用于确定热状态的方法和系统与流程
本公开总体上涉及热系统，更具体地涉及推进系统热状态的基于模型的虚拟感测，以改善对燃烧过程的控制。
背景技术：
在系统控制中，进行确定的能力受到限制，例如因为可用的输入不够完美。当无法达到理想的粒度时，确定可能会导致控制水平低于最佳。这可能是因为参数的测量受到许多限制，比如传感器提供不同程度的精度。而且，在某些应用中，参数状态实际上并未测量。在某些情况下，获取测量值并非具有成本效益，并且在其他情况下，传感器可能无法实际放置在适用控制方案的最佳关注位置。
在涉及内燃发动机的应用中，冷却剂温度传感器通常可用于提供可用于进行控制确定的输入。然而，被控制的活动包括发动机气缸内的燃烧。冷却液温度仅间接指示气缸内发生的燃烧过程遇到的热工况。气缸内的温度在燃烧循环中迅速变化，燃烧循环涉及环境空气和燃料被吸入气缸、然后压缩、燃烧以及排出空气/燃料混合物。通常不直接知道限定燃烧室的发动机缸体和缸盖的温度。然而，这些温度比冷却系统中的冷却剂温度对燃烧反应的影响更大。例如，当指示发动机运行变化比如冷启动和燃烧模式之间的变化时，为了获得所需的控制响应，气缸温度是重要因素。在确定空气和燃料输送的比例和量、点火正时及其他因素以实现最佳效率时，更相关的信息将很有用。
因此，期望提供在进行控制确定时用于确定更多有用信息的方法和系统。例如，期望用于内燃发动机的控制的改进的温度信息。此外，结合附图以及前述技术领域和背景技术，根据随后的详细描述和所附权利要求，本发明的其他期望的特征和特性将变得显而易见。
技术实现要素：
许多实施例包括用于确定包括流体导管的热系统的温度的系统和方法。一种用于确定温度的系统包括传感器，其设置成监测热系统的参数的当前状态。控制器配置成：从传感器接收代表当前状态的信号；确定流体导管中的流量；确定热系统的噪声协方差；处理热系统的热模型；在当前状态之后的一时间处预测参数的下一步状态；并且至少部分地基于噪声协方差来校正下一步状态，从而得到校正后的下一步状态。
在另外的实施例中，控制器还配置为基于校正后的下一步状态来控制内燃发动机的操作。
在另外的实施例中，传感器配置为监测流体导管中的冷却剂的冷却剂温度。控制器配置成使用冷却剂温度来确定内燃发动机的壁温度。
在另外的实施例中，至少一个阀配置成控制通过流体导管的分支的流量。控制器配置成基于阀的位置来确定分支中的流量。
在另外的实施例中，控制器配置为使用卡尔曼滤波器方法来校正预测的下一步状态。
在另外的实施例中，热系统包括用于推进系统的冷却系统。控制器配置为基于代表在时间k-1处的推进系统的运行状态的系统输入并使用非线性模型来预测下一步状态。这使用在时间k处采样的当前状态的测量来校正预测的下一步状态。
在另外的实施例中，控制器配置成确定传感器的可靠性并且校正将可靠性考虑在内的预测的下一步状态。
在另外的实施例中，控制器配置为确定传感器是否不可靠，以及当传感器不可靠时，在不使用当前状态的情况下预测下一步状态。
在另外的实施例中，致动器配置为控制流量。控制器配置为通过基于流量模型和来自致动器的反馈的估计来确定流量。
在另外的实施例中，控制器配置为由使用温度测量、预测的下一步状态、线性化的模型参数以及噪声协方差的卡尔曼滤波器观察器来校正下一步状态，从而得到校正后的下一步状态。
在许多另外的实施例中，一种确定热系统的参数的状态的方法包括由控制器并基于流量模型和致动器反馈来估计热系统中的分支流量。控制器使用估计的分支流量来确定热系统中传感器的噪声协方差水平。控制器处理热模型并基于热模型来预测热系统的参数的下一步状态。控制器至少部分地基于噪声协方差来校正下一步状态。控制器基于校正后的下一步状态来操作至少一个致动器。
在另外的实施例中，控制器基于卡尔曼滤波器观察器、温度测量、预测的下一步状态、线性化的模型参数以及噪声协方差来确定校正后的下一步状态。
在另外的实施例中，控制器基于校正后的下一步状态来操作内燃发动机。
在另外的实施例中，传感器监测流体导管中的冷却剂的冷却剂温度。控制器使用冷却剂温度来确定内燃发动机的气缸周围的壁的壁温度。
在另外的实施例中，阀控制通过流体导管的分支的流量。基于阀的位置，控制器确定分支中的流量。
在另外的实施例中，控制器使用代表在时间k-1处的推进系统的运行状态的系统输入和热系统的非线性模型来预测下一步状态。使用在时间k处采样的当前状态的测量来校正下一步状态。
在另外的实施例中，控制器确定传感器是否不可靠。当确定传感器不可靠时，预测下一步状态，而无需考虑当前状态。
在另外的实施例中，致动器控制流量。控制器基于流量模型和来自致动器的反馈来确定流速。通过控制器处理使用温度测量、下一步状态预测、线性化模型参数以及噪声协方差的卡尔曼滤波器观察器来预测所预测的下一步状态。
在多个另外的实施例中，一种确定推进系统的热系统的温度的下一状态的方法包括通过传感器监测热系统的当前状态温度。控制器基于流量模型和致动器反馈来估计热系统中的分支流量。控制器使用估计的分支流量确定传感器的可靠性，并基于确定的可靠性将噪声协方差水平分配给传感器。基于热模型，预测温度的下一步状态。控制器至少部分地基于噪声协方差来校正下一步状态。控制器基于温度的校正后的下一步状态来操作至少一个致动器。
附图说明
在下文中将结合以下附图描述示例性实施例，其中相同的标号表示相同的元件，并且其中：
图1是根据各种实施例的具有用于确定热状态的系统的车辆推进系统的热系统的示意图；
图2是根据各种实施例的用于图2的推进系统的控制系统的示意图；
图3是根据各种实施例的用于确定图1的热状态的系统的功能框图；
图4是根据各种实施例的示出可以使用图1和2的系统执行的用于确定热状态的过程的流程图；以及
图5是根据各种实施例的噪声协方差与传感器上的估计流量的曲线图，表明了传感器的可靠性。
具体实施方式
以下详细描述本质上仅是示例性的，并不旨在限制应用和使用。此外，无意受在前述技术领域、背景技术、发明内容或以下详细描述中提出的任何明示或暗示的理论约束。如本文所用，术语模块是指单独或以任何组合的任何硬件、软件、固件、电子控制部件、处理逻辑和/或处理器设备，包括但不限于：专用集成电路(asic)、电子电路、执行一个或多个软件或固件程序的处理器(共享、专用或成组)和存储器、组合逻辑电路和/或提供所描述功能的其他合适部件。
这里可以根据功能和/或逻辑块部件以及各种处理步骤来描述本公开的实施例。应当理解，可以通过配置为执行指定功能的任何数量的硬件、软件和/或固件部件来实现这样的块部件。例如，本公开的实施例可以采用各种集成电路部件，例如存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其他控制设备的控制下执行各种功能。另外，本领域技术人员将理解，可以结合任何数量的转向系统来实践本公开的实施例，并且本文描述的车辆系统仅仅是本公开的一个示例实施例。
为了简洁起见，与信号处理、数据传输、信令、控制和系统的其他功能方面(以及系统的各个操作部件)有关的常规技术在此处可能不会详细描述。此外，本文包含的各个附图中所示的连接线旨在表示各个元件之间的示例功能关系和/或物理联接。应当注意，在本公开的实施例中可以存在许多替代或附加的功能关系或物理连接。
如本文所述，公开的系统和方法使用热系统模型和具有智能配置的观察器的冷却剂流动来虚拟且可靠地感测关键温度，从而以最小的部件成本来增强热管理。在多个实施例中，用于确定热状态的方法包括基于流量模型和致动器反馈来估计系统分支流量。分支流量可用于确定系统温度传感器是否可靠。该方法可以将噪声协方差水平分配给每个传感器，以反映加权的可靠性。热模型可用于提供状态预测并标识线性化的模型参数。利用温度测量、状态预测、线性化模型参数和噪声协方差的卡尔曼滤波器观察器可用于估计热状态。结果提供了在所有推进系统运行条件下的可靠温度估算，包括在冷却系统流量很少或没有流量的情况下，提供运行和燃油经济性好处。
参照图1，示出了用于推进系统102的热管理的热系统100的一个示例。如将在本文中进一步讨论，以改进的性能和效率来控制推进系统。热系统100只是其改进的热状态信息有用的系统的一个示例。所公开的方法在本文描述的示例性应用中是有用的，因为它们提供了以前不可获得的信息或仅通过复杂手段以过高成本可获得的信息。本公开适用于需要改进性能和更有效控制的其他应用。因此，尽管在车辆推进系统的上下文中进行了描述，但本文公开的各种特征和特性可以用于其中附加的参数状态信息是有用的其他上下文和应用中。例如，各种其他机械和机电系统环境以及不同类型的受控系统将从本文描述的特征中受益。因此，没有特定的特征或特性被约束到车辆或推进系统，并且原理同样体现在其他热管理系统及其他应用中。
如图1所示，推进系统102通常包括发动机104和变速器106。通常，发动机104包括缸体108、缸盖110、以排气歧管112为例的歧管以及涡轮增压器114。这些部件包括相当大的质量并容纳燃烧过程，从而导致热系统受到严重干扰。将理解的是，在应用中，缸体108、缸盖110、排气歧管112和涡轮增压器114将被组装成运行发动机104。另外，排气歧管112可以是与缸盖110一体形成的一体式排气歧管。缸体108、缸盖110、排气歧管112和涡轮增压器114中的每一个都是冷却的部件，因此提供干扰热系统100的输入。此外，可以控制每个的温度以获得理想的操作特性，特别是控制燃烧。
热系统100包括多个流体导管116，其表示为一组，并且配置为提供互连并且指导和引导流体流动。导管116可包括管道、管、软管、通道和各种尺寸的其他限定的通道。任何给定分支中的流量通常是泵操作、阀位置和导管配置的函数。热系统100包括主冷却剂泵120，其在当前实施例中是电驱动泵。在其他实施例中，泵120可以由其他机构驱动，比如由发动机104机械地驱动。泵120使冷却剂流体流通通过发动机104、散热器122、一对加热器芯123、124、发动机油热交换器126以及变速器油热交换器128。风扇118邻近散热器设置，以辅助空气流与环境空气进行热交换。热系统100还包括增压空气冷却泵130，其使流体流通通过增压空气冷却器132形式的热交换器。可以包括调压箱134以适应热系统100中的流体的热膨胀和收缩。
在当前实施例中，多个阀控制通过如由导管116限定的热系统100的不同分支的流体流量。截止阀138设置在发动机缸体108和散热器122之间的导管中。截止阀138控制由泵120输送的冷却剂的量，冷却剂流通通过分支140和发动机缸体108。截止阀138还控制通过缸体108的流动与发动机104的其他部分的分流。例如，当截止阀138沿关闭方向移动时，更多的冷却剂被引导至缸盖110、排气歧管112和涡轮增压器114，并且更少的冷却剂被引导通过缸体108。在一些实施例中，可包括阀以单独控制通过缸盖110和排气系统部件112、114的流量。附加阀142设置在包含变速器油热交换器128的分支144中，阀146设置在包含发动机油热交换器126的分支148中，且阀150设置在包含加热器芯123、124的分支152中。散热器阀154控制通过分支156的流量，从而确定提供多少散热器冷却的流量与通过分支158再流通的回流相反。
增压空气冷却器132、发动机104、加热器芯123、124、油热交换器126、128和散热器122中的每一个在热系统100中产生干扰，其充当冷却剂的显著温度变化的来源。包括多个温度传感器，以监测各个位置处的冷却剂温度，以在控制推进系统102时提供有用的信息。增压空气入口传感器160设置在导管中，靠近增压空气冷却器132的入口。来自传感器160的读数可用于确定由泵130通过增压空气冷却器132输送的流量，以供应在发动机进气穿过涡轮增压器114之后和进入发动机104之前对其冷却所需的冷却量。进入的空气温度会影响发动机功率和燃油经济性，因此可以使用增压空气冷却器132进行控制以获得最佳运行效果。发动机进入传感器162设置成监测进入发动机104之前的冷却剂温度，并且发动机排出传感器164设置成监测离开发动机104之后的冷却剂温度。缸盖传感器166设置成监测离开缸盖110和排气歧管112之后的冷却剂温度，排气歧管112在当前实施例中结合在整体铸件中。发动机油传感器168监测由发动机油泵170流通的发动机油的温度，而变速器油传感器172监测由变速器油泵174流通的变速器油的温度。散热器传感器176监测离开散热器122的冷却剂温度，返回传感器178监测通过分支158再流通的冷却剂的温度，并且缸体冷却剂传感器180监测在发动机缸体108中的冷却剂的温度。
发动机104包括多个气缸179，每个气缸与用于供应空气的进气阀184、用于供应燃料的喷射器186和用于在燃烧之后排空气缸179的排气阀188相关。通过进气阀184供应的燃烧空气被涡轮增压器114压缩。压缩导致燃烧空气变热。因此，压缩的加热燃烧空气可以在传递到气缸179之前在增压空气冷却器132中被冷却。通常包括但未示出的部件包括排气系统以及可被提供用于操作排气系统(包括用于废气再循环)的各种其他阀、传感器等。阀184、188可由与曲轴(也未示出)一起实时旋转的凸轮轴(未示出)致动。在一些示例中，凸轮移相器(未示出)可以选择性地改变凸轮轴与曲轴之间的正时。
参照图2，推进系统102可以进一步包括发动机管理系统200，其包括与与各种汽车系统部件相关的多个传感器和/或设备通信的控制器204。通常，控制器204配置为从各种传感器接收输入，这些传感器配置为与与发动机104、其子系统和有关系统相关的各种物理参数成比例地产生信号。本公开提供了准确地预测到未来一步的各种参数的下一步状态以用于精确地控制推进系统102的系统和方法。
在当前实施例中，各种传感器包括但不限于质量气流和温度传感器206、歧管压力和温度传感器208、燃烧压力传感器210、燃料导轨压力传感器212、凸轮位置传感器214、曲柄位置/转速传感器216、排气压力传感器218、排气温度传感器220、nox传感器222和加速器踏板位置传感器224。控制器204生成输出信号，其被传递到各种受控装置/致动器，它们布置成控制推进系统102的操作，包括但不限于燃料喷射器226、节气阀228、egr阀230、vgt致动器232和凸轮移相器236。控制器204可以产生附加输出信号，例如附加输出信号可以与热系统100相关。在一些实施例中，热系统控制模块250可以由控制器204来实现，或者与其结合来实现，以控制热系统100的操作并提供用于发动机104的其他操作的输入，比如用于控制供应给气缸的燃料和空气、点火正时和其他功能。在该上下文中，控制器204和/或更具体地热系统控制模块250可以接收来自温度传感器、致动器和其他来源的输入。发动机管理系统200还包括致动器，其包括主冷却剂泵120、增压空气冷却泵130、风扇118以及阀138、142、146、150和154。还包括缸体加热器190和温度传感器160、162、164、166、168、172、176、178和180作为发动机管理系统200的一部分。
控制器204可以包括任意数量的电子控制模块，并且配置为从各种来源接收信息，处理该信息并基于其提供控制信号/命令以实现诸如推进系统102和相关系统(包括热系统100)的操作之类的结果。在所示的实施例中，控制器204包括处理器240和存储器设备242，并且与存储设备244耦合。处理器240执行控制器204的计算和控制功能，并且可以包括任何类型的处理器或多个处理器、单个集成电路比如微处理器或者协同工作以完成处理单元的功能的任何适当数量的集成电路设备和/或电路板。在操作期间，处理器240执行一个或多个程序246并且可以使用数据248，每个都可以包含在存储设备244内，因此处理器240在执行本文所述的过程(比如下面结合图4进一步描述的过程)中控制控制器204的一般操作。
存储器设备242可以是任何类型的合适存储器。例如，存储器设备242可以在例如只读存储器(rom)、随机存取存储器(ram)和保持活动存储器(kam)中包括易失性和非易失性存储。kam可以包括永久性或非易失性存储器，其可以在处理器240断电时用于存储各种操作变量。可以使用许多已知的存储器设备中的任何一种来实现存储器设备242，比如prom(可编程只读存储器)、eprom(可擦除prom)、eeprom(电可擦除prom)、闪存或能够存储由控制器204使用的数据的任何其他电、磁、光或组合存储器设备，其中一些数据表示可执行指令。在某些实施例中，存储器设备242可以位于和/或共同位于与处理器240相同的计算机芯片上。在所描绘的实施例中，存储器设备242可以存储以上引用的程序246以及数据248的一个或多个存储值，比如用于短期数据访问。
存储设备244存储数据，比如用于长期数据访问，以用于自动控制推进系统102及其相关系统。存储设备244可以是任何合适类型的存储设备，包括直接访问存储设备，比如硬盘驱动器、闪存系统、软盘驱动器和光盘驱动器。在一示例性实施例中，存储设备244包括源，存储器设备242从该源接收执行本公开的一个或多个过程的一个或多个实施例的程序，比如下面结合图4进一步描述的过程(以及任何子过程)的步骤。在另一示例性实施例中，程序246可以直接存储在存储器设备242中和/或以其他方式由其访问。程序246表示可执行指令，由电子控制器204用于处理信息以及用于控制推进系统102以及系统(包括发动机管理系统200)。指令可以包括一个或多个单独的程序，其中每个包括用于实现逻辑功能的可执行指令的有序列表。指令在由处理器240执行时支持诸如来自各种传感器的信号的接收和处理以及逻辑、计算、方法和/或算法的性能，用于自动控制推进系统102的部件和系统。处理器240可以产生用于发动机管理系统200的控制信号，并且基于逻辑、计算、方法和/或算法而自动控制推进系统102和热系统100的各种部件和系统。应当理解，数据存储设备244可以是控制器204的一部分、与控制器204分离、可以是一个或多个控制器的一部分或者是多个系统的一部分。存储器设备242和数据存储设备244与处理器240一起工作，以访问和使用程序246和数据248。虽然发动机管理系统200的部件被描绘为是同一系统的一部分，但应当理解，在某些实施例中，这些特征可以包括多个系统。另外，在各种实施例中，发动机管理系统200可以包括各种其他车辆设备和系统的全部或一部分，和/或可以耦合到各种其他车辆设备和系统。
发动机管理系统200控制包括热系统100的推进系统102的操作以传递包括排放管理在内的期望的操作性能。通常，控制器204使用可用输入，包括来自上面标识的各种传感器和致动器的输入，以向发动机管理系统200提供参数数据来有效地控制发动机104的各种功能。例如，基于数据输入，控制器204通过燃料喷射器226、节气阀228、egr阀230、凸轮移相器236和vgt致动器234的操作精确地计算和控制适当的空气燃料混合物的输送以及废气再循环，并且可以控制其他参数，比如火花正时。发动机管理系统200还控制泵120、130，以通过热系统100的各个分支来输送适当量的流体。为了调度各个气缸179内的燃烧控制，包括将发生燃烧在内的条件(包括温度)是相关的。缸内燃烧在热系统100中产生显著干扰，并且燃烧过程受到温度的影响。
当依赖于温度传感器读数时，为了将极大的动态干扰准确地反映在提供给控制器204的信息中，热量必须传递给冷却剂，以便由系统中的各种冷却剂温度传感器感测。对各个气缸179中的燃烧具有显著影响的温度是在其内发生燃烧的各个气缸的缸体壁198处的壁温度twall。使用twall进行控制决策可提供改善的信息，因为它避免了燃烧和其他干扰热量在发生测量的位置处传递给冷却剂时的延迟。然而，直接测量twall通常不可行。使用除放置温度传感器之外的位置处的温度也可以最好地实现其他控制功能。另外，由于多种原因，温度传感器可能不可靠，因此，在进行控制确定时，感测到的温度可能不是最佳指示。例如，在热系统100的传感器所处的分支中缺乏冷却剂流动可能由于传递给传感器处的冷却剂的热量的过长时滞而导致传感器数据对于指示的控制动作不可靠。因此，为了执行控制确定，如本文所公开，虚拟温度感测的形式由发动机管理系统200实现。
另外参照图3和4，发动机管理系统200可以包括架构300，其可以包括用于执行过程400以向控制器204提供关于推进系统102的最佳温度信息的多个模块。在各种实施例中，估计架构300通常包括分支流量估计器模块302、传感器可靠性模块304、模型和预测模块306、校正模块308和数据存储310。发动机管理系统200可以包括任意数量的附加模块，以独立于架构300的模块或与之协调地控制发动机104的各个方面。例如，调度节气阀228的位置的模块(未示出)可使用架构300的输出以在任何给定的时间确定适当的阀位置。
分支流量估计器模块302从致动器采样/获得402输入312，包括主冷却剂泵120的速度以及阀138、142、146、150和154的位置。在一些实施例中，分支流量估计器获得402来自相关传感器的输入312，比如监测流量状况的流量传感器(未示出)。为了理解热系统100针对其相应拓扑的变化，确定404各个分支中的流量状况。基于流体导管116的布局、特征和尺寸、主冷却剂泵120的速度以及阀138、142、146、150和154的位置，确定每个分支中的流量。在各种实施例中，可以使用流体动力学来计算分支流量。在其他实施例中，可以通过特性测试确定分支流量并将其作为数据248存储在存储设备244中，比如存储在查找表中，其中流量与泵速度和阀位置有关。在另外的实施例中，可以通过使用可商购的计算流体动力学软件对热系统100进行建模来确定用于定义分支流量的数据。可以从数据存储310中特别是从存储设备244中检索用于执行计算/确定的数据和/或算法。总之，基于致动器状态和可能可用的任何相关传感器输入来确定分支流量。所确定的分支流量分别被传送314、316到传感器可靠性模块304以及模型和预测模块306。
传感器可靠性模块304可以从发动机管理系统的其他模块接收输入。例如，在温度传感器160、162、164、166、168、172、176、178、180具有监测和诊断能力的实施例中，传感器可靠性模块304可以在诊断结果传送传感器有故障并且控制器204分配高噪声协方差(指示高噪声)时确定406传感器不可靠。当为传感器确定或分配高噪声协方差时，校正模块308主要基于建模确定温度并且折减或忽略感测值。在其他情况下，由于测量的参数，温度传感器160、162、164、166、168、168、172、176、178、180可被确定406为轻微可靠或不可靠，并且基于每个传感器的测量可靠性来针对其计算适当的噪声协方差，以基于可靠性对模型和测量进行加权。例如，当如由分支流量估计器模块302确定的分支中没有流量时，传感器可靠性模块可以确定406该分支中的传感器不可靠。作为特定示例，输入312可以通知分支流量估计器模块302截止阀138完全关闭，此向传感器可靠性模块304传送314分支140中没有流量。因此，冷却剂温度传感器180处的冷却剂将不移动并且不能有效地指示热系统100中除其特定位置以外的点处的干扰，因此，传感器未提供实时更新的信息。当这些条件发生时，传感器可靠性模块确定缸体冷却剂传感器180不可靠，并且计算408高噪声协方差以折减或忽略感测值与建模值。
另外参照图5，曲线图示出了传感器可靠性，其描述了纵轴502上的噪声协方差与横轴504上的各个传感器上的流量的关系。通常，在低流量的情况下，传感器可能具有较慢响应，并且可以认为可靠性较差，而在高流量的情况下，传感器可能具有快速响应，并且可以认为更加可靠。通过诸如特性测试的手段，可以确定在最小流量505处及以上，证明传感器是可靠的。还可以确定，在低流量或无流量的情况下，传感器变得不可靠，比如因为传感器无法检测到受控参数关注点处的温度。在一些实施例中，传感器可以精确地定位在关注点处，因此即使在没有流量条件下也可能是可靠的。因此，即使没有流量时，也可以将该传感器确定406为是可靠的，并且可以计算/分配408低噪声协方差。
在当前实施例中，流量用作可靠性的指示。基于可靠性确定406分配/计算408噪声协方差，并指示传感器的精度可靠的程度。曲线506描绘了传感器可靠性模块304被间歇地激活的开/关操作。当包含传感器的分支中的流量在范围508中为零或接近零时，传感器可靠性模块304确定406传感器不可靠，并计算408高噪声协方差以折减感测值。当流量高于范围508时，传感器可靠性模块304确定406传感器是可靠的，并且计算408低噪声协方差以更重地加权感测值。当传感器可靠性模块304被间歇地激活时，流量在激活时在范围508内，或者在激活时在范围508外。在其他实施例中，传感器可靠性模块304可被编程为从两个以上的结果中考虑。例如，可以包括在范围508的较高部分中具有流量的中间范围510，其中传感器可靠性模块304确定传感器是轻微可靠的，并且计算或分配408中间噪声协方差。
曲线512描绘了传感器可靠性模块304的连续操作。随着流量增加，例如当阀打开或冷却剂泵120的速度增加时，通过相应导管116的流量成比例地增加。当流量为零时，由传感器可靠性模块304确定406各个传感器的精度，并且计算408高噪声协方差。随着流量增加，到达点514，在该点处流量高于范围508并且足够高以准确及时地反映干扰。在这些条件下，传感器可靠性模块304确定406存在高可靠性，并且基于该流速和较高流量为传感器计算出低噪声协方差。可以定义中间区域516，其中传感器可靠性模块304确定406传感器是轻微可靠的，并且计算中间噪声协方差值。在其他实施例中，可以定义沿曲线512的任何数量的区域或点，其指示传感器可靠性的不同水平。可以例如从数据存储310中检索适用区域，以与从分支流量估计器模块302传送314的流量进行比较。可能需要更大量的校准，以准确反映在连续运行条件发生的可靠性下降的速度，这与间歇运行所要求的相反。在一些实施例中，可以在噪声协方差计算中使用传感器的位置。例如，如果可用的传感器远离干扰点，则可以应用一个因素来降低其可靠性以反映距离。传感器可靠性模块304将噪声协方差确定传送318至校正模块308。
模型和预测模块306接收推进系统输入320，比如到喷射器226的燃料速率、加速器踏板224的位置、egr阀230的位置以及对热系统100产生干扰/产生影响的其他参数。另外，模型和预测模块306使用如从分支流量估计器模块302传送316的分支流量估计。模型和预测模块306在模型子模块322中处理410推进系统102的热模型。可以使用可商购的软件来构建热模型，以构建热系统的基于物理的模型。发动机104和其他部件的cad数学模型可以用于构建模型。模型子模块322使用系统输入320，并且可以考虑多个因素，比如环境温度、发动机开启时间、摩擦影响等。在其他实施例中，可以使用特性测试、确定趋势并比如在查找表中记录结果来构建模型。在这些实施例中，模型子模块322可以使用系统输入320来确定查找表中的相应结果。在其他实施例中，可以使用计算来构建热模型，以确定来自系统输入320的结果。可以从方法的组合来构建模型，并且其可以考虑稳态和瞬态操作。
模型和预测模块306处理410通过模型子模块322中的热模型的系统输入并包括预测子模块324，其使用热模型结果和分支流量估计来计算和预测412所选参数，比如twall、发动机输出冷却剂温度teo、集成的排气歧管冷却剂温度tiem和散热器输出冷却剂温度tro。基于当前系统输入320和分支流量估计，预期的热状态值被预测412到未来，比当前状态提前一步(下一步状态)。参数列表被传送326到校正模块308，并且下一步状态预测被传送328到校正模块308。
校正模块308从温度传感器160、162、164、166、168、172、176、178、180接收当前状态温度读数的温度输入330，以及参数列表和来自模型和预测模块306针对这些参数的下一步状态预测。校正模块308还接收从传感器可靠性模块304传送318的噪声协方差确定。校正模块308基于当前感测到的温度和相关的噪声协方差确定来校正414预测的下一步状态。在卡尔曼滤波器分析中将参数输入线性系统矩阵以校正414预测值。当噪声协方差值对于传感器较高时，感测到的温度输入330对结果几乎没有影响或者没有影响，并且来自模型和预测模块306的预测基本确定输送416至控制器204并用于控制418推进系统102的参数输出332的下一步状态值。
可以使用扩展的卡尔曼滤波器方法对预测和校正函数进行建模。可以使用非线性模型创建函数：
给定当前估计
x(k+1)＝a(k)x(k)+b(k)u(k)+g(k)w(k)；和
ym(k)＝cm(k)x(k)+z(k)
其中，a、b、c和g是矩阵，而w和z是噪声。
为了进行校正，q和r分别用作过程噪声w和测量噪声z的协方差矩阵。p是估计误差协方差矩阵。以下等式校正预测状态以获得最终的下一步状态值
m(k)＝p(k|k-1)cm(k)′(cm(k)p(k|k-1)cm(k)′+r(k))-1；
p(k|k)＝(i-m(k)cm(k))p(k|k-1)
其中：
e是预测与实际测量值之间的误差，用于校正状态预测；
m是卡尔曼滤波器校正反馈增益；
m*e是校正状态预测以获得校正后的状态估计的量；
p是估计协方差矩阵；
c是将系统状态(x)与系统输出(y)相关的矩阵；
r是测量误差协方差矩阵，其表示测量的“噪声”程度；以及
i是单位矩阵，其中所有元素均为零，仅对角线元素为1。
下一步状态值用于控制推进系统102的目的。例如，下一步twall值可以用于通过控制燃料喷射器226、节气阀228、egr阀230、vgt致动器234和凸轮移相器236的致动器来控制燃烧。因此，准确且可靠地确定温度以增强热管理，包括在不存在传感器的位置处以及对于传感器不可靠时的状况。在多个实施例中，用于确定热状态的方法包括基于流量模型和致动器反馈来估计系统分支流量。分支流量可用于确定系统温度传感器是否可靠。该方法可以将噪声协方差水平分配给每个传感器作为可靠性权重。热模型可用于提供状态预测和线性化模型参数。诸如基于卡尔曼滤波器的观察器以及温度测量、状态预测、线性化模型参数和噪声协方差可用于估计热状态。结果提供了在所有推进系统运行条件下的可靠的温度估计，从而提供了运行和燃油经济性好处。
尽管在前面的详细描述中已经呈现了至少一个示例性实施例，但应当理解，存在大量的变型。还应当理解，一个或多个示例性实施例仅是示例，并且无意以任何方式限制本公开的范围、适用性或配置。相反，前述详细描述将为本领域技术人员提供用于实施一个或多个示例性实施例的便利路线图。应当理解，在不脱离如所附权利要求及其合法等同物所阐述的本公开的范围的情况下，可以对元件的功能和布置进行各种改变。
- 还没有人留言评论。精彩留言会获得点赞！