爆震识别方法
专利汇可以提供爆震识别方法专利检索，专利查询，专利分析的服务。并且一种 内燃机 中的 爆震 识别方法,其中,至少一个配置给内燃机的爆震 传感器 的输出 信号 借助一个后联的求值装置求值。当爆震传感器预处理的 输出信号 超过一个预定的参考电平时,就识别出爆震。参考电平跟随 输入信号 的计算与内燃机是否处于动态工作状态有关,其中,对于动态时参考电平的计算也使用在识别出爆震时求得的测量值。，下面是爆震识别方法专利的具体信息内容。
1.内燃机中爆震的识别方法，其中，具有至少一个爆震传感器 及一个后联的求值装置，该求值装置至少包括一个比较装置，用于 将预处理的爆震传感器输出信号与一个可变的参考电平相比较，该 参考信号根据在先的爆震传感器输出信号构成，其中参考电平通过 低通滤波器输入到该比较装置，并且该比较装置根据比较结果来识 别爆震，其特征在于：参考电平的跟随及低通滤波器输入信号的计 算至少根据两个不同的方法进行，其中一个或另一方法根据是否识 别出动态来选择。
2.根据权利要求1所述的爆震识别方法，其特征在于：参考值rkr (new)视在先识别的是/否爆震，是/否动态的条件，根据以下等式 构成： 1：rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*ikr 2：rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(ikr/ke)或 3：rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(rkr(old)*ke)
其中，rkr(old)为在先的参考值，KRFTP为跟随系数，ikr为 当前燃烧的噪音，以及ke为一个系数。
3.根据权利要求1或2所述的爆震识别方法，其特征在于：当 由当前爆震值ikr及在先的参考电平rkr(old)构成的比例virkr超 过一个预定值ke时，将识别出爆震。
4.根据以上权利要求中的一项所述的爆震识别方法，其特征在 于：在确定新参考值时将一起考虑在先的值，这些在先的值是在识 别出爆震时求得的。
5.根据以上权利要求中的一项所述的爆震识别方法，其特征在 于：在构成参考电平rkr时附加地考虑比例virkr是否大于一个阈值： ke*(KRRPN*(ke-1)+1)，其中，ke为爆震识别阈值，而KRRPN 为其值在0和1之间的一个系数。
本发明涉及根据权利要求1的类型的内燃机中的爆震识别方 法。
已公知，在具有爆震调节的内燃机上使用爆震传感器，它输出 能识别是否出现爆震燃烧的输出信号。为了识别爆震，例如使用固 体声传感器，其实施形式为：在发动机体的预定位置上设置单个爆 震传感器、两个爆震传感器或对于每个汽缸设置一个爆震传感器。 关于由爆震传感器输出信号的求值问题在于，由爆震引起的信号与 其它噪音产生的信号相分离。因为无论是爆震信号还是背景信号与 内燃机各种工作条件相关，已公知了与内燃机转数相关地进行爆震 的求值。
DE-P 43 32 711公知了用于爆震识别的装置，其中描述了如何 处理用于爆震识别的两个爆震传感器的输出信号。其中在一个微处 理器中由在先的爆震信号构成参考电平，它与相应于预选爆震传感 器信号的当前输出信号相比较。如果当前输出信号超过了参考电平， 则识别为爆震及执行相应的控制，例如点火，由此保证在以后的燃 烧中不出现爆震。为了考虑背景信号及爆震信号与转数的相关性及 能执行最佳的爆震识别，参考电平将根据转数而变化，其中随着转 数升高参考电平也增高。
本发明的优点
根据本发明的具有权利要求1特征的爆震识别方法具有其优 点，即可以实现在整个内燃机工作区域上与噪音强度无关的爆震的 可靠识别。该优点将这样达到，即，对通常的参考电平跟随，附加 地执行一个改善的动态参考电平跟随，尤其是对于具有强噪音增长 的内燃机。并且在超平均噪音增长的发动机上或在超平均噪音增长 的区域中将不会以错误的方式识别，因为在此情况下将以有利方式 进行参考电平的适配。
本发明的另外优点将通过从属权利要求中给出的措施来实现。 这里特别有利的是，改善的动态参考电平跟随可实现参考电平的快 速跟随。该快速跟随将这样得到，即动态工况相对常规工况的相应 系数被减小。
附图说明
附图示出了本发明，在以下的描述中将详细地说明本发明。
具体地说，图1表示借助本发明的爆震识别方法来识别爆震的 装置的一个可能的实施例；图2及3是流程图，表示两个根据本发 明的爆震识别方法；以及图4是表示各个参考电平的曲线图。
实施例
在图1所示的爆震识别装置的实施形式中，在一个内燃机上， 在内燃机的发动机体12的预定位置上设有两个爆震传感器10，11， 例如固体声传感器。这些爆震传感器10，11的输出信号S1，S2既 与发动机噪音有关，也与可能出现的干扰噪音及可能出现的爆震噪 音有关。为此在求值装置13中对爆震传感器10，11的信号S1，S2 以适当方式进行进一步处理，并在求值装置13的输出端产生一个信 号S3，它可识别是否出现爆震。
求值装置13可作为分立电路构成或为一个微计算机的组成部 分。求值电路13例如被集成在内燃机的控制装置中。对求值电路13 的信号S3作进一步处理的微计算机14例如是控制装置的微处理器。 根据可识别是否出现爆震的信号S3，微计算机14控制点火装置15 和/或燃料喷射装置16，及由此调节内燃机各个汽缸中的燃烧。
为了最佳地调节内燃机，对微处理器14还输入其它信号，例如 由一个传感器17，如节流阀传感器输入的信号。当然。可以设有任 意多的传感器，它们的输出信号在相应的预处理后传送给微处理器 及由该微处理器进行处理。在图1的实施例中，信号的输入总是通 过以E1及E2表示的输入端实现的，作为输出端表示的有：输出端 A1，A2及A3。
在求值装置13中进行爆震的实际识别。在所选实施例中，求值 装置13包括至少一个可调放大系数的放大器18，对该放大器输入 爆震传感器10及11提供的输出信号S1及S2。在此情况下总是输 入通过软件配置给当前燃烧的汽缸的输出信号。在随后连接的带通 滤波器19中，这样地滤波该放大信号，即优先输出具有爆震典型频 率的信号分量。在带通滤波器19后接着连接一个解调电路20，例 如是一个整流器。由解调电路20输出的信号将在积分器21中积分， 及积分信号KI将输入到比较器22的第一输入端。
比较器22的另一输入端将被输入一个参考信号或一个参考电平 Ref，它例如由以可预给方式预处理的爆震信号的平均值，通过使用 低通滤波器23来构成。该参考电平的实际值如何构成及它取怎样的 值是本发明的核心，在下面将详细描述。
求值电路13的各个单元的确切结构对于理解本发明并不重要， 因此不再详细地描述。求值装置13可全部地作为数字求值装置，例 如微处理器来实现。
借助图1中所示的装置，爆震识别将如下地进行：爆震传感器 10，11将记录由内燃机引起的噪音，并对求值装置13输出相应信 号S1及S2。这些信号以适当方式被滤波及放大。再将积分的爆震 信号KI与参考电平Ref相比较得到信号S3，该信号可识别是否出 现爆震。
在内燃机上识别爆震的、作为固体声传感器工作的爆震传感器 的确切方案可借助图2中所示的流程图来说明。在该实施例中，在 第一步骤SCH1中检测当前燃烧的噪音ikr。在步骤SCH3中由噪音 ikr求得当前燃烧的噪音ikr与所谓的参考电平rkr的比例virkr，其 中参考电平是由同一汽缸的多次燃烧求得的噪音构成的，在步骤 SCH2中将预先读出该参考电平rkr(old)。
在步骤SCH3中计算的比例virkr将在步骤SCH4中尝试它是否 大于爆震识别阈值ke。当比例virkr＝ikr/rkr(old)超过爆震识别阈 值ke时，则识别出爆震，并输出信号KL。但也可以是，当ikr大于 rkr(old)*ke时，识别出爆震，并输出相应的信号KL。
在无爆震工作中进行参考电平rkr(old)的计算，即，当在步 骤SCH4中识别出virkr不大于ke时，则在步骤SCH5中根据下式 进行递推计算：
rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*ikr。 量KRFTP被称为所谓的跟随系数。该跟随系数能以适当方式对内燃 机专门地适配。
这样构成的新参考电平rkr(new)代表无爆震的内燃机的基本 噪音。在下个程序流程中，在步骤SCH6上将在步骤SCH5中计算 的参考电平rkr(new)作为参考电平rkr(old)考虑，并且用于下 次对比例virkr的计算。如果在步骤SCH4中检测出的燃烧是爆震的， 则对该燃烧检测的噪音ikr不完全用来计算参考电平rkr。象在爆震 情况下进行的计算取决于是否处于动态。为此在步骤SCH7上检验， 内燃机是否处于动态工作状态。对于动态的识别例如可检验转数是 否有实质性改变。
如果不处于动态情况，则计算被测量的噪音ikr，其方式是它被 系数ke除，以便避免由爆震噪音引起的参考电平rkr的上升。在此 情况下，在步骤SCH8中根据下式计算参考电平rkr(new)的新值：
rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(ikr/ke)。 原则上不放弃爆震燃烧的计算，因为在动态情况下噪音也包括内燃 机自然噪音的增长及必需相应地一起加以考虑。
为了在动态下基本噪音既快又强地增长的情况下(如步骤SCH7 所示，出现动态)不导致误识别，即，为了不将突然的强燃烧误识 别为爆震，对于动态的持续采取了两个措施：参考电平的跟随通过 一个小系数KRFTP的选择来加速，以及提高爆震识别阈值。
尽管有这些对付误爆震识别的对策，但在超平均噪音增长的内 燃机或发动机上，例如由活塞摆动引起噪音增长，将会导致误识别。 而被误识别为爆震的燃烧将导致计算的基本噪音rkr跟随不正确地延 时，这是由于上述的当前燃烧的噪音irk在参考电平rkr的计算时用 系数ke加权。实际的基本噪音及计算的基本噪音之间的差异将会导 致以后的继续误识别。因为每个爆震最后引起点火角向后调整，因 此由于爆震的误识别将导致功率及效率的损失，而这在误识别的情 况下是完全不必的。因此根据本发明，在步骤SCH7中识别出动态 的情况下以前所述的参考电平的计算将按照另外的方法进行，由此 可减少误识别，并且同时保证始终正确的爆震识别。
根据是否出现动态情况而定，新的参考电平值将或是根据在步 骤SCH8中给出的式子或是根据在步骤SCH9中给出的式子进行计 算。在步骤SCH6中每个旧的参考电平值rkr(old)均被新值rkr(new) 代替，并在步骤SCH3中再用于构成比例。
因此，所述的方法在识别到爆震时，即，在识别到真实的爆震 或误爆震识别时，在动态的情况下将根据一个修正的式子计算参考 电平rkr(new)，它为： rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(rkr(old)*ke。
在此情况下，值ikr(old)*ke直接对应于还未作为爆震识别的 噪音电平。也可以用另外一种方法，其中，不区分动态与非动态， 对于参考电平计算一个较大的值，但该值由平均噪音电平得到。通 过该参考电平确定的方法可避免爆震误识别，以及由此避免不必要 的功率和效率损失。
图3表示本发明的另一实施例，其中考虑了动态时的参考电平 跟随。该方法与图2中所示方法的区别仅在于加入了步骤SCH10， 该步骤包括一个附加的阈值询问。如果在步骤SCH4中识别出爆震 及在步骤SCH7中识别出动态(或真实存在爆震或误识别)，则接着 其后执行步骤SCH10。在此情况下将值virkr与一个阈值ke* (KRRPN*(ke-1)+1)进行比较，其中，系数KRRPN可取值域(0， 1)，它在ke及ke2之间。如果该阈值未被超过，则用在步骤SCH9 中给出的式子计算参考电平，有： rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(rkr(old)*ke)。
如果相反，该阈值被比例virkr超过，则使用在步骤SCH8中给 出的式子计算新参考值，它相应于以前在识别出爆震时使用的式子。 该式为：
rkr(new)＝(1-1/KRFTP)*rkr(old)+1/KRFTP*(ikr/ke)。
通过引入该另一可变的阈值，当KRRPN＝0时，可实现以前的 参考电平跟随的性能，当KRRPN＝1时，相反，可实现最快的参考 电平跟随，正如当转数动态变化时，噪音快速增长的内燃机或发动 机中所需要的。由此可减小在较长时间间隔上在动态时误识别的可 能性以及与此相关的功率和效率损失。
图4表示通过仿真计算得到的各个量的变化曲线的例子，其中 有：
virkr P：当前燃烧的噪音irk与同一汽缸最后燃烧的噪音平均值 之比；
kekref：爆震识别阈值；
rkrref：参考电平＝最后燃烧的平滑配药平均值；
eingangneu：用于计算当前参考电平使用的值；以及
ikrref：当前燃烧的噪音。
其中，系数KRRPN总是选择0(图4a)，0.5(图4b)及1.0(图 4c)中的一个值。用B_k1表示是识别出爆震(高电平)及未识别出 爆震(低电平)。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
