセンサ装置
JP6489250B1 (ja) * 2018-02-13 2019-03-27 オムロン株式会社 候補抽出装置、候補抽出方法及びプログラム
US11783301B2 (en) * 2019-01-02 2023-10-10 The Boeing Company Systems and methods for optimizing maintenance plans in the presence of sensor data
US11893092B2 (en) * 2020-01-17 2024-02-06 Sony Group Corporation Privilege auto platform
WO2024022765A1 (en) * 2022-07-29 2024-02-01 Robert Bosch Gmbh An electronic control unit (ecu) adapted to monitor physical states and a method thereof
US11773798B1 (en) 2022-12-01 2023-10-03 Caterpillar Inc. Controlling operation of an engine based on emissions monitoring
US12060844B1 (en) 2023-08-03 2024-08-13 Garrett Transportation Inc. Air-path coordination in an engine

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1137829A (zh) * 1994-09-02 1996-12-11 西姆普拉斯有限公司 交互式机器控制系统和方法
FR2783940A1 (fr) * 1998-09-28 2000-03-31 Schneider Electric Sa PROCEDE D'ESTIMATION, A L'AIDE D'UN FILTRE DE kALMAN ETENDU, D'UN VECTEUR D'ETAT REPRESENTATIF DE L'ETAT D'UN SYSTEME DYNAMIQUE
US20030216855A1 (en) * 2002-05-15 2003-11-20 Liang Cho Y. NOx emission-control system using a virtual sensor
US20040024565A1 (en) * 2002-08-05 2004-02-05 Jingsheng Yu Vehicle operating parameter determination system and method
CN1740746A (zh) * 2005-05-23 2006-03-01 清华大学 微小型动态载体姿态测量装置及其测量方法
CN101786454A (zh) * 2010-02-03 2010-07-28 无锡市亦清轩数码动漫设计有限公司 电动汽车自动安全控制系统及其控制方法
CN101817352A (zh) * 2009-09-23 2010-09-01 兰州理工大学 基于无线通讯的智能止轮器系统
CN102175463A (zh) * 2011-02-12 2011-09-07 东南大学 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法
CN102418608A (zh) * 2007-03-28 2012-04-18 博格华纳公司 在涡轮增压的发动机系统中控制排气再循环
US20130173028A1 (en) * 2011-12-28 2013-07-04 Caterpillar Inc. Systems and Methods for Extending Physical Sensor Range Using Virtual Sensors

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6347512B1 (en) * 2000-04-28 2002-02-19 Ford Global Technologies, Inc. Method and system for controlling a lean NOx trap purge cycle
US7810313B2 (en) * 2007-03-19 2010-10-12 Honeywell International Inc. Method and system for the simultaneous measurement of a plurality of properties associated with an exhaust gas mixture
WO2009070734A1 (en) * 2007-11-26 2009-06-04 Michigan Technological University Nox control systems and methods for controlling nox emissions
US8453431B2 (en) * 2010-03-02 2013-06-04 GM Global Technology Operations LLC Engine-out NOx virtual sensor for an internal combustion engine
US8700546B2 (en) * 2011-12-20 2014-04-15 Honeywell International Inc. Model based calibration of inferential sensing
US9115635B2 (en) 2013-03-22 2015-08-25 Ford Global Technologies, Llc Inferred engine local temperature estimator

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1137829A (zh) * 1994-09-02 1996-12-11 西姆普拉斯有限公司 交互式机器控制系统和方法
FR2783940A1 (fr) * 1998-09-28 2000-03-31 Schneider Electric Sa PROCEDE D'ESTIMATION, A L'AIDE D'UN FILTRE DE kALMAN ETENDU, D'UN VECTEUR D'ETAT REPRESENTATIF DE L'ETAT D'UN SYSTEME DYNAMIQUE
US20030216855A1 (en) * 2002-05-15 2003-11-20 Liang Cho Y. NOx emission-control system using a virtual sensor
EP1367248A1 (en) * 2002-05-15 2003-12-03 Caterpillar Inc. NOx emission-control system using a virtual sensor
US20040024565A1 (en) * 2002-08-05 2004-02-05 Jingsheng Yu Vehicle operating parameter determination system and method
CN1740746A (zh) * 2005-05-23 2006-03-01 清华大学 微小型动态载体姿态测量装置及其测量方法
CN102418608A (zh) * 2007-03-28 2012-04-18 博格华纳公司 在涡轮增压的发动机系统中控制排气再循环
CN101817352A (zh) * 2009-09-23 2010-09-01 兰州理工大学 基于无线通讯的智能止轮器系统
CN101786454A (zh) * 2010-02-03 2010-07-28 无锡市亦清轩数码动漫设计有限公司 电动汽车自动安全控制系统及其控制方法
CN102175463A (zh) * 2011-02-12 2011-09-07 东南大学 一种基于改进卡尔曼滤波的汽车路试制动性能检测方法
US20130173028A1 (en) * 2011-12-28 2013-07-04 Caterpillar Inc. Systems and Methods for Extending Physical Sensor Range Using Virtual Sensors

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107366593A (zh) * 2016-05-13 2017-11-21 宝沃汽车（中国）有限公司 发动机系统的进气温度检测方法、装置及车辆
CN107366593B (zh) * 2016-05-13 2019-09-20 宝沃汽车（中国）有限公司 发动机系统的进气温度检测方法、装置及车辆
CN109844416A (zh) * 2016-09-02 2019-06-04 皇家飞利浦有限公司 空气处理设备，传感器装置和操作方法
CN108386262A (zh) * 2018-03-05 2018-08-10 北京航空航天大学 一种柴油机串联scr系统氨气覆盖率与存储量观测方法
CN108386262B (zh) * 2018-03-05 2020-11-06 北京航空航天大学 一种柴油机串联scr系统氨气覆盖率与存储量观测方法
CN109062053A (zh) * 2018-08-31 2018-12-21 江苏国信靖江发电有限公司 一种基于多变量校正的脱硝喷氨控制方法
CN109062053B (zh) * 2018-08-31 2022-11-29 江苏国信靖江发电有限公司 一种基于多变量校正的脱硝喷氨控制方法
CN114556248A (zh) * 2019-08-09 2022-05-27 康佩迪有限责任公司 用于确定传感器配置的方法
CN112417750A (zh) * 2019-08-21 2021-02-26 通用汽车环球科技运作有限责任公司 经由连续的时间导数估计在线不可测量变量的虚拟传感器
CN112417750B (zh) * 2019-08-21 2024-05-31 通用汽车环球科技运作有限责任公司 经由连续的时间导数估计在线不可测量变量的虚拟传感器

Also Published As

Publication number Publication date
US20160125672A1 (en) 2016-05-05
EP3018541A1 (en) 2016-05-11
CN105573117B (zh) 2021-09-24
JP2016089837A (ja) 2016-05-23
JP6647834B2 (ja) 2020-02-14
US10672202B2 (en) 2020-06-02
EP3018541B1 (en) 2023-10-25

Similar Documents

Publication Publication Date Title
CN105573117A (zh) 用于车辆控制系统的可配置推断传感器
CN106812576B (zh) 在空载或低负载期间估计碳烟负载的系统、方法和装置
Basin et al. Runtime monitoring of metric first-order temporal properties
US10036297B2 (en) NOx estimation using local state-space models
US9328644B2 (en) Exhaust system and method of estimating diesel particulate filter soot loading for same using two-tier neural network
Asprion et al. Optimal control of diesel engines: Numerical methods, applications, and experimental validation
US20150088399A1 (en) Exhaust system and method of estimating diesel particulate filter soot loading for same
CN103161599A (zh) 求取发动机系统中的物理参量的模拟值的方法和装置
EP3362662B1 (en) Reference value engine control systems and methods
KR100872753B1 (ko) 제어 시스템의 평가 장치, 평가 장치에 사용되는 검증장치, 제어 시스템의 평가 방법 및 그에 이용되는 컴퓨터프로그램
Jin et al. Benchmarks for model transformations and conformance checking
US20180266348A1 (en) Reference value engine control systems and methods
US20180266343A1 (en) Reference value engine control systems and methods
Riccio et al. Towards a powerful hardware-in-the-loop system for virtual calibration of an off-road diesel engine
CN107532498B (zh) 用于柴油排气处理液配料装置的自动性能调节
Lumpp et al. Desktop simulation and calibration of diesel engine ecu software using software-in-the-loop methodology
CN104981744A (zh) 控制装置的设计方法以及控制装置
WO2012014070A1 (en) Model construction apparatus and model construction method
Katrašnik Transient momentum balance—A method for improving the performance of mean-value engine plant models
Bertram et al. Development of an Euro VI engine using model-based calibration
CN114934851B (zh) 一种中冷管路容积的修正方法、装置、设备及存储介质
Mancini Automotive diesel engine transient operation: modeling, optimization and control
Aspriona et al. From static to dynamic optimisation of Diesel-engine control
Shang et al. Research on software fault mode time prediction method based on Matlab/Simulink virtual simulation
Ide et al. Leveraging big data analysis to enhance the validation of EGT-Systems

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20180803

Address after: American California

Applicant after: Garrett Communications Co., Ltd.

Address before: new jersey

Applicant before: Honeywell International Corp.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220216

Address after: Swiss basil

Patentee after: Garrett Power Co.,Ltd.

Address before: California, USA

Patentee before: Garrett Transportation 1

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220331

Address after: No. 8, Newton Road, Pudong New Area (Shanghai) pilot Free Trade Zone, Shanghai

Patentee after: Garrett Power Technology (Shanghai) Co.,Ltd.

Address before: Swiss basil

Patentee before: Garrett Power Co.,Ltd.

TR01 Transfer of patent right