确定燃烧发动机的喷射器的关闭时间点的方法和装置与流程

1.本发明涉及一种用于确定燃烧发动机的喷射器的关闭时间点的方法、一种控制系统、一种训练系统、一种计算机程序和一种机器可读存储介质。


背景技术：

2.从de 10 2014 219 242 a1公知一种用于借助于具有压电元件的传感装置来确定燃料喷射器的关闭时间点的方法。
3.本发明的优点在燃烧发动机、诸如具有直接喷射的柴油机或汽油机中对燃料的直接喷射允许燃烧发动机的有利的运行特性。一项挑战在于：尽可能精确地控制燃烧过程，以便改善燃烧发动机的尤其是关于燃料消耗、效率、污染物排放和运转平稳性方面的运行特性。
4.为此，重要的是：将燃烧发动机的喷射器（也包括喷射嘴或喷射阀）运行为使得所要喷射的燃料量可以以高重复精度来被配给。喷射器例如可具有电磁致动器或压电致动器，该电磁致动器或压电致动器可以操纵喷射器的阀针，以便将该阀针从针座提起并且打开喷射器的出口孔以将燃料排放到燃烧室中。
5.由于结构差异、结构公差和/或不同的运行条件、如温度、燃料压力或燃料粘度，在确定喷射器的确切的关闭时间点、也就是说从那起喷射器的针关闭且不再有燃料经由喷射器进入燃烧室的时间点时存在不确定性。
6.具有独立权利要求1的特征的方法的优点在于：可以更精确地确定燃烧发动机的喷射器的关闭时间。有利地，经此可以更精确地确定喷射器在喷射中所释放了的燃料量。这允许改善对燃烧发动机的操控，原因在于燃料量可以更精确地被计量。有利地，经此可以改善燃烧发动机的运行特性，尤其是关于燃料消耗、效率、污染物排放和运转平稳性方面的运行特性。
7.该方法的优点在于使用特殊分类器，借助于该分类器可以对喷射器的确切的关闭时间点非常精确地进行分类。


技术实现要素：

8.在第一方面，本发明涉及一种用于借助于分类器来确定燃烧发动机的喷射器的关闭时间点的计算机实现的方法，其中该方法包括如下步骤：
•ꢀ
确定输入信号的时间序列，其中这些输入信号分别与在该时间序列内的时间点对应并且这些输入信号分别表征喷射器的变形；
•ꢀ
借助于分类器，基于输入信号的时间序列来确定多个第一值，其中每一个第一值都与该时间序列的时间点对应，并且该第一值表征喷射器的关闭时间点与该时间点一致的概率；
•ꢀ
确定多个第二值，其中第二值分别是第一值的相邻的第一值与该第一值之和，其中相邻的第一值基于与这些第一值对应的时间点来被确定，而且该第二值与该第一值所
对应于的时间点对应；
•ꢀ
基于所述多个第二值中的最大的第二值来确定该关闭时间点。
9.该方法可以被这样理解，即基于喷射器的变形可以确定喷射器的精确的关闭时间点。发明人能够发现：这种用于确定关闭时间点的方法能够非常精确地确定该关闭时间点。
10.喷射器尤其可以是具有直接喷射的柴油机或汽油机的喷射器。
11.为了确定该时间序列，可以通过能确定喷射器的变形的适合的传感器在优选地定期的时间点来进行测量，其中各个测量可以分别被用作该时间序列的输入信号。尤其是，这样可以给该时间序列的每个输入信号都分配时间点，例如时钟时间或者该输入信号在该时间序列内的相对时间点。
12.也可能的是：使用其它时间序列的片段或者子集作为时间序列。
13.在一个有利的实施方式中，可能的是：借助于压电传感器来确定这些输入信号。
14.这是有利的，原因在于压电传感器能够实现关于变形方面的非常精确的测量，因为这些压电传感器相对于电磁辐射或电磁场而言不敏感并且具有高固定频率。经此，可以非常精确地确定喷射器的变形，这引起对关闭时间点的更精确的确定。
15.该时间序列被传送给分类器。该分类器可以被这样理解，即该分类器针对通过该时间序列所描绘的时间点分别确定是不是关闭时间点。有利地，通过输送该时间序列的输入信号来向该分类器显示测量的上下文，基于该上下文，该分类器可以针对相应的时间点来确定是不是关闭时间点。该分类器基于该时间序列来确定所述多个第一值。第一值可以被理解成与通过该时间序列所表征的时间点对应。尤其可能的是：针对该时间序列的每个输入信号都确定第一值，其中该第一值表征该输入信号被传感器确定了的时间点就是关闭时间点的概率。
16.该分类器可包括机器学习模型，该分类器可以基于该机器学习模型来确定第一值。替选地或附加地，也可能的是：基于该分类器的基于规则的模型来确定这些第一值。
17.在一个有利的实施方式中，可能的是：分类器包括神经网络，借助于该神经网络来确定所述多个第一值。
18.发明人能够发现：基于神经网络的分类器可以在基于输入信号的时间序列来确定关闭时间点时有利地实现最高精度。
19.这些第一值可能会已经被用于确定关闭时间点。尤其是当所确定的第一值的分布然而是多峰的时，这导致对关闭时间点的不精确的确定。因而，该方法有利地使用所述多个第二值，以便对关闭时间点进行估计。尤其可设想的是：对于每个第一值来说都存在第二值，该第二值表征与该第一值对应的时间点是关闭时间点的概率，其中基于该第一值和与该第一值相邻的另一第一值来确定该第二值。
20.因而，第二值可以被这样理解，即该第二值基于相应的时间点周围的多个概率来表征时间点是关闭时间点的概率。因而，该第二值尤其可以被理解成表征概率测度。
21.通过基于概率测度来确定关闭时间点，可以改善对关闭时间点的确定的精度。尤其是，经此可以抑制在这些第一值内的可能的不准确或者数值上的异常值，这提高了该确定的精度。
22.尤其可能的是：在确定所述多个第二值的步骤中，第一值的预先限定的第一数目的先前的第一值和该第一值的预先限定的第二数目的后续的第一值和该第一值形成相邻
的第一值。
23.这些第一值的顺序尤其可以基于该时间序列的与这些第一值对应的时间点来被确定。尤其是，这些第一值可以依据与它们对应的时间点来被排序。接着，针对第一值，依据该排序来确定前驱和后继。尤其也可能的是：依据该排序，可以确定邻域，即第一值的先前的和后续的第一值的集合。
24.在其时间点关于该时间序列位于边缘区域的第一值的情况下，可能的是：只有后续的第一值或者只有先前的第一值被用作邻域。
25.在一个有利的实施方式中，可能的是：在确定所述多个第二值的步骤中，借助于一维离散卷积来确定每一个第二值。
26.这是有利的，原因在于存在对于离散卷积来说专用的硬件和软件，由此可以使该方法加快。这是有利的，原因在于该方法为了确定喷射器的关闭时间而通常频率高地被重复，并且这样可以实现该方法的尽可能节省时间的设计。
27.还可能的是：在确定关闭时间点的步骤中，将与最大的第二值对应的时间点确定为关闭时间点。
28.在另一优选的实施方式中，可能的是：基于所确定的关闭时间点来操控燃烧发动机。
29.通过对关闭时间点的精确的确定，可以非常精确地操控燃烧发动机。有利地，经此可以改善燃烧发动机的燃料消耗、燃烧发动机的效率、燃烧发动机的污染物排放和/或燃烧发动机的运转平稳性。
30.在该方法的一个优选的实施方式中，可能的是：该方法附加地包括对分类器的训练，其中该分类器被训练为使得该分类器针对喷射器的输入信号的时间序列确定该时间序列的相应的时间点是否表征该喷射器的关闭时间点。
31.尤其是，该分类器可以被监督训练，也就是说该分类器可以被训练为使得在由该分类器所确定的输出信号与所希望的输出信号之间的误差最小化。
32.可以优选地在测量台上确定对于该训练来说所需的训练数据集。尤其是，通过在该测量台内的相对应的测量，可以确定燃料从喷射器中的流出，并且这样可以关于时间序列来确定喷射器的精确的关闭时间点。接着可以将这样确定的关闭时间点用作该分类器应该针对该时间序列预测的所希望的关闭时间点。
附图说明
33.随后，本发明的实施方式参考随附的附图更详细地予以阐述。在附图中：图1示意性示出了分类器；图2示意性示出了用于借助于分类器来操控喷射器的控制系统的构造；图3示意性示出了用于训练分类器的训练系统。
具体实施方式
34.图1示出了分类器（60）。在实施例中，分类器（60）包括神经网络（61），用于对输入信号的时间序列（x）的分类。此外，对于每一个输入信号来说都存在时间点。该时间点要么可以是绝对时间点，例如时钟时间或者从预先限定的时间点起过去的秒数，要么可以是在
该时间序列内的相对时间点。在替选的实施例中，也可能的是：为了对该时间序列的分类，使用其它机器学习模型，例如支持向量机（英文support vector machine）、随机森林分类器（英文random forest classifier）或者高斯过程（英文gaussian process）。
35.神经网络（61）基于该时间序列（x）来确定多个第一值（p1、p2、p3、pn），其中通过神经网络（61）针对该时间序列（x）的每个输入信号都确定第一值（p1、p2、p3、pn）。在此，第一值（p1、p2、p3、pn）分别表征与该第一值（p1、p2、p3、pn）对应的输入信号的时间点是喷射器的关闭时间点的概率。为此，该神经网络优选地输出第一值（p1、p2、p3、pn）的向量（63），其中这些第一值（p1、p2、p3、pn）由神经网络（60）的输出层确定。在该实施例中，该输出层使用sigmoid函数作为激活函数。在替选的实施例中，也可能的是：使用softmax函数作为激活函数或者不使用激活函数。
36.这些第一值（p1、p2、p3、pn）在向量（63）中的布置优选地按照这些第一值（p1、p2、p3、pn）的顺序来被选择，其中基于与这些第一值（p1、p2、p3、pn）对应的时间点来选择该顺序。例如可能的是：向量分量的递增索引表征与这些第一值（p1、p2、p3、pn）对应的时间点的延续。
37.将向量（63）输送给一维离散卷积函数，该一维离散卷积函数确定多个第二值（z1、z2、z3、zn）。优选地，向量（63）在卷积之前被用零（65）填充（英文padding），使得通过该卷积来确定与在向量（63）中存在的第一值（p1、p2、p3、pn）一样多的第二值（z1、z2、z3、zn）。然而，替选地，也可能的是：该卷积只考虑在向量（63）中存在的第一值（p1、p2、p3、pn），并且由此比存在的第一值（p1、p2、p3、pn）更少的第二值（z1、z2、z3、zn）被确定。在该实施例中，该卷积分别包括三个第一值（p1、p2、p3、pn）。
38.第二值（z1、z2、z3、zn）可以被这样理解，即该第二值表征第一值（p1、p2、p3、pn）的邻域之和。第二值（z1、z2、z3、zn）尤其可以被这样理解，即该第二值关于所述多个第一值（p1、p2、p3、pn）具有该第二值所对应于的参考值。优选地，该卷积基于奇数个第一值（p1、p2、p3、pn），其中第二值（z1、z2、z3、zn）具有就这些第一值（p1、p2、p3、pn）的排序而言是中间元素的第一值（p1、p2、p3、pn）作为参考值。参考元素可以被这样理解，即该参考元素限定了与该第二值（z1、z2、z3、zn）对应的时间点。换言之，该参考元素确定在该时间序列内该第二值（z1、z2、z3、zn）所相关的时间点。
39.也可设想的是：该卷积基于偶数个第一值（p1、p2、p3、pn）。在这种情况下，第二值（z1、z2、z3、zn）优选地可具有两个参考值，即就这些第一值（p1、p2、p3、pn）的排序而言两个中间值。那么，与该第二值（z1、z2、z3、zn）对应的时间点例如可以是位于这两个参考值中的第一参考值的时间点与这两个参考值中的第二参考值的时间点之间的时间点，优选地是这两个时间点中间的时间点。
40.接着，可以在输出信号（y）中提供第二值（z1、z2、z3、zn）。替选地或附加地，也可能的是：在输出信号（y）中提供时间点作为所确定的关闭时间，其中采用与这些第二值（z1、z2、z3、zn）中的最大的第二值对应的时间点作为时间点。
41.图2示出了用于控制燃烧发动机的喷射器（20）的控制系统（40）。优选地每隔一定时间间隔，借助于传感器（30）来检测喷射器（20）的变形。在该实施例中，传感器（30）是压电传感器。在替选的实施例中，其它传感器（30）也能够用于确定喷射器的变形，例如基于应变片的传感器（30）。
42.由传感器（30）所确定的测量（s）被传送给控制系统（40）。因此，控制系统（40）接收
测量（s）的序列。控制系统（40）据此来确定操控信号（a），这些操控信号被传输给喷射器（20）的控制单元（10）。
43.控制系统（40）在接收单元（50）中接收传感器（30）的测量（s）的序列，该接收单元将测量（s）的序列转换成输入信号的时间序列（x）。例如可以通过对发生在过去的测量和当前的测量（s）的选择来确定该时间序列。替选地，可设想的是：该时间序列分别包括预先限定的数目的在时间上发生在过去的测量和当前的测量（s）。换言之，根据传感器信号（s）来确定该时间序列（x）。将输入信号的时间序列（x）输送给分类器（60）。
44.分类器（60）优选地通过参数（φ）来被参数化，这些参数寄存在参数存储器（p）中并且由该参数存储器来提供。
45.分类器（60）基于该时间序列（x）来确定输出信号（y）。输出信号（y）被输送给可选的改型单元（80），该改型单元据此来确定操控信号（a），这些操控信号被输送给喷射器（20）的控制单元（10），以便相对应地对喷射器（20）进行操控。
46.控制单元（10）接收操控信号（a），相对应地被操控并且实施相对应的行动。在这种情况下，控制单元（10）可包括（不一定在结构上集成的）操控逻辑，该操控逻辑根据操控信号（a）来确定接着用来操控喷射器（20）的第二操控信号。
47.在其它实施方式中，控制系统（40）包括传感器（30）。在另外其它实施方式中，替选地或附加地，控制系统（40）也包括控制单元（10）。
48.在其它优选的实施方式中，控制系统（40）包括至少一个处理器（45）和至少一个机器可读存储介质（46），在该机器可读存储介质上存储有命令，当这些命令在该至少一个处理器（45）上被执行时，这些命令促使控制系统（40）实施按照本发明的方法。
49.在替选的实施方式中，替选于控制单元（10）或者除了该控制单元之外，规定：借助于操控信号（a）来操控至少一个其它装置（10a）。该装置（10a）例如可以是喷射器（20）所属的共轨系统（common-rail-system）的泵。替选地或附加地，可设想的是：该装置是燃烧发动机的控制设备。替选地或附加地，也可设想的是：该装置（10a）是显示单元，借助于该显示单元，可以向人员（例如驾驶员或机械师）相对应地显示由分类器（60）所确定的分类的信息。
50.图3示出了用于借助于训练数据集（t）来训练控制系统（40）的分类器（60）的训练系统（140）的实施例。训练数据集（t）包括输入信号的多个时间序列（xi），这些时间序列被用于训练分类器（60），其中训练数据集（t）还针对每一个时间序列（xi）都包括所希望的输出信号（yi），该输出信号与该时间序列（xi）对应并且表征该时间序列（xi）的分类。
51.为了进行训练，训练数据单元（150）访问计算机实现的数据库（st2），其中该数据库（st2）提供训练数据集（t）。训练数据单元（150）根据训练数据集（t）优选地随机确定至少一个时间序列（xi）和与该时间序列（xi）对应的所希望的输出信号（yi），并且将该时间序列（xi）传送给分类器（60）。分类器（60）基于输入信号（xi）来确定输出信号。
52.所希望的输出信号（yi）和所确定的输出信号被传送给更改单元（180）。
53.接着，基于所希望的输出信号（yi）和所确定的输出信号，更改单元（180）确定针对分类器（60）的新参数。为此，更改单元（180）借助于损失函数（英文：loss function）将所希望的输出信号（yi）与所确定的输出信号进行比较。该损失函数确定第一损失值，该第一损失值表征所确定的输出信号与所希望的输出信号（yi）的偏离程度。
在该实施例中，选择负对数似然函数（英文：negative log-likehood function），作为损失函数。在替选的实施例中，其它损失函数也是可设想的。
54.更改单元（180）基于第一损失值来确定这些新参数。在该实施例中，这借助于梯度下降法、优选地随机梯度下降法（stochastic gradient descent）、adam或者adamw来实现。在替选的实施例中，也可以借助于进化算法来确定这些新参数。
55.所确定的新参数被存储在模型参数存储器（st1）中。优选地，所确定的新参数作为参数被提供给分类器（60）。
56.在其它优选的实施例中，所描述的训练被迭代地重复预先限定的数目的迭代步骤，或者被迭代地重复直至第一损失值低于预先限定的阈值为止。替选地或附加地，也可设想的是：当关于测试或验证数据集的平均的第一损失值低于预先限定的阈值时，结束该训练。在这些迭代中的至少一次迭代中，在先前的迭代中所确定的新参数被用作分类器（60）的参数。
57.此外，训练系统（140）可包括至少一个处理器（145）和至少一个机器可读存储介质（146），该机器可读存储介质包含指令，当这些指令通过处理器（145）来被执行时，这些指令促使该训练系统（140）实施根据本发明的这些方面中的任一项所述的训练方法。
58.术语“计算机”包括用于运行可预先给定的计算规则的任意设备。这些计算规则可以以软件的形式存在，或者以硬件的形式存在，或者也可以以软件和硬件的混合形式存在。
59.通常，“多个”可以被理解成索引化，也就是说给所述多个中的每个元素分派唯一的索引，优选地通过将连续的整数分派给包含在所述多个中的元素来给所述多个中的每个元素分派唯一的索引。优选地，如果“多个”包括n个元素，其中n是在所述多个中的元素的数目，则给这些元素分派从1至n的整数。